京公网安备 11010802034615号
经营许可证编号:京B2-20210330
大数据颠覆医疗,或许并不遥远
如果一个医生还在抱怨病人得了“搜索病”(指看病前习惯先上网查查自己可能得了什么病),那么这个医生大概已经落伍了。基于大数据在医疗领域的深度应用,美国斯坦福大学医学院一群富有创新精神的医学专家正和硅谷的医疗产业专家合作,推进一个最新的科研项目——“和你一样的病人”,通过这个智能系统,病人有望自查疾病,这也减少了医生因经验累积有限而导致的误诊或漏诊。这个系统有望成为医生的好帮手,也可能颠覆现有的医疗模式。
这是斯坦福大学医学院院长劳埃德·米诺在昨天的第九届21世纪中美医学论坛新闻发布会上向记者透露的信息。据悉,本次论坛将于10月14日-16日在斯坦福大学医学院召开,它由斯坦福大学、美国萨尔克生物研究所、上海瑞金医院共同主办,届时包括美国“四院院士”ShuChien教授、美国约翰霍普金斯大学前任校长William Brody教授、中国工程院院士王振义教授、世界卫生组织前副总干事胡庆澧教授、中国工程院院士陈赛娟教授等多位中美医学专家,将共同探讨当下医学界最热门的一个话题——“大数据时代背景下的医疗发展趋势”。
计算机筛选最优治疗方案
信息化已逐渐深入到医疗卫生的各个领域,成为医疗卫生事业发展的重要引擎,但由于医疗是高度专业化的领域,此前大多数信息化包括所谓“互联网+”与医疗的合作,依然是以医疗为核心,互联网只是服务于医疗的工具,比如,在线预约、在线挂号等。上海交大医学院副院长陈红专称,当下我们需要思考如何创新应用互联网,以及挖掘出海量数据的真正应用,而不仅仅是积累数据。
在斯坦福大学医学院,已有令人“脑洞大开”的科研进展。医生们开发的这个名为“和你一样的病人”的系统里,积累了上百万条药物、治疗方案、病例信息等数据,登录者键入身体状况、年龄、不适部位等,系统就会给出一个完全个性化的诊断结果以及理想的治疗方案。
“这种系统筛选出的治疗方案,可能比医生的方案效果更好,能让更多病人获得真正属于他们的最优治疗。因为我们都知道,医生的治疗水平很大部分来自于医学积累,也就是经验,但这种积累不论是30年还是50年,依然是有限的,它一定没有拥有全病人就医数据的电脑系统见多识广。”劳埃德·米诺对记者说。
反思传统“一对一”就医模式
事实上,促成劳埃德和伙伴们开发这个系统的机缘,是对传统就医模式的反思。
那是在1998年,劳埃德和同事在全世界首次报道了一种罕见病——“上半规管裂损症候群”。这种疾病的患者会出现眩晕、对声音异常敏感等症状。这本是一次很普通的学术发现,但令劳埃德意外的是,当他们发表了论文后,世界上许多国家的人开始上网搜索这个病的信息,并输入自己的信息,一批多年来找不到病因或在其他科室苦苦试验治疗方案的病人终于确诊。比如,英国就报道过一名女子罹患这种疾病,不仅能听见自己的心跳声、大脑搅动声,连吃颗苹果对她来说都是不可能的任务,因为她轻轻一咬,就是一阵震耳欲聋。
通过互联网找到“和你一样的病人”,这个启示让劳埃德和斯坦福医学院的同仁们开始开发这款全新的系统。
基于大数据应用,未来的看病模式很可能不再是现在这样与医生“一对一”。在哈佛大学医学院,已有医生尝试给乳腺癌患者这样看病:通过系统筛查全美乳腺癌患者病历,并挑出和具体患者相同或相似的年龄、生活环境、突变基因等,最终挑选出一个生存期、生活质量最高的治疗方案提供给患者。这是目前医生寻求“外脑”帮助的有效途径。
深度开发大数据预测疾病
此外,未来的医疗数据收集也将不再局限于诊室。瑞金医院副院长宁光教授以糖尿病为例介绍,借助可穿戴设备的开发,谷歌眼镜血糖监测、家庭床上血糖监测与数据远程传输等应用已经在小范围应用。“通过疾病管理,进而深度开发这些大数据,提取有价值的信息,有望开启医疗产业的新黄金时代。”宁光说。
可以畅想的是,医疗大数据带给人们的将不仅仅是更优的诊断与治疗计划,而是更优的生活方式。劳埃德·米诺说,通过医疗大数据的挖掘和筛选,还能前移到发现何种生活方式可能是更有利的,从而给政府、医保政策制定者、医院以及大众更好的生活方式指导。“那就是预防甚至预测疾病的范畴,我们已在和谷歌、苹果公司合作,也将与更多中国科学家合作。
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