人們在醫療保健方面的花費是巨大的，包括醫藥費、體檢、衛生保健。世界衛生組織把無效藥物、重複看病和紙質病歷，以及喪失疾病防治機會看作是一種浪費。據估計，通過大數據健康分析，在電子健康檔案、保險索賠、藥品處方、臨床研究、政府報告和實驗室結果等方面挖掘出貴如珍寶的信息，可以使衛生保健產業節約數十億經費，還可以為更多的人提供更好、更廉價的服務。
大數據在醫療保健領域究竟可以做什麼呢？事實上，對臨床資料進行系統分析，可以使治療方案建立在最好的可用數據基礎上，而不是僅僅根據醫生的判斷。醫院床位緊張一直是人們看病就醫時經常碰到的問題，如果利用大數據提前預計和分配好床位，那麼可以大大減少患者入院的等待時間。如果衛生部門能夠跟蹤流感患者數量和分佈地區，流感的集中爆發就可以被遏制。
位於美國奧克蘭的凱澤永久醫療集團是美國一家集保險公司、醫院、診所、藥店和坐診醫生的職能於一身的大型醫療保健系統公司。旗下的凱瑟基金會健康計劃擁有900萬成員、17000名內科醫生、611個醫療辦事處和37家醫院。凱瑟基金會擁有美國絕大部分的電子健康檔案，大約有30拍字節的數據，而且幾乎每兩年增加1倍。主任邁克爾·約翰遜指出，電子健康檔案中積累的數據是改進公共衛生取之不盡的源泉，讓人們懂得自己的需要，還能揭示整個社會在醫療保健方面的不公平待遇和差異。
雖然凱瑟基金會在10多年前就開始建立電子健康檔案，但是直到最近研究人員才開發出了大數據分析工具，對醫院的護理信息進行分析，提出改進的措施。例如，糖尿病患者究竟應該隔多久檢測一次血糖水平？利用大數據分析工具，對住院患者每天的血糖檢測數據進行分析，醫生可以根據分析結果及時調整治療方案，從而優化治療。一名醫生每天可能只看20名患者，如果把大數據分析工具和電子病歷結合起來，那麼醫生一天也許能看75～100人。這將是未來醫療保健的方向。凱瑟基金會也在用大數據分析工具改進醫院的規程，因為有些搶救分秒必爭。他們開發這些大數據分析工具，旨在防止患者在醫院突發急病，預測患者的住院時長，創建預警系統，減少因同樣原因再次住院的人數。
預防疾病更有效
大數據在醫療保健方面的另一個典型應用，就是與流感作鬥爭。季節性流感很容易傳播，能快速席捲學校、養老院、企業等人口密集區域。在世界範圍內，這種年度流行造成約300萬～500萬例嚴重疾病和約25萬～50萬例死亡。為了牽制流感的傳播，減少流行的機會，美國疾病控制中心每星期會公佈從各個衛生保健中心送來的70萬份流感分析報告，包括病情、治療及療效。疾病控制中心會利用這些數據，分析疾病在怎樣傳播、什麼疫苗最有效。世界衛生組織在60多個國家擁有國家流感中心和參考實驗室，世界衛生組織會對他們提供的流感數據進行分析，用於跟蹤全球流感病毒的移動，給出流行病學的解釋，並將實時分析數據以圖、表等形式公之於眾。
美國南加利福尼亞大學的科學家和醫學專家還組成了一個團隊，用大數據更好地治療患有帕金森病的患者。該團隊研製了一個算法，分析從傳感器獲取的數據。這些數據主要來自3D傳感器（類似於微軟公司的體感遊戲系統）、智能手機和身體狀態傳感器。傳感器能跟蹤患者的運動，實時監控患者的身體變化和治療的有效性。如果患者活動範圍減小或靈活性變差，則警告照顧者需要改變藥方，或者試用其他的肌肉強化練習。
助力個性化醫療
很多情況下，患者用同樣的診療方案但療效卻不一樣。如果能夠針對不同的患者採取不同的診療方案，或者根據患者的實際情況調整藥物劑量，那麼可以大大提高療效和減少副作用。來自臨床結果、遺傳圖譜和組織形態的大數據分析將是個性化醫療的一大動力。隨著我們對來自不同來源的數據對比整合，為每個患者量身定製治療方案也將成為可能。
個性化醫療又稱精準醫療，是指以個人基因組信息為基礎，結合蛋白質組、代謝組等相關內環境信息，為患者量身設計出最佳治療方案，以期達到治療效果最大化和副作用最小化的一門定製醫療模式。個性化醫療不是對“症”下藥，而是對“人”下藥。攻克癌症長期以來都是人們的夢想。現在許多人認識到需要用患者的數據進行個性化的癌症治療。例如，通過對從實驗樣品和活組織切片中獲取大量的數據進行分析，可以使我們有機會發現與疾病相關的未知因子，並用來當作藥物靶點或疾病分子標記，從而為每個患者找到不同的藥物及治療方案。
在大數據的幫助下，更加個性化的醫療，使用特定患者的數據，包括基因組學的數據，將是醫療保健的未來。個性化的治療方案將控制花費，並改善生活質量。達到這一目的，至少有3種方法：減少反覆試探性的處方，避免藥物不良反應，防止不必要的住院治療。
大數據將醫療保健帶入新的時代，在醫療改革中可以起到科技支撐作用。從不同源頭採集各類數據，構建預測模型，以減少人們的醫療支出，提高服務質量。大數據使得醫療保健和疾病預防變得更加個性化，貼近人們的真正需要，不久的將來相信每個人都能從中受益。
本文選自《科學畫報》
閱讀更多 科學畫報 的文章
