先進分析技術和機器學習如何改變醫療保健行業

醫療保健領域中的大數據在改善患者護理以及最終實現合理成本方麵具有巨大的潛力。

醫療保健支出正在被不斷削減，人們(men) 關(guan) 注的重點是如何既減少開支又不影響醫療護理的質量。這種變化迫使醫療機構向以科技為(wei) 基礎、無需進行高昂支出的解決(jue) 方案打開大門。此外我們(men) 可以看到，市場對精準醫療和循證醫學以及患者個(ge) 體(ti) 化要求的需求日益增長。因此，作為(wei) 滿足這些需求的解決(jue) 方案的核心，先進分析技術和機器學習(xi) 的價(jia) 值定位引人注目。

如今醫療以及製藥行業(ye) 的一個(ge) 主要局限是我們(men) 對疾病的生物學認識。在針對疾病成因（從(cong) 脫氧核糖核酸[DNA]、蛋白質和代謝產(chan) 物到細胞、組織、器官、生物體(ti) 和生態係統）依據多重標準匯聚更多信息方麵，大數據開始發揮作用。因此，醫療保健領域中的大數據正被用於(yu) 預測流行病、治療疾病以及避免可預防性死亡。隨著世界人口不斷增長以及老齡化，新的需求應運而生，新的診斷與(yu) 治療模式背後的許多決(jue) 策都是在數據的驅動下做出的。眾(zhong) 所周知，如果能在早期發現重大疾病的警示信號，其治療過程會(hui) 比更晚發現簡單得多（而且費用也比較便宜）。據易安信（EMC）報告，35％的醫療機構正在利用大數據改善患者護理，31％利用大數據降低護理成本，28％用來改善醫療結果，22％用來提高早期發現的幾率。

例如，北弗吉尼亞(ya) 非營利醫療係統艾諾瓦（Inova）如今正在進行各種數據項目，其中之一是對艾諾瓦醫院新生兒(er) 重症監護病房收治的可能有先天性異常的嬰兒(er) 運用基因測序技術。他們(men) 會(hui) 對嬰兒(er) 及其父母或者他們(men) 認為(wei) 與(yu) 此項分析相關(guan) 的任何其他人進行基因測序，在先進的模型中運行測序結果，然後把結果反饋給嬰兒(er) 家人。據艾諾瓦信息學主任阿倫(lun) ·布萊克（Aaron Black）稱，艾諾瓦的醫生已經能夠診斷出60％的病例，是大型學術醫院的診斷率（約為(wei) 30％）的兩(liang) 倍。

機器學習(xi) 對於(yu) 癌症研究而言並不新鮮。神經網絡（ANNs）和決(jue) 策樹（DTS）應用於(yu) 癌症檢測與(yu) 診斷已近20年。癌症研究人員隻是最近才試嚐試將機器學習(xi) 運用於(yu) 癌症預測和預後。事實上，癌症預後通常需要來自不同專(zhuan) 科的多位醫生，利用不同的生物標誌物子集以及多個(ge) 臨(lin) 床因素，包括患者的年齡和一般健康狀況、癌症的位置和類型以及腫瘤的分級和大小、家族病史、年齡、飲食、體(ti) 重（肥胖）、高風險習(xi) 慣（吸煙）以及接觸環境致癌物的情況。隨著基因組學（oncotype診斷性檢測）、蛋白質組學（免疫組織學）、成像技術（功能性磁共振成像[fMRI]，正電子發射型計算機斷層顯像[PET]、微計算機斷層掃描[micro-CT scan]、數字化乳腺攝影）以及核醫學（前哨淋巴結定位）技術的迅速發展，這種有關(guan) 患者或腫瘤的極為(wei) 詳盡的信息現在很容易獲得。除了測量參數的數量不斷增加之外，應用規則和算法也愈加複雜，且呈現動態增加。

電腦（以及機器學習(xi) ）在疾病預測和預後中的運用是朝著個(ge) 人化、預測性醫療發展這個(ge) 日漸盛行的趨勢的一部分。這種發展很重要，無論是對於(yu) 患者生活質量方麵的決(jue) 策、醫生的治療方案決(jue) 策，還是對於(yu) 付款人或政策規劃者實施大規模預防或治療政策而言莫不如此。另外，由於(yu) 患者數據采集過程將基於(yu) 可穿戴傳(chuan) 感設備（如蘋果iWatch智能手表和ResourceKit），以被動的形式持續進行，個(ge) 人不必每天主動檢測自身健康狀況，可以擁有正常的生活方式，這應該會(hui) 大大提高患者的監護參與(yu) 度。

醫療機構在這方麵的準備情況

分析技術的有效運用並不是你可以從(cong) 供應商那裏買(mai) 到的。這是必須經過發展階段並達到成熟的組織價(jia) 值和文化價(jia) 值。真正複雜、需要全力以赴的是，要從(cong) 事後報告轉變為(wei) 事先預測。然而，生命科學在信息技術管理和完善方麵落後於(yu) 其他行業(ye) 。

此外，不同性質的技術基本構件太多、相關(guan) 的管理方式變化以及人員技能的局限，這些也在一定程度上造成了與(yu) 先進分析技術和機器學習(xi) 相關(guan) 的複雜狀況。

讓我們(men) 簡單談談每個(ge) 組成部分。

從(cong) 非常高的角度來看，整個(ge) 大數據框架是一個(ge) 組合而成的結構，包括Hadoop分布式計算框架、機器學習(xi) 方法引擎、事件流及處理引擎、用於(yu) 結構化數據的商業(ye) 智能和數據倉(cang) 庫（BI / DW）基礎設施、各種移動設備、傳(chuan) 感設備和監控協議（Wi-Fi、RFID[射頻識別]、Beacon、低功耗藍牙等）、存儲(chu) 基礎設施、雲(yun) 計算等等。所有這一切意味著需要獲得或購買(mai) 太多專(zhuan) 門技術。不管通過何種途徑，一家機構獲得所有這些專(zhuan) 門技術都需要時間。

傳(chuan) 統上，數據可視化（事後報告）的開發是基於(yu) 瀑布型的方法，通常由一位專(zhuan) 家在較為(wei) 早期的階段提出要求，並且至多驗證最終結果，這就完了。在大數據中，敏捷方法更加適當，在這種方法中，多位專(zhuan) 家和多個(ge) 信息技術（IT）團隊必須在及時、明確的迭代工作任務中共同建立解決(jue) 方案。在任何迭代階段，專(zhuan) 家們(men) 在了解情況後都擁有更大的權力，可以進行需要的調整，但他們(men) 需要更多地參與(yu) 和投入到項目中。

除了所有技術與(yu) 管理技能之外，數據科學家還需要在統計學以及待解問題的具體(ti) 領域具有深厚的知識。

顯然，一些醫療機構還沒有做好迅速邁入大數據世界的準備。這個(ge) 價(jia) 值定位如此重大，醫療機構仔細審視這些趨勢之後再啟動實施大數據計劃的做法不失為(wei) 明智之舉(ju) 。然而，為(wei) 了避免花費不必要的錢以及降低失敗風險，采取一些預防措施也是必要的。一般情況下，機構應該從(cong) 小處著手，尋找速贏機會(hui) ，同時確保獲得能夠解決(jue) 他們(men) 試圖衡量或比較的戰略性醫療問題的數據，而不隻是最容易獲得的數據。雖然這可以加快項目的進程，但其分析結果很可能價(jia) 值有限，這會(hui) 危及整個(ge) 計劃。

在大多數情況下，大數據被各大醫院視為(wei) 最不重要的能力之一，這與(yu) 其他行業(ye) 形成了很大的反差。與(yu) 往常一樣，員工的參與(yu) 是關(guan) 鍵，而管理方案的調整應該支持總體(ti) 實施方案。

此外，大數據的廣泛運用還存在一些障礙，比如患者記錄的隱私問題、獲得正確數據、法規變更、報銷製度變更以及數據係統的互通性。因此，一些醫療機構正在製定合作協議，以便加快實施大數據發展藍圖，分享經驗並展望未來，從(cong) 而克服這些障礙。

例如，OptumLabs和美國衛生與(yu) 公眾(zhong) 服務部（U.S. Department of Health and HumanServices）建有利用數據和先進分析技術來提高醫療服務水平的協同合作項目。OptumLabs是一家研究協作組織，擁有15家合作機構——這些合作機構已經收集了來自1億(yi) 多名患者的報銷申請和3,000多萬(wan) 患者的電子病曆的數據，還匯集了諸多研究人員、患者權益保護者、政策製定者、供應商、付款人以及製藥公司和生命科學公司。

新興(xing) 國家也是這個(ge) 轉變的一部分。

在美國醫療保健行業(ye) 中，奧巴馬醫改計劃（Obamacare）即《平價(jia) 醫療法案》（Affordable Care Act）的推出正在推動該行業(ye) 的經濟模式與(yu) 經營模式的大規模變遷。由矽穀創業(ye) 者和投資者主導的數字化科技初創企業(ye) 生態係統通過促成美國和全球醫療科技（HealthTech）產(chan) 業(ye) 的發展來對此作出回應。

例如，印度已有一些醫療科技初創公司提供許多解決(jue) 方案，其中包括遠程患者監護、基於(yu) 雲(yun) 的數據分析、技術型醫護工作者和醫生、自動化患者護理、電子病曆等。此外，印度還有一些富有革新精神的年輕初創公司，比如心髒設計實驗室（Cardiac Design Labs），這家初創公司正在生物電子學和以基因組測序為(wei) 基礎的疾病鑒別領域中開發並且實施實惠而可靠的專(zhuan) 利醫療技術解決(jue) 方案。

巴西EstadualGetúlio Vargas醫院是一家收治創傷(shang) 患者的主要醫院，該醫院的重症監護病房（ICU）病床總是滿的。利用數據分析後得到的見解，這家醫療機構得以將ICU患者的住院時間縮短至略超過三天，並且將ICU患者的死亡率降低了大約21％。他們(men) 現在每個(ge) ICU床位每月可以多收治近兩(liang) 位患者。這僅(jin) 僅(jin) 是個(ge) 開始，在資金緊張情況更為(wei) 普遍的欠發達國家，大數據在強化實際資源並且幫助更多患者方麵具有很大的潛力。

結論

可穿戴技術是門大生意，全球一些最大的科技與(yu) 創新公司目前正在致力於(yu) 這個(ge) 領域。可穿戴技術可能對醫療行業(ye) 造成的影響是巨大的，因此也成為(wei) 側(ce) 重於(yu) 醫療行業(ye) 的初創公司要進入的最重要領域之一。在2015年，和蘋果公司一樣，MiFile網站推出了讓佩戴者能夠在線存儲(chu) 自己的醫療信息、過敏信息和護理願望的腕帶。在緊急情況下，任何人都可以通過檢查佩戴者的識別卡號（ID）並且向其主要聯係人發送短信提示來提供協助。此外，這種技術發送不間斷的健康狀況數據，其目的在於(yu) 實時監控患者情況，並且為(wei) 大數據應用和臨(lin) 床試驗等方麵提供大量數據，臨(lin) 床試驗覆蓋的範圍隻有數百人，而覆蓋成千上萬(wan) 人的現實世界數據（RWD）成本非常高昂。

諸如穀歌、蘋果、微軟、甲骨文和IBM等科技公司依據他們(men) 在大數據和機器學習(xi) 方麵擁有的深厚技能，以及醫療保健領域出現的有利時機，一直在招募醫學專(zhuan) 家，目的是提供最終的先進解決(jue) 方案和服務，這些是現實中的醫療保健生態係統按照傳(chuan) 統方式無法提供的。

正如紐約西奈山醫療係統（Mount Sinai HealthSystem）旗下伊坎基因組學及多尺度生物學研究所（Icahn Institute forGenomics and Multiscale Biology）創始主任埃裏克·夏特（Eric Schadt）所說：科技正在徹底改變我們(men) 對疾病的認識和治療方法。