先進分析技術(shù)和機器學習如何改變醫(yī)療保健行業(yè)

醫(yī)療保健領(lǐng)域中的大數(shù)據(jù)在改善患者護理以及最終實現(xiàn)合理成本方面具有巨大的潛力。

醫(yī)療保健支出正在被不斷削減，人們關(guān)注的重點是如何既減少開支又不影響醫(yī)療護理的質(zhì)量。這種變化迫使醫(yī)療機構(gòu)向以科技為基礎(chǔ)、無需進行高昂支出的解決方案打開大門。此外我們可以看到，市場對精準醫(yī)療和循證醫(yī)學以及患者個體化要求的需求日益增長。因此，作為滿足這些需求的解決方案的核心，先進分析技術(shù)和機器學習的價值定位引人注目。

如今醫(yī)療以及制藥行業(yè)的一個主要局限是我們對疾病的生物學認識。在針對疾病成因（從脫氧核糖核酸[DNA]、蛋白質(zhì)和代謝產(chǎn)物到細胞、組織、器官、生物體和生態(tài)系統(tǒng)）依據(jù)多重標準匯聚更多信息方面，大數(shù)據(jù)開始發(fā)揮作用。因此，醫(yī)療保健領(lǐng)域中的大數(shù)據(jù)正被用于預(yù)測流行病、治療疾病以及避免可預(yù)防性死亡。隨著世界人口不斷增長以及老齡化，新的需求應(yīng)運而生，新的診斷與治療模式背后的許多決策都是在數(shù)據(jù)的驅(qū)動下做出的。眾所周知，如果能在早期發(fā)現(xiàn)重大疾病的警示信號，其治療過程會比更晚發(fā)現(xiàn)簡單得多（而且費用也比較便宜）。據(jù)易安信（EMC）報告，35％的醫(yī)療機構(gòu)正在利用大數(shù)據(jù)改善患者護理，31％利用大數(shù)據(jù)降低護理成本，28％用來改善醫(yī)療結(jié)果，22％用來提高早期發(fā)現(xiàn)的幾率。

例如，北弗吉尼亞非營利醫(yī)療系統(tǒng)艾諾瓦（Inova）如今正在進行各種數(shù)據(jù)項目，其中之一是對艾諾瓦醫(yī)院新生兒重癥監(jiān)護病房收治的可能有先天性異常的嬰兒運用基因測序技術(shù)。他們會對嬰兒及其父母或者他們認為與此項分析相關(guān)的任何其他人進行基因測序，在先進的模型中運行測序結(jié)果，然后把結(jié)果反饋給嬰兒家人。據(jù)艾諾瓦信息學主任阿倫·布萊克（Aaron Black）稱，艾諾瓦的醫(yī)生已經(jīng)能夠診斷出60％的病例，是大型學術(shù)醫(yī)院的診斷率（約為30％）的兩倍。

機器學習對于癌癥研究而言并不新鮮。神經(jīng)網(wǎng)絡(luò)（ANNs）和決策樹（DTS）應(yīng)用于癌癥檢測與診斷已近20年。癌癥研究人員只是最近才試嘗試將機器學習運用于癌癥預(yù)測和預(yù)后。事實上，癌癥預(yù)后通常需要來自不同?？频亩辔会t(yī)生，利用不同的生物標志物子集以及多個臨床因素，包括患者的年齡和一般健康狀況、癌癥的位置和類型以及腫瘤的分級和大小、家族病史、年齡、飲食、體重（肥胖）、高風險習慣（吸煙）以及接觸環(huán)境致癌物的情況。隨著基因組學（oncotype診斷性檢測）、蛋白質(zhì)組學（免疫組織學）、成像技術(shù)（功能性磁共振成像[fMRI]，正電子發(fā)射型計算機斷層顯像[PET]、微計算機斷層掃描[micro-CT scan]、數(shù)字化乳腺攝影）以及核醫(yī)學（前哨淋巴結(jié)定位）技術(shù)的迅速發(fā)展，這種有關(guān)患者或腫瘤的極為詳盡的信息現(xiàn)在很容易獲得。除了測量參數(shù)的數(shù)量不斷增加之外，應(yīng)用規(guī)則和算法也愈加復(fù)雜，且呈現(xiàn)動態(tài)增加。

電腦（以及機器學習）在疾病預(yù)測和預(yù)后中的運用是朝著個人化、預(yù)測性醫(yī)療發(fā)展這個日漸盛行的趨勢的一部分。這種發(fā)展很重要，無論是對于患者生活質(zhì)量方面的決策、醫(yī)生的治療方案決策，還是對于付款人或政策規(guī)劃者實施大規(guī)模預(yù)防或治療政策而言莫不如此。另外，由于患者數(shù)據(jù)采集過程將基于可穿戴傳感設(shè)備（如蘋果iWatch智能手表和ResourceKit），以被動的形式持續(xù)進行，個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(yīng)該會大大提高患者的監(jiān)護參與度。

醫(yī)療機構(gòu)在這方面的準備情況

分析技術(shù)的有效運用并不是你可以從供應(yīng)商那里買到的。這是必須經(jīng)過發(fā)展階段并達到成熟的組織價值和文化價值。真正復(fù)雜、需要全力以赴的是，要從事后報告轉(zhuǎn)變?yōu)槭孪阮A(yù)測。然而，生命科學在信息技術(shù)管理和完善方面落后于其他行業(yè)。

此外，不同性質(zhì)的技術(shù)基本構(gòu)件太多、相關(guān)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先進分析技術(shù)和機器學習相關(guān)的復(fù)雜狀況。

讓我們簡單談?wù)劽總€組成部分。

從非常高的角度來看，整個大數(shù)據(jù)框架是一個組合而成的結(jié)構(gòu)，包括Hadoop分布式計算框架、機器學習方法引擎、事件流及處理引擎、用于結(jié)構(gòu)化數(shù)據(jù)的商業(yè)智能和數(shù)據(jù)倉庫（BI / DW）基礎(chǔ)設(shè)施、各種移動設(shè)備、傳感設(shè)備和監(jiān)控協(xié)議（Wi-Fi、RFID[射頻識別]、Beacon、低功耗藍牙等）、存儲基礎(chǔ)設(shè)施、云計算等等。所有這一切意味著需要獲得或購買太多專門技術(shù)。不管通過何種途徑，一家機構(gòu)獲得所有這些專門技術(shù)都需要時間。

傳統(tǒng)上，數(shù)據(jù)可視化（事后報告）的開發(fā)是基于瀑布型的方法，通常由一位專家在較為早期的階段提出要求，并且至多驗證最終結(jié)果，這就完了。在大數(shù)據(jù)中，敏捷方法更加適當，在這種方法中，多位專家和多個信息技術(shù)（IT）團隊必須在及時、明確的迭代工作任務(wù)中共同建立解決方案。在任何迭代階段，專家們在了解情況后都擁有更大的權(quán)力，可以進行需要的調(diào)整，但他們需要更多地參與和投入到項目中。

除了所有技術(shù)與管理技能之外，數(shù)據(jù)科學家還需要在統(tǒng)計學以及待解問題的具體領(lǐng)域具有深厚的知識。

顯然，一些醫(yī)療機構(gòu)還沒有做好迅速邁入大數(shù)據(jù)世界的準備。這個價值定位如此重大，醫(yī)療機構(gòu)仔細審視這些趨勢之后再啟動實施大數(shù)據(jù)計劃的做法不失為明智之舉。然而，為了避免花費不必要的錢以及降低失敗風險，采取一些預(yù)防措施也是必要的。一般情況下，機構(gòu)應(yīng)該從小處著手，尋找速贏機會，同時確保獲得能夠解決他們試圖衡量或比較的戰(zhàn)略性醫(yī)療問題的數(shù)據(jù)，而不只是最容易獲得的數(shù)據(jù)。雖然這可以加快項目的進程，但其分析結(jié)果很可能價值有限，這會危及整個計劃。

在大多數(shù)情況下，大數(shù)據(jù)被各大醫(yī)院視為最不重要的能力之一，這與其他行業(yè)形成了很大的反差。與往常一樣，員工的參與是關(guān)鍵，而管理方案的調(diào)整應(yīng)該支持總體實施方案。

此外，大數(shù)據(jù)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(shù)據(jù)、法規(guī)變更、報銷制度變更以及數(shù)據(jù)系統(tǒng)的互通性。因此，一些醫(yī)療機構(gòu)正在制定合作協(xié)議，以便加快實施大數(shù)據(jù)發(fā)展藍圖，分享經(jīng)驗并展望未來，從而克服這些障礙。

例如，OptumLabs和美國衛(wèi)生與公眾服務(wù)部（U.S. Department of Health and HumanServices）建有利用數(shù)據(jù)和先進分析技術(shù)來提高醫(yī)療服務(wù)水平的協(xié)同合作項目。OptumLabs是一家研究協(xié)作組織，擁有15家合作機構(gòu)——這些合作機構(gòu)已經(jīng)收集了來自1億多名患者的報銷申請和3,000多萬患者的電子病歷的數(shù)據(jù)，還匯集了諸多研究人員、患者權(quán)益保護者、政策制定者、供應(yīng)商、付款人以及制藥公司和生命科學公司。

新興國家也是這個轉(zhuǎn)變的一部分。

在美國醫(yī)療保健行業(yè)中，奧巴馬醫(yī)改計劃（Obamacare）即《平價醫(yī)療法案》（Affordable Care Act）的推出正在推動該行業(yè)的經(jīng)濟模式與經(jīng)營模式的大規(guī)模變遷。由硅谷創(chuàng)業(yè)者和投資者主導(dǎo)的數(shù)字化科技初創(chuàng)企業(yè)生態(tài)系統(tǒng)通過促成美國和全球醫(yī)療科技（HealthTech）產(chǎn)業(yè)的發(fā)展來對此作出回應(yīng)。

例如，印度已有一些醫(yī)療科技初創(chuàng)公司提供許多解決方案，其中包括遠程患者監(jiān)護、基于云的數(shù)據(jù)分析、技術(shù)型醫(yī)護工作者和醫(yī)生、自動化患者護理、電子病歷等。此外，印度還有一些富有革新精神的年輕初創(chuàng)公司，比如心臟設(shè)計實驗室（Cardiac Design Labs），這家初創(chuàng)公司正在生物電子學和以基因組測序為基礎(chǔ)的疾病鑒別領(lǐng)域中開發(fā)并且實施實惠而可靠的專利醫(yī)療技術(shù)解決方案。

巴西EstadualGetúlio Vargas醫(yī)院是一家收治創(chuàng)傷患者的主要醫(yī)院，該醫(yī)院的重癥監(jiān)護病房（ICU）病床總是滿的。利用數(shù)據(jù)分析后得到的見解，這家醫(yī)療機構(gòu)得以將ICU患者的住院時間縮短至略超過三天，并且將ICU患者的死亡率降低了大約21％。他們現(xiàn)在每個ICU床位每月可以多收治近兩位患者。這僅僅是個開始，在資金緊張情況更為普遍的欠發(fā)達國家，大數(shù)據(jù)在強化實際資源并且?guī)椭嗷颊叻矫婢哂泻艽蟮臐摿Α?/P>

結(jié)論

可穿戴技術(shù)是門大生意，全球一些最大的科技與創(chuàng)新公司目前正在致力于這個領(lǐng)域。可穿戴技術(shù)可能對醫(yī)療行業(yè)造成的影響是巨大的，因此也成為側(cè)重于醫(yī)療行業(yè)的初創(chuàng)公司要進入的最重要領(lǐng)域之一。在2015年，和蘋果公司一樣，MiFile網(wǎng)站推出了讓佩戴者能夠在線存儲自己的醫(yī)療信息、過敏信息和護理愿望的腕帶。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）并且向其主要聯(lián)系人發(fā)送短信提示來提供協(xié)助。此外，這種技術(shù)發(fā)送不間斷的健康狀況數(shù)據(jù)，其目的在于實時監(jiān)控患者情況，并且為大數(shù)據(jù)應(yīng)用和臨床試驗等方面提供大量數(shù)據(jù)，臨床試驗覆蓋的范圍只有數(shù)百人，而覆蓋成千上萬人的現(xiàn)實世界數(shù)據(jù)（RWD）成本非常高昂。

諸如谷歌、蘋果、微軟、甲骨文和IBM等科技公司依據(jù)他們在大數(shù)據(jù)和機器學習方面擁有的深厚技能，以及醫(yī)療保健領(lǐng)域出現(xiàn)的有利時機，一直在招募醫(yī)學專家，目的是提供最終的先進解決方案和服務(wù)，這些是現(xiàn)實中的醫(yī)療保健生態(tài)系統(tǒng)按照傳統(tǒng)方式無法提供的。

正如紐約西奈山醫(yī)療系統(tǒng)（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(chuàng)始主任埃里克·夏特（Eric Schadt）所說：科技正在徹底改變我們對疾病的認識和治療方法。