医疗大数据的“苟且”与远方

医疗人工智能的基础，是医疗大数据的挖掘和应用。有关医疗大数据，这是这几年互联网医疗领域流传最广的故事。虽然每一家创业公司的模式千差万别，但无一例外都会有一条：对大数据的挖掘和应用，虽然关于如何实现的部分往往语焉不详。这充分反映了两个问题：所有人都意识到了医疗大数据开发的价值，但开发的路径却难度很高。

于是，我们听到的第一代医疗大数据的故事就变成了以下这个样子：

▍有关数据来源

中国互联网医疗可以说是白手起家，至今为止仍然不受传统医疗体系待见。所以，早期的医疗大数据基本上都只能来自互联网医疗公司自身的积累。这里的“早期”既指时间上的早期，又包括开发思路上的早期。那么，早期的数据来源大概有这么几类（欢迎补充）：

在线咨询类公司——这类公司既有综合型的，又有垂直型的。数据积累的方式上主要是通过医患在线问诊的方式，建立患者个人的电子健康档案；

智能硬件类公司——纯粹的智能硬件在医疗领域的应用日渐式微，但越来越多的医疗服务开始结合智能硬件，比如血糖、血压、体温、心律等，数据积累方式主要是对用户体征数据的检测；

基因检测类公司——基因检测在近两年日趋火爆，主要是受到检测成本降低和精准医疗的推动，门槛大大降低，使得越来越多的普通用户能够消费基因检测。

科研工具类公司——虽然与医患资源类公司一样是收集患者的疾病数据，但科研类公司收集数据的形式、应用明显不同，科研机构在数据积累过程中发挥了主导作用。

▍有关数据应用

在医疗大数据版本一的故事里面，之所以是早期，主要还是因为开发利用方式的早期。在这个阶段，虽然关于医疗大数据、人工智能已经有了概念，但在此时能接受这样故事的人毕竟还太少，也太遥远。于是，版本一里面应用医疗大数据的方式基本有这么积累：

服务于医疗本身——长期以来，患者个人是不掌握自己的医疗数据的。互联网医疗出现后，用户可以通过手机来收集自己的健康数据，帮助医生更好的了解自身的健康历史；

服务于医药企业——药企对数据的需求既强烈又多元，包括市场营销需求、新药研发需求、应用反馈需求等。因此，鉴于药企买单欲望强烈，很多数据应用商都主动向药企考虑；

服务于保险公司——这一点中美有些差异，美国保险公司对数据的应用主要是对医疗服务质量和费用的控制，而在我国，保险公司对数据的应用则主要是设计新的保险产品。

▍有关应用现状 

其实在版本一的故事里，已经有一些有了很好的应用效果，比如药物警戒，用医疗数据来弥补临床数据的缺陷，及时反馈药品不良反应、治疗效果等；再比如保险控费，用医疗大数据控制服务质量和费用，控制和减少保险欺诈行为等。这些领域之所有比较好的应用，主要是因为药企和保险公司的商业驱动力更强。当然，这也仅是在美国。

虽然我们前面罗列了不少有关医疗数据的来源和积累，但实际当中，这些案例都或多或少存在着问题。甚至由于这些问题的存在，版本一里面这些比较浅层次的数据应用都还处于非常遥远的阶段。

数据的完整和有效性——互联网医疗毕竟是新兴事物，用户有接受程度和使用习惯的问题，而且硬件设备也存在功能和精准度的问题。这使得数据收集面临着不完整且缺乏连续性的问题，而且大多数硬件设备没有取得医疗资质，采集的数据也无法做医疗级应用。

数据处于割裂的状态——互联网医疗产品主要收集的是患者在医院的健康数据，而对医院内的数据鞭长莫及。加上医院与互联网医疗无法打通，这导致了医疗数据在院内院外割裂存在的状况。而且由于医院本身信息孤岛的问题，患者在不同医院求医的数据也是碎片化存在。

数据规模仍然非常小——作为大数据应用，目前的医疗数据采集规模根本达不到“大”的程度。一个是很多创业公司的数据都是从头积累，再一个是市场认知度仍然有限，最典型的就是基因检测，很多公司的样本量还处在几十个、几百个的水平。这使得目前的医疗数据基本无法实现商业化。

当然还有一个问题，段院长在他的文章里也指出了，就是医疗大数据并没有被认真对待，或者说挂羊头卖狗肉。我国的大多数互联网医疗公司打的仍然是医院号源的主意，仍然是一种快速变现的心态，也无怪乎令人感叹，“我们多数的移动医疗创新公司还在拼命的靠补贴靠地推在拉用户，在做挂号黄牛的生意，真的令人很失望。”

故 事

版 本 二

关于医疗大数据，最令人兴奋的应用无疑还是在临床方面。比如时下最热门的精准医疗几乎火到没朋友。但精准医疗因为相对初级还跟数据应用关系不大，主要是取决于两点：要么是技术上取得特别重大的突破，要么是概念上找到特别唬人的方法。另外一个医疗大数据在临床上的应用，则是临床辅助诊断，或者更遥远一点，人工智能医生。

在临床上发挥机器的作用，首先需要对临床数据的有效挖掘利用。传统的公立医院在这一点上是完全指望不上的，根本原因在于没有任何激励机制的存在。而早期医疗大数据的应用之所以对医院敬而远之，主要是开发难度太高。

受限于信息化程度，医院往往处于信息孤岛的封闭状态，内部信息系统纷繁复杂标准不一，而且有大量的病例数据以纸质状态存在。数据清洗要实现标准化、结构化的难度非常大，而且还需要打通院内院外数据的流动。

当然，这里还必须提到数据安全。美国已经不止一次爆出医疗数据泄露或受到攻击的案例。而来自Ponemon推出的一份报告《2013年数据泄露成本研究》显示，医疗行业的数据泄露成本最高，平均每个患者的医疗信息泄露带来的信息安全管理成本高达233美元，远高于零售业的78美元。而当大量商业公司在明目张胆的打着靠数据赚钱旗号的时候，临床数据的开发确实需要非常谨慎。

▍新数据来源  

不过临床数据开发的迟滞，仍然是造成我们的医疗大数据推进缓慢的一个重要因素。所以，在版本二的故事里，我们看到了已经有创业公司努力在临床数据上进行探索。（欢迎补充）

临床数据的聚合 ——医院内的医疗数据也是分散的，HIS、LIS、PACS等系统里都储存不同类型的病例数据。因为这些系统来自不同厂商，数据标准不一，医院内部也缺乏完整、连续的数据资料。所以，在医院实现数据聚合成为临床数据开发的一个小前提。已经有创业公司在这方面探索，并得到了资本市场的认可。

临床数据的开放——当然还不是公立医院数据的开放，而且公立医院目前的信息系统也很难支持开放。不过，已经有很多创业公司在尝试临床数据开放，甚至直接开办医院、诊所来重构底层信息系统。再加上很多SaaS模式的诊所管理系统的出现，就为医疗数据的共享以及与智能硬件设备的对接创造了条件。

临床数据去中心——很多人相信，医院只是时代的产物，会逐渐消失，所以医疗数据也未必一定要在医疗机构内产生。随着新技术和数据采集方式的进步，包括诊疗数据、研发数据等，都在逐渐突破医疗机构的边界，进入人们的客厅、日常生活。这种数据采集的量和周期，都是医院内数据采集所无法比拟的。

▍应用和问题  

这些在临床数据开发方面的努力，为未来人工智能的研发创造了可能。恐怕也还只是限于可能，距离真正的应用还有一段距离。当然，在AlphaGo完胜李世石以后，人工智能所展示出的进步速度让所有人惊艳。说不定五年后，机器人医生就真的出现在社区诊所了。但是眼下的问题恐怕还是必须要克服：

数据解读——围棋棋盘的可能性毕竟是可以穷尽的，但目前的人工智能还无法解决未知因素的问题。尤其是在医疗领域，不仅是未知因素的问题，甚至还有无知因素的问题。很多因素不仅医疗数据的采集范围之外，更是在人类的认知范围之外。不要说癌症这种人类尚未攻克的疾病，绝大多数疾病都存在着相当多的未知因素。

数据规模——医疗数据的应用前提条件是数据规模要足够大。其实，这一点中国的情况要比美国好多了。比如说，中国一家三甲医院的数据量几乎抵得上美国一个州的量。但问题是，有能力、有条件、有机会开发应用这些数据的机会太少。财大气粗的保险公司在医院面前都毫无谈判能力，遑论弱小的互联网医疗公司。恐怕只能指望高瞻远瞩的医院院长，发挥鲶鱼效应。

数据监管——对于政府监管来说，医疗数据的应用是个新问题。起码至今，究竟医疗数据归谁所有的问题都没有明确。而一旦医疗数据被滥用，危害是极大的。一个非常简单的道理，你的银行卡密码可以修改，但你的基因信息能修改么？虽然现在对基因的解读能力有限，但是只要样本成功采集一次，就可以无限检测。所以如果你的基因数据泄露了，后果会是怎样呢？

最后，可能还是野心的问题。如果已经收集到了一批数据，马上就能商业变现，就能挣大钱，有几个人还愿意去搞什么人工智能呢？