火视总结|医疗大数据：智能医疗还有多远？

编辑：火石创造　发布时间： 2016-2-29 11:15:00 　　文章来源：百度百家

大数据营销

过去的十期火视对国外医疗大数据产业的优秀创业公司做了深度的报道及讨论，内容涉及：传感器、智能硬件、POCT、大数据存储、大数据应用等领域。

具体文章见下图：

虽然越来越多的人愿意并已经拥有了Fitbit 或 Jawbone之类的可穿戴设备以时刻监测他们的自身健康水平，但是根据最近的一份报告显示，体外佩戴的不便利性使三分之一的用户活动仅仅半年后就将他们的设备抛在一边。于是有了克服此问题而生的革命性的可拉伸的电子穿戴设备Biostamp。

除此之外可穿戴设备最需要解决的，应该是记录数据的准确性。在这方面，Valencell 创始人 Steven LeBoeuf觉得耳朵和背部才是获取身体信息的最好部位，由此开发了耳机传感器。

随着传感器越来越多地被应用到社会发展及人类生活的各个领域，如航天技术、军事工程、机器人技术、海洋探测、医疗诊断等。全球传感器产业飞速发展则催生了一批传感器制造商。以Kionix为代表，全球主要的消费类电子产品、汽车、健康与健身及工业公司都在使用它的传感器和整体系统解决方案，以便在其产品中实现基于运动的功能。

那么，便携传感器技术又如何投入体外诊断市场的应用当中呢？

诊断是治疗的前提。医生只有在正确的时间做出精准的诊断才能继而做出正确的治疗方案。火视144介绍的Nanōmix便携式检测系统能让医生快速获得对诊断有价值的指标信息，进而辅助医生做出最快、最准的诊断；若是在边远的缺医少药地区，Nanōmix获得诊断信息后可通过远程医疗技术与医疗专家们取得联系，帮助患者制订相应的治疗计划。

另外Endotronix开发无线传感器则整合了可穿戴设备的数据，通过测量人体心脏内肺动脉压力，在心脏病发作数月前来提醒人们提前做好防范和治疗。

除了在医疗方面贡献巨大，基于云计算的人体数字地图—BioDigital Human赢得了无数的奖项和荣誉，它帮助医生和科学家研究人体构造、疾病治疗、进行模拟实验等，除了用在科研和临床中，日常医患沟通也能用 BioDigital 来让患者更理解治疗方案。

另一个服务于医生的大数据系统则是Apixio，它将病历集中到云端，医生可通过语义搜索查找任何病历中的相关信息。

正如开放数据500强中的大多数企业一样，MarkLogic是作为一个中间者将政府的开放数据变得对商业公司和政府部门更为有用。这家公司正是奥巴马 Healthcare.gov的开发者。

医疗数据是医生对患者诊疗和治疗过程总产生的数据，包括患者基本数据、电子病历、诊疗数据、医学影像数据、医学管理、经济数据、医疗设备和仪器数据等，以患者为中心，成为医疗信息的主要来源。

总结起来医疗数据来源大致可分为以下几类：

1、患者就医流程所产生的数据：包括患者基本信息、检测数据、检验数据、影像数据、诊断数据、治疗数据、费用数据等，这类数据一般产生及存储在医疗机构，这也是医疗数据最主要的产生地。

2、检验中心数据：大量存在的第三方医学检验中心承接着医疗机构的检验外包功能，产生了大量患者的诊断、检测、影像数据。

3、药企、基因测序数据：制药公司在新药研发及临床过程中会产生大量数据，今年火爆的基因测序同样也会产生大量的个人遗传基因数据。

4、智能可穿戴设备产生的数据：随着移动医疗的快速发展，智能可穿戴设备也在迅速普及，大量的患者单一特征健康数据在快速的上传到云端。

通过过去十期火视文章的报道，我们看到国外国外医疗大数据产业链已经初步形成：

1、国外的医疗数据相对开放：无论是企业还是患者都可以更好的获得较全面的医疗数据，这是医疗大数据应用的基础。无论是医疗机构还是企业获取的个人健康数据都相对开放，较国内更容易获取。特别是医疗机构的健康数据、政府个人健康数据开放，都为医疗大数据的应用提供了基础。

2、国外医疗大数据产业链已经初步形成：从传感器研发到智能可穿戴设备及检测设备到大数据存储到大数据的智能分析已经初具规模。以传感器作为个人信息数据采集的基础将会更加容易的获取连续性、全面的个人健康信息，对疾病的管理以及智能诊断提供依据。

反观国内，医疗大数据产业却刚刚起步：

1、医疗体系封闭：国内医疗系统相对较为封闭，公立医院的医疗数据单独存储在院内，数据之间互不流通、不开放。大量优质的患者健康数据封闭在医院的围墙之内，难以利用。这固然有对患者健康信息安全性进行进行考虑的因素，但大量数据躺在医院，造成了数据的浪费。

2、医疗大数据产业链互相割裂，产业链上游被国外公司控制：我国医疗大数据产业链上、中游发展严重滞后于国外，如传感器及医疗器械由于研发周期长、投入大、风险高的特点以及人才短缺，在国内发展并不理想。下游的数据分析技术由于数据的种种问题更是无从谈起。反而移动医疗产业的快速发展，为医疗数据的获取提供了新的途径，但是移动医疗所获取的患者数据毕竟是零散的，单一的数据，数据之间缺乏联系，价值有限。

多通道的医疗数据正在汇聚成可以被利用的医疗大数据资源，其重要性无须赘述，随着医疗数据行业的发展人们也开始重视对其的应用，甚至开始畅想基于医疗数据打造智能化的个人疾病诊断系统。

国外众多的医疗健康产业开始运用大数据的方法对疾病进行预测，比如谷歌、百度等；也有越来越多的公司开始应用医疗大数据进行个人的健康管理，特别是常见病及多发病的辅助诊断。疾病智能诊断系统的出现，或许能让人类在面对疾病治疗时变得越来越智能和轻松。

目前医疗大数据应用可以概括为：

1、临床诊断辅助系统：结合患者个人健康档案以及特定疾病的数据库智能分析可以对患者进行多种诊疗措施比较分析，寻找最有诊疗路径，帮助医生进行决策。

2、慢性病管理：基于慢性病数据库结合远程智能监护系统，实时跟踪患者康复、用药、生活习惯等，给与患者个性化慢性病管理经验，并基于过程中所产生的数据对患者进行定制化用药及治疗方案。我国存在大量的慢性病患者，比如心脏病、糖尿病、高血压等，基于医疗数据的患者慢性病管理将会很大程度上降低医疗成本。

3、医疗数据与保险公司的结合：基于医疗数据监测患者付费行为及疾病概率，并进行慢性病管理，可以有效的降低保险公司成本，与其做到真正的打通。

4、医疗数据与药品研发想结合：利用现有医疗数据加上数据建模和分析，可预测药品研发过程中的安全性、有效性、副作用等，可以有效的降低药品研发成本，降低药品价格。

当然以上四个方面是医疗大数据应用的几个方面，人们所期待的医疗大数据最终应用或许是智能诊断系统，让计算机代替医生的部分功能，并为医生临床诊断提供有效的建议及帮助。

无论是国内还是国外，医疗数据的重要性已经取得了共识。并且医疗数据也在分秒不停产生，由于医疗数据的体量大、数据结构多样性等特征，海量医疗数据的产生也对行业提出了新的挑战。

其中最紧迫的莫过其安全性：

火视148提到的Privacy Analytics，这家加拿大公司和国家卫生研究院、国家疾病控制中心等等部门合作来将它们的数据开放给公众使用。它们面临的巨大挑战在于如何对数据进行匿名化——移除个人和私有信息——但要同时保证处理后的数据对于分析仍旧足够有用。随着公众对开放医疗数据兴趣的提升，以及对隐私问题的担忧，加之物联网技术、智能可穿戴设备的出现以及云服务的发展为医疗数据的安全性带来新的考验。

1、医疗数据泄露损失巨大：Ponemon推出的一份报告《2013年数据泄露成本研究》显示，医疗行业的数据泄露成本最高，平均每个患者的医疗信息泄露带来的信息安全管理成本高达233美元，远高于零售业的78美元。

2、公司及相关部门对数据安全性的考虑及投入及关注却微乎其微：Trustwave发布了一份2015年医疗行业的安全报告，通过对398名专业的医疗专业人员(部分是技术人员，包括CIO、CISO、IT主管等，另一部分是普通的医护人员)的调查，发现有91%的调查对象认为针对医疗行业的网络攻击活动越来越多，然而用在保护病人敏感信息方面的预算却还不到10%。

关于医疗数据泄露带来的危害，举两个例子：

2014年年底， Target药房就遭遇了严重的数据遭入侵。造成1.1亿用户信息被泄露，因数据泄露该集团迄今为止已经花费约3亿美元。

2015年2月美国医疗保险商Anthem被入侵，可能是有史以来最大的一起医疗信息泄露事件。超过8000万个人信息被盗，包括当前和以前的保险客户和员工。

在医疗数据的安全性方面我国情况相对好些，这一方面得益于我国封闭的医疗体系，另外行业资深存在的一些问题也间接“帮助了”的安全存储，我国医疗大数据行业尚处于早期阶段，可以说是机遇与困境并存：

1、医疗体系数据有望开放：我国医疗体系正在逐渐开放，特别是国家对于分级诊疗体系建设的推进，医疗数据有望从顶层开始下沉到基层医疗机构，在此过程中所产生的市场机遇创业公司应该抓住。

2、医疗数据不统一导致的数据孤岛正在影响着医疗数据的应用：上文已经提及国内医院数据的不流通现象，其实在国内企业间医疗数据也需要进行统一，为了最大化的对医疗数据进行应用，平台型的产业公司需要联合起来统一数据标准，推进数据开源、共享。由国内优秀的相关HIT及医疗健康应用开发商、各类医疗及健康服务机构、医疗器械及健康类消费智能硬件厂商共同发起的OMAHA是一个推动医疗、健康产业信息开放、共享、开源的民间非盈利性组织。随着数据的统一，平台型公司的数据优势将会凸显，当然也会出现一批在平台型公司影响力之下提供细分服务的创业公司。

3、传感器技术的落后制约着市场对医疗数据的采集：我国传感器技术研发的落后，制约了下游智能硬件、POCT甚至医疗器械的发展。作为产业链的最前端，医疗行业需要可以进行多指标、多种环境下工作的传感器创业公司的产生。

4、医疗大数据存储平台缺乏：目前国内尚缺少专业的医疗数据存储平台，海量的医疗数据存储正在面临越来越严峻的挑战。以数据存储平台为基础切入到智能诊断系统的开发，国内创业公司依然有机会。

5、大数据应用技术：由于医疗数据的非结构化特征，其应用难度较大。由于早期医疗数据采集结构不统一、加上医疗数据本身的非结构化，其在应用过程中所遇到的智能识别、算法等问题也在制约着数据的应用。在医疗数据算法方面也需要优秀的创业公司不断努力。