精準醫療和大資料庫的關係!

(本文來源電子發燒友網,作者倩倩;經億歐大健康編輯,供行業人士參考。)​隨著大規模生物樣本數據庫、強大組學和醫療技術、計算工具及大數據的發展,精準醫療的地位得到顯著提升。作為一種依據每個個體的基因、健康差異來制定個性化治療和預防方案的新型治療方法,精準醫療或許可以引領新的醫學時代。

精準醫療和大數據庫的關係!

隨著大規模生物樣本數據庫、強大組學和醫療技術、計算工具及大數據的發展,精準醫療的地位得到顯著提升。作為一種依據每個個體的基因、健康差異來制定個性化治療和預防方案的新型治療方法,精準醫療或許可以引領新的醫學時代。

大數據的趨勢以及價值是現在最熱門的話題,也改變了許多企業經營的方式,對於各行各業來說是勢必是一個大挑戰,能否將大數據的力量從危機到轉機就要看現代經營者有沒有轉變傳統型態的思維?

什麼是大數據?

首先什麼是大數據?傳統數據一年的數據量大概為3TB左右,以現今數據來說一天的資料量為50TB,由這簡單的數據量差就可以得知傳統數據跟現今數據的差異多麼龐大,也就是現在俗稱的大數據時代。數據龐大之下,不管是銀行業、傳統零售業、社會建設公共方面甚至是醫療保健產業對數據處理、分析方式以及經營企業的模式將會有所改變。

在過往的醫療診斷歷史,到醫院看病時必須耗費許多時間等待看診,而醫生看診又要再花費時間。當醫生要求病患拍攝X光片或檢驗時,又要再花額外許多時間診斷。而在現今醫療信息高度發展的臺灣,看診程序從網絡掛號、候診順序、診間病歷調閱、醫師醫令、處方開立、放射影像存取、檢查檢驗數據儲存等,無數的數據信息便在醫院中傳遞、交換、儲存。同時大多數的生理檢驗信息在你回診時得以從電子病歷中檢索,這些我們認為理所當然的信息處理,在臺灣我們只要花費少許的時間如一個早上便完成了,而這一切正是仰賴醫學信息分析與醫療大數據的交換處理。

醫學大數據的產生,主要歸功於醫療設備數字化及電子化病歷發展兩大領域的突破,透過儀器數字化,醫院得以獲得更多病人疾病與健康信息紀錄。而在病人醫療診斷方面,為了完善紀錄病患個人資料、診斷數據與過往醫療紀錄等,即促成了電子病歷系統發展。醫學大數據發展由過去紙張記錄、紙本信息數字化、醫學紀錄儲存到現今多信息整合,其數據量有著爆炸性的成長,不僅由過去個人社經信息、診斷信息等文字媒介,更拓展到多媒體影像信息,如X光影像,動態視訊影像信息,如核磁共振MRI以及電訊號信息,如心電圖等等,這些龐大醫學數據的彙集與高度整合技術能力,正是臺灣醫學信息領域發展領先的原因,同時更顯得醫學數據發展的多元應用及其重要性。

而由醫療健保產業來說,個人醫療信息終端的產生給醫療產業帶來革命性的變化,連結了傳統醫院、政府(社會保障)、保險公司、藥物生產公司等相關產業,形成新的行業生態圈。將互聯網+醫療保健去建構一個智能的健康系統,在整個健康系統下會有智能的合作伙伴,包含醫院、醫生、診所、學術中心、保險公司、藥廠、醫療設備製造商、政府等相關人員等,接著產生出個人化的護理體系,其中包含個人健康、成本節約、提高效率、病人教育、增強通信、績效度量、預防等相關內容,使得人們有著更健康的社會。

經常聽到的醫療雲、照護雲以及健康雲都是運用雲端技術結合大數據去提供健康諮詢的服務。在網絡普及下,人手一臺智能型手機讓這些雲更能夠去發揮,客戶只需要使用健康感知的終端,其中包含穿戴型裝置、愛睡寶、電視機以及相關的智能型測量裝置,就能夠讓親人、醫生以及相關的護理人員得知目前的身體狀態,不僅如此,還可以遠程監護以及遠程門診,一切都透過遠程醫療平臺讓人們有著安全、方便、快速及健康舒適的生活環境。

大數據在生技醫療衛生髮展狀況及應用,大數據已深耕於經濟領域且創造了巨大的經濟價值。

美國的大數據產業已經創造了巨大的價值,具體表現在:大數據使美國醫療服務質量得到提高。

對於醫療服務的提供方和支付方來說,在減少醫療成本的同時不斷提高醫療質量和效率仍然是一個難以實現的目標,而這也是改善民生的重大機遇。2010年,全美醫療支出佔國內生產總值的17.9%,比2000年增長13.8%。而且,某些慢性疾病如糖尿病的患病率正在增加,正在消耗更多的醫療資源。

對這些疾病和其他相關健康服務的管理將深刻地影響國家的福祉。在這方面大數據可以發揮作用。為在廣大人群中取得最有效的醫療效果,更多地使用電子健康記錄(電子健康檔案),並與新的分析工具相結合,將提供挖掘信息的機會。研究人員可以利用信息尋找有效的統計趨勢,並依據真實的醫療服務質量開展醫療評估。

精準醫療大數據關聯分析意義

服務模式(以患者為中心,形成居民健康全過程服務),從被動到主動;醫療模式(以預防為主,人人享有基本醫療衛生服務,將醫療衛生工作重點由後治前移到預防保健),從治病到防病;診療模式(避免各自為政,實行上下聯合,專業分工),從排斥到聯動;數據模式(從業務系統數據向整體數據轉變,改變過去的數據不統一、不互通、不共享),從隔離到整體;技術模式(採用各種新技術手段,包括大數據、雲計算、物聯網、移動互聯等,形成技術合力),從簡單到綜合的轉變。

據瞭解,目前2017中國國際大數據產業博覽會分論壇確定了最後一個核心論壇主題,即“第三屆中國大數據安全高層論壇”。屆時,政府部門、大型行業、產業界代表及專家、學者等300位嘉賓將出席該論壇,共議大數據安全。而醫療大數據作為大數據中舉重若輕的一部分,也一直為大家所樂道,那麼它在精準醫療發展過程中究竟佔據著怎樣的地位呢?

醫療大數據+人工智能

1998年,勞埃德和同事首次在全世界報道了一種名為“上半規管裂損症候群”的罕見病。患有這種病的人對聲音異常的敏感,嚴重會出現眩暈等症狀。英國也報道過一名患有此病的女子,不僅能夠聽見自己的心跳聲、大腦的攪動聲,即便輕輕地咬一口蘋果都會感到震耳欲聾。勞埃德在網上發表了這種病的相關論文以後,世界各國的人開始能夠通過互聯網搜索到這個病的信息。而通過這種在線搜索的方式,那些多年來找不到病因或者在錯誤的科室試驗著治療方案的病人終於得到了確診。利用確診的信息,這些病人能夠被送到正確的地方,開始得到正確的治療方案。

這就是“互聯網+”對醫療領域的推動力,而推動力的背後,蘊藏著醫療大數據的應用。

只有流動的大數據,才能形成價值,而流動的載體,便是互聯網。

勞埃德的例子,啟發斯坦福醫學院的科學家們開始了和“互聯網+”結合的道路。如今已是斯坦福大學醫學院院長的勞埃德,帶著一群富有創新精神的醫學專家和互聯網醫療行業的專家,正在推進一項最新的科研項目:“和你一樣的病人”。這是一個人工智能系統,通過其背後的數據庫和知識庫搜索算法,病人能夠自我進行疾病的監控和檢查。這一套系統能減少醫生經驗不足而進行的誤診和漏診。

這樣一種通過人工智能和醫療大數據的結合,改變了傳統醫療領域中的看病模式。傳統的看病模式,醫生通過“一對一”的方式來給病人進行看病,但是隨著疾病的複雜度日益增長,醫生的經驗積累越來越有限,很多情況下沒有精準的各種體檢指標的數據,醫生是無法準確和快速地進行診斷的。

這種傳統的模式,無論是醫生經過30年還是50年的經驗積累,也無法和醫療大數據的體量進行比較。在互聯網時代,以患者為中心構建的個體醫療大數據,可能比任何一位有經驗的醫生掌握的知識還多。經過人工智能的處理,系統篩選出來的治療方案,也許比醫生的方案效果更好。

這樣一種基於醫療大數據的人工智能系統,在未來很有可能會改變醫療領域的傳統模式。例如,在哈佛大學醫學院已經有醫生嘗試給乳腺癌患者看病,首先通過系統篩查全美乳腺癌患者病歷,然後挑出和具體患者相同或相似的年齡、生活環境、突變基因等,最終挑選出一個生存期、生活質量最高的治療方案提供給患者。這是目前“醫療大數據+人工智能”最成功的一個案例。

醫療大數據+深度挖掘

大數據改變的不僅僅是產業本身,更重要的是,它改變了人們的生活方式。

在精準醫療方面,醫療大數據帶給人們不僅僅是最優的診斷和治療計劃,而是通過數據的挖掘和篩選,對未來生活方式的改變做出正確的指導。斯坦福大學醫學院院長勞埃德·米諾在推行醫療大數據的應用時提到:“我們已在和谷歌、蘋果公司合作,也將與更多中國科學家合作。”勞埃德這裡說的“合作”,其實就是通過醫療大數據的挖掘和篩選,給政府、醫保政策制定者、醫院以及大眾更好的建議和指導。

對醫療大數據的深挖首先需要大數據的採集,大數據的採集是多維度的。從生命數據化的趨勢來看,醫療的數據化是前提。能夠被量化的健康數據首先成為醫療大數據採集的入口。

這裡提及的數據採集入口是多樣化的。在移動互聯網的推動下,加之可穿戴設備和智能設備的普及,形成了有別於傳統的醫療設備採集數據的方式,由此催生了新的移動入口。傳感器、無線通信、多媒體等技術和眼鏡、手錶、手環、體重器、服飾鞋襪和洗漱傢俱等生活用品結合起來,出現了能夠計算運動距離和消耗卡路里的鞋子,能夠檢測血氧含量的藍牙耳機,能夠測量心率的手環手錶。

而數據入口的多樣化則慢慢形成了健康大數據。傳統定義認為:醫療大數據採集的入口場所為醫療機構,但是在“互聯網+”的模式創新下,健康大數據的採集入口已經慢慢迴歸到以人為中心。就體檢來說,很多需要在體檢中心進行數據採集的項目已經可以實現用戶自我在家裡操作進行數據採集,比如心率監測和血糖檢測。

同樣的道理,互聯網醫療的出現也會逐漸影響醫療大數據的採集方式。基因檢測作為精準醫療的入口,承擔著醫療大數據採集的使命。目前基因檢測的數據採集還無法做到迴歸用戶端,但是已經能夠逐漸做到在用戶體驗上面弱化醫療機構所扮演的角色了。

醫療大數據+精準醫療

對醫療大數據的採集不是僅僅記錄醫療過程中的數據,大數據形成的第一步是通過“物聯網+互聯網”的方式把碎片化的數據通過一種結構化的方式彙總起來。第二步是把有用的數據通過“生物信息+雲計算”的方式形成有效信息。第三步是把有效的信息通過“互聯網+社交網”的方式形成知識庫。第四步是把知識庫通過“人工智能+互聯網”的方式形成產品。最後形成的產品,能夠迴歸到第一步實現大數據的“零重啟”,這就實現了我們經常聽到的:“大數據的目的是沒有數據。”

通過這四個步驟形成的醫療大數據,是一個從量變到質變的過程,是實現精準醫療的一個有效閉環。從產業角度來看,每一步都誕生了許多的商業機會和企業。業務驅動型的公司基本上能夠在“四步曲”的閉環裡面找到自己的位置,比如春雨醫生、丁香園、橙意人家這些公司在早期的時候切入方式就是處於第一步的位置。模式驅動型的公司往往在這個閉環裡面很難找到準確的位置,因為在沒有進入產品化時代的行業裡面,技術服務類型的企業在追求利益最大化的過程中不可避免會自我形成閉環,只有閉環才能實現利潤最大化。但是閉環的形成也是自我封閉的開始。

在一個產業還在萌芽階段和快速發展的時候,過早形成閉環其實已經導致了“天花板”的出現,所以在目前國內市場上出現了眾多所謂的“小華大”。這些企業形成閉環是很無奈的過程,因為一個行業的發展需要分工和細化,但是在產品化還沒有達到足以支撐這個產業快速發展的時候,自我形成閉環是被迫無奈的生存之道。

那麼,在產業鏈還在苦苦為生存而戰鬥的時代,精準醫療還只能是一個美好的大餐。只有跳出這個圈子,站在產業發展的戰略上看,才能破這個局,而破這個局的企業,需要做的,就是推動技術服務產品化。要麼自己做產品,要麼為做產品的企業服務,這樣兩個選擇。


分享到:


相關文章: