突破10：醫療大數據，一切還只是開始

醫療數據越豐富，醫生越能夠依據數據做出最佳的判斷，但數據的收集、處理和分析都是難題。

大數據在2015年是一個不可忽視的熱詞，在醫療中，它同樣占據了重要地位。美國的醫療大數據公司Flatiron Health可以說是震撼了整個醫學界。賓夕法尼亞的校友特納和溫伯格創辦了這家公司，希望能夠收集和分析海量的癌癥治療臨床數據。

谷歌為Flatiron Health注資1億美元，美國著名的腫瘤專家、杜克大學的醫學教授艾米·阿伯內西認為其收集數據的方法嚴密而周全，并加入該公司擔任了首席醫療官。這家公司到底為何如此吸引人呢？即使在美國，也只有一小部分癌癥患者的治療數據被系統地收集了起來（一般來自隨機的臨床研究案例），僅占了成年癌癥患者總數的4%左右。Flatiron Health的目標就是，將剩下的96%的數據，也系統化地、標準化地收集起來并且反饋給醫生，幫助醫生尋找最適合的治療方案。

為什么這些數據可以幫助醫生呢？現代醫學和傳統醫學最大的區別之一是，現代醫學是循證醫學，即遵循證據的醫學。醫生必須參照臨床研究依據，再結合個人的臨床經驗，最終做出判斷和制定治療方案。大數據就能夠為醫生提供臨床依據。例如，一位醫生可以在Flatiron Health系統中將自己治療乳腺癌的效果與美國其他專家的治療效果做比較，這樣能夠快速修正和改善自己的治療，否則這位醫生需要一次又一次地在病人身上試驗療法，經過好幾次失敗或許才能找到最適合的療法。對個人而言，患者能夠更快地獲得匹配的治療，而從廣義上講，醫療資源能夠得到最有效的運用，避免了浪費。

其實醫療大數據以往也有人做，例如EMR（電子病歷系統）。但很多醫生感覺它提供的數據太雜亂，無法使用。例如，一位患者的數據可能是由多方提供的，包括腫瘤科醫生、放射科醫生、外科醫生、化驗室等，不同診所使用的格式也可能不同，散亂的數據讓人“眼花繚亂”。而Flatiron Health采用了各種計算機巧和匹配算法，讓計算機能夠閱讀各種雜亂的原始病歷，從中提取數據，并最終以統一的格式表達。當然，龐大的數據和復雜的運算很容易出錯，而Flatiron Health獨有的人機混合感知系統可以找出并糾正錯誤。

美國已有210家癌癥醫療中心使用Flatiron Health系統，這些醫療中心每年共收治約30萬名患者。除此以外，一些學術機構，如耶魯紐黑文醫院的斯米洛癌癥診所、賓夕法尼亞大學的艾布拉姆森癌癥中心也在使用Flatiron Health。不少醫生都覺得，該系統不僅能收集海量數據，而且能夠整理數據，對其加以評估和歸類，讓數據的使用更有效率了。

當然，也有人對于癌癥治療大數據表示懷疑。美國麻省理工學院懷特黑德生活醫學研究所的創始人羅伯特·溫伯格就認為，腫瘤研究中，蛋白質之間的互相作用和基因突變方面的數據太過龐大，我們還無法解讀。也就是說，收集這些數據需要很大的工作量，可是產出卻常常不成正比。Flatiron Health方面表示，現在只是一個開始，以后癌癥的大數據系統會更加完善。