医疗保健领域中的大数据在改善患者护理以及最终实现合理成本方面具有巨大的潜力。医疗保健支出正在被不断削减，人们关注的重点是如何既减少开支又不影响医疗护理的质量。这种变化迫使医疗机构向以科技为基础、无需进行高昂支出的解决方案打开大门。此外我们可以看到，市场对精准医疗和循证医学以及患者个体化要求的需求日益增长。
因此，作为满足这些需求的核心，机器学习的价值定位引人注目。
医疗以及制药行业的一个主要局限是我们对疾病的生物学认识。在针对疾病成因（从脱氧核糖核酸【DNA】、蛋白质和代谢产物到细胞、组织、器官、生物体和生态系统）依据多重标准汇聚更多信息方面，大数据开始发挥作用。因此，医疗保健领域中的大数据正被用于预测流行病、治疗疾病以及避免可预防性死亡。随着世界人口不断增长以及老龄化，新的需求应运而生，新的诊断与治疗模式背后的许多决策都是在数据的驱动下做出的。众所周知，如果能在早期发现重大疾病的警示信号，其治疗过程会比更晚发现简单得多（而且费用也比较便宜）。据易安信（EMC）报告，35%的医疗机构正在利用大数据改善患者护理，31%利用大数据降低护理成本，28%用来改善医疗结果，22%用来提高早期发现的几率。
机器学习（machine learning）对于癌症研究而言并不新鲜。神经网络（ANNs）和决策树（DTS）应用于癌症检测与诊断已近20年。癌症研究人员只是最近才试尝试将机器学习运用于癌症预测和预后。事实上，癌症预后通常需要来自不同专科的多位医生，利用不同的生物标志物子集以及多个临床因素，包括患者的年龄和一般健康状况、癌症的位置和类型以及肿瘤的分级和大小、家族病史、年龄、饮食、体重（肥胖）、高风险习惯（吸烟）以及接触环境致癌物的情况。
随着基因组学【oncotype诊断性检测】、蛋白质组学（免疫组织学）、成像技术（功能性磁共振成像【fMRI】，正电子发射型计算机断层显像【PET】、微计算机断层扫描【micro-CT scan】、数字化乳腺摄影）以及核医学（前哨淋巴结定位）技术的迅速发展，这种有关患者或肿瘤的极为详尽的信息现在很容易获得。除了测量参数的数量不断增加之外，应用规则和算法也愈加复杂，且呈现动态增加。
电脑【以及机器学习】在疾病预测和预后中的运用是朝着个人化、预测性医疗发展这个日渐盛行的趋势的一部分。这种发展很重要，无论是对于患者生活质量方面的决策、医生的治疗方案决策，还是对于付款人或政策规划者实施大规模预防或治疗政策而言莫不如此。另外，由于患者数据采集过程将基于可穿戴传感设备【如苹果iWatch智能手表和ResourceKit】，以被动的形式持续进行，个人不必每天主动检测自身健康状况，可以拥有正常的生活方式，这应该会大大提高患者的监护参与度。
医疗机构在这方面的准备情况
分析技术的有效运用并不是你可以从供应商那里买到的。这是必须经过发展阶段并达到成熟的组织价值和文化价值。真正复杂、需要全力以赴的是，要从事后报告转变为事先预测。然而，生命科学在信息技术管理和完善方面落后于其他行业。
此外，不同性质的技术基本构件太多、相关的管理方式变化以及人员技能的局限，这些也在一定程度上造成了与先进分析技术和机器学习相关的复杂状况。
让我们简单谈谈每个组成部分：
从非常高的角度来看，整个大数据框架是一个组合而成的结构，包括Hadoop分布式计算框架、机器学习方法引擎、事件流及处理引擎、用于结构化数据的商业智能和数据仓库（BI/DW）基础设施、各种移动设备、传感设备和监控协议（Wi-Fi、RFID[射频识别]、Beacon、低功耗蓝牙等）、存储基础设施、云计算等等。所有这一切意味着需要获得或购买太多专门技术。不管通过何种途径，一家机构获得所有这些专门技术都需要时间。
除了所有技术与管理技能之外，数据科学家还需要在统计学以及待解问题的具体领域具有深厚的知识。
显然，一些医疗机构还没有做好迅速迈入大数据世界的准备。这个价值定位如此重大，医疗机构仔细审视这些趋势之后再启动实施大数据计划的做法不失为明智之举。然而，为了避免花费不必要的钱以及降低失败风险，采取一些预防措施也是必要的。一般情况下，机构应该从小处着手，寻找速赢机会，同时确保获得能够解决他们试图衡量或比较的战略性医疗问题的数据，而不只是最容易获得的数据。虽然这可以加快项目的进程，但其分析结果很可能价值有限，这会危及整个计划。
在大多数情况下，大数据被各大医院视为最不重要的能力之一，这与其他行业形成了很大的反差。与往常一样，员工的参与是关键，而管理方案的调整应该支持总体实施方案。
此外，大数据的广泛运用还存在一些障碍，比如患者记录的隐私问题、获得正确数据、法规变更、报销制度变更以及数据系统的互通性。因此，一些医疗机构正在制定合作协议，以便加快实施大数据发展蓝图，分享经验并展望未来，从而克服这些障碍。
例如，OptumLabs和美国卫生与公众服务部（U.S. Department of Health and HumanServices）建有利用数据和先进分析技术来提高医疗服务水平的协同合作项目。OptumLabs是一家研究协作组织，拥有15家合作机构——这些合作机构已经收集了来自1亿多名患者的报销申请和3,000多万患者的电子病历的数据，还汇集了诸多研究人员、患者权益保护者、政策制定者、供应商、付款人以及制药公司和生命科学公司。
新兴国家也是这个转变的一部分。
在美国医疗保健行业中，奥巴马医改计划（Obamacare）即《平价医疗法案》（Affordable Care Act）的推出正在推动该行业的经济模式与经营模式的大规模变迁。由硅谷创业者和投资者主导的数字化科技初创企业生态系统通过促成美国和全球医疗科技（HealthTech）产业的发展来对此作出回应。
例如，印度已有一些医疗科技初创公司提供许多解决方案，其中包括远程患者监护、基于云的数据分析、技术型医护工作者和医生、自动化患者护理、电子病历等。此外，印度还有一些富有革新精神的年轻初创公司，比如心脏设计实验室（Cardiac Design Labs），这家初创公司正在生物电子学和以基因组测序为基础的疾病鉴别领域中开发并且实施实惠而可靠的专利医疗技术解决方案。
巴西EstadualGetúlio Vargas医院是一家收治创伤患者的主要医院，该医院的重症监护病房（ICU）病床总是满的。利用数据分析后得到的见解，这家医疗机构得以将ICU患者的住院时间缩短至略超过三天，并且将ICU患者的死亡率降低了大约21%。他们现在每个ICU床位每月可以多收治近两位患者。这仅仅是个开始，在资金紧张情况更为普遍的欠发达国家，大数据在强化实际资源并且帮助更多患者方面具有很大的潜力。
第三十五届CIO班招生
国际CIO认证培训
首席数据官（CDO）认证培训
责编：liuhan
免责声明：本网站（http://www.ciotimes.com/）内容主要来自原创、合作媒体供稿和第三方投稿，凡在本网站出现的信息，均仅供参考。本网站将尽力确保所提供信息的准确性及可靠性，但不保证有关资料的准确性及可靠性，读者在使用前请进一步核实，并对任何自主决定的行为负责。本网站对有关资料所引致的错误、不确或遗漏，概不负任何法律责任。
本网站刊载的所有内容（包括但不仅限文字、图片、LOGO、音频、视频、软件、程序等）版权归原作者所有。任何单位或个人认为本网站中的内容可能涉嫌侵犯其知识产权或存在不实内容时，请及时通知本站，予以删除。
抢沙发
