2015医疗变革回顾：大数据助力医疗精准高效-中新网
2015医疗变革回顾：大数据助力医疗精准高效
日 07:24 来源：新京报
医生在Pad上查看心血管疾病患者的影像图片。
扎克伯格在给女儿的信中，20次提到“健康”、“医疗”等关键词，并坚信“随着科技的发展，我们有望在未来的100年间预防、治疗和处理所有或大部分剩下的疾病。”马云也表示，“我们今天如何在医药上面做工作？大数据的目的是让用药更精准，让医院变得更高效。”
这并非是企业家高谈阔论，这样的愿景正在逐步实现。在“互联网+”的大趋势下，中国互联网医疗发展迅速。借助云计算低成本和弹性扩展的优势，以及计算的力量，医疗行业正在为2500年的中国医学史加入一味精准的药――大数据。
精准医疗再掀热潮
2015年初，奥巴马公开了美国的“精准医疗计划（PMI）”，全球科技界、卫生界和工业界为之震动。相比于传统的经验医学诊疗，精准医疗以个人基因组信息为基础，可以为患者量身设计出最佳治疗方案，让治疗效果最大化。
对于国内而言，本年度最受瞩目的医疗事件之一，就是英特尔、华大基因、阿里云的三方合作，建立了中国乃至亚太地区首个定位精准医疗应用云平台。此举被业内誉为“中国精准医疗的创举之作”。作为全世界最大的基因组学研究中心，华大基因将在基因组数据分析平台BGI Online基础上，构建基因组学的数据中心和分析平台，促进精准医疗行业发展。
北京贝瑞和康生物技术有限公司在做的尝试，是建立中国人基因版的《本草纲目》，借助大数据处理技术，揭示中国人群遗传突变分布，降低新生儿缺陷。
据英特尔预测，在2020年，人类将可以实现在一天之内完成基因测序任务。如此一来，医生将实现有针对性的精准医疗，也更有利于病症的及时诊断与治疗。精准医疗的发展，增强了人类面对疾病的信心和勇气。
每个人都应有“健康云”
2015年，院外的医学数据在创新医疗企业的手中，变得异常活跃，创新产品层出不穷，并逐步进到院内。
以心血管病为例，死亡原因占城乡居民首位。每5例死亡者中就有2例死于心血管病（见2014年中国心血管病报告）。2015年9月，市民王先生在睡觉时佩戴了心电设备“好朋友”进行24小时连续心电数据采集，惊讶的发现心脏曾在凌晨停博了3秒。心电数据上传到医院后，医生及时采取了干预措施，阻止了病情进一步恶化。
类似事情还发生在一位马拉松爱好者身上。一款叫做阿甘跑步的创新应用，借助阿里云大数据平台，通过一块创可贴大小的设备，监测该运动员日常训练的身体数据，基于一系列陪跑算法，及早发现了风险。
心电数据库在美国和欧洲已经成为普遍的医学指标，但在中国，目前并无完整心电数据库。好消息是，国家心血管中心正在联合阿里云重建中国人的心电数据库。基于云计算为海量的心电数据提供的无限扩容储存空间，和对亿万级数据的并行处理能力，人们有望主动拥抱健康。
不过，对于数据化一个人，这些数据很显然不够。如何在更长的时间维度上，在线采集人体更全面的数据，需要更多合作伙伴的努力。U糖，借助互联网帮助慢病患者管理血糖、血压、体脂等数据；橙意人家，利用云计算快速分析患者睡眠中的连续血氧和脉搏等数据，展示给医生作为判读依据。
更多院外数据流转到院内，可以帮助医院更清晰描绘患者“画像”，加强医疗连续性观测，及时发现问题。患者通过医疗数据分享，减少去医院的次数，加强自我的健康管理；政府卫生部门有更可靠的医疗数据，做更多合理的疾控等政策依据。
阿里云帮助中国药品电子监管网，处理超过800亿条的药品生产、流通数据，实现药品追溯监管。
远程医疗趋势火爆
远程医疗成为年度最火关键词之一。医院从观望者到实践者，背后是对提升看病效率、解决看病难、看病贵、释放医生资源的渴望。
桐乡三院利用远程医疗，解决第二届世界互联网大会外国嘉宾看病问题。医院将所有CT、DR等影像资料上云，实现医学数据的云传输、云存储、云共享、云应用。患者在本地，就可以得到国内外专家的诊治。小镇医院，通过落地云医疗，连接起了世界级的医疗服务能力。
全国三甲的浙江邵逸夫医院利用云计算，实现“首诊在基层、大病去医院、康复回社区”的分级诊疗制度，医生的资源得到最合理的分配；由阿里云与西安国际医学、东华软件联合打造的西安国际医学中心，则干脆部署90%以上云计算架构，成为名副其实的云上医院。
据悉，2015年阿里云新增千余家直接的医疗机构合作伙伴，包括大型三甲医院、药厂、院内医疗器械和医疗穿戴公司等。云计算，让创新正变得越来越轻，越来越高效。（李致）
【编辑:袁野】
>健康新闻精选：
| | | | | | |
本网站所刊载信息，不代表中新社和中新网观点。 刊用本网站稿件，务经书面授权。
未经授权禁止转载、摘编、复制及建立镜像，违者将依法追究法律责任。
[] [] [京公网安备:-1] [] 总机：86-10-
Copyright &1999-. All Rights Reserved中国医疗大数据产业变革&医疗数据创业的四大方向
10:18:58&来源：
医疗行业是数据密集型产业，数据积累亘古存在。然而，在数据的应用水平上，医疗行业远远落后于互联网、金融和电信等信息化程度更好的行业。
<img ALT="中国医疗大数据产业变革 医疗数据创业的四大方向" WIDTH="390" HEIGHT="219" src="/blog7style/images/common/sg_trans.gif" real_src ="/Upload/plainimages/0AAAAAAB/03/817/9%20(1).jpg" STYLE="padding: 0 margin: 0 vertical-align:"
TITLE="中国医疗大数据产业变革&医疗数据创业的四大方向" />
峰瑞资本生物医疗技术团队从数据产生、数据处理、数据消费的角度分析了医疗数据产业链。分析显示，医院、诊所等专业医疗机构和保险机构仍然是医疗数据产生的最重要来源，来自手机App和可穿戴设备的数据开始提升数据的完整性、连续性和准确性；数据处理是个系统工程，包括清洗、整理、分析等标准环节，对数据结
构化提出了更高要求；截至目前，为医疗数据买单的是B端的医疗机构、药企和保险公司，让C端的病人和医生为数据付费目前还不现实。
美国的医疗体制相对市场化，对医疗体系的投入巨大，使其在技术、服务和流程等支柱产业，都可以成为中国医疗产业发展的远景参照物。近几年，医疗数据产业在美国发展
迅速。峰瑞资本生物医疗技术团队挑选了4家有代表性的美国医疗大数据公司（Flatiron、IBM Watson Oncology、IMS
Health Oncology、Palantir）做案例分析。
大数据产业的出现和医疗数据投资策略分析
<img ALT="中国医疗大数据产业变革 医疗数据创业的四大方向" src="/blog7style/images/common/sg_trans.gif" real_src ="/Upload/plainimages/0AAAAAAB/03/817/9%20(2).jpg" STYLE="padding: 0 margin: 0 vertical-align:"
TITLE="中国医疗大数据产业变革&医疗数据创业的四大方向" />
▲
医疗大数据的发展带来多重健康福利。
IBM用3V定义大数据
IBM最早提出了大数据的3V定义。3V是Volume，Variety，Velocity。
<img ALT="中国医疗大数据产业变革 医疗数据创业的四大方向" WIDTH="550" HEIGHT="309" src="/blog7style/images/common/sg_trans.gif" real_src ="/Upload/plainimages/0AAAAAAB/03/817/9%20(3).jpg" STYLE="padding: 0 margin: 0 vertical-align:"
TITLE="中国医疗大数据产业变革&医疗数据创业的四大方向" />
Volume比较好理解，因为大数据本身的 “大”
代表了数据数量的巨大。数据量越来越大的原因很多，其中一个是现在机器和网络每天都在生成大量的数据。据统计，我们现在每两天产生的数据量约等于自人类文明开始到2013年的数据量的总和。
第二个特征是Variety，多样化。多样化主要指不同的数据来源和种类。传统意义上的数据主要来自类似excel的表格和数据库。现在人类能够分析各种形式和类型的数据，比如电子邮件、图片、视频、音频、监控仪器，等等。
第三个特征是Velocity，即数据生成的速度。比如，互联网上数据的生成是以秒甚至毫秒来计算的。再比如，仪、网络监控的录像，都在随时随地产生大量数据。
以上3个V是公认的大数据定义。在2013年波士顿的大数据峰会上，Express
Scripts的首席数据科学家Inderpal
Bhandar提出了Veracity的概念。Veracity主要是指数据是否有偏差、数据噪声有多大，以及是否有异常值。当业界大量积累各种来源的数据时，数据是否准确变成一个非常重大的问题，否则最后就是
“Garbage in，Garbage out”。
<img ALT="中国医疗大数据产业变革 医疗数据创业的四大方向" src="/blog7style/images/common/sg_trans.gif" real_src ="/Upload/plainimages/0AAAAAAB/03/817/9%20(4).jpg" STYLE="padding: 0 margin: 0 vertical-align:"
TITLE="中国医疗大数据产业变革&医疗数据创业的四大方向" />
从以上对大数据的描述可以发现，大数据对数据存储、数据传输和数据处理这3方面的能力提出了挑战。
企业在数据产生和处理端也逐渐出现了一些变化。企业开始存储海量数据，数据传输并分布式地存储到数据中心，数据在云端进行处理和分析，通过网络端进行数据的呈现并指导商业决策。
大数据的产业链分析
得益于计算能力的快速增长、数据传输能力的增长和成本的下降，以及数据储存成本的下降，大数据获得了极大的发展。
<img ALT="中国医疗大数据产业变革 医疗数据创业的四大方向" src="/blog7style/images/common/sg_trans.gif" real_src ="/Upload/plainimages/0AAAAAAB/03/817/9%20(5).jpg" STYLE="padding: 0 margin: 0 vertical-align:"
TITLE="中国医疗大数据产业变革&医疗数据创业的四大方向" />
● 上游数据的产生
大数据产业的最上游是数据的产生，这包括了数据的定义和数据的搜集。数据的定义顾名思义就是定义哪些是数据。例如在搜索广告出现之前，用户点击链接本身并不产生任何价值，也就不被定义为数据。数据定义产生之后，就开始快速、准确、有效地收集数据。
● 中游数据的处理
大数据产业的中游是数据处理，其中包括了数据的准备，例如数据清洗和整合，以及数据分析，例如数据建模、可视化呈现，等等。
● 下游数据的消费
大数据产业的最下游是数据消费，例如利用数据指导商业决策，指导商业决策之后产生的结果本身又成为了新的数据，因此数据的消费和数据的产生形成了一个闭环。
在整个大数据产业的所有环节中都存在数据存储和数据管理，这两个技术贯穿了整个大数据的周期。
<img ALT="中国医疗大数据产业变革 医疗数据创业的四大方向" src="/blog7style/images/common/sg_trans.gif" real_src ="/Upload/plainimages/0AAAAAAB/03/817/9%20(6).jpg" STYLE="padding: 0 margin: 0 vertical-align:"
TITLE="中国医疗大数据产业变革&医疗数据创业的四大方向" />
数据驱动型企业结构的分析
在一个通过数据驱动的商业环境中，企业组织或者技术组织结构一般分为以下3个逻辑板块。从底层到上层分别是Data
engineering（数据工程），Data sciences（数据科学）和Decision
sciences（决策科学）。
<img ALT="中国医疗大数据产业变革 医疗数据创业的四大方向" src="/blog7style/images/common/sg_trans.gif" real_src ="/Upload/plainimages/0AAAAAAB/03/817/9%20(7).jpg" STYLE="padding: 0 margin: 0 vertical-align:"
TITLE="中国医疗大数据产业变革&医疗数据创业的四大方向" />
●
下层数据平台：通用性平台为主，完整解决方案，开源解决方案
最底层是工程性的工作，主要指对于数据底层的工程性技术解决方案，例如对原始数据进行清洗、验证和纠正，数据储存和调取。在这一层有很多的开源解决方案和系统集成服务商。
这一步的目的是收集和整理大量数据，把它变成便于数据科学家使用的方式。大部分企业或者工程师把80%
的时间花在了这一步 。美国财富杂志前几天公布的数据显示，美国企业每年在大数据服务上的花费是40亿美金左右，其中40%
花在了数据整合和清洗上。可以说，整个数据工程在时间和花费上都占据了很重要的位置。
中层算法和数据呈现：通用性算法接口，行业专业知识，开源解决方案
处于中间层的是数据科学，这可能是大家最常听到的一个领域。现在很热的人工智能、深度学习，都属于这一层。这一层的作用是通过数据建立起对某个问题的模型。比如说，通过历史数据建立起天气预报模型，或者通过大量病理数据建立起疾病的预测或者诊断模型。
开源社区的发展让很多非常复杂的算法模型变得非常容易使用，极大地促进了数据科学的发展。数据科学家可以很快地验证预测模型，并使用到实际的商业项目中。目前的解决方案主要是开源方案，一些商业API以及企业内部的私有数据计算框架等等。
●
上层商业决策：深入的行业专业知识，商业洞察，内部决策和外部咨询
第三层是决策科学，它是数据的最顶层，也是实际产生商业价值的。比如我们预测明天要下雨，这个预测的价值在于，得到这个信息的商家第二天可以把伞放到更明显的地方，以增加购买量。这样就产生了商业价值。
这只是一个简单的例子，实际情况要复杂很多。比如，很多游戏中，机器可以根据玩家玩游戏的时间、模式，来预测用户是否对游戏感兴趣，一旦发现玩家对游戏的兴趣正在减弱，就会自动进行一些奖励措施，比如奖励装备、奖励点数来留住玩家，都是商业决策的范畴。
<img ALT="中国医疗大数据产业变革 医疗数据创业的四大方向" src="/blog7style/images/common/sg_trans.gif" real_src ="/Upload/plainimages/0AAAAAAB/03/817/9%20(8).jpg" STYLE="padding: 0 margin: 0 vertical-align:"
TITLE="中国医疗大数据产业变革&医疗数据创业的四大方向" />
▲
大数据的产生和利用，天生就和商业决策联系紧密。
大数据企业的商业模式：在咨询和软件服务中徘徊
大数据的价值往往通过商业价值来体现，而不同公司的商业逻辑往往有很大的区别。因此，大数据公司往往在咨询模式和软件模式之间徘徊。
<img ALT="中国医疗大数据产业变革 医疗数据创业的四大方向" src="/blog7style/images/common/sg_trans.gif" real_src ="/Upload/plainimages/0AAAAAAB/03/817/9%20(9).jpg" STYLE="padding: 0 margin: 0 vertical-align:"
TITLE="中国医疗大数据产业变革&医疗数据创业的四大方向" />
这两种商业模式不难理解，咨询有很强的可定制性，能够准确有效地解决公司的商业需求，但是需要大量和长期的人力支持，花费高，不容易规模化。软件服务则具有边际成本低、人力支持少、容易规模化的特点，但是它缺乏可定制性。很多时候企业并不能直接解决问题，所以面临难以销售的问题。
企业数据化的演化历程：传统信息化，在线化，云化，数据化
<img ALT="中国医疗大数据产业变革 医疗数据创业的四大方向" src="/blog7style/images/common/sg_trans.gif" real_src ="/Upload/plainimages/0AAAAAAB/03/817/9%20(10).jpg" STYLE="padding: 0 margin: 0 vertical-align:"
TITLE="中国医疗大数据产业变革&医疗数据创业的四大方向" />
企业数据化的演化历程：传统信息化，在线化，云化，数据化。
<img ALT="中国医疗大数据产业变革 医疗数据创业的四大方向" src="/blog7style/images/common/sg_trans.gif" real_src ="/Upload/plainimages/0AAAAAAB/03/817/9%20(11).jpg" STYLE="padding: 0 margin: 0 vertical-align:"
TITLE="中国医疗大数据产业变革&医疗数据创业的四大方向" />
各个行业的数据化发展程度，因其行业特点而不同。相较于传统零售、农业和制造业，行业在数据积累上有领先优势，但是在数据的应用水平上，医疗行业远远落后于互联网、金融和电信等信息化程度更好的行业。
通过分析各个行业数据化的程度看到：
互联网化程度越高的企业数据化水平越高
数据变现越容易的企业数据化程度越高
个性化需求越高的企业数据化程度越明显
数据储备量越大的企业数据化趋势越快
行业的数据化：
受到商业变现能力和模式的驱动
依赖于底层基础设施的发展
依赖于行业数据的积累
医疗数据产业链
接下来我们从数据产生、数据处理、数据消费的角度来分析医疗数据产业链。
目前，医疗数据的产生最大的来源是医院、诊所等专业医疗机构以及保险机构。这些数据包含了病理、临床、诊疗和理赔数据。随着移动医疗和智能硬件行业的发展，越来越多的数据开始来自手机App记录以及可穿戴设备，这些数据主要包含了人体的生命体征和行为数据，等等。这些数据有助于提升数据的完整性、连续性和准确性，并开始得到重视。
医疗数据的处理不仅包含清洗、整理和分析等标准环节，它还有其特殊性。例如，临床数据往往来自于电子病历等以自然语言描述的文本文件，且不同医疗机构或者医生对临床症状的描述往往存在一些细微差别，这对数据结构化提出了较高的需求。
医疗数据的消费端比较明确，在C端主要是病人和医生，B端包括了医疗机构、药企和保险公司等。从目前的情况来看，通过C端来收费和变现比较困难，主要的商业模式还是围绕着B端开发。
美国Top医疗大数据公司产品分析
近几年，医疗数据产业在美国发展迅速。这归功于电子病历在过去10年的逐步普及，以及包括医院、药厂和保险等机构对数据分析价值的高度认可。
除了传统的数据巨头IMS Health，一些新型数据公司和数据分析公司纷纷涌现。我们挑出4家有代表性的公司（Flatiron、IBM
Watson Oncology、IMS Health Oncology、Palantir）来分析。
<img ALT="中国医疗大数据产业变革 医疗数据创业的四大方向" src="/blog7style/images/common/sg_trans.gif" real_src ="/Upload/plainimages/0AAAAAAB/03/817/9%20(12).jpg" STYLE="padding: 0 margin: 0 vertical-align:"
TITLE="中国医疗大数据产业变革&医疗数据创业的四大方向" />
它们分别代表了当前医疗数据领域发展的大方向：基于肿瘤临床数据的事实；肿瘤人工智能辅助决策；肿瘤全景数据；医疗公众资源数据。
我们把重点放到肿瘤数据上。这个领域的诊疗过程复杂、不确定性高、治愈率低，市场价值巨大，因而，数据在这个领域的作用和价值也得以突显和被重视。
其它疾病领域数据的方法论其实非常相似。 举例：
Flatiron
创立于2012年的Flatiron是一家基于肿瘤病患的医疗数据分析公司。它接连获得顶级投资机构和药厂的融资，抗癌药巨头Roche/Genetech的参与充分说明机构方认可癌症临床数据对药品研发和市场指导的作用。
Flatiron平台由行业领先的肿瘤学家、医生和工程师共同打造，在这个平台上医生可以记录、整理、追踪和分析自己病人的情况。
<img ALT="中国医疗大数据产业变革 医疗数据创业的四大方向" src="/blog7style/images/common/sg_trans.gif" real_src ="/Upload/plainimages/0AAAAAAB/03/817/9%20(13).jpg" STYLE="padding: 0 margin: 0 vertical-align:"
TITLE="中国医疗大数据产业变革&医疗数据创业的四大方向" />
▲
FLATIRON的网站首页上写着：肿瘤治疗技术的新标准。
基于平台上收集到的信息，
Flatiron打造了几款主要产品。
<img ALT="中国医疗大数据产业变革 医疗数据创业的四大方向" src="/blog7style/images/common/sg_trans.gif" real_src ="/Upload/plainimages/0AAAAAAB/03/817/9%20(14).jpg" STYLE="padding: 0 margin: 0 vertical-align:"
TITLE="中国医疗大数据产业变革&医疗数据创业的四大方向" />
FLATIRON-
ONCOEMR是一个癌症病人电子病历，它的主要使用方是医院和医生，药厂也会购买它后台的数据，然后自己做数据分析，或者通过第三方协议的形式由IMS
Health帮助与其他数据进行整合。其它医疗数据分析和人工智能公司也是FLATIRON-
ONCOEMR后台数据的使用者。
<img ALT="中国医疗大数据产业变革 医疗数据创业的四大方向" WIDTH="390" HEIGHT="216" src="/blog7style/images/common/sg_trans.gif" real_src ="/Upload/plainimages/0AAAAAAB/03/817/9%20(15).jpg" STYLE="padding: 0 margin: 0 vertical-align:"
TITLE="中国医疗大数据产业变革&医疗数据创业的四大方向" />
FLATIRON-ONCOANALYTICS主要基于数据做整理，并形成高质量的分析和总结。比如，某种类型的病人的增长、正在治疗的病人的增长、存活率的跟进，这类产品能对医院与医生管理诊疗工作和病人提供商业和运营上的见解，受到医疗机构的欢迎。
<img ALT="中国医疗大数据产业变革 医疗数据创业的四大方向" src="/blog7style/images/common/sg_trans.gif" real_src ="/Upload/plainimages/0AAAAAAB/03/817/9%20(16).jpg" STYLE="padding: 0 margin: 0 vertical-align:"
TITLE="中国医疗大数据产业变革&医疗数据创业的四大方向" />
FLATIRON-ONCOBILLING在医保、商保发达的美国用途广泛。在医院和医生端，FLATIRON-ONCOBILLING清晰地了解治疗的付费情况、病人的保险组合，对各项治疗、各类病人的成本和收入，采用更合理有效的治疗流程和手段，以更好的控费；保险公司对这类产品的关注度更是毋庸置疑，大量数据能为控费和更好的理赔设计提供支持。
和Flatiron一样，也有一些平台基于电子病历的数据积累，建立起过往没有的诊疗过程的数据挖掘。尽管它们是基于样本医院的病历，
但是已经足够大到提供统计学上有意义的 “怎样做” 和 “为什么” 的见解。
IBM Watson
<img ALT="中国医疗大数据产业变革 医疗数据创业的四大方向" src="/blog7style/images/common/sg_trans.gif" real_src ="/Upload/plainimages/0AAAAAAB/03/817/9%20(17).jpg" STYLE="padding: 0 margin: 0 vertical-align:"
TITLE="中国医疗大数据产业变革&医疗数据创业的四大方向" />
最大的私家癌症中心MSKCC与IBM合作，将临床专业知识、分子和染色体数据、以及大量癌症案例数据整合到一项循证解决方案中，
分析大量数据并从中提取重要信息，以制定出关键决策。
肿瘤学专家培训Watson，将患者的医学信息与大量的治疗方针、已发表的研究结果和其他洞察力信息相对比，为医师提供个性化的、基于置信度的建议。Watson的自然语言处理能力允许系统利用非结构化数据，例如杂志文章、医师的笔记、以及来自National
Comprehensive Cancer Network (NCCN) 的指导方针和最佳实践信息。
IMS Health Oncology
<img ALT="中国医疗大数据产业变革 医疗数据创业的四大方向" src="/blog7style/images/common/sg_trans.gif" real_src ="/Upload/plainimages/0AAAAAAB/03/817/9%20(18).jpg" STYLE="padding: 0 margin: 0 vertical-align:"
TITLE="中国医疗大数据产业变革&医疗数据创业的四大方向" />
凭借庞大的用药和医生数据基础，结合丰富的医药咨询经验，医疗数据界的巨头IMS
Health多年来一直在打造医药医疗全景数据图。没有任何一个数据源头能提供足够全面的信息，IMS除了拥有巨大的数据量，在数据拼接和整合上也有丰富的经验，随着电子病历数据的引入和增长，IMS致力于把药厂销量、销售到医疗机构的量、医疗机构用药治疗情况以及病人保险付费情况全部串联到一起。
并购了Quintile以后，IMS还能整合临床实验的数据。其咨询业务基于IMS自身汇拢的数据产生的见解，能够对数据业务带来良好正反馈。合并后近200亿美金的估值体现了市场对医疗数据价值的认可。
IMS在世界范围内不断复制其美国模式，逐步形成自己的垄断地位。
Palantir的模式在中国比较难于复制， 先不赘述。
观点：
了解了以上几家美国著名医疗数据公司后，
我们回顾下之前的报告（我们曾经对比过中美医疗数据市场阶段的差距），并结合中国现有医疗数据项目的重点，
我们总结出中国医疗数据创业项目的4大方向：
基于肿瘤临床数据的事实。大量创业项目从这个方向切入；
肿瘤人工智能辅助决策。现在相对较难，因为是建立在1的基础上；
肿瘤全景数据。和1类似，创业项目能获取到的其他数据比较少；
医疗公众资源数据。中国的数据基础弱，这个方向可能需要国家和上层推动。
已投稿到：
以上网友发言只代表其个人观点，不代表新浪网的观点或立场。互联网+国家战略智库
? ? ? ? ? ?
当前位置： &
& 分析：有了“大数据”做基础 医疗业会怎么变革？
分析：有了“大数据”做基础 医疗业会怎么变革？
&&日11:02&&中国电子商务研究中心
(中国电子商务研究中心讯)医疗的基本概念
搭上&互联网+&东风的医疗，要走上发展快车道，离不开&&这把金钥匙。如果我们把&互联网+&医疗比作一幢高楼大厦，那么，&大数据&就是这幢大厦的地基，万丈高楼平地起，没有坚固的地基，空中楼阁难触及；甚至，&大数据&还可以说是这幢大厦的砖瓦，没有充足的砖瓦，海市蜃楼不长久。一个小小的比方，让大数据的重要性不言而喻。这让我们在探究&互联网+&医疗之前，不得不先去认识一下如此风靡的&大数据&。
大数据的前世今生
回顾历史，&大数据&这个时髦的词汇，在物理学、生物学、环境生态学等领域，以及军事、金融、通讯等行业存在已有时日。但是真正引起人们高度关注的，还是因为近年来互联网和信息行业的迅速发展所致。
且让我们来看看&大数据&在互联网行业的表现。
首先，它源于互联网公司在日常运营中生成、累积的用户网络行为。这些的规模是如此庞大，以至于人们将不能再用G或T来衡量，所以，大数据的起始计量单位至少是P(1000个T)、E(100万个T)或Z(10亿个T)。
那么，大数据到底有多大？一组名为&互联网上一天&的数据告诉我们：一天之中，互联网产生的全部内容可以刻满1.68亿张DVD；发出的邮件有2940亿封之多(相当于两年的纸质信件数量)；发出的社区帖子达200万个(相当于《时代》杂志770年的文字量)；卖出的手机为37.8万台，高于每天出生的婴儿数量37.1万&&
截止到2012年，数据量已经从TB(1024GB=1TB)级别跃升到PB(1024TB=1PB)、EB(1024PB=1EB)乃至ZB(1024EB=1ZB)级别。数据公司(IDC)的研究结果表明，2008年产生的数据量为0.49ZB，2009年的数据量为0.8ZB，2010年增长为1.2ZB，2011年的数量更是高达1.82ZB，相当于全球每人产生200GB以上的数据。而到2012年为止，人类生产的所有印刷材料的数据量是200PB，全人类历史上说过的所有话的数据量大约是5EB。IBM的研究称，整个人类文明所获得的全部数据中，有90%是过去两年内产生的。而到了2020年，全所产生的数据规模将达到今天的44倍。
一系列的数据无不向我们传达着一个概念，那就是&大&，以几何倍数增长的大，而且越来越大。但是，如果就此顾名思义，定义了&大数据&，那还是有失偏颇。
最早提出&大数据&时代到来的，是全球知名咨询公司麦肯锡，麦肯锡称：&数据，已经渗透到当今每一个行业和业务职能领域，成为重要的生产因素。人们对于海量数据的挖掘和运用，预示着新一波生产率增长和消费者盈余浪潮的到来。&
牛津大学互联网研究所维克托&迈尔&舍恩伯格教授指出，&大数据&所代表的是当今社会所独有的一种新型的能力&&一种前所未有的方式，通过对海量数据进行分析，获得有巨大价值的产品、服务和见解。
&大数据&会给整个社会带来从生活到思维上革命性的变化：企业和政府的管理人员在进行决策的时候，会出现从&经验即决策&到&数据辅助决策&再到&数据即决策&的变化；人们所接受的服务，将以数字化和个性化的方式呈现，借助3D打印技术和生物基金工程，零售业和医疗业亦将实现数字化和个性化的服务；以小规模实验、定性或半定量分析为主要手段的科学分支，如社会学、心理学、管理学等，将以向大规模定量化数据分析转型；将会出现数据运营商和数据市场，以数据和数据产品为对象，通过加工和交易数据获取商业价值；人类将在哲学层面上重新思考诸如&物质和信息谁更基础&、&生命的本质是什么&、&生命存在的最终形态是什么&等本体论问题。
综上所诉，我们对&大数据&概念基本能有个全方面的认识。&大数据&不是数据量的简单刻画，也不是特定算法、技术或商业模式上的发展，而是从数据量、数据形态和数据分析处理方式，到理念和形态上重大变革的总和。所谓&大数据&，是基于多源异构、跨域关联的海量数据分析所产生的决策流程、商业模式、科学范式、生活方式和观念形态上的颠覆性变化的总和。
接轨&大数据&，传统医疗遇挑战
搭上&互联网+&的列车，医疗机构便开始行进在医疗信息数字化的路上。
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。而不断数据化的信息，在使医院数据库信息容量不断膨胀的同时，也对疾病及病人的管理、控制和医疗研究起到了积极的作用，价值不菲。
但是，发展了那么多年的传统医疗行业，现在要跨入&互联网+&的频道，其固有的复杂性和特殊性致使转型难度不容小觑。就拿一个初具规模的医院来说，每天需要接待上万的患者前来就诊，患者的基本信息、影像信息与其他特殊诊疗信息汇集在一起，那将是一个非常庞大的数据。
据初步统计，市区域医疗信息平台(市&医联工程&及区县卫生数据中心)已经积累了覆盖3900万人群、1400+TB数据量的电子诊疗与健康档案等医疗卫生数据(涵盖了全市38家三级医院3900万就诊人群的诊疗信息，包括患者基本信息、就诊信息、健康档案、检验及影像检查、医学影像图像文件、住院相关病历、医保结算等医疗卫生数据，涉及就诊记录2.1亿条，处方记录9.1亿条)。
日积月累，这个数据量将会持续快速增长，为医院的数据存储、集成、调用等应用带来巨大压力。除了数据规模巨大之外，医疗行业的数据类型和结构极其复杂，如PACS影像、B超、病理分析等业务产生的非结构化数据，这些数据存储复杂，并且对传统的处理方法和技术带来巨大挑战。
医疗大数据的主要来源
随着医疗卫生建设进程的不断加快，医疗数据的类型和规模也在以前所未有的速度迅猛增长，甚至到了在很大程度上无法利用目前主流软件工具，在合理的时间内达到撷取、管理并整合成为能够帮助医院进行更积极目的经营决策的有用信息的地步。而且，如此具有特殊性、复杂性的庞大的医疗大数据，其搜集如果仅靠个人甚至个别机构，那基本是不可能完成的任务。那么，这些数据到底是怎么产生的，又都来自于哪里呢？经过简单的梳理，我们大致可以把他们归档在以下4个框架里：
(1)病人就医过程中产生的信息。从患者进入医院开始，挂号环节便将个人姓名、年龄、住址、电话等信息输入完全了；随后在医生就医环节，病患的身体状况、医疗影像等信息也将被录入数据库；看病结束以后，患者买单结算的过程中，又将有费用信息、报销信息、医保使用情况等信息被添加到医院的大数据库里面。这将形成医疗大数据最基础却也是最庞大的原始资源。
(2)临床医疗研究和实验室数据。临床和实验室数据整合在一起，使得医疗机构面临的数据增长非常快，一张普通CT图像含有大约150+MB的数据，一个标准的病理图则接近5+GB。如果将这些数据量乘以人口数量和平均寿命，仅一个社区医院累积的数据量就可达数万亿字节甚至数千万亿字节(PB)之多。
(3)制药企业和生命科学。药物研发所产生的数据是相当密集的，对于中小型的企业也在百亿字节(TB)以上的。在生命科学领域，随着计算能力和基因测序能力逐步增加，哈佛医学院个人基因组项目负责人詹森&鲍比就认为，到2015年，将会有5000万人拥有个人基因图谱，而一个基因组序列文件大小约为750MB。
(4)智能穿戴设备带来的健康管理。随着移动设备和的飞速发展，便携式的可穿戴医疗设备正在普及，个体健康信息都将可以直接连入互联网，由此将实现对个人健康数据随时随地的采集，而带来的数据信息量将更是不可估量的。
医疗大数据的特性：大数据性+医疗性
如此规模巨大的临床实验数据、疾病诊断数据以及居民行为健康数据等汇聚在一起所形成的医疗大数据，已然呈现出其作为大数据的特性，即：
(1)数据规模大(volume)。例如一个CT图像含有大约150MB的数据，而一个基因组序列文件大小约为750MB，一个标准的病理图则大得多，接近5GB。
(2)数据结构多样(variety)。医疗数据通常会包含各种结构化表、非(半)结构化文本文档(XML和叙述文本)、医疗影像等多种多样的数据存储形式。
(3)数据增长快速(velocity)。一方面，医疗信息服务中包含大量在线或实时数据分析处理，例如，临床决策支持中的诊断和用药建议、流行病分析报表生成、健康指标预警等；另一方面，得益于信息技术的发展，越来越多的医疗信息被数字化，因此在很长一段时间里，医疗卫生领域数据的增长速度将依然会很快。
(4)数据价值巨大(value)。毋庸置疑，数据是石油，是资源，是资产，医疗大数据不仅与每个人的个人生活息息相关，对这些数据的有效利用更关系到国家乃至全球的疾病防控、新药品研发和顽疾攻克的能力。
而除了大数据所具有的特征(即volume，variety，value，velocity)外，医疗大数据还具有多态性、不完整性、时间性及冗余性等医疗领域特有的一些特征。
(1)多态性医疗大数据包括纯数据(如体检、化验结果)、信号(如脑电信号、心电信号等)、图像(如B超、X线等)、文字(如主诉、现／往病史、过敏史、检测等)，以及用以科普、咨询的动画、语音盒视频信息等多种形态的数据，是区别于其他领域数据的最显著特征。
(2)不完整性医疗数据的搜集和处理过程经常相互脱节，这使得医疗数据库不可能对任何疾病信息都能全面反映。大量数据来源于人工记录，导致数据记录的偏差和残缺，许多数据的表达、记录本身也具有不确定性，病例和病案尤为突出，这些都造成了医疗大数据的不完整性。
(3)时间性患者的就诊、疾病的发病过程在时间上有一个进度，医学检测的波形、图像都是时间函数，这些都具有一定的时序性。
(4)冗余性医学数据量大，每天都会产生大量信息，其中可能会包含重复、无关紧要甚至是相互矛盾的记录。
医疗大数据的应用及
经过数据的原始积累，并逐步走向成熟的医疗大数据，将给我们带来怎样的效用呢？根据全球管理咨询公司麦肯锡的一份最新报告显示，医疗保健领域如果能够充分有效地利用大数据资源，医疗机构和消费者便可节省高达4500亿美元的费用。
大数据在医疗行业的应用可在以下几个方面发挥积极作用：
(1)服务居民。居民健康指导服务系统，提供精准医疗、个性化健康保健指导，使居民能在医院、社区及线上的服务保持连续性。例如，提供心血管、癌症、高血压、糖尿病等慢性病干预、管理、健康预警及健康宣教(保健方案订阅、推送)；同时减少患者住院时间，减少急诊量，提高家庭护理比例和门诊医生预约量。
(2)服务医生。临床决策支持，如用药分析、药品不良反应、疾病并发症、治疗效果相关性分析、抗生素应用分析；或是制定个性化治疗方案。
(3)服务科研。包括疾病诊断与预测、提高临床试验设计的统计工具和算法、临床实验数据的分析与处理等方面，如针对重大疾病识别疾病易感基因、极端表现人群；提供最佳治疗途径。
(4)服务管理机构。规范性用药评价、管理绩效分析；流行病、急病等预防干预及措施评价；公众健康监测，付款(或定价)、临床路径的优化等。
(5)公众健康服务。包括危及健康因素的监控与预警、网络平台、社区服务等方面。(来源：创事记 文/陈根 编选：电子商务研究中心）
&&&&“黑五”大促已落下帷幕，电商门户、互联网+智库――中国电子商务研究中心上线的“黑五”专题对今年的“黑五”进行了全程的直击，同时启动了――“国内跨境进口电商大佬”独家系列高端微访谈，天猫国际总经理刘鹏、亚马逊中国总裁张文翊、洋码头CEO曾碧波、聚美优品CEO陈欧、蜜芽CEO刘楠、美囤妈妈CEO邵小波、丰趣海淘CEO任晓煜、拼多多CEO黄峥、网易考拉海购CEO张蕾等多家跨境进口电商大佬接受了我们的调研访谈。详情请登陆
【】【】【】【】【】
「关键字」
& &（1）凡本中心注明“来源：中国电子商务研究中心”或带有中国电子商务研究中心水印LOGO的所有文字、图片、音频、视频及其他任何形式的作品 ，其版权均属中国电子商务研究中心所有，任何媒体、网站或个人未经本中心协议授权不得转载、链接、转贴或以其他方式复制发布/发表。已与本中心协议授权的媒体、网站，在下载使用时必须注明“稿件来源：中国电子商务研究中心”，违者本中心将依法追究责任。
& &（2）转载或引用本中心内容必须是以新闻性或资料性公共免费信息为使用目的的合理、善意引用，不得对本中心内容原意进行曲解、修改，同时必须保留本中心注明的“稿件来源”，并自负版权等法律责任。
& &（3）对于不当转载或引用本中心内容而引起的民事纷争、行政处理或其他损失，本中心不承担责任。
& &（4）凡本中心注明“来源：xxx（非中国电子商务研究中心）”的文/图等稿件，均转载自其它媒体、网站与机构，其转载目的在于传递更多信息，并不代表本中心赞同其观点和对其真实性负责，请读者仅作参考，并请自行核实相关内容，如其他媒体、网站或个人从本网下载使用，必须保留本网注明的“稿件来源”，并自负版权等法律责任。& &（5）关于本中心发布的用户投诉稿件，信息均由用户通过本中心投诉通道提供，本中心不对其真实性负责，若内容真实性有误，请与本中心联系，本中心将在核实后进行处理。& &（6）对不遵守本声明或其他违法、恶意使用本中心内容者，本中心保留追究其法律责任的权利。& &（7）如因作品内容、版权和其它问题需要同本中心联系的请发送相关内容至邮箱：）& &此版权声明解释权归中国电子商务研究中心所有。
一、背景概述
日前，阿里巴巴集团向法院正式递交起诉书，状告刷单平台“傻推网”涉嫌严重危害市场竞争秩序，索赔标的216万元人民币。据称该案系“全国首例电商平台状告刷单团伙案”，递交当日已获法院立案...
生态型企业：
行业热点：
曝光专区：
有以下事宜，请联系：&&
有以下事宜，请联系：
有以下事宜，请联系：
以下企业，请联系：
以下企业，请联系：
以下企业，请联系：
以下人士，请联系：
行业/频道：
产品/服务：
数据/研究：
导航/平台：
中国电子商务研究中心 版权所有
