以“从大数据中挖掘大价值”为主题的“第二届中国大数据应用论坛”于2013年7月21日在北京大学英杰交流中心阳光大厅隆重举办。本次活动由北京大学信息化与信息管理研究中心和北京大学CIO班教务办公室主办，北达软协办，CIO时代网承办。各企事业单位信息化负责人、北大CIO班学员及有关媒体代表200多人荟萃于此，对大数据的众多议题进行了热烈讨论。

    爱康国宾总部信息技术部集团副总裁冯朝晖先生为大家带来了“大数据与医疗服务”的演讲。在他精彩演讲中为大家解析了医疗行业大数据应用的价值以及面临的挑战。下面是他为大家带来的分享：

爱康国宾总部信息技术部集团副总裁 冯朝晖

    我主要给大家分享一下大数据和医疗服务这块，特别是大数据可能对医疗健康行业产生的一些影响，包括我的看法和爱康在上面做的实践。刚才胡会长讲的非常好，我们在看待大数据这个热潮时不应该说为了数据而数据，其实大家应该从应用角度看我们需要什么样的数据、应该怎么处理数据，而不能为了大数据而做大数据。

    我加入爱康国宾有一年半的时间，之前在美国读硕士研究生，在中国科技大学读的本科，也算是医疗行业的新兵。从IT的角度、互联网的角度进入这个行业之后对这个行业有很多的思考。今天我们谈大数据，大家都在日常生活中感觉到互联网对生活有非常巨大的改变，就我个人来说，我现在基本上所有的生活必需品都从一号店买，互联网改变了我们的生活习惯。但是有一点没有什么改变就是医疗健康行业，互联网搞了这么多年，我们还是跟以前一样为了挂号、看病而痛苦。这个情况不光在中国如此，在美国也是同样。海外医疗行业，互联网的出现对医疗行业改变并不大，大家还是传统的到诊所、医院看病，没有什么太大变化。但是我相信，随着这些新技术的出现，包括移动技术的出现、大数据的出现、云计算的技术出现，相信未来五到十年会有大的改变。比如美国政府要求2015年要求全国所有医疗机构都统一使用电子健康档案系统，我们发现在政府触动之下、企业利益触动之下，医疗行业会迎来一次IT革命。

    大数据的定义，大家谈了很多。其实大数据实际上就是说传统的数据来源都是交易数据、事务数据。大数据种类更多、数据量更大，来源渠道更广泛，包括移动、互联网都会有很多数据来源。我觉得大家不会因为大数据到底叫什么，而更多是看怎么来利用这些数据，我们有什么技术来处理这些数据，我觉得这应该是切入点。

    以一个人的生活为例，我们会发现在生活过程当中留下了很多的数字脚印，比如：去新浪微博、去天猫买东西、去微信，甚至是打电话、发短信、实体店买衣服，你在消费时刷信用卡、甚至在坐飞机的时候，刚才龙主任讲了很多应用，我们会发现生活当中无时无刻在各个公司的数据库里留下了痕迹。什么是大数据？真正的大数据是把所有数字痕迹统一采集起来，把这些数据的关系全部找出来，首先它能识别这些痕迹，另外可以把关系寻找出来，统一整合，最后进行数分析。也就是把这些相关的数据进行分析，在分析过程当中找出统计学的原理、人工智能，找出规律，通过规律做预测。这些活儿，很多互联网公司都在干，但是做的最好的就是美国政府。大家知道“棱镜门”，就是把所有数据痕迹整理起来，对你行为进行分析，看看对美国政府是否有威胁。做到这个只有政府，只有政府可以要求南航把信息都给我，要求微信把所有数据都给我。但是企业在力所能及的范围之内可以多收集一些数据，我们可以对它进行真正深入的分析。我觉得真正的大数据就是要从更多渠道、来源把不同数据进行采集，真正对它进行分析、应用才是大数据。如果只是采集，而不去分析和应用，我认为这不叫大数据。大数据一定会给我们带来价值。

    我看到一个感叹，很多人知道美国政府对他的公民、所谓的外国元首进行监控，但是谁也没有想到美国分析的这么透，而根本原因对于大数据的发展，他有能力把数据进行采集之后再分析。

    这是一个英文的报告，是麦肯锡做的报告。其中举了几个典型的案例，就是说大数据本身对哪些行业带来非常大的价值。其中一个案例是美国的医疗行业。他认为大数据应用能够带来0.7%每年的生产效率的提升，每年带来三千亿美金的价值。它对美国健康行业的分析，大数据带来的价值，我想这对中国医疗行业也是适用。

[page]    另外我们谈谈大数据获取难易度，这也是来源于麦肯锡的报告。我们看看，医疗行业。数据获取的难易度。为什么要提这个？我们提大数据，大数据对于医疗行业最大的挑战就是如何整合这些数据。其实从数据收集的概念来说，以及数据现在收集的程度来讲，医疗行业做的还是不错的。包括在中国，几乎所有医院都实现了信息化，对病人信息都进行采集，包括医疗图像信息。但是这些信息都存储在每个医院的数据库里，那么如何把这些数据共享、分享起来，这才是医疗行业在大数据方面面临的最大的挑战。这个情况在中国存在，美国也同样，美国政府为什么要强制使用电子健康档案计划，因为在美国也是一样，这些数据全部在各家医院控制着。所以我们挑战就是如何把已有的数据进行共享。如果说数据不能共享，就谈不上大数据，只能说做了一个BI、数据分析而已，谈不上大数据的应用。

    另外健康数据的来源，我觉得包括医药数据，大量药企，包括中国药企、海外药企，他们掌握了很多关于药的数据，这也是一个重要的来源。包括药的成分、治疗手段、病理。还有就是诊疗数据，这块主要掌握在医疗机构手里，包括电子病历、医疗图像等等，还有个人的健康数据，所有者是我们每个人，包括基因数据，而爱康作为体检机构我们每年也有个人的体检数据。还有体征数据的采集。还有一块是理赔数据。这个在保险机构，中国医保这块。比如说每年有多少人看病，看病费用是多少。为什么说块也很重要？大数据在医疗行业里很重要的应用是如何通过我数据挖掘找出最佳治疗方案能够降低医保成本。其实降低医保成本对整个国家、社会而言是非常有意义的。

    数据的采集有什么具体方法？比如说来自各个医院，基层的社区乡村卫生所，例如爱康这样的体检中心，还有实验室，还有来自个人健康数据采集（这块发展相当快），比如说医疗设备、医疗应用，现在几乎是实时的采集到一些基本的体征数据（包括：血压、温度、心跳），这些数据对于医疗行业讲也是非常重要的来源。

    另外就是物联网对于医疗行业的影响。其实物联网带来的最大影响是通过各种医疗设备（包括移动的、固定的医疗设备），能把数据统一发布到数据中心，就可以带来医疗数据的大量的增长，在健康领域能够对数据有10%到30%的增长率，就是说我们可以采集到更多的个人数据。从医疗行业的应用来说，大数据可以做到什么样的应用呢？在医学界，有一种叫做“系统医学”的看法是“4P”医学，医学实现什么目的呢？预防（如何保证不得病）、预测（根据每个人体征可以预测这个人有哪些疾病风险）、个性化（每个人的生理特征不一样，因此治疗方案不一样，甚至说得了同样的病，吃的药的剂量不一样）还有就是参与性（患者要积极参与到医疗过程当中）但是不幸的是目前医疗行业几乎做不到这些，我觉得大数据的出现，可以改变最大的是让我们在“4P”方面走得更加深远，真正做到预防、预测、个性化以及个人参与。

    一些典型的应用，比如治疗方案的有效性，根据每个人基因、地域、人种不一样，会选择不一样的治疗方案。甚至对于同样的药在不同的时间对不同的人应该有不同剂量，如果能实现这一点就依赖于大量的治疗方案的采集和分析，通过医药机构和医疗机构大量分享数据，才能做到治疗方案的个性化。

    治疗方案的决策系统。现在看病主要靠人做判断，在国外也已经开始做尝试，就是说是不是可以利用人工智能方法对大量诊疗数据进行分析之后做一些决策系统，帮助医生提高诊断的有效性。

    还有就是远程医疗，这跟大数据有关，更多的跟移动化有关。如何充分发挥有限的医生资源，能够让偏远的地方人也能享受到协和医院的医疗服务。

[page]    疾病预防，我们要收集大量的个人健康数据、诊疗数据、个人生活方式数据，能够来预防疾病。这点我一会儿会跟大家分享爱康做的一些尝试。另外就是在线健康管理平台和社区。这是大数据在医疗行业可能会出现的应用。

    我个人认为，未来医疗健康行业面临的挑战就是如何能从传统医院线下模式过度到以互联网、物联网技术为基础的线上模式。我相信医疗健康服务可以从现在的模式过度到依赖物联网、互联网技术为基础的线上模式。在这种模式下，我们每个人坐在家里，依赖穿戴式的体征传感器，就可以把当天身体状况信息远程提供给医疗服务供应商，医院可以通过远程健康监控、远程问诊对你的身体健康状况进行跟踪，同时实时的给你做诊断，然后通过社区医院开处方，你在社区药房可以买药。我想这种方式是真正的智能医疗服务模型，但是走到这一天还有很长的路要走。

    这种智能医疗服务有哪些挑战？一是习惯性问题。大家还是习惯于看病就要去协和，要面对面的和医生进行交流。二是穿戴式体征检测设备还不够，比如说做血糖以及更精密的检测还需要很长的路要走。三是“好”医生资源稀缺。四是产业链难以整合（医院）。五是政策风险和监管风险问题。

    在这些挑战里面，我觉得人的习惯是可以改变的。比如我们现在已经非常习惯在网上购物。穿戴式体征检测设备，随着探测系统的发展，昨天我还跟学物理的朋友聊，其实这些问题都可以解决，会有很多新设备出现。比如说以前做心跳、测脉搏，现在不需要，现在从苹果上下一个App，就可以通过苹果照相机测心跳。所以设备不是问题。医生的资源，也可以解决。最难的是产业链整合，就是说医院是否真正愿意接受这种模式，还有政府的政策风险。四和五，对新型智能医疗服务，应该是最大的挑战和最大的未知性。

    虽然我们面临着这些挑战，但是也可以看到，在整个行业里已经有很多企业开始做这种尝试了。首先我们看到很多医疗设备供应商已经开始往这个方面做简单的尝试，他们做了很多健康的智能终端（健康手环、运动鞋、体重仪、血压仪、带尿液分析的智能马桶以及移动的基因检测设备），现在供应商已经开始尝试，这些设备都是穿戴式、便携式，可以实时把监测数据传到云平台进行储存。现在碰到最大的挑战是，我用了你的设备，你把我的数据采集了，那么你们要做什么呢？因为平台后面没有人对这些数据进行分析，没有谁告诉你这能带来什么帮助，除了每天可以看看我的体重情况、血压变化情况，这个东西到底是让我更健康、少得病还是怎么样，现在没有这个服务。所以这是最大的瓶颈和挑战。

    另外一种尝试是通过大型统计分析方法，就是治疗方案决策支持服务，IBM做了一个设备叫“沃森医生”，把它放到纽约医学院培训了一年，它可以对肺癌进行早期分析和预测，号称诊断准确率高达85%。在美国一个医生对于早期肺癌诊断率只有60%，所以它比医生还要强。有了后端的系统之后，它和我们前面讲到的远程数据采集、数据存储，两者加起来以后把服务模式更往前推进了一步。把你数据采集了，也可以做数据分析。在国内也有创业型的企业做这样的工作，我看到有一个公司，它有一个设备可以采集你每天24小时的血压，对你的血压做曲线分析，一个健康血压曲线图和一个有疾病风险人的血压图是不一样的，通过图形和健康人血压曲线图进行比较之后就能够对你可能得病的情况进行预警工作。所以说我们也看到一些企业做有益的尝试。

    还有一种尝试是利用大数据、互联网、云计算对我们的健康进行管理。这一点在我们刚刚讲的模式上更进了一步，医疗机构对于每个人的健康进行管理。我个人觉得，目前在中国，像爱康国宾这样的体检机构，它比较适合做这样的工作。爱康也在做这方面的工作。我们解决重要的问题就是疾病预防、如何通过健康管理云的服务能让大家预防疾病、疾病预测（通过健康评估、疾病风险评估、心理健康评估能够给大家统计学上的概念，你得某种病的概率是多少），还有就是提供个性化（慢性病）管理。

    爱康国宾做了一个“健康管理平台”，主要是基于这么一个理念，我们想问一下，人为什么会得病？无非是四个大的因素：遗传（这是基因决定的）、个人病史（包括家族病史，比如说如果家族有高血压，那么你得高血压的概率就很大）、生活方式（这是决定你是否得病的非常重要的因素）、个人健康状态（目前你处于怎样的健康状态）。我们不能改变人的基因、家族病史，我们可以改变的就是生活方式，通过生活方式的改变可以改变健康。因此我们希望引导你改变你的生活方式。我们怎么做呢？你每年做完体检之后，我们希望你填一些健康问卷，主要是生活方式、生活习惯，我们的后台有一个基于医学的处理模型，它会根据体检数据、生活方式、家族病史会对你得一些特定的慢性病概率做评估，比如说高血压概率有多少（这是在你没有得这种病的情况下，只是说你得这种病的概率比较高），在这种情况下，我们会为你推出一个“健康方案”，告诉你饮食、运动等方面应该如何改变，这个我们会通过移动应用告诉客户怎么做。

    我个人认为，这里最大的问题是什么呢？这也是我们在跟很多创业者在沟通的问题，也希望他们帮我们解决。就是反馈机制没有。我们告诉你每天应该少吃肉、多吃菜、应该锻炼运动，但是你到底做没做我们不知道。这种反馈机制，我们相信可以通过移动App可以解决。在美国有很多设备，比如说运动环、计步器，可以记录你每天运动多少。还有美国有一个App可以通过照片，告诉你每天吃得东西里到底产生了多少热量。我觉得随着这些移动应用的产生，反馈机制就会有。同时利用我们后台的模型再调整我们的方案，比如你运动不够就让你多运动一些，你吃太多就让你少吃一些，这样就可以形成一个闭环交互。这是我们的健康管理的方案下一步所需要做的工作，在这块爱康也在寻找合作者，在座如果有好的解决方案，非常欢迎和我们进行沟通交流，我们非常希望和大家在这个方面做合作。

    时间有限，我就分享这些，但是我非常想说，在医疗健康这块关系到我们每个人的健康，大数据也好、移动应用也好、云计算也好，有非常广阔的应用前景，目前我们也可以看到很多创业者在进入这个领域，也看到很多投资人非常想投这方面新的企业，在医疗行业的创新，我想在未来5到10年会有一个非常快速发展的时机，所以有志于创业的同志，希望大家可以考虑在医疗行业做一些创新性的应用，不管是从大数据角度出发还是从移动应用角度出发，还是云计算，我想这块会有很多机会。今天来的很多人是IT的人，我自己也做了15年的IT，我觉得这个行业有很多聪明的人士，就是因为我们太聪明了，所以竞争太激烈了。马云曾经说过，希望IT、互联网的人多进入传统行业，他们非常落后，那样你成功的机会就很大。所以非常希望大家可以跟爱康一起改变医疗卫生行业，就像阿里、淘宝改变零售行业一样，有一天我们可以彻底改变医疗健康行业，使中国人更健康、让大家看病更方便，谢谢大家！

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。