大數據正在重新定義醫療過程。這不是對現有醫療系統的摒棄，而是對目前的醫療系統進行某種深遠的基層改造。主要的變化包括：醫療機構日益依靠數據，建立以患者為核心的個人化的醫療模型，其中數據采集是關鍵，通過數據采集和分析，預測疾病的發生率，進而采取預防措施。數據幫助醫生對患者進行360度全方位的了解。大數據正在從各方面輔助現有的醫療系統。

引入大數據之前

醫療系統引入大數據之前，數據在醫療過程中的作用是非常有限的。醫院通過各種途徑收集患者數據，如姓名，年齡，病情描述，糖尿病病史，醫藥記錄以及家族病史等。這些數據提供的患者健康信息是不全面的，比如對于心臟病患者，可收集的典型數據是家族病史，患者飲食，并發癥等信息，這些信息一方面可以提供一些細節，但無法知道引發病情的其他原因，也無法為更好地治療計劃提供依據。

Nature期刊發布的統計數據表明，美國醫生開出的最常見的10種處方藥實際上只對很少比例的患者（少于25%）有幫助。這說明相比我們的研究及其他活動經費，我們的研究成果是多么微不足道。

上圖中可以看出用藥不當對患者的影響。但現在這一現象正通過大數據和信息技術得到迅速的改善。

大數據如何改變醫藥？

大數據為治療過程增加了新的維度。現在醫生可以更好的了解疾病，更好地實施個人化的精準治療，也可以預測再次患病的概率并制定出一些預防措施。

對疾病的更全面的理解

大數據可以幫助醫療機構對患者的健康狀態進行360度全方位的了解，這樣有助于發現新問題，找出新治療方法，做出更準確的診斷。大數據讓我們關注那些我們以往沒有了解到的健康因素，比如有的人群比其他人更易患心腦血管疾病。對于這些人，我們可以做更細致的研究–包含飲食習慣，生活方式，基因結構，家族基因情況，蛋白質結構，代謝產物到細胞，組織，器官等。

預測疾病

預測疾病的發生率實際上伴隨著對疾病的全面了解一同展開。每位病人在治療過程中，醫院都會得到龐大的有價值的數據。這些數據可以在某種精確度上預測疾病的發生率。例如，通過一個中風患者，醫院就可以知道中風的時間，多次中風之間的間隔，引發中風的影響事件比如受到心理壓力或者高強度活動等。根據數據分析，醫院就可以明確預防中風的措施。

可穿戴儀器

即使我們沒有明顯癥狀的時候，可穿戴儀器也可以幫助我們檢測到潛在的健康問題。為評估一個看上去還很健康的人的身體狀況，醫生需要開出一系列醫療檢查，這通常又花時間又花錢。可穿戴的儀器可以顯示許多健康指標，通過這些指標，醫生可以得出某種結論并制定出日后治療方案。可穿戴儀器或程序已經可以測量一些健康參數如心跳，血壓，血糖，卡路里等。盡管大多數這些設備都當作休閑目的使用，但他們正在慢慢轉變成更嚴謹的小工具。美國食品藥物管理局（FDA）已經批準多種血糖測量儀上市。

大數據對個體化醫療的影響

很多專家堅信大數據將對個體化醫療帶來深遠的影響，并且會大大提高個體化醫療的效率。很多項目也已經啟動，來研究個體化醫療的效率提高方法。

其中一個關于癌癥研究的項目是NCI分子分析的選擇療法實驗。這項實驗是美國精密治療項目的重要組成部分。實驗會招收1000名癌癥患者，對每位患者精準用藥。這1000名患者接受的不是常規的癌癥治療過程，而是通過腫瘤特性和基因標記物的匹配，對每位患者精準施藥以求實現更好的治療結果。在實驗中，每位患者會根據匹配結果得到一個清單，記錄著具體腫瘤與相對應的具體藥物。

這項研究還在進行，會有更多新型的腫瘤與之匹配的藥物識別。通過這個實驗，可以測出引發致命且稀少癌癥的基因組與相對應的確切藥物。此項目希望參與的患者中，至少25%以上患有稀有腫瘤，因此任何癌癥患者都可以加入到這個項目。項目會用一系列的參數來評估這些藥物是否有效，其中一個參數就是觀察腫瘤大小是否在變小，另一個參數是了解患者在過去6個月內是否病情惡化。研究人員也會考慮是否有治療的副作用。

目前，精準用藥日益受人們的關注。據Nature期刊報道，美國啟動了一項預算2.15億美元的全國精準施藥研究項目。此項目將建立一個大型國家數據庫，包含100萬人的基因信息。

上圖還原了個體化醫療模式的建立過程。

總結

毫無疑問，大數據將為醫療過程和個體化施藥帶來革命。然而，大數據的全球步伐還是十分緩慢而且區域之間是不同步的。大數據將來可以大大的降低不必要的醫療開支，節約成本，但是由于它也意味著常規醫患模式的改變，因此大數據也會在各個領域遇到阻礙。

因此，對于大數據，最關鍵的應用還是找出對付絕癥的治愈方法。