文/清华大学互联网产业研究院 赵红燕
社会老龄化加快和新技术快速发展的形势推动医疗信息化市场需求的快速增长，从个人到家庭的治疗需求和健康管理需求，从医院到区域的信息共享和平衡发展，这些领域的需求对社会供给提出更加多元化的要求。
基于互联网平台产生的信息快速地更新迭代且体量庞大，内容复杂多样，涉及到门诊、住院、结算、手术、医保、用药等就医前后一系列繁冗数据，传统的数据管理系统难以有效、经济、智能地存储、加工和管理现代数据，由此产生以云计算等技术为主要工具处理该类复杂数据集，提取对应的数据信息并加以应用的大数据技术。
大数据技术在医疗行业多个领域探索智能化应用，试图为用户和企业提供更加精确的服务，辅助从业者予以决策，延长产业价值链。各国政府在社会发展新形势下积极做出政策调整，迅速出台相关法规，支持大数据在医疗产业的发展并完善相应的监管。在市场选择、政策鼓励的双重支持下，产业发展也的确没有令人失望。目前业界讨论比较多的是大数据对于医疗服务的支持，如 AI 医学影像、医院服务系统等，除此之外，大数据在公共卫生、医药产业、医疗保险等领域也在逐步探索、发展并应用。
为加强疫情管理、提升应急处理能力，在政策的推动下开始建立区域卫生信息系统和公共卫生平台加强公共健康管理。公共卫生监测以互联网为途径获取公众关注内容进行疾病早期预警，以卫生信息系统为工具掌握疾病区域布局和蔓延速度。例如公众在患某种疾病时很可能会在搜索引擎平台查找关注疾病相关内容，以关注热度和搜索频次分析该疾病发生的概率，成为疾病爆发的前期预警以做好防疫准备工作。
谷歌依托大数据技术分析用户对疾病的搜索指数并预测到流感的爆发，通过统计用户搜索词汇和位置等数据绘制各项疾病搜索时间和地域分布的地图，提前于美国疾控中心 1-2 周的时间；Flu Near You 网站专门监测用户自我流感情况并预测流感趋势，用户可以自愿在网站检测自身健康状况，匿名且免费，以个人实时报告症状的方式补充传统跟踪模式，发现早期疾病征兆并防止传播；美国 University of Rochester 数据分析团队以 Twitter 为渠道，研究 60 多万人产生的 440 万条信息挖掘解析其疾病健康状态，并证实可借此提前 8 天预测流感形势下个体被传染情况。
暗合药物研发严谨性的要求，大数据的专业化处理技术助力缩短药物研发周期。通过统计、整理、分析患者的疾病信息、药物使用及其临床表现形成结构化和非结构化数据库，数据库的资料来源可能包含医院信息系统、公共卫生信息系统以及知识网站和搜索引擎等网站。
一方面，利用现有的案例分析药物可能存在的不良反应，快速学习已有的研究成果提取对药物研发有用的知识获得所需药物成分加以试验，缩短药物研发生命周期，降低不良反应率和研发成本。另一方面，通过大数据技术对社会潜在用药需求的分析，预测未来药品的需求数量和需求阶段，结合研发成本分析研发的必要性与否及其生产数量。
Atomwise 搭建的一个药物设计系统 Atom Net，该系统的数据库来源于数百万的亲和力实验和数千种蛋白质结构数据，以预测小分子与蛋白质的结合。葛兰素史克与英国的 Exscientia 合作，利用已有的药物研发数据库，研究得出上百万种与特定靶点相关的小分子化合物。而英国 Benevolent AI 的数据库则是包括论文、临床试验数据等。
建立疾病模型检测费用合理性优化医疗保险支出结构。大数据技术通过对以往案例的分析，建立不同疾病案例的模型，研究同种疾病所需进行的医疗检查项目、药物使用、住院时间等情况，结合新政策下按项目付费的医保方式，按照一定的医疗标准控制医疗保险支出情况，防止医疗资源的过度利用和费用的无效开支。Valence Health 使用 Map R 公司的数据融合平台（Converged Data Plat form）建立数据湖作为数据仓库，以此优化决策改善医保结果和财务状况。
大数据处理技术为优化医疗效果、提高医疗服务效率、降低医疗过程费用、完善医疗服务体验等方面做出贡献，但新技术的发展在行业应用中往往需要适应过程和发展阶段，暴露出一些发展问题：
（1）医疗信息繁杂且类型多样，即便同一种医疗症状在不同的医疗机构之间也可能存在表述不同的术语，缺乏统一的数据标准导致数据体量庞大但是质量参差不齐，数据分析利用率不高，大数据技术在医疗行业前景美好但落地困难；
（2）不同医院之间数据标准的差异和出于对患者数据隐私性的保护导致数据共享困难，医疗行业信息孤岛现象严重，但从另一个角度来讲隐私保护也是对医疗服务商和医疗产品供给商的重要要求，因此会有不同程度的需求矛盾问题；
（3）数据的应用需要符合安全性和合法性的规定，美国在医疗商业信息化过程中要求必须符合 HIPAA 和 HITECH 法案的规定，如何兼顾数据的合规性和有效性是大数据技术应用的难点，也是需要政府、医院和企业之间的相互协调和配合；
（4）大数据分析后产生的诊断方案和治疗方案是基于对大量已有案例和个人信息的分析而得，相对来说较为客观，但处理过程需要数据准备过程和数据处理时间，而很多疾病则需要快速地给出方案否则有可能延误治疗而导致病情加重，这对计算、分析的速度是一种挑战，需要经过长期的积累和训练。
近年来，各个企业以大数据技术在医疗领域的探索层出不穷，热度不减，而医疗领域的敏感性和复杂性使得大数据应用进展缓慢，这是行业性质决定的，但这并不能阻挡医疗大数据发展的趋势，大数据技术在医疗领域实现的一小步即是推动社会发展的一大步。新技术下未知性和挑战很多，要想实现医疗大数据对产业的转型升级，还需要医疗生态系统内部和新兴信息技术公司各个角色的协同互助，更重要的是，需要保持对生命的敬畏和对隐私的尊重。
