1996年，美國計算機專家尼葛洛龐帝曾在其書《數字化生存》中預言道，互聯網將最先改變銷售、出版、汽車和醫療事業。如今這些曾被視為荒誕的預言正慢慢變成現實，我們身邊的一切都在 “數字化”。其中，大數據的顛覆性創新讓公共衛生信息化也插上了飛翔的翅膀。
IT巨頭扎堆涉足公共醫療健康
維克托 邁爾 舍恩伯格的《大數據時代》一書中有兩個關于大數據與公共衛生結合的案例令人印象深刻
喬布斯自罹癌至離世長達8年之久，這幾乎創造了胰腺癌歷史上的奇跡。據悉，喬布斯曾在此期間支付大量費用獲得了自己包括整個基因密碼在內的數據文檔。借此，醫生們能基于喬的特定基因組成以及大數據按所需效果用藥，并調整醫療方案。
如果上述案例是個體的，那么帶來群體價值的案例，便是Google成功預測流感爆發期。2009年甲型H1N1流感爆發幾周前，Google通過對人們網上搜索記錄的觀察、分析、建模，結果顯示，他們的預測與官方數據的相關性高達97%，且判斷比疾控中心更及時。
從個人健康管理到公共健康管理，大數據在對個人醫療的改變以及極富價值的預警能力吸引著IT巨頭們迫不及待與醫療“聯姻”。例如在中國，搜索巨頭百度在這方面的舉動更值得未來發展參考。
一方面，百度發布大數據引擎，將開放云、數據工廠、百度大腦三大組件在內的核心大數據對外開放，實現對各行各業的數據進行挖掘，利用“數據工廠”和“百度大腦”分析數據，輸出分析為自己和合作伙伴提供解決方案。2014年2月，北京市衛計委表示，衛生系統將把所擁有的醫療衛生機構的資質信息、資源的準入信息與百度強大的網絡搜索能力、后臺信息甄別和過濾技術進行聯合，以在公共突發事件、流行性疾病爆發、健康服務業發展、人口流動等領域提供分析和預警，為科學決策做依據。
另一方面，打造“軟硬云”結合的智能健康醫療移動平臺，記錄下人們日常生活方式，比如每天的運動量和運動時間、睡眠量、久坐時間、身高、血壓等，這些被量化的數據具備了長時性和趨勢化，都會成為病情分析的重要依據。
在大數據技術下，我們完全可以想象這樣一個從生產數據、到挖掘、管理、分析信息，以及最后提供解決方案的醫療場景。如全球每年有幾百萬人患心臟病，大數據能從這些患病人群里找到共性，實現提前治療預警。從健康的角度而言，提前預防將極大地提高人們對抗疾病的能力。從保險公司的角度而言，也能極大地降低賠付率。
大數據與大健康會擦出什么火花？
用“黑匣子”表述大數據意義的理論非常形象——問題從一個端口進去，中間是一個集合成千上萬數據的“黑匣子”，經過一番計算機工程“提純”、“鉆取”后，有用的信息從另一個端口出去。
毫無疑問的是，當大健康穿過大數據這個“黑匣子”，便兼具了“打破傳統”和“智慧未來”的巨大推力。兩者結合產生出最閃耀的幾束火花值得關注。
第一束火花是，能在一個人健康狀態的全過程發力，且預測是其核心要點。健康醫療極具“個性”，必須個體化。此處大數據的厲害之處在于：一來是基于預測的個人健康管理，這是目前可穿戴設備們、健康類APP們最常見的應用領域;另一個是個體治療過程中的病情監控、評估療效、康復護理等大數據管理。
第二束火花是，大數據是不同系統平臺的“打通利器”，讓信息流動更暢快。這些系統平臺包括醫院醫生、患者或亞健康等人群、醫藥公司、監管部門等。打破傳統醫療中，患者只在看病時與醫生有交流的被動局面。
第三束火花是，醫療模式被改變，健康管理以及治療將打破空間約束。借助大數據，未來檢查結果等的解讀可能由智能機器進行數據分析。一項全球研究顯示，出院后的遠程監護可將病人的醫療費用降低42%，看醫生的時間間隔將延長71%。
不過，我們也需要看到在醫療健康管理的數字化進程中，還面臨更多現實挑戰。健康醫療中復雜、專業信息帶來的醫療專業壁壘，是首要挑戰。這也是大數據后“慢數據”時代提出的解決目標。需將大數據公司與醫療行業從業者更緊密的聯合起來，共同發現海量大數據中的價值點。
其次，醫療信息現存的碎片化。即便在北京同級別醫院，患者的診療信息都無法共享，更何況全國。醫院內部信息化，在大多數醫院還是單打獨斗的局面，少數如北京大學人民醫院、北京協和醫院有意識地建設醫學大數據信息平臺。沒有統一、規范的平臺，未來的數據整合必然面臨難題，“黑匣子”功能將受影響。這也是前文提及的北京市衛計委與百度合作的重要誘因，唯有通過統一的大數據引擎平臺實現數據統一管理，才能實現更大價值的釋放。
京公網安備 11010502049343號