突破10：医疗大数据，一切还只是开始

医疗数据越丰富，医生越能够依据数据做出最佳的判断，但数据的收集、处理和分析都是难题。

大数据在2015年是一个不可忽视的热词，在医疗中，它同样占据了重要地位。美国的医疗大数据公司Flatiron Health可以说是震撼了整个医学界。宾夕法尼亚的校友特纳和温伯格创办了这家公司，希望能够收集和分析海量的癌症治疗临床数据。

谷歌为Flatiron Health注资1亿美元，美国著名的肿瘤专家、杜克大学的医学教授艾米·阿伯内西认为其收集数据的方法严密而周全，并加入该公司担任了首席医疗官。这家公司到底为何如此吸引人呢？即使在美国，也只有一小部分癌症患者的治疗数据被系统地收集了起来（一般来自随机的临床研究案例），仅占了成年癌症患者总数的4%左右。Flatiron Health的目标就是，将剩下的96%的数据，也系统化地、标准化地收集起来并且反馈给医生，帮助医生寻找最适合的治疗方案。

为什么这些数据可以帮助医生呢？现代医学和传统医学最大的区别之一是，现代医学是循证医学，即遵循证据的医学。医生必须参照临床研究依据，再结合个人的临床经验，最终做出判断和制定治疗方案。大数据就能够为医生提供临床依据。例如，一位医生可以在Flatiron Health系统中将自己治疗乳腺癌的效果与美国其他专家的治疗效果做比较，这样能够快速修正和改善自己的治疗，否则这位医生需要一次又一次地在病人身上试验疗法，经过好几次失败或许才能找到最适合的疗法。对个人而言，患者能够更快地获得匹配的治疗，而从广义上讲，医疗资源能够得到最有效的运用，避免了浪费。

其实医疗大数据以往也有人做，例如EMR（电子病历系统）。但很多医生感觉它提供的数据太杂乱，无法使用。例如，一位患者的数据可能是由多方提供的，包括肿瘤科医生、放射科医生、外科医生、化验室等，不同诊所使用的格式也可能不同，散乱的数据让人“眼花缭乱”。而Flatiron Health采用了各种计算机巧和匹配算法，让计算机能够阅读各种杂乱的原始病历，从中提取数据，并最终以统一的格式表达。当然，庞大的数据和复杂的运算很容易出错，而Flatiron Health独有的人机混合感知系统可以找出并纠正错误。

美国已有210家癌症医疗中心使用Flatiron Health系统，这些医疗中心每年共收治约30万名患者。除此以外，一些学术机构，如耶鲁纽黑文医院的斯米洛癌症诊所、宾夕法尼亚大学的艾布拉姆森癌症中心也在使用Flatiron Health。不少医生都觉得，该系统不仅能收集海量数据，而且能够整理数据，对其加以评估和归类，让数据的使用更有效率了。

当然，也有人对于癌症治疗大数据表示怀疑。美国麻省理工学院怀特黑德生活医学研究所的创始人罗伯特·温伯格就认为，肿瘤研究中，蛋白质之间的互相作用和基因突变方面的数据太过庞大，我们还无法解读。也就是说，收集这些数据需要很大的工作量，可是产出却常常不成正比。Flatiron Health方面表示，现在只是一个开始，以后癌症的大数据系统会更加完善。