醫(yī)療大數(shù)據(jù)的優(yōu)勢(shì)和應(yīng)用場(chǎng)景

　　有效的整合和利用數(shù)字化的醫(yī)療大數(shù)據(jù)對(duì)個(gè)體醫(yī)生，康寶中心，大型醫(yī)院，和醫(yī)療研究機(jī)構(gòu)都有著顯著的好處。

　　潛在的利益包括 （W.Raghupathi & Raghupathi, 2014）：

　　1）更多更準(zhǔn)確的數(shù)據(jù)使得疾病能在早期被監(jiān)測(cè)到，從而使治療更容易和有效。
　　2）通過對(duì)特定個(gè)體或人群的健康管理，快速有效地監(jiān)測(cè)保健詐騙。
　　3）基于大量的歷史數(shù)據(jù)，預(yù)測(cè)和估計(jì)特定疾病或人群的某些未來(lái)趨勢(shì)，比如：預(yù)測(cè)特定病人的住院時(shí)間，哪些病人會(huì)選擇非急需性手術(shù)， 哪些病人不會(huì)從手術(shù)治療中受益，哪些病人會(huì)更容易出現(xiàn)并發(fā)癥，等等。麥肯錫估計(jì)，單單就美國(guó)而言，醫(yī)療大數(shù)據(jù)的利用可以為醫(yī)療開支節(jié)省出3千億美元一年。

　　醫(yī)療大數(shù)據(jù)的利用可以從以下幾方面減少浪費(fèi)和提高效率 （Manyika, 以及其他人， 2011）：

　　臨床操作： 相對(duì)更有效的醫(yī)學(xué)研究，發(fā)展出臨床相關(guān)性更強(qiáng)和成本效益更高的方法用來(lái)診斷和治療病人。

　　研究和發(fā)展：在藥品和醫(yī)療器械方面，建立更低磨損度，更精簡(jiǎn)，更快速，更有針對(duì)性的研發(fā)產(chǎn)品線。統(tǒng)計(jì)工具和算法方面，提高臨床試驗(yàn)設(shè)計(jì)和患者的招募，使得治療方法可以更好地匹配個(gè)體患者的病癥，從而降低臨床試驗(yàn)失敗的可能和加快新的治療方法推向市場(chǎng)。分析臨床試驗(yàn)和病人的病歷，以確定后續(xù)的跡象，并在產(chǎn)品進(jìn)入市場(chǎng)前發(fā)現(xiàn)病人對(duì)藥物醫(yī)療方法的不良反應(yīng)。

　　公共衛(wèi)生：分析疾病模式和追蹤疾病暴發(fā)及傳播方式途徑，提高公共衛(wèi)生監(jiān)測(cè)和反應(yīng)速度。更快更準(zhǔn)確地研制靶向疫苗，例如：開發(fā)每年的流感疫苗。

　　此外，醫(yī)療大數(shù)據(jù)的分析還有利于以下幾方面的發(fā)展 （W.Raghupathi & Raghupathi, 2014）：

　　循證醫(yī)學(xué)：結(jié)合和分析各種結(jié)構(gòu)化和非結(jié)構(gòu)化數(shù)據(jù)，電子病歷，財(cái)務(wù)和運(yùn)營(yíng)數(shù)據(jù)，臨床資料和基因組數(shù)據(jù)用以尋找與病癥信息相匹配的治療，預(yù)測(cè)疾病的高�；颊呋蛱峁└�多高效的醫(yī)療服務(wù)。

　　基因組分析：更有效和低成本的執(zhí)行基因測(cè)序，使基因組分析成為正規(guī)醫(yī)療保健決策的必要信息并納入病人病歷記錄。

　　提前裁定欺詐分析：快速分析大量的索賠請(qǐng)求，降低欺詐成功率，減少浪費(fèi)和濫用。

　　設(shè)備/遠(yuǎn)程監(jiān)控：從住院和家庭醫(yī)療裝置采集和分析實(shí)時(shí)大容量的快速移動(dòng)數(shù)據(jù)，用于安全監(jiān)控和不良反應(yīng)的預(yù)測(cè)。

　　病人的個(gè)人資料分析：全面分析病人個(gè)人信息（例如，分割和預(yù)測(cè)模型）從中找到能從特定健保措施中獲益的個(gè)人。例如，某些疾病的高�；颊撸ㄈ缣悄虿。┛梢詮念A(yù)防措施中受益。這些人如果擁有足夠的時(shí)間提前有針對(duì)性的預(yù)防病情，那么大多數(shù)的危害可以降到最低程度，甚至可以完全消除。

　　然而，根據(jù)一份針對(duì)美國(guó)和加拿大333家醫(yī)療機(jī)構(gòu)及10家其他機(jī)構(gòu)的調(diào)查（IHTT, 2013），2013年，醫(yī)療機(jī)構(gòu)累積的數(shù)據(jù)量比2011年多出了85%， 但77%的醫(yī)療健康行政人員對(duì)自己機(jī)構(gòu)在數(shù)據(jù)管理方面的能力評(píng)價(jià)為“C”。此外，僅有34%報(bào)告他們能從電子健康記錄（EHR）中獲取數(shù)據(jù)用來(lái)幫助病人，而有 43% 報(bào)告他們不能收集到足夠多的數(shù)據(jù)來(lái)幫助病人。由此可見，在北美的醫(yī)療系統(tǒng)中，醫(yī)療大數(shù)據(jù)的管理使用準(zhǔn)備工作還有一大段路要走。中國(guó)也是處在起步階段。

　　數(shù)據(jù)分析框架（傳統(tǒng)數(shù)據(jù)分析框架，大數(shù)據(jù)分析框架）

　　醫(yī)療大數(shù)據(jù)有著前面第一節(jié)提到的所有特征。在醫(yī)療大數(shù)據(jù)帶來(lái)各種優(yōu)勢(shì)的同時(shí)，大數(shù)據(jù)隨之帶來(lái)的各種特性使得傳統(tǒng)的數(shù)據(jù)處理和數(shù)據(jù)分析方法及軟件捉襟見肘，問題多多。在大數(shù)據(jù)時(shí)代出現(xiàn)之前，受限于數(shù)據(jù)量的可獲得性和計(jì)算能力的有限性，傳統(tǒng)的數(shù)據(jù)管理和分析采用著不同的思路和流程。傳統(tǒng)上，對(duì)于問題的研究建立在假設(shè)的基礎(chǔ)上進(jìn)行驗(yàn)證，進(jìn)而研究事物的相關(guān)因果性，希望能回答“為什么”。

　　而在大數(shù)據(jù)時(shí)代，海量數(shù)據(jù)的涌現(xiàn)提供了從不同角度更細(xì)致更全面觀察研究數(shù)據(jù)的可能，從而打開了人們的好奇心，探索欲望，人們想知道到數(shù)據(jù)告訴了我什么，而不僅僅是我的猜想是否被數(shù)據(jù)驗(yàn)證了。人們?cè)絹?lái)越多地用大數(shù)據(jù)挖掘各種感興趣的關(guān)聯(lián)，非關(guān)聯(lián)等相關(guān)性，然后再進(jìn)一步比較，分析，歸納，研究（“為什么”變成一個(gè)選項(xiàng)而不是唯一終極目標(biāo)）。大數(shù)據(jù)與傳統(tǒng)數(shù)據(jù)思路上的不同導(dǎo)致了分析流程的不同，如圖一所示：

　　圖一

　　面對(duì)海量的數(shù)據(jù)和不同的分析思路，大數(shù)據(jù)的管理和分析與傳統(tǒng)數(shù)據(jù)分析的差異日益加大。回答特定問題的單一預(yù)設(shè)結(jié)構(gòu)化數(shù)據(jù)庫(kù)明顯不能完全勝任處理大數(shù)據(jù)的海量及混雜等問題。數(shù)據(jù)的混雜多樣性具體可以從一些調(diào)查數(shù)據(jù)中表現(xiàn)出來(lái)。SAS 的一份調(diào)查報(bào)告顯示機(jī)構(gòu)內(nèi)的非結(jié)構(gòu)化數(shù)據(jù)最多可以占到總數(shù)據(jù)量的85%，而這些非數(shù)字，非結(jié)構(gòu)化的數(shù)據(jù)卻必須被量化分析和用到?jīng)Q策分析中（Troester, 2012）。

　　另一份2013年進(jìn)行的 SAS 調(diào)查報(bào)告顯示在461個(gè)提供完整反饋信息的機(jī)構(gòu)中只有26%的機(jī)構(gòu)表示他們所擁有的大數(shù)據(jù)是結(jié)構(gòu)化的（Russom, 2013）。 此外，在機(jī)構(gòu)中，分析的數(shù)據(jù)一般不會(huì)只有一個(gè)單一的來(lái)源。Alteryx 的調(diào)查報(bào)告顯示在200家被調(diào)查的機(jī)構(gòu)中只有6%的機(jī)構(gòu)表示他們的數(shù)據(jù)是只有一個(gè)來(lái)源，最為普遍的情況是5-10個(gè)來(lái)源， 具體分布如圖二（Alteryx, 2014）。

　　調(diào)查中還顯示 90%的被調(diào)查樣本表示有數(shù)據(jù)整合問題，37%表示需要等其他小組提供數(shù)據(jù)，30%表示不能得到他們想要的數(shù)據(jù)，一般估計(jì)是一個(gè)數(shù)據(jù)分析師的60%到80%的時(shí)間是花在數(shù)據(jù)處理準(zhǔn)備階段上的（Alteryx, 2014）。