大數據時代下醫療領域的五大突圍方向

大數據概念的火熱讓不少人逐概念而行，更多的人依舊是一頭霧水，沒辦法真正弄明白大數據到底是什么鬼，大數據到底有什么用？麥肯錫2011年發布的報告《大數據的下一個前沿：創新、競爭和生產力》中就看好5大應用領域，分別是歐洲公共領域、美國健康醫療、制造業、美國零售業以及基于地理位置的服務。其中，醫療健康領域，如何才能在大數據的助力下崛起？

在麥肯錫2011年發布的報告《大數據的下一個前沿：創新、競爭和生產力》中，它看好5大應用領域，分別是歐洲公共領域、美國健康醫療、制造業、美國零售業以及基于地理位置的服務。就現在回頭來看，大數據的確是大玩了一把。 其中，影響最大的是零售業和基于地理位置的服務，因為這兩個領域的用戶以數字土著（那些出生于80年代末，90年代初這一批及其以后的年輕一代人）為主，所以傳播也最快，數量級也就最大。相比之下，制造業、公共領域和健康醫療影響就沒那么深了。據統計，數據分析體現的價值還不到5年前預估潛在價值的30％。也就是說，它們之間的差距在越拉越大。

數據分析在5大領域中實現的潛在價值占比（2011年）

此外，數據分析還創建了幾大顛覆性創新模式。下面簡述幾種能打破既定產業格局、突破信息孤島和創建新格局的新型數據集。如超大規模數字平臺可實現實時交易，這對效率低下的商品市場是很有用的；精細化數據可用于個性化產品／服務的設計，尤其是醫療；而新的分析技術可以促進發現創新。綜合來看，數據分析讓循證決策更精準更高效。

所以在大數據商業探索的過程中，利益相關者們可能會從變化莫測的數據分析中迷失，不知所措。不過在醫療領域卻又是另一番景象，因為法規會對此進行約束，從而產生阻礙。2011版報告預估，數據分析在醫療領域每年能夠產生3000億美元的潛在價值，年生產增長率為0．7％。但2011年只能實現10～20％，也即產生300～600億美元的價值。原因有兩個，一個是需要臨床試驗證明；再一個就是數據共享與互操作的實現還存在大量問題。

截至目前，美國健康醫療僅僅抓住了數據分析在醫療領域中10～20％的機會。還有一系列問題亟待解決，比如缺乏激勵、機構改革困難、技術人才短缺、數據共享挑戰和法規監管。

但也確實取得了一些成效，如臨床上，最大的成功就是電子病歷的采用，雖然目前看來其中的海量數據尚未完全挖掘出來。但支付方已經在逐步利用大數據來制定報銷決策，因此數據分析在公共衛生監督方面將產生創新性效用。另外，許多制藥企業也在將數據分析應用在研發上，尤其是在簡化臨床試驗方面。但如果繼續落后半拍，將會錯失大量改革臨床護理和個性化用藥的機會。

數據分析實現個性化

數據分析可以從深層次將事物區別開來，最強大的功能之一就是基于人的特征給人群貼標簽，由此向用戶提供個性化的服務／產品，比如教育、旅游休閑、傳媒、零售、廣告等行業。

如果將這些與患者的行為、基因、分子數據連接起來，將會對醫療服務產生深遠影響?；蚪M測序的成本下降，蛋白質組學的出現，以及實時監測技術的發展有可能產生出一種新的超精細化數據。

這些數據可以以兩種方式重新定義健康醫療。第一個，它們可以幫助解決醫療系統的信息不對稱和激勵問題。這樣在看到患者的一個病情完整數據圖后，醫院和其他醫療服務方就可能將焦點從治病轉為預病及健康管理，從而節約巨額的醫療支出和改善生活質量。其次患者擁有精細化的數據就可以實現精準診療。制藥企業和醫療設備公司也可借此提升藥物研發效率。但是它們有一個挑戰就是，要向更小范圍的目標患者提供治療方案。

海量信息突破信息孤島

在產品創新上，數據分析在材料科學、合成生物學和生命科學領域產生了重大影響，比如藥企巨頭正在使用數據分析進行藥物開發，從而確定藥物化合物，作為一種治療多種疾病的有效藥物。如在2016年4月，阿斯利康與美國測序公司Human Longevity、英國桑格研究院以及芬蘭分子醫學研究所展開合作進行200萬例全基因組測序，為今后的藥物研發提供指導。而且，阿斯利康將從公司的臨床試驗中選取50萬份樣本用于全基因組測序。

根據協議，阿斯利康將要建立一個專門的基因組學研究中心，將臨床樣本的基因組測序數據和相關的臨床治療和藥物反應信息有效整合。阿斯利康還計劃公開發表此次合作項目中的所有研究結果。這種模式在推進科技和藥物開發中非常有價值。

數據分析在醫療領域內的潛在機會

目前美國的現狀是，醫療服務方才剛剛開始提高數據分析能力和改變護理患者的醫療方式。未來需要抓住數據分析在以下5個領域的潛在應用機會：臨床，報銷，研發，商業模式創新和公共衛生服務。

美國的醫療大數據產業正在崛起

我們強調的機會有五大類：臨床、報銷、研發、商業模式創新和公共衛生。在臨床中，主要的成功就是電子病歷的快速擴張，已經從2010年的15．6％提升到2014年的75％，這其中很大的推動來自平價醫療法案的實施。如Sutter Health，它的新EMR系統要比舊系統快40倍，而且在預測再住院率上準確率大大提高。

支付方也在逐步開始利用大數據制定報銷決策，而且已經可以看到一些趨勢。加上國家級醫療保險和醫療補助服務中心的動作，醫療價格的透明度已有所提高，同時超過30個州建立了所有保險索賠數據庫以作為大型報銷信息庫。幾家保險公司也因此盈利，比如聯合健康集團的一個業務板塊Optum就通過梳理處方藥的索賠記錄幫助雇主節約醫療支出。

對于制藥企業來講，算是取得了更大進展，許多公司應用數據分析助力研發。大多數制藥企業在從動物試驗到I期臨床試驗期間，使用預測模型來優化給藥，但數據分析還沒應用于后期的試驗中，如各類藥物臨床試驗入組和排除標準。此外在研發上的應用可以快速確定目標人群，從而節約時間，降低成本。如合同研究組織（Contract research organizations）比5年前應用更廣泛，以前是使用統計工具改善臨床試驗管理，現在可以從數據中得出更多結論。一些領先的玩家一直在使用臨床試驗數據來給藥物貼標簽（也就是說，看藥物有沒有其他用途）。同時，FDA與醫療保險公司和電子病歷提供商合作開展Sentinel Initiative項目，收集1．78億患者的藥品不良反應的數據。

在商業模式創新上也不斷生根發芽，例如Explorys，一家可以查看4000萬份美國患者病例的分析公司，在2015年4月被IBM收購，來加強其健康數據分析工作力度。

患者交流社區（如PatientsLikeMe）也是一個不錯的數據源，它在公共衛生監測中的應用正在產生新的重要作用，如2014年爆發的埃博拉和齊卡病毒。

總之，想要整合數據分析，醫療領域還有很長的路要走。但同時，這個可能性要比5年前設想的大得多。我們不要心急，隨著尖端技術的慢慢滲，整個醫療系統會隨之革新。在將來，隨著深入學習的進步，尤其是自然語言和視覺技術的發展，可能有助于醫療活動的自動化，節約勞動力成本?，F在一家醫院勞動力成本占了60－70％，這將是一個重要的商業機會。

那么，數據分析應用在醫療領域存在的問題又是什么呢？答案即為缺乏可以讓數據實現交互性的操作?；颊叩纳頂祿３４嬖谟诓煌南到y中，各個系統不能便捷地實現無縫信息共享。

醫療領域的數據共享，存在很多抑制其進共享的因素。例如，服務方和制藥企業可能不愿與支付方共享更多數據，因為數據可能會暴露企業的盈利模式。除此之外，在個人健康管理的過程中，收集數據的可穿戴暫時還沒有顯示出臨床應用價值。同時，鑒于醫療健康行業的大環境和政府政策，導致數據的利用過程可能會比較緩慢。

不過雖然數據分析在醫療的應用存在一些抑制因素，但相比過去的診療方式，我們可以看到大數據在當今診療過程中的意義。傳統意義上，診療依賴于病史、醫學檢驗和實驗室檢查結果。如今，一系列新的數據表正在由用戶的可穿戴和家庭健康設備（如血壓監控儀或胰島素泵）產生，這部分數據是有很大參考價值的。一些創新者正在試驗，希望這些數據對于臨床也可以起到直接有效的作用。

個性化的醫療服務

因每個人疾病史和基因構成的不同，所以標準化治療方案根本不適合所有人。但是每個人的特征卻對定制化的服務很有用。隨著基因測序成本的下降、蛋白質組學（蛋白質分析）的出現，以及越來越多能夠提供實時數據流的傳感器、監視器和診斷技術的突破，患者的數據集將變得越來越精細。未來的創新技術（如免疫和CRISPR／Cas9 基因組定點編輯技術）可以最大限度地提高每個人的體格。先進的分析方法可以將標準化的疾病治療轉化為個性化的風險評估、診斷、治療和監測。一些醫療服務方已經應用在工作中，臨床發展潛力無限。如，美國中西部地區的一個醫療保健系統Essentia Health，就正在對充血性心力衰竭患者進行家庭監護，將30天再住院率降到2％，遠低于全國25％的平均水平。

1、醫療的現狀與未來

在醫療領域，個性化是基于患者的生物標志物、遺傳情況和具體癥狀的數據來實現的。使用這些精細化數據，可以確定量身定制的個人治療方案。除此之外，個性化醫療其實可以改變整個健康醫療大系統。

在世界上許多國家，尤其是美國，信息透明度的缺乏導致醫療健康系統機能失調。大多數患者的現狀是，只有當他們已經患病時才會主動進入醫療機構接受診療。并且診療服務的重點也不是為了優化病人的體驗或體現診療價值。導致這一現狀的原因是個人健康數據一般是不會提供給患者本人的，所以他們不能及早發現并調整自身情況，只有當生病時才會去就醫。這樣看來，顯然更好地利用數據可以幫助用戶在沒有生病前就了解到自身的健康風險所在，這也是對自己健康負責的關鍵所在。醫療保險公司也可以通過數據來了解他們的客戶。通過敦促客戶針對潛在的健康問題采取預防性措施，從而降低醫療保險費用支出。

在整個醫療健康系統中，當前狀的態是：患者沿著一個統一化、標準化的治療流程進行診療。什么是標準化的路徑呢？

（1）患者只有在患病時才主動進入醫療健康系統；

（2）診療服務重點不是為了優化的病人的體驗或體現診療價值；

（3）相同的疾病，醫生會對所有患者均采取相同的臨床指導方案，而這樣的方案不一定適合每一個個體。

將數據分析用于醫療的未來狀態應該是：醫生對患者持續進行監測和給予個性化治療方案，并在最佳時機完成健康干預。那么，未來診療的具體路徑又是怎樣的？

（1）持續性監測和風險評估；

（2）最大限度地提高診療服務的價值；

（3）針對每個個體提供個性化的治療方案。

有機構預測，醫療領域在應用數據分析后，人均GDP將提高200美元，國家在醫療衛生領域的支出將減少5％～9％，人類的平均壽命將增1年。