3.1.4 理解大数据促进医疗与健康-数据决策

《大数据导论》数据决策一、精准医疗精准医疗：又称为个性化医疗，它是根据个体基因特征、环境以及生活习惯，为病人量身设计出最佳治疗方案，以期达到治疗效果最大化和副作用最小化的一种定制医疗模式。一、精准医疗癌症：按照平均寿命74岁计算，每一个人一生中患恶性肿瘤的机率是22％。一、精准医疗精准诊断对人的了解需要深入到基因多态性的层面，而对病的了解则必须深入到体细胞突变精准治疗精准的靶向治疗精准医疗应用于癌症:一、精准医疗如何个体化？基因测序技术正是精准医疗的基石之一。一、精准医疗一、精准医疗一、精准医疗个体用药差异的影响因素一、精准医疗药物治疗的有效性和毒性个体差异一、精准医疗今天的用药挑战：一种药物并不适用于所有人！一、精准医疗传统方式与精准医疗治疗方式手术放疗化疗靶向免疫治疗找到基因突变靶标药物精确打击精确追踪效果一、精准医疗二、

超级大数据的最佳伙伴——搜索循证医学运动之前的医学实践受到了医学研究成果缓慢低效的传导机制的束缚。据美国医学协会的估计，“一项经过随机控制试验产生的新成果应用到医疗实践中，平均需要17年，而且这种应用还非常参差不齐。”（1）如果医生不知道有什么样的统计结果，他就不可能根据统计结果进行决策。要使统计分析有影响力，就需要有一些能够将分析结果传达给决策制定者的传导机制。

GoogleAdWords功能不仅能够即时报告测试结果，还可以自动切换到效果最好的那个网页。大数据分析速度越快，就越可能改变决策制定者的选择。二、

超级大数据的最佳伙伴——搜索

（2）与其他使用大数据分析的情况相似，循证医学运动也在设法缩短传播重要研究结果的时间。循证医学最核心也最可能受抵制的要求是，提倡医生们研究和发现病人的问题。一直“跟踪研究”从业医生的学者们发现，新患者所提出的问题大约有2/3会对研究有益。然而被“跟踪研究”的医生却很少有人愿意花时间去回答这些问题。二、

超级大数据的最佳伙伴——搜索

（3）对于循证医学的批评往往集中在信息匮乏上。反对者声称，在很多情况下根本不存在能够为日常治疗决策所遇到的大量问题提供指导的高质量的统计研究。

抵制循证医学的更深层原因其实恰恰相反：对于每个从业医生来说，有太多循证信息了，以至于无法合理地吸收利用。仅以冠心病为例，每年有3600多篇统计方面的论文发表。想跟踪这一领域的学者必须每天（包括周末）读十几篇文章。如果读一篇文章需要15分钟，那么关于每种疾病的文章每天就要花掉两个半小时。显然，要求医生投入如此多的时间去仔细查阅海量的统计研究资料，是行不通的。二、

超级大数据的最佳伙伴——搜索现在有众多计算机辅助搜索引擎，可以使医生接触到相关的统计学研究。二、

超级大数据的最佳伙伴——搜索从业医生评估统计研究提出的政策建议时，可以更好地了解自己能在多大程度上信赖这种建议。最酷的是，大数据分析回归分析不仅可以做预测，而且还可以告诉你预测的精度。证据质量水平也是如此。循证医学不仅提出治疗建议，同时还会告诉医生支撑这些建议的数据质量如何。

互联网的开放性甚至改变了医学界的文化。回归分析和随机试验的结果都公布出来，不仅仅是医生，任何有时间用谷歌搜索几个关键词的人都可以看到。医生越来越感到学习的紧迫性，不是因为（较年轻的）同事们告诉他们要这样做，而是因为多学习可以使他们比病人懂得更多。正像买车的人在去展厅前会先上网查看一样，许多病人也会登录Medline等网站去看看自己可能患上什么样的疾病。Medline网站最初是供医生和研究人员使用的。现在，1/3以上的浏览者是普通老百姓。互联网不仅仅改变着信息传导给医生的机制，也改变着科技的影响力，即病人影响医生的机制。二、

超级大数据的最佳伙伴——搜索三、数据决策的成功崛起循证医学的成功就是数据决策的成功，它使决策的制定不仅基于数据或个人经验，而且基于系统的统计研究。正是大数据分析颠覆了传统的观念并发现受体阻滞剂对心脏病人有效，证明了雌性激素疗法不会延缓女性衰老，并导致了“10万生命运动”的产生。1.数据辅助诊断迄今为止，医学的数据决策还主要限于治疗问题。几乎可以肯定的是，下一个高峰会出现在诊断环节。我们称互联网为信息的数据库，它已经对诊断产生了巨大的影响。三、数据决策的成功崛起教授问这个病人是否做过诊断，她说她确实做过诊断，而且她的症状与一种罕见的名为IPEX的疾病完全吻合。当医生们问她怎么得到这个诊断结果时，她回答说：“我在谷歌上输入我的显著症状，答案马上就跳出来了。”主治医师惊得目瞪口呆。“你从谷歌上搜出了诊断结果？……难道不再需要我们医生了吗？”

互联网使得年轻医生不再依赖教授教学作为主要的知识来源。年轻医生不必顺从德高望重的前人的经验。他们可以利用那些不会给他们带来烦恼的资源。三、数据决策的成功崛起2.你考虑过……了吗一个名叫“伊沙贝尔”的“诊断-决策支持”软件项目使医生可以在输入病人的症状后就得到一系列最可能的病因。它甚至还可以告诉医生病人的症状是否是由于过度服用药物，涉及药物达4000多种。“伊沙贝尔”数据库涉及11000多种疾病的大量临床发现、实验室结果、病人的病史，以及其本身的症状。

“伊沙贝尔”的项目设计人员创立了一套针对所有疾病的分类法，然后通过搜索报刊文章的关键词找出统计上与每个疾病最相关的文章，如此形成一个数据库。这种统计搜索程序显著地提高了给每个疾病/症状匹配编码的效率。而且如果有新的且高相关性的文章出现时，可以不断更新数据库。大数据分析对于相关性的预测并不是一劳永逸的逻辑搜索，它对“伊沙贝尔”的成功至关重要。三、数据决策的成功崛起“伊沙贝尔”项目的产生：来自于一个股票经纪人被误诊的痛苦经历。1999年，詹森·莫德3岁大的女儿伊沙贝尔被伦敦医院住院医生误诊为水痘，并遣送回家。只过了一天，她的器官便开始衰竭，该医院的主治医生约瑟夫•布里托马上意识到她实际上感染了一种潜在致命性食肉病毒。尽管伊沙贝尔最终康复，但是她父亲却非常后怕，他辞去了金融领域的工作。莫德和布里托一起成立了一家公司，开始开发“伊沙贝尔”软件以抗击误诊。三、数据决策的成功崛起“伊沙贝尔”项目的雄伟目标是改变诊断科学的停滞现状。莫德简单地解释道：“电脑比我们记得更多更好。”世界上有11000多种疾病，而人类的大脑不可能熟练地记住引发每种疾病的所有症状。实际上，“伊沙贝尔”的推广策略类似用谷歌进行诊断，它可以帮助我们从一个庞大的数据库里搜索并提取信息。误诊最大的原因是武断。医生认为他们已经做出了正确的诊断——正如住院医生认为伊沙贝尔•莫德得了水痘——因此他们不再思考其他的可能性。“伊沙贝尔”就是要提醒医生其他可能。它有一页会向医生提问，“你考虑过……了吗”就是在提醒其他的可能性，这可能会产生深远的影响。2003年，一个来自乔治亚州乡下的4岁男孩的案例。三、数据决策的成功崛起3.大数据分析使数据决策崛起大数据分析将使诊断预测更加准确。目前这些软件所分析的基本上仍是期刊文章。“伊沙贝尔”的数据库有成千上万的相关症状，但是它只不过是每天把医学期刊上的文章堆积起来而已。然后一组配有像谷歌这样的语言引擎辅助的医生，搜索与某个症状相关的已公布的症状，并把结果输入到诊断结果数据库中。到目前为止，如果你去看病或者住院治疗，你看病的结果决不会对集体治疗知识有帮助——除非在极个别的情况下，医生决定把你的病例写成文章投到期刊或者你的病例恰好是一项特定研究的一部分。三、数据决策的成功崛起医疗记录的迅速数字化意味着医生们可以利用包含在过去治疗经历中丰富的整体信息，这是前所未有的。未来，“伊沙贝尔”就能够针对你的特定症状、病史及化验结果给出患某种疾病的概率，而不仅仅是给出不加区分的一系列可能的诊断结果。

“伊沙贝尔”可以根据治疗记录自动提取信息并做出预测。大数据分析这