医疗大数据及精准医疗

第一篇：医疗大数据及精准医疗

医疗大数据及精准医疗

谢邦昌

台北医学大学管理学院及大数据研究中心院长/主任

大数据的趋势以及价值是现在最热门的话题，也改变了许多企业经营的方式，对于各行各业来说是势必是一个大挑战，能否将大数据的力量从危机到转机就要看现代经营者有没有转变传统型态的思维？

首先什么是大数据？传统数据一年的数据量大概为3TB左右，以现今数据来说一天的资料量为50TB，由这简单的数据量差就可以得知传统数据跟现今数据的差异多么庞大，也就是现在俗称的大数据时代。数据庞大之下，不管是银行业、传统零售业、社会建设公共方面甚至是医疗保健产业对数据处理、分析方式以及经营企业的模式将会有所改变。

在过往的医疗诊断历史，到医院看病时必须耗费许多时间等待看诊，而医生看诊又要再花费时间。当医生要求病患拍摄X光片或检验时，又要再花额外许多时间诊断。而在现今医疗信息高度发展的台湾，看诊程序从网络挂号、候诊顺序、诊间病历调阅、医师医令、处方开立、放射影像存取、检查检验数据储存等，无数的数据信息便在医院中传递、交换、储存。同时大多数的生理检验信息在你回诊时得以从电子病历中检索，这些我们认为理所当然的信息处理，在台湾我们只要花费少许的时间如一个早上便完成了，而这一切正是仰赖医学信息分析与医疗大数据的交换处理。

医学大数据的产生，主要归功于医疗设备数字化及电子化病历发展两大领域的突破，透过仪器数字化，医院得以获得更多病人疾病与健康信息纪录。而在病人医疗诊断方面，为了完善纪录病患个人资料、诊断数据与过往医疗纪录等，即促成了电子病历系统发展。医学大数据发展由过去纸张记录、纸本信息数字化、医学纪录储存到现今多信息整合，其数据量有着爆炸性的成长，不仅由过去个人社经信息、诊断信息等文字媒介，更拓展到多媒体影像信息，如X光影像，动态视讯影像信息，如核磁共振MRI以及电讯号信息，如心电图等等，这些庞大医学数据的汇集与高度整合技术能力，正是台湾医学信息领域发展领先的原因，同时更显得医学数据发展的多元应用及其重要性。

而由医疗健保产业来说，个人医疗信息终端的产生给医疗产业带来革命性的变化，连结了传统医院、政府（社会保障）、保险公司、药物生产公司等相关产业，形成新的行业生态圈。将互联网＋医疗保健去建构一个智能的健康系统，在整个健康系统下会有智能的合作伙伴，包含医院、医生、诊所、学术中心、保险公司、药厂、医疗设备制造商、政府等相关人员等，接着产生出个人化的护理体系，其中包含个人健康、成本节约、提高效率、病人教育、增强通信、绩效度量、预防等相关内容，使得人们有着更健康的社会。

经常听到的医疗云、照护云以及健康云都是运用云端技术结合大数据去提供健康咨询的服务。在网络普及下，人手一台智能型手机让这些云更能够去发挥，客户只需要使用健康感知的终端，其中包含穿戴型装置、爱睡宝、电视机以及相关的智能型测量装置，就能够让亲人、医生以及相关的护理人员得知目前的身体状态，不仅如此，还可以远程监护以及远程门诊，一切都透过远程医疗平台让人们有着安全、方便、快速及健康舒适的生活环境。

大数据在生技医疗卫生发展状况及应用,大数据已深耕于经济领域且创造了巨大的经济价值

美国的大数据产业已经创造了巨大的价值，具体表现在:大数据使美国医疗服务质量得到提高。

对于医疗服务的提供方和支付方来说，在减少医疗成本的同时不断提高医疗质量和效率仍然是一个难以实现的目标，而这也是改善民生的重大机遇。2010年，全美医疗支出占国内生产总值的17.9%，比2000年增长13.8%。而且，某些慢性疾病如糖尿病的患病率正在增加，正在消耗更多的医疗资源。

对这些疾病和其他相关健康服务的管理将深刻地影响国家的福祉。在这方面大数据可以发挥作用。为在广大人群中取得最有效的医疗效果，更多地使用电子健康记录（电子健康档案），并与新的分析工具相结合，将提供挖掘信息的机会。研究人员可以利用信息寻找有效的统计趋势，并依据真实的医疗服务质量开展医疗评估。

大数据在医疗及生技业之应用

医疗及生技业大数据应用的当前需求来自疫情和健康趋势分析、电子病例、医学研发、临床试验等领域。

疫情和健康分析趋势

利用大数据进行疫情分析，说明这个地方可能处于某种疾病蔓延，实时掌握病情。

Google和疾管局一样能够掌握流感疫情

2009年又冒出了一种新的流感病毒，称为H1N1。这种新菌株结合了禽流感和猪流感病毒，迅速蔓延。短短几星期内，全球的公共卫生机构都忧心忡忡，担心即将爆发流感大流行。有些人发出警讯，认为这次爆发可能与1918年的西班牙流感不相上下，当时感染人数达到五亿人，最后夺走数千万人的性命。雪上加霜的是，面对流感可能爆发，却还没有能派上用场的疫苗，公共卫生当局唯一能努力的，就是减缓其蔓延的速度。为了达到这项目的，必须先知道当前流行感染的范围及程度。在美国，疾病管制局（CDC）要求医生一碰到新流感病例，就必须立刻通报。即使如此，通报的速度仍然总是慢了病毒一步，大约是慢上一到两星期。毕竟，民众觉得身体不舒服之后，通常还是会过个几天才就医，而层层通报回到疾管局也需要时间，更别提疾管局要每星期才整理一次通报来的数据。但是面对迅速蔓延的疫情，拖个两星期简直就像是拖了一个世纪，会在最关键的时刻，让公共卫生当局完全无法掌握真实情况。

说巧不巧，就在H1N1跃上新闻头条的几星期前，网络巨擘Google旗下的几位工程师，在著名的《自然》科学期刊发表了一篇重要的论文，当时并未引起一般人的注意，只在卫生当局和计算机科学圈里引起讨论。该篇论文解释了Google能如何「预测」美国在冬天即将爆发流感，甚至还能精准定位到是哪些州。谷歌的秘诀，就是看看民众在网络上搜寻些什么。由于Google每天会接收到超过三十亿笔的搜寻，而且会把它们全部储存起来，那就会有大量的数据得以运用。

Google先挑出美国人最常使用的前五千万个搜寻字眼，再与美国疾病管制局在2003年到2008年之间的流感传播数据，加以比对。Google的想法，是想靠着民众在网络上搜寻什么关键词，找出那些感染了流感的人。虽然也曾有人就网络搜寻字眼做过类似的努力，但是从来没人能像Google一样掌握巨量数据（big data，直译为大数据），并具备强大的处理能力和在统计上的专业技能。

虽然Google已经猜到，民众的搜寻字眼可能与流感有关，像是「止咳退烧」，但相不相关其实不是真正的重点，他们设计的系统也不是从这个角度出发。Google这套系统真正做的，是要针对搜寻字眼的搜寻频率，找出和流感传播的时间、地区，有没有统计上的相关性。他们总共用上了高达4亿5千万种不同的数学模型，测试各种搜寻字眼，再与疾管局在2007年与2008年的实际流感病例加以比较。这套软件找出了一组共四十五个搜寻字眼，放进数学模型之后，预测结果会与官方公布的全美真实数据十分符合，有强烈的相关性。

于是，他们就像疾管局一样能够掌握流感疫情，但可不是

一、两星期之后的事，而是几近实时同步的掌握！因此，在2009年发生H1N1危机的时候，比起政府手中的数据（以及无可避免的通报延迟），Google系统能提供更有用、更及时的信息。公卫当局有了这种宝贵的信息，控制疫情如虎添翼。

最惊人的是，Google的这套方法并不需要去采集检体、也不用登门造访各家医院诊所，而只是好好利用了巨量数据，也就是用全新的方式来使用信息，以取得实用且价值非凡的见解、商机或服务。有了Google这套系统，下次爆发流感的时候，全球就有了更佳的工具能够加以预测、并防止疫情蔓延。

电子病例

将分散在医院中的各个部门、各式各样的病例集中在云端，医生们可透过语意搜查找出任何病例中的相关讯息，进而为医学诊断提供更加丰富的数据。可提供以病患为中心的个人化疗程建议，或帮助对医疗问题及其患病率进行自动诊断。台湾的医疗黑金：健保数据库 Google台湾董事总经理简立峰曾表示：「我认为最有价值的宝藏，就是台湾的全民健保数据库。」，台湾医疗产业贯穿上下游的数据，全在健保数据库里面，而且几乎所有人都要加入，全世界只有台湾拥有如此完整的数据库。美国麻省理工学院电机与计算机科学院教授约John Guttag也说，相较于美国，台湾的健保是由政府买单，这让医疗数据取得变得容易，「这是台湾的机会，未来也很有机会从中获利。」

累积15年来、2千3百万人民的健保数据库，正等待着识货的伯乐来挖宝。台中荣总医生、阳明大学教授吴俊颖以亲身经验说明，过去医学界只知道，幽门螺旋杆菌跟胃癌有关，但是却没有规模够大、时间够长的临床实验可以证实，他与研究团队藉由探勘台湾的健保数据库，发现服药根除幽门螺旋杆菌，可以降低胃癌的发生率。

这篇论文不只发表在肠胃科排名第一的杂志《肠胃病学》上，更震撼了日本医学界。日本是全球胃癌罹患率最高的国家，当地医生特别把这篇论文翻译成日文，并且说服日本厚生省，对幽门螺旋杆菌感染患者全面给付杀菌疗程，不仅影响医师的临床运作、政府决策，甚至有可能改变国际性医疗行为准则。

吴俊颖认为，台湾的健保数据库内容巨细靡遗，所有医疗项目都记录得一清二楚，「它像是永不干涸的黑金，当数据越来越多串联和使用，就会越来越有价值。」然而，吴俊颖也提到，健保数据库有个缺点，就是缺乏诊断和检测结果。麻省理工学院教授Peter Szolovits也曾举例说明过，如果有一位病患发现关节肿起来，医生跟他说这「疑似」是风湿性关节炎，因此记录风湿性关节炎的费用，可能后来病人发现根本不是这个病，如果把这笔数据用在风湿性关节炎的医疗研究上，那就会变成糟糕的数据，影响研究结果。

「如果能够把健保数据库与医院病历的数据库做结合，那它就会变成最完美的医疗数据库！」吴俊颖提到，病历数据包含检测和治疗的结果，不只对于台湾医疗产业来说非常有价值，国内外的生技和医药大厂，也都会抢着要跟台湾合作。想象一个情境，有天当你到南部度假，突然感到身体不适，就近到当地的诊所就医。第一次跟你见面的医生，登入全台湾共享的医疗数据库，调出你在其他医院的病历数据，花几分钟就能对你的身体了如指掌，还能透过临床决策辅助系统，显示出跟你有相同症状的病友群体、使用各种药物的治疗状况，透过大数据分析可以协助医生在最短时间内，找出最适合的治疗方式。

「很多人以为这样的愿景，离现实生活非常遥远，其实台湾已经走在半路上了。」台大医院竹东分院院长王明巨如此说道。的确，台湾医疗机构的病历电子化程度很高，很有可能成为全球第一个全国医院流通电子病历的国家。医学研发

运用实时监测及分析大量的仪器数据，建构预测模型，并利用统计工具改善临床试验设计，分析临床试验数据。发展个人化医学及疾病发作模式等医疗研发。利用大数据解决多发性硬化症的算法运算复杂度

位于水牛城的纽约州立大学(SUNY)是一个领先全球的多发性硬化症(MS)研 究中心。MS是一种具破坏性的、面性的神经系统疾病，影养全球近百人。这种疾病会使人的大脑和骨随发炎并产生神经病，导致患者可能出现行动不便、视力受损、疼痛等症状。

MS的病因是很复杂的，没有一个单一基因是可能的致病源。因此自2007年以来，SUNY就一直希望透过扫描MS患者的基因组的变化来开发新的治疗方式，透过从原本成千上万的基因序列的变异SNP，SNP指的是单核桃多型性，来获得单一样品，研究基因产物和其他基因产物及环境因素进行的交互作用。

研究人员的想法是以多个SNP变异点结合不同的环境变因，并使用一种被称之为「AMBIENCE」的算法，来检测县性和非线性两种数据数据中的相关性，以识别这些交互作用之间的关系。但是这个想法就如同大海捞针，因为环境变因包括像是实验对象曝晒太阳的时间长短、维生素D产生的量、吸烟的情况等皆有可能影响研究结果。况且人类的基因由23对染色体所组成，其中包含约30亿个DNA碱基对，这些因变量和应变量数量多到吓人，必须靠建构一套计算量高达1018的高等分析模型才能解决。

因此SUNY与IBM合作，建构一套搭配软硬件的数据分析系统，以往平均需要27.2小时的工作，缩短到现在只要11.7分钟即可完成。而且这套系统不仅大大简化和加速了复杂的分析过程，还提供了不同类型的变量值，如：分类变量、分配卜瓦松变量或连续常态变量等。过去，只要研究中增加一个新的变量值，研究团队就必须重新编写整个算法，而现在只需按几个键即可完成。

大数据系统分析的应用除了MS的研究以外，全球估计超过3300万人感染，至今没有方法可以完全治愈的艾滋病，以及罕见疾病等，都已开始利用大数据进行大型的医学研究。

临床实验

临床试验藉由大数据而有了重大的改变，可利用临床验数据、仪器读数等，进行比较效果研究、临床决策支持系统、远距病人监测及加强医学数据透明度等方面。

拥有数据数据保护的早产儿

所谓的早产儿是指怀孕不到37周就提早出世的宝宝。这些提早降临人世的小仙子，如果出生后体重不到1500公克，很可能会因为免疫系统尚未发育完全而受到感染，一旦感染之后就很容易引起呼吸衰竭、肺出血及败血症。

不过，加拿大多伦多市立儿童医院里的早产儿，却可以睡得特别安详，因为他们是有数据数据保护的「data baby」。随着医疗设备的发展，利用医疗监测仪器监测病患的生命征象，如血压、心跳和体温等，已经是非常普遍的事了。通常这些仪器还具有警报功能，一旦生理的数据数值超出正常范围时就会发出警示，医疗人员就会采取因应行动。但是即使医术再精湛、经验再丰富的医护人员，可能也无法准确地察觉这些异常的发生时间和严重性，尤其当发生在脆弱的早产儿生身上。根据美国弗吉尼亚大学追踪以往的数据显示，新生儿受到感染初期的12到24小时，因为脉搏和心跳几乎都可在接受的范围内，因此医护人员很难从生命征象数据的改变中察觉，等到警示灯响起，常常为时已晚。

连续监测和记录这些生理性数据，可以观察出新生儿是否遭受感染的早期征兆，但数据量实在太过庞大了。估计这些监测设备每一秒钟就会产生1000个读数。以往是30到60分钟由医护人员归纳出一个数据做为纪录，然后储存72小时。如果要把这些读数统统记录起来，根本是不可能的事。

但这项不可能的任务，并没有吓跑安大略省理工学院和IBM。他们使用来自怀生研究中心的最新技术，利用江河运算平台支持大量数据的收集和分析，一天24小时不间断地收集和记录着包括早产儿的体温、心跳、血氧饱和浓度和血压等电子监测仪器产生的大量数据，以及周遭环境如温度、湿度等相关数据。在保护病人的隐私安全考虑下，这些数据会直接传到安大略省理工学院研究中心和IBM华生研究中心；系统会分析和研究哪些因素的交互作用会造成感染，甚至哪几床的新生儿因为符合条件较多，可能出现疾病或感染的风险较大。之后，系统再将分析结果提供给医护人员比较判读。这些动作都在数秒内完成。藉由这项计划，儿童病房里的医护人员已经可以提前18到24小时，预防新生儿败血症的发生。

由于大数据在规模（Volume）、增加速度（Velocity），以及价值性（Value）上正呈现几何上升，而其数据所表现的多样性变化（Variety）与数据的有效性（Validation），更容易成为企业的风险源头。面对排山倒海而来的大数据，企业需运用大数据，迅速将数据转化成商业智能，运用分析信息，提升市场的洞察能力，做出更准确的营运决策。例如：电信业者可以分析手机在基地台漫游的特性，提供更好的在地费率；信用卡业者可以每天定期分析各种信用贷款所产生的风险，动态调整信贷利率；便利超商可以分析消费者的购买习惯，动态调整架上存货数量等；制造业者可透过现场制造系统所记录的大量在线实时生产数据进行分析，以协助制造业改善制程、提升良率，并减少物料浪费。因此大数据将是企业未来所面临的关键挑战。鉴于目前信息以超乎想象的速度产生、累积、消逝，而企业所面临的商机亦有相同的循环表现。透过海量信息的实时性分析与运用，将可对不同信息的需求者，产生不一样的价值与意义。若能持续在既有的数据中发掘价值，同时考虑动态信息所带动的巨大冲击，并藉此掌握瞬息万变的市场契机，则大数据的分析与应用，将有助于各类型企业在相关营运领域中，引领下一阶段的企业永续发展。基于以上的发展潮流与态势，麦肯锡（Mckinsey）管理顾问公司于2010年已指出未来引领企业发展趋势的十大科技，其中即包含了大数据的获取与分析、云端运算服务的公共价值，以及企业多层面的参与互动及服务。在这些技术与行动通讯网络的整合应用下，企业未来所产生的数据量将呈现倍数成长，并导致过去传统的储存技术即将遇到瓶颈，因此，虚拟化的云端运算分析技术，以及大数据的管理，将成为各方面所即将面临处理的新课题。从目前的技术发展 来看，未来各项实体化设施，将可能在未来藉由虚拟化的技术，得以降低各项成本的支出，然而云端运算与大数据的应用，绝非仅为建置一个大型数据中心即可，对于后续所产生大量数据下的数量管控、数据的质量与分析结果，以及这些数据所衍生之相关应用与服务，才是现阶段所应关心的重点。计算设施(Computer)网络设施(Network)储存设施(Storage)数据数量管控数据应用服务数据质量分析虚拟化(Virtualization)为了结合技术、数据，以及应用分析与服务等三项议题的探讨，本演讲大数据主要阐述BIG DATA 在生技医疗卫生上之应用与研究;抛砖引玉系望能激起大家投入医疗大数据的研究!

第二篇：大数据+精准医疗

大数据+精准医疗

2012年全国居民慢性病死亡率为533/10万，占总死亡人数的86.6%。心脑血管病、癌症和慢性呼吸系统疾病为主要死因，占总死亡的79.4%，其中心脑血管病死亡率为271.8/10万，癌症死亡率为144.3/10万（前五位分别是肺癌、肝癌、胃癌、食道癌、结直肠癌），慢性呼吸系统疾病死亡率为68/10过标化处理后，除冠心病、肺癌等少数疾病死亡率有所上升外，多数慢性病死亡率呈下降趋势。慢性病的患病、死亡与经济、社会、人口、行为、环境等因素密切相关。一方面，随着人们生活质量和保健水平不断提高，人均预期寿命不断增长，老年人口数量不断增加，我国慢性病患者的基数也在不断扩大；另一方面，随着深化医药卫生体制改革的不断推进，城乡居民对医疗卫生服务需求不断增长，公共卫生和医疗服务水平不断提升，慢性病患者的生存期也在不断延长。慢性病患病率的上升和死亡率的下降，反映了国家社会经济条件和医疗卫生水平的发展，是国民生活水平提高和寿命延长的必然结果。当然，我们也应该清醒地认识到个人不健康的生活方式对慢性病发病所带来的影响，综合考虑人口老龄化等社会因素和吸烟等危险因素现状及变化趋势，我国慢性病的总体防控形势依然严峻，防控工作仍面临着巨大挑战。

大数据的分析和应用都将在医疗行业发挥巨大的作用，提高医疗效率和医疗效果。

一、临床操作

在临床操作方面，有5个主要场景的大数据应用： 1．比较效果研究

通过全面分析病人特征数据和疗效数据，然后比较多种干预措施的有效性，可以找到针对特定病人的最佳治疗途径。

基于疗效的研究包括比较效果研究(Comparative Effectiveness Research，CER)。研究表明，对同一病人来说，医疗服务提供方不同，医疗护理方法和效果不同，成本上也存在着很大的差异。精准分析包括病人体征数据、费用数据和疗效数据在内的大型数据集，可以帮助医生确定临床上最有效和最具有成本效益的治疗方法。医疗护理系统实现CER，将有可能减少过度治疗(比如避免那些副作用比疗效明显的治疗方式)，以及治疗不足。从长远来看，不管是过度治疗还是治疗不足都将给病人身体带来负面影响，以及产生更高的医疗费用。

2．临床决策支持系统

临床决策支持系统可以提高工作效率和诊疗质量。目前的临床决策支持系统分析医生输入的条目，比较其与医学指引不同的地方，从而提醒医生防止潜在的错误，如药物不良反应。通过部署这些系统，医疗服务提供方可以降低医疗事故率和索赔数，尤其是那些临床错误引起的医疗事故。在美国Metropolitan儿科重症病房的研究中，两个月内，临床决策支持系统就削减了40%的药品不良反应事件数量。

3．医疗数据透明度

提高医疗过程数据的透明度，可以使医疗从业者、医疗机构的绩效更透明，间接促进医疗服务质量的提高。

根据医疗服务提供方设置的操作和绩效数据集，可以进行数据分析并创建可视化的流程图和仪表盘，促进信息透明。流程图的目标是识别和分析临床变异和医疗废物的来源，然后优化流程。仅仅发布成本、质量和绩效数据，即使没有与之相应的物质上的奖励，也往往可以促进绩效的提高，使医疗服务机构提供更好的服务，从而更有竞争力。

4．远程病人监控

从对慢性病人的远程监控系统收集数据，并将分析结果反馈给监控设备(查看病人是否正在遵从医嘱)，从而确定今后的用药和治疗方案。

2010年，美国有1.5亿慢性病患者，如糖尿病、充血性心脏衰竭、高血压患者，他们的医疗费用占到了医疗卫生系统医疗成本的80%。远程病人监护系统对治疗慢性病患者是非常有用的。远程病人监护系统包括家用心脏监测设备、血糖仪，甚至还包括芯片药片，芯片药片被患者摄入后，实时传送数据到电子病历数据库。举个例子，远程监控可以提醒医生对充血性心脏衰竭病人采取及时治疗措施，防止紧急状况发生，因为充血性心脏衰竭的标志之一是由于保水产生的体重增加现象，这可以通过远程监控实现预防。更多的好处是，通过对远程监控系统产生的数据的分析，可以减少病人住院时间，减少急诊量，实现提高家庭护理比例和门诊医生预约量的目标。

5．对病人档案的先进分析

在病人档案方面应用高级分析可以确定哪些人是某类疾病的易感人群。举例说，应用高级分析可以帮助识别哪些病人有患糖尿病的高风险，使他们尽早接受预防性保健方案。这些方法也可以帮患者从已经存在的疾病管理方案中找到最好的治疗方案。

二、付款/定价 对医疗支付方来说，通过大数据分析可以更好地对医疗服务进行定价。以美国为例，这将有潜力创造每年500亿美元的价值，其中一半来源于国家医疗开支的降低。

1．自动化系统

自动化系统(例如机器学习技术)检测欺诈行为。业内人士评估，每年有2%~4%的医疗索赔是欺诈性的或不合理的，因此检测索赔欺诈具有巨大的经济意义。通过一个全面的一致的索赔数据库和相应的算法，可以检测索赔准确性，查出欺诈行为。这种欺诈检测可以是追溯性的，也可以是实时的。在实时检测中，自动化系统可以在支付发生前就识别出欺诈，避免重大的损失。

2．基于卫生经济学和疗效研究的定价计划

在药品定价方面，制药公司可以参与分担治疗风险，比如基于治疗效果制定定价策略。这对医疗支付方的好处显而易见，有利于控制医疗保健成本支出。对患者来说，好处更加直接。他们能够以合理的价格获得创新的药物，并且这些药物经过基于疗效的研究。而对医药产品公司来说，更好的定价策略也是好处多多。他们可以获得更高的市场准入可能性，也可以通过创新的定价方案，更有针对性疗效药品的推出，获得更高的收入。

在欧洲，现在有一些基于卫生经济学和疗效的药品定价试点项目。

三、研发

医疗产品公司可以利用大数据提高研发效率。拿美国为例，这将创造每年超过1000亿美元的价值。

1．预测建模

医药公司在新药物的研发阶段，可以通过数据建模和分析，确定最有效率的投入产出比，从而配备最佳资源组合。模型基于药物临床试验阶段之前的数据集及早期临床阶段的数据集，尽可能及时地预测临床结果。评价因素包括产品的安全性、有效性、潜在的副作用和整体的试验结果。通过预测建模可以降低医药产品公司的研发成本，在通过数据建模和分析预测药物临床结果后，可以暂缓研究次优的药物，或者停止在次优药物上的昂贵的临床试验。

2．提高临床试验设计的统计工具和算法 使用统计工具和算法，可以提高临床试验设计水平，并在临床试验阶段更容易地招募到患者。通过挖掘病人数据，评估招募患者是否符合试验条件，从而加快临床试验进程，提出更有效的临床试验设计建议，并能找出最合适的临床试验基地。比如那些拥有大量潜在符合条件的临床试验患者的试验基地可能是更理想的，或者在试验患者群体的规模和特征二者之间找到平衡。

3．临床实验数据的分析

分析临床试验数据和病人记录可以确定药品更多的适应症和发现副作用。在对临床试验数据和病人记录进行分析后，可以对药物进行重新定位，或者实现针对其他适应症的营销。实时或者近乎实时地收集不良反应报告可以促进药物警戒(药物警戒是上市药品的安全保障体系，对药物不良反应进行监测、评价和预防)。或者在一些情况下，临床实验暗示出了一些情况但没有足够的统计数据去证明，现在基于临床试验大数据的分析可以给出证据。

这些分析项目是非常重要的。可以看到最近几年药品撤市数量屡创新高，药品撤市可能给医药公司带来毁灭性的打击。2004年从市场上撤下的止痛药Vioxx，给默克公司造成70亿美元的损失，短短几天内就造成股东价值33%的损失。

四、更具体一些，大数据已经得到实际应用的已经有如下场景

1．组学大数据精准医疗

人类通过开展组学研究及不同组学间的关联研究，从环境、生活方式和行为等暴露组学，至个体细胞分子水平上的基因组学、表观组学、转录组学、蛋白组学、代谢组学、宏基因组学，再到个体健康和疾病状态的表型组学等。利用大数据将各种组学进行综合及整合，既能为疾病发生、预防和治疗提供全面、全新的认识，也有利于开展个体化医学，即通过系统整合生物医学与临床数据，可以更准确地预测个体患病风险和预后，有针对性地实施预防和治疗。

2．大数据虚拟药物研发

快速识别生物标志物和研发药物。利用某种疾病患者人群的临床数据和组学数据，可以快速识别有关疾病发生、预后或治疗效果的生物标志物。在药物研发方面，医学大数据使得人们对病因和疾病发生机制的理解更加深入，从而有助于识别生物靶点和研发药物。同时，充分利用海量临床数据和组学数据、已有药物的研究数据和高通量药物筛选，能加速药物筛选过程。

3．生物大数据流行病防治

快速筛检未知病原和发现可疑致病微生物。通过采集未知病原样本数据，对病原进行测序，并将未知病原与已知病原的基因序列进行比对，从而判断其为已知病原或与其最接近的病原类型，据此推测其来源和传播路线、开展药物筛选和相应的流行疾病防治。

4．互联网大数据公卫监测

利用互联网大数据以及有关专业数据实时开展公共卫生监测。公共卫生监测包括传染病监测、慢性非传染性疾病及相关危险因素监测、健康相关监测，如出生缺陷监测、食品安全风险监测等。此外，还可以通过覆盖全国的患者电子病历数据库进行疫情监测，通过监测社交媒体或频繁检索的词条来预测某些传染病的流行。

5．大数据健康管理

实时开展大数据健康管理，通过可穿戴设备对个体体征数据，如心率、脉率、呼吸频率、体温、热消耗量、血压、血糖、血氧、体脂含量等数据的实时、连续监测和流数据挖掘、分析，提供实时健康指导与建议，更科学地实施个性化健康管理。

6．大数据疾病谱研究

了解人群疾病谱的改变，这有助于制定新的疾病防治策略。全球疾病负担研究是一个应用大数据的实例，该研究应用的数据范围广、数据量巨大，近4700台并行台式计算机完成了数据准备、数据仓库建立和数据挖掘分析的自动化和规范化计算，应用大数据研究人群疾病谱。

7．大数据人群队列研究

以大数据为导向的人群队列研究逐渐成为医学研究的热点。超大规模队列研究具有大样本-如数十万人群，前瞻性-如数十年长期随访，多学科-如基础、临床、预防、信息等多学科合作，多病种-如对多种疾病进行研究，多因素-如探讨多种危险因素，整合性-如监测系统、信息系统、医保系统的整合，共享性-如生物标本和数据资源的共享，等特点，经过长期随访能够产出大量人群数据，基于大数据的人群队列研究更具有科学性、可靠性和权威性。

第三篇：精准医疗

美国总统奥巴马在2015年国情咨文演讲中谈到“人类基因组计划”所取得的成果，并宣布了新的项目——精准医疗计划(Precision Medicine Initiative)。

精准医疗是由个性化医疗(personalized medicine)的概念衍生而来的。个性化医疗所关注的疾病治疗和预防的核心是个体，根据每个病人的个人特征制定个性化治疗方案。当前的药物越来越趋向于精确面向患有特定疾病的大量患者中少量特定人群，这部分人群有相同的分子特征，同时在分子层面上产生的问题上也保持一致。在具体实践过程中，精准医疗是指以个人基因组信息为基础，结合蛋白质组、代谢组等相关内环境信息，为患者量身设计出最佳治疗方案，以期达到治疗效果最大化和副作用最小化的一门定制医疗模式。

精准医疗的概念——即针对不同个体采取不同的预防与治疗措施——并非新鲜事物，事实上，在一个多世纪前，血型分析以及用来指导输血了。但有关精准医疗的广泛应用，还是在开发了大规模的生物数据库、通过组学等手段有效区分不同病人、以及大数据分析工具得以改进的基础上才实现的。

该计划主要包括两个方面：近期对癌症治疗的关注以及长远对健康和疾病整个范围知识应用的认识。

精准医疗的短期目标：癌症治疗

肿瘤治疗被选为精准医疗的短期目标。随着人口老龄化的进程加快，癌症已是美国以及全球其他地区主要的死亡原因。研究人员已发现，许多分子病变是驱动癌症的诱因，这表明不同癌症都有自己的基因印记、肿瘤标记物以及变异类型。虽然癌症主要是由日常生活中基因损伤积累所导致的，但可遗传性基因变异通常会增加患癌风险。这种对致癌机制的新理解已影响了在药物和抗体设计过程中，对癌症风险、分类诊断以及治疗策略的评估。许多靶向疗法已经或正在研发。

但目前常用的抗肿瘤化疗药物对患者治疗的有效性低于70%，约20%-35%的患者接受了不恰当的药物治疗。由于患者没有时间承受反复实验和不断摸索，如果在肿瘤治疗过程中能够实施个体化治疗，将能够大大提高疗效，避免过度治疗和降低患者经济负担，减少医疗资源的浪费。

随着药物基因组学以及蛋白质组学、转录组学等高通量分子检测技术的出现，分子靶向技术治疗癌症的个体化治疗手段——即从个体基因组中分析和鉴别患者之间存在的疾病相关的个体差异，并利用这些差异来合理的指导临床治疗，已经成为医学界广泛共识。所谓靶向治疗是指根据肿瘤的不同的特异性位点，抗肿瘤药物靶向性地与其发生作用从而杀死肿瘤细胞，而对正常组织影响较小。这是目前最理想的治疗模式。然而，同化疗药物一样，不同靶向药物对所有患者的有效率都非常低，通常在25%以下。造成有效率低下的主要原因在于患者体内存在单核苷酸多态性（SNP）。SNP的复杂性，决定了药物反应的多态性，药物疗效及最佳用药剂量很大程度上取决于药物相关基因变异。所以个体化用药，及个体化治疗已经成为恶性肿瘤、高血压、糖尿病等重大慢性疾病临床治疗的发展方向和最有效的手段。

例如，卫生部2010年11月首次发布了《结直肠癌诊疗规范》，明确规定：确诊为复发或转移性结直肠癌时，应进行相关基因状态检测，制定个体化治疗方案，患者确定为复发或转移性结直肠癌接受爱必妥、帕尼单抗（抗EGFR单抗）时，必须检测肿瘤组织的KRAS基因状态。肿瘤细胞表面存在着接收不同信号的通道。抗EGFR单抗通过阻断EGFR二聚体的形成，抑制其下游的细胞内信号传导，从而抑制肿瘤细胞的存活、增值等。但如果KRAS基因突变可旁路激活细胞内信号传导，从而导致抗EGFR单抗失效。所以，通过检测KRAS基因有否突变，医生就可以有针对性的区别给药。

精准医疗的长远目标：健康管理

精准医疗计划的第二部分是将加大科研进步，从而提升对疾病风险评估、疾病机制把握以及许多疾病最佳治疗方案的预测，这对扩大精准医疗在健康和卫生保健等诸多领域带来益处。

该计划将鼓励和支持新一代的科学家开发创造性的新方法来检测、测量和分析范围广泛的生物医学信息——包括分子、基因、细胞、临床、行为、生理和环境参数在内。在未来：今天的血液计数可能被数以百计的不同类型的免疫细胞普查所被取代；医疗移动设备可实现实时提供监测血糖、血压和心脏节律等方面的数据；基因型可能会揭示特定的基因变异，从而为特定的疾病提供保护；对粪便的取样可识别导致肥胖的肠道微生物。另外，血液检测也可检测出癌症早期出现或复发的肿瘤细胞或肿瘤DNA等。

精准医疗能提供一个强大的框架方案，加快其在不同领域的应用，最明显的是遗传疾病和传染病领域，在其他疾病和环境响应中也已获得积极反馈。

中国精准医疗计划将在2015下半年或明年启动，在2030年前，中国精准医疗将投入600亿元。今年2月，总书记批示科技部和国家卫生计生委，要求国家成立中国精准医疗战略专家组，共19位专家组成了国家精准医疗战略专家委员会。有了领导的重视，人力和经费的保障，相信我国在精准医疗领域必将大有作为。

如前所述，目前精准医疗的产品主要集中在肿瘤突变分子检测的用药指导方面，目前相关产品包括有关肿瘤基因突变、融合、表达等检测项目。由于在多项肿瘤诊疗规范中都规定了使用靶向药物等之前，必须要对相关基因突变情况进行检测，因此该市场潜力巨大。

肿瘤领域的基因测序是精准医疗最重要的组成部分，其应用将覆盖肿瘤的易感基因检测，早期筛查，疾病确诊，个性化用药指导，随诊与疗效评价等众多治疗环节。根据世卫组织（WHO）发表的《全球癌症报告2014》，全球癌症病例增长快速，从2012年的1400万人到2025年的1900万人和2035年的2400万人，全球癌症患者和死亡病例都在令人不安地增加，新增癌症病例有近一半出现在亚洲，其中大部分在中国，中国新增癌症病例高居第一位，肿瘤作为人类寿命的头号威胁其发病率和消费刚性远超产前筛查等市场。

基因测序技术是肿瘤个体化治疗的必备，一是检测肿瘤易感基因，利用DNA测序技术确认导致患者患病的基因或者受检者是否携带有肿瘤易感基因，寻找患者适用的肿瘤靶向治疗药物或者其他适宜的治疗手段。如果能在肿瘤早期阶段发现，并干预治疗，将极大地提高治愈率，显著延长患者生存时间，无论是CTC，还是ctDNA，都是聚焦外周血肿瘤早期筛查，高通量测序是主要技术手段。二是检测肿瘤靶向药靶点，在分子靶向药使用之前检测病人是否携带药物靶点，实现肿瘤的个体化治疗，以提高用药效率，达到最佳疗效并减少治疗费用。目前FDA已经批准了部分基因诊断肿瘤个体化治疗方案，高通量测序技术未来在现有的肿瘤个体化治疗基础上，或将提供更为详尽的治疗与用药方案,并能够更为高效地发现和药物作用机制有关的基因靶点，这些都具有重要的临床意义。

精准医疗具有广阔的前景，但就目前市场推广而言，还有些不能忽视的要素，譬如监管部门的控制力度、医疗保险的覆盖程度。以及医生的接受程度等。

第四篇：医疗精准扶贫实施方案

医疗精准扶贫实施方案

根据中共贵州省委贵州省人民政府《关于落实大扶贫战略行动坚决打赢脱贫攻坚战的意见》（黔党发[2015]27号）和中共黔南州委黔南州人民政府关于印发《黔南州精准扶贫决战决胜同步小康行动纲要（2015-2020年）》的通知，（黔南党发[2015]18号）等文件精神，为深入推进都匀市医疗精准扶贫工作，有效遏制和减少农村群众“因病致贫、因病返贫”，确保到2020年与全国同步建成小康社会，结合都匀市医疗卫生实际，制定如下实施方案。

一、目标任务

到2016年底，每个贫困村卫生室都有1-2名乡村医生或有对口帮扶医院医生定期在村卫生室坐诊，消除“空壳”卫生室，到2016年底，贫困农民参合率达100%，住院费用新农合和大病商业保险报销比例不低于90%。到2017年底，每个贫困乡镇卫生院培养1名全科医生，每个贫困村有一所标准化村卫生室和1名以上村医，建立完善稳定村医队伍的待遇及相关保障政策，彻底消除“空壳”村卫生室，真正实现小病不出村。到2018年底，乡镇卫生院硬件设施、技术力量得到进一步增强，实现一般疾病不出乡镇，贫困地区居民就医环境得到有效改善，逐步形成分级诊疗、层层保障的常态化工作机制。

二、医疗精准扶贫对象范围、认定和管理

（一）精准扶贫对象

1、精准扶贫建档卡贫困人口中的大病患者，特困供养人员，最低生活保障家庭成员。/ 8

2、享受抚恤补助的优抚对象，计生“两户”家庭成员。

3、艾滋病人和艾滋病机会性感染者，家庭经济困难的精神障碍患者、肇事肇祸精神障碍患者，低收入家庭中的重病患者、重度残疾人及老年人，因医疗自付费用过高导致家庭无力承担的患者。

4、县级以上人民政府规定的其他特殊困难人群。

（二）精准扶贫对象资格认定

1、扶贫部门与民政部门共同负责认定的扶贫对象：精准扶贫建档卡贫困人口和最低生活保障家庭成员中的大病患者。

2、民政部门负责认定的扶贫对象：特困供养人员，家庭经济困难的精神障碍患者、肇事肇祸精神障碍患者，低收入家庭中的重病患者、重度残疾人及老年人，因医疗自付费用过高导致家庭无力承担的患者，县级以上人民政府规定的其他特殊困难人群。

3、卫生计生部门负责认定的扶贫对象：计生“两户”家庭成员，艾滋病人和艾滋病机会性感染者。

（三）扶贫对象的管理

扶贫、民政、卫生计生部门要按照程序开展医疗救助保障对象认定工作，及时将认定信息反馈到基本医疗保险经办机构，并在基本医疗保险信息管理系统内完成医疗求助保障对象属性登录和上传。因医疗救助保障对象动态管理等特殊因素，对其医疗救助保障资格发生变更后，相关管理部门应及时通报基本医疗保险经办机构变更医疗救助保障特殊待遇属性。

三、具体工作措施 / 8

（一）加强组织领导，落实责任划分

为保证该项工作的顺利开展，要成立以市政府分管卫计工作的副市长为组长、市卫计局主要领导任副组长，各下属单位主要负责人及局机关相关科室负责人为成员的领导小组。领导小组下设办公室在市卫计局，市卫计局主要领导兼任办公室主任。局卫生计生基层指导科负责办公室日常工作，统筹协调全市医疗卫生计生资源，安排部署精准扶贫各项工作任务。实行局领导班子成员包保责任制度，帮助和指导各联系单位的精准扶贫工作落实情况。

（责任单位：市卫计局）(二)改善贫困乡村的就医环境。

积极争取项目资金的支持，加强贫困地区卫生院、村卫生室建设。对一般乡镇卫生院和中心乡镇医院重新进行功能定位，努力改善农村就医环境。特别针对贫困乡镇和贫困村，按规范标准添臵必要的诊疗设备，在新进人员、培养推荐等给予政策上的倾斜和优先考虑。2017年底前消除“空壳”村卫生室，推行对贫困户、留守儿童、空巢老人医疗卫生签约服务，积极探索对弱势群体的便民措施。

（责任单位：市卫计局、市发改局、市财政局、市民政局）

（三）加强贫困乡镇人才队伍建设

扎实做好国家免费培养的医学本科生定向贫困地区乡镇卫生院工作。每年为乡镇培养一定数量的村卫生员。到2017年底前统筹发挥各种资源优势，建立落实村医待遇的政策机制，切实解决村卫生员的社保、养老等问题，逐步提高经济待遇，制定切实可行的制度，出台/ 8

鼓励村卫生员参加公开招考优行优惠政策，打造一支留得住、用得上的实用型乡村医生队伍。

（责任单位：市卫计局、市教育局、市人社局、市财政局）(四）建立吸引医疗卫生人才到贫困乡镇工作的机制

严格落实城乡医院对口帮扶制度，市人民医院、社区卫生服务中心每年必须选派一定数量的医生到贫困乡镇开展卫生扶贫工作。实行二级医院、城区社区卫生服务中心医务人员在晋升高级职称前，必须到贫困乡镇累计工作不少于6个月的前提要求。通过招募方式征集有资质的医学志愿者到贫困乡镇卫生院开展志愿活动，提供面对面服务。在2016年底前，对没有村医的“空壳”村卫生室实行乡镇卫生院选派医生到村卫生室定期坐诊制度，实现所有村卫生室都有1-2名专业医务人员或定期坐诊医生。

（责任单位：市人社局、市卫计局、市人民医院）

（五）组建巡回医疗服务队

在原有医疗支农安排不变的前提下，加大到贫困乡镇卫生院、村卫生室送医送药巡回服务力度，让优质医疗服务和技术往基层下沉。发动和组织市人民医院、社区卫生服务中心及各民营医疗机构积极参与，每月至少1天开展医疗巡回服务和义诊活动。巡回医疗服务队所发生的费用由各派出医疗机构负责，不得增加贫困乡镇、贫困村的负担。

（责任单位：市卫计局、市人民医院）

（六）开展城乡医院对口智力支援 / 8

多年来深圳龙岗区一直是我市医疗卫生工作的帮扶城市，要积极主动与深圳龙岗区医疗机构联系进修学习事宜，并帮助开展特色专科建设，提升诊疗技术水平。市卫计局将积极争取帮扶工作延伸到贫困乡镇。市人民医院、各社区卫生服务中心、乡镇卫生院和民营医院智力支援要延伸到贫困村卫生室，免费接收村卫生室人员到医院（社区）进修学习。由市卫计局制定具体的帮扶方案执行。

（责任单位：市卫计局、市人民医院）

（七）整合保障资源，提高医疗保障能力

结合精准扶贫的要求，实行贫困对象个人参合缴费资助措施。民政部门全额资助特困供养人员、五保户、享受抚恤补助的优抚对象参合，对低保家庭成员予以每年每人不低于30元参合补助。卫生计生部门全额资助农村计生“两户”家庭成员（独生子女户、二女绝育户夫妇及其未满18周岁的子女）（参合）。进一步制定和完善资助农村极贫户、一般贫困户、留守儿童、空巢老人参合补助政策。

对贫困对象进行分类标识，开通绿色通道，先救治后结算，简化入院手续，严禁因费用问题延误救治或推诿扶贫救助对象。精准扶贫建档立卡贫困人口中的重大疾病患者，特困供养人员，最低生活保障对象中的长期保障户、80岁以上老年人，经基本医疗保险、大病商业保险、民政医疗救助等保障后，政策范围内医疗费用保障水平达到100%。精准扶贫建档立卡贫困人口中的大病患者（除基本医疗保险规定的重大疾病患者），最低生活保障对象，艾滋病人、艾滋病机会性感染者，家庭经济困难的精神障碍患者、肇事肇祸精神障碍患者，享受抚恤补/ 8

助的优质对象，政策范围内医疗费用经基本医疗保险、大病保险报销后，剩余部分在年救助封顶线内按不低于70%的比例由民政医疗救助金给予救助。低收入家庭中的重病患者、重度残疾人及老年人，因医疗自付费用过高导致家庭无力承担的患者，县级以上人民政府规定的其它特殊困难人群，政策范围内医疗费用经基本医疗保险、大病保险报销后，剩余部分，经申请认定，在年救助金封顶线内按不低于50%的比例有由民政医疗救助金给予救助。精准扶贫建档立卡贫困人口中的大病患者等11类救助保障对象，经基本医疗保险、大病保险、计生医疗扶助、民政医疗救助等救助保障后，政策范围内医疗费用保障平均水平达到90%以上。（责任单位：市卫计局、市民政局、市人社局、市扶贫局）

（八）协调整合各种政策资源开展医疗卫生扶贫

积极协调民政、扶贫、农业、林业、红十字会等部门，争取更多的资金和资源投入医疗卫生扶贫工作中。进一步调整计划生育利益导向政策，结合计划生育家庭“率行小康”行动计划，以生育关怀基金、幸福工程项目、计生协产业合作社、“三结合”帮扶等为依托，对贫困计生家庭子女入学、劳动就业、技术培训、危房改造、发展生产等方面进行重点倾斜。提高年满65周岁的计生家庭困难老人奖励扶助标准，有针对性帮助计生特殊困难家庭发展投资小、见效快的种植、养殖扶贫项目。

（责任单位：市卫计局、市民政局、市扶贫局、市农工局、市林业局、市红十字会、市计生协会）/ 8

（九）推进贫困地区公共服务均等化和美丽乡村建设

进一步强化公共卫生服务和疾病预防控制。以贫困乡镇为单位，居民健康档案规范化电子建档率达90%以上；计生两户系统管理率达100%，留守儿童系统管理率达90%，免疫规划疫苗接种率达95%以上，贫困乡镇、村慢性病健康管理率达90%以上；65岁以上空巢老人健康管理率达90%以上；每年免费为空巢老人、留守儿童开展一次健康体检，免费为适龄儿童提供疫苗接种，免费为育龄期妇女开展“两癌”筛查。对贫困乡镇农村饮用水质每年监测两次，监测率达70%以上；疾控中心加强贫困乡镇、贫困村日常疾病预防监测，控制传染源头，切断传播途径，保护易感人群。积极助推“美丽乡村”建设，2016年启动贫困村卫生室达标创建工作，到2016年底，以帮扶乡镇为单位，20%以上的贫困村达到省级卫生村目标，到2017年底，40%以上的贫困村达到省级卫生村目标，到2018年底，70%以上的贫困村达到省级卫生村目标。

（责任单位：市财政局、市卫计局、市疾控中心）

三、工作要求

（一）加强组织领导。各单位要认真领会总书记、省委、省政府、州委、市政府实施扶贫攻坚行动的重要意义，提高认识，加强领导，明确医疗卫生扶贫各项工作任务，特别是要摸清贫困乡镇、贫困村、贫困对象的分类情况。各相关单位及科室要制定具体的工作方案，保证精准扶贫各项工作的顺利开展。

（二）加强部门协调。要加强与相关部门（科室）的协调配合，/ 8

建立联席会议制度和日常工作调度制度，充分发挥职能作用，积极争取相关部门的政策支持，共同促进工作的健康发展。

（三）加强经费保障。卫计系统要积极争取发改、财政、扶贫等相关部门的资金的支持，各医疗卫生计生单位要把精准扶贫工作作为当前的重要民生工作来抓，每年要优先安排扶贫专项经费，加强资金管理和使用，确保任务顺利完成。

（四）加强宣传引导。局机关、各医疗卫生计生单位要紧紧围绕医疗扶贫解决贫困群众“看病贵，看病难”等问题，宣传扶贫工作的动态信息，惠民政策，经验做法，亮点典型，将适时召开工作推进会，联席会等，全面推进精准扶贫工作。

（五）加强督查督办。下一步根据州卫计委的各项具体行动方案，各涉及部门（科室）要制定各项配套工作方案和任务分解计划，明确职责分工和完成时限。局机关将此项工作纳入目标考核内容，并加大督办督查力度。/ 8

第五篇：大数据时代的医疗

进入21世纪后，计算机网络技术得到了高速发展，现在网络已经深入了人们生活的各个部分，可以说人们已经离不开网络了。面对大数据时代的到来，医疗行业又该何去何从呢。

科技发展到今天，医院已经基本能实现无纸化办公，传统的手开处方模式已基本结束。省级以上的医院都已经实现智能化、信息化、数据化。但是大数据时代，互联、互通、共享才是时代特色，数据局限于几家医院或一片区域都没有太大意义，只有在大范围甚至全国实现数据互通，共享，才能让人们真正享受大数据带来的福利。

在科技高速发展的同时，我国经济也在高速发展，随着人民的物质生活水平不断提高，相应对医疗、保健养生方面也提出了更高的要求。而我们国情决定了大部分人都处于基层范围，在大数据时代的医疗结构中，县级医疗单位就处于一个非常重要的位置。它起到一个承上启下的作用，只有它实现智能化、数据化、信息化，才能真正提高广大人民接受的医疗水平。

医院救人如消防员救火，争分夺秒，浪费时间=浪费生命。大家经常能看到这样的场景：一个护士妹子跳上手推车做心肺复苏，其他人推着向急救室飞快跑去。然人力有时而穷，这就需要我们想法缩短可能缩短的进程，为病人获得更多的时间。如果能在一个或几个省甚至全国范围现在数据互联、互通，那就很方便快捷了，病人只需在这个范围内的任意一个终端上，刷下自己的身份信息，主治医生就可以看到他以前所有的治疗信息，根据他的既往病史，迅速作出判断，大大缩短治疗时间。再比如：一个人急需手术，但他所在区域无法完成这个手术，这时候上级医院专家可以在线视频，通过传感器的检测数据来诊断病情，通过遥控智能手术设备来完成手术，从而挽救生命。

未来的医疗，可不仅仅是治病就完事了，应该是集预防、治疗、治疗后回访，康复，保健几位于一体的立体式治疗模式。这就对医生提出了更高的要求，不仅要医术精湛，还要熟练各种智能化器械、终端，更是要治疗思维模式的改变、提高。以后医生的工作范围不仅仅是在医院，首先要普及疾病常识，让人们了解，做好预防；治疗后可以通过手机终端回访，了解病人情况，做好治疗后的康复工作，下一步的保健、养生。甚至可以通过手机终端连接传感器，简单检测一下情况。可能以后医院也就不仅仅是医院了。

大数据互联网带来了方便快捷，同时也有不可忽视的隐患问题。其一就是网络安全问题。互联、互通，首先面对的就是来自网上的各种病毒、木马，甚至于有目的的恶意攻击，还有就是医院里终端使用中带来的各种意外。第二就是信息泄露。医院的数据库中保存有大量病人的详细信息，不管是什么原因，都是一场不小的灾难。因此大数据互联网时代，安全防护是重中之重，不仅要防住来自网络攻击的“网灾”，更是要加强管理，警惕“人祸”。

最后，在党的正确领导下，随着科技和经济的发展，我们的生活水平会不断提高，迈向更美好的明天。