京公网安备 11010802034615号
经营许可证编号:京B2-20210330
大数据如何改变医疗保健
如果你想知道大数据是如何使世界变得更加美好,那么最鲜活的例子可能就是它在医疗保健行业之中的应用了。我们的一切行为产生了大量的数据,同时我们数据分析师能够使用技术来分析和理解这些数据。在过去的十年中这种分析和理解的行为已经取得了巨大的进步。用现在的时髦话来说,这些趋势的交集就是我们所说的“大数据”。大数据正在使各行各业的企业变得更加高效。
医疗保健领域也是如此。在医学领域中,大数据除了被用于提高利润和减少开销,还被用于预测流行病、治疗疾病、提高生活质量和避免可预防的死亡。随着世界人口的增长以及人均寿命的延长,治疗交付的模式正在迅速改变,而这些变化背后的众多决定都是由数据驱动的。
现在这种驱动是了解尽量和尽快地了解病人,以期在早期发现疾病的征兆。相比由于没有发现病情征兆而直到为时已晚,对疾病早期的治疗更为简单,也更为便宜。
所以在我们生病之前让我们来一场医疗保健的大数据之旅,从头开始。
可穿戴的血压监测器将数据发送到一个智能手机应用程序,然后人们再去看医生(照片来自John Tlumachi)
智能手机仅仅只是开始。应用程序能够使智能手机应用在任何方面,例如通过计步器测量一个人一天走多远,通过卡路里计数器帮助个人规划饮食等。如今大家都很喜欢使用移动技术来使自己过一种更健康的生活方式。例如,最近涌现的可穿戴设备,比如Fitbit,Jawbone和 Samsung Gear Fit,允许追踪个人行程并将数据上传,同周围其他人进行比较。在不久的将来,人们也可以和医生分享这些数据。当生病去找医生时,他们会把这些数据作为诊断内容的一部分。哪怕是你很健康,但通过这项技术,医院不断地累计大量的公众健康状况的信息数据库,使得个人健康问题在发生之前被发现,从而可以提前准备好补救措施——不管是药用或者教育性的。
由此产生了开创性的工作。这包括医疗和数据专家之间相互合作,进而使得有洞察未来以及超前识别问题变得可能。最近的例子就是匹兹堡健康数据联盟的形成。它旨在把来自不同数据源的数据(如医疗和保险记录、可穿戴传感器数据、基因数据,甚至社交媒体使用的数据) 绘制成作为病人个体的数据集合体,从而为病人量身定制医疗保健方案。
数据分析师对个人数据不会被独立处理,而是将会同周围成千上万的人的数据进行对比和分析,以此突显在对比过程中出现的特殊因素和问题,从而使得复杂的预测模型有了可用之处——一个医生将能评估任何一个他认为可预测的治疗方案的可能性结果,备份其他有相同情况、相同遗传因素和生活方式的人的数据。诸如这样的项目是该行业在追求数据驱动型医疗保健中试图解决的最大障碍之一:医疗行业收集大量的数据,但这些数据往往储存在在不同的医院、诊所、行政部门,甚至医生手中。
另一个例子是刚刚宣布合作的苹果和IBM。这两家公司正在一个大数据健康平台相互协作,这个平台允许使用苹果手机和苹果智能手表用户将数据分享给IBM的华生健康云医疗分析服务。该项合作的目的是从数以百万计的潜在用户的众多实时活动和生物数据寻找新的医学发现。
如果留心观察医患之间的互动,这些行为将来很可能有所改变。远程医疗是目前的流行语,指的是远程接受医学治疗。患者通常可以在电脑和互联网的帮助下在自己家里进行。严格来说,远程医疗即是访问webmd网站和自我诊断。但越来越多的远程医疗是指针对患者提供一对一的专业服务。目前这一类的服务由Healthtap公司提供。患者和医生之间的所有互动无疑会留下一个数据链,这些数据可以在被分析后汇集成公共健康的总趋势,并为人们的医疗保健提供有价值的信息。
如果医生告诉你,不管你哪里不舒服,最佳的治疗方法就是用药,那么他们给你提供的药丸或试剂很可能都是在大数据帮助下而制定的。根据从受试者获得的大量数据,研究人员得以选择最佳的治疗方案。最近,制药巨头们之间的数据共享已经取得了一些突破性进展。比如,他们发现了常用抗抑郁剂地昔帕明在肺癌治疗领域存在着潜在的用途。
个性化医疗是医疗保健领域的又一热门话题,它是根据每个人独一无二的遗传结构来规划用药,并将个人的基因蓝图和数据整合到他们的生活和所处的环境中,然后将这些数据与其他成千上万的人进行比较,从而诊断疾病并确定最佳治疗方案。
大数据也有助于抗击流行病的蔓延。在非洲,移动电话的定位数据为追踪人口流动提供了非常有价值的信息,它有助于人们预测埃博拉病毒的蔓延趋势。这就为政府建立治疗中心的提供了潜在的最优方案。并且在必要时能够对人群的活动范围进行限制。这些策略是人们在2010年海地地震后才意识到的,当时他们只采取了简单的灾难救援计划。
当然,人们在寻找医学上“包治百病的圣杯”——能够医治癌症的药时就提出了利用大数据的解决方案。Flatiron Health公司已经打造了一种名叫“肿瘤学云平台(OncologyCloud)”的服务。基于该设想,关于癌症患者潜数据,尚有96%未被分析。这个服务的目的是在诊断和治疗过程中收集这类数据,并将其提供给临床医生做进一步研究。
个人医疗数据无疑是在所有数据中最具有私密性的,因此必须要保证安全无误的保障措施,以确保这些信息只流向应该获得该信息的人。尽管如此,网络上的黑客们也会偷取医疗数据,因为有报道称,偷来的健康数据要比偷来的信用卡信息更值钱。2015年2月发生了一起迄今为止最大规模的医疗数据盗窃案,美国第二大的医疗保险服务商Anthem公司信息系统被黑客攻破,8000万患者的资料被盗。幸运的是,黑客们只偷走了客户的身份信息,如姓名和地址,而患者相关的疾病和治疗细节都没有暴露。但是公众十分担心大规模的病人记录丢失案的发生在黑客找到安全漏洞之前只是时间问题。包括美国南卡罗来纳大学身体计算中心的Leslie Saxon博士在内的许多专家已经在呼吁建立一个效仿联合国形式的国际组织,来规范涉及健康数据的有关隐私和安全的问题。
尽管如此,未来的大数据可以带来的潜在好处却远比坏处要多。医疗数据的中心化和焦点化将是未来的趋势。同时,只要隐私和安全的问题可以解决,中心化一定能够在开发全新的治疗手段上扮演极为重要的角色。此外,中心化还有助于我们了解自身身体机能,从而确保我们能够长时间地进行工作。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
逻辑回归是数据分析、机器学习、统计建模中应用最广泛的二分类预测模型,常用于风险判断、行为预测、归因分析等场景。在SPSS、Py ...
2026-06-02数字经济时代,市场竞争日趋同质化,用户消费需求愈发个性化、多元化,传统依托经验、粗放式、广撒网的营销模式弊端日益凸显。长 ...
2026-06-02 很多数据分析师做过按月份的销售额趋势图,画过按天的流量折线图,但当被问到“时间序列和普通数据有什么本质区别”“季节性 ...
2026-06-02在市场竞争日趋饱和、用户需求不断细分的当下,企业创业创新、产品迭代与市场拓展不再依赖经验决策,而是需要系统化、工具化的商 ...
2026-06-01【核心关键词】调度、岗位、数据库、企业、报表、培训、程序、数据分析、数据加工、业务部门、企业数据、调度工具、业务指标、 ...
2026-06-01 很多数据分析师能熟练地计算指标、搭建标签体系,但当被问到“画像到底在解决什么问题”“画像和标签是什么关系”“画像如何 ...
2026-06-01在数据统计分析、数据清洗、异常值识别与数据分布研究中,箱型图是最直观、高效、专业的可视化分析工具。相较于柱状图、折线图仅 ...
2026-05-29Tkinter是Python内置的标准GUI图形界面库,具备无需额外安装、调用简单、兼容性强、轻量化高效等优势,是Python快速开发桌面小程 ...
2026-05-29 很多分析师在设计标签时思路清晰,但真到落地环节却面临“数据在手,不知如何转化为可用标签”的困境:或因加工方式选择不当 ...
2026-05-29【核心关键词】大数据、经理、专业、金融、客户、传统、建模、数据产品、互联网金融、产品经理、数据分析、金融行业、数据模型 ...
2026-05-28 很多分析师每天和数据打交道,但当被问到“标签是什么”“标签和指标有什么区别”“标签体系如何设计”时,却常常答不上来。 ...
2026-05-28随着大数据技术的快速普及,各行各业积累了海量的用户数据、交易数据、生产数据与行为数据。单纯的数据统计与报表分析只能呈现表 ...
2026-05-28在Python网络请求、接口测试、数据爬取、业务对接开发中,Requests库是最简洁、最高效的HTTP请求工具,凭借简洁的语法、完善的适 ...
2026-05-272025 年,零售与服务行业的竞争已从 “经验驱动” 全面转向 “数据驱动”。中小企业门店普遍面临数据零散、分析浅层、决策凭感觉 ...
2026-05-27 很多数据分析师每天都在写SQL,但当被问到“数据查询语言(DQL)的本质是什么”“SELECT语句中各子句的书写顺序与实际执行顺 ...
2026-05-27在统计学分析、实验研究、业务数据复盘过程中,单因素方差分析是检验自变量对因变量是否存在显著影响的核心方法。其中,两个水平 ...
2026-05-26【核心关键词】算法、客户、大数据、互联网、调优、建模、模型优化、机器学习、评分卡模型、模型开发、智能风控、业务场景、数 ...
2026-05-26 很多数据分析师写过无数个 SELECT,但当被问到“新建一张表,该如何定义字段类型来保证数据质量”“创建视图和存储物理表有 ...
2026-05-26在数据清洗、统计分析与数据质量检测工作中,箱型图(又称箱线图、Box Plot)是最直观、最高效的可视化分析工具之一。相较于柱状 ...
2026-05-25在大数据分析、数据清洗、质量管控、风险监测等领域,异常数据识别是保障数据质量、确保分析结论精准、规避业务决策失误的核心基 ...
2026-05-25