有了大数据，看病还不是分分钟？且慢，还有三座大山

大数据医疗数据分析

Nilay D. Shah | 2016-08-17 10:13

【数据猿导读】这些年对于“大数据”这个词有不少的讨论，从每天产生的数据集的规模来看，这并不令人感到惊奇。当其他行业已经利用大规模集成化和大数据分析取得巨大的成就时，医疗保健才刚刚涉足这方面

健康从业者和病患正加强他们数据分析的能力，以改善医疗健康环境，但这仍然处于初期阶段。那么要让医疗保健真正利用好大数据，需要哪些关键要素的帮助呢？

一、集合数据

企业甚至政治活动都已经顺利将各种数据来源与市民、顾客、客户的各个方面相连接，通过运用先进的计算分析来改进或重新制定策略。同样的道理，医疗保健也可以通过数据间的链接以及计算分析来确定正确的治疗方式，对异构数据集的运用具有提高医疗健康的潜在可能。

第一个我们所要改进的，是标准化的医疗数据缺乏的情况。如今由不同的医疗保健药物产生收集的大量数据都以不同的形式出现——从保险索赔、包含药品记录、病人的扫描图像记录，到社交媒体关于健康的讨论和可监控设备提供的信息。数据采集领域具有多样性，这使数据抽取和整合成为一个巨大的挑战。因此关于数据整合就更需要公共部门和私人部门的合作与领导，美国国立卫生研究院近期发起了BD2K项目，以便生物医学研究团体更好地获取、管理及利用大数据。大合作正在推进一些前期工作，例如PCORnet与Optum Labs，一个将学术机构、卫生保健系统、供应商组织、生命科学公司、成员公司及利益团体整合起来的研究协作机构。

二、开发新知识

最早使用大数据来开发新知识的一个目的就是预测分析。除了典型的管理性临床数据，整合关于病人与其环境的额外数据也可能提供更准确的预测，从而更有针对性地帮助病人。

同样非常关键的是需要关注新的技术。医疗保健落后于其他产业的其中一个原因，就是在很长一段时间内都依靠着以落后的技术为基础的标准化方法，而其他跑在前面的产业，比如零售业，就运用机器学习、图表分析这样更先进的方法来得到新见解。处在这么一个略微尴尬的境地，医疗保健业并没有坐以待毙，例如医院开始使用图表分析来评估许多复变量之间的关系，例如实验室研究结果，护理记录，患者家族病史，诊断结果，药物治疗记录以及用来判断可能会有不良结果的病人的患者调查。同时，随着自然语言处理和其他人工智能方法变得更加主流，梅约诊所与IBM一款叫做Watson的认知计算机合作，尝试通过分析临床试验标准来查找病情。随着Watson获取了更多关于配对研究病人的信息，它有望在实验方面帮助查找那些难觅病情的病人，例如患罕见疾病的人。

三、将知识转化为实践

毫无疑问标准化的数据收集和新分析方法对大数据改进是至关重要的，但其成功的关键是数据的实际应用。数据运用者如医生、病人和政策制定者，他们需要一个正确的起点，整个研究团队应该清楚地知道新知识如何转化为实践。

实验室是一个起点，它需要将医疗保健中的混乱大数据变得有意义，在一个安全的环境中集成和管理他们，并将研究结果转化为实践。例如Optum 实验室，经过各方的研究合作，得到了超过1亿名患者的管理索赔的数据、超过3000万名患者的电子病历。Optum 实验室的愿景是增加生成高质量的比较有效性分证据，将知识加速转化为新的预测模型和工具的发展，从而提高医疗服务。医疗保健对大数据的分析运用，仍有很长一段路要走，将来也会出现更多挑战，但越走越清晰了。

来源：李华芳

收藏分享

声明：数据猿尊重媒体行业规范，相关内容都会注明来源与作者；转载我们原创内容时，也请务必注明“来源：数据猿”与作者名称，否则将会受到数据猿追责。