醫療大數據：智能醫療還有多遠？

　　總結起來醫療數據來源大致可分為以下幾類：

　　1、 患者就醫流程所產生的數據：包括患者基本信息、檢測數據、檢驗數據、影像數據、診斷數據、治療數據、費用數據等，這類數據一般產生及存儲在醫療機構，這也是醫療數據最主要的產生地。

　　2、 檢驗中心數據：大量存在的第三方醫學檢驗中心承接著醫療機構的檢驗外包功能，產生了大量患者的診斷、檢測、影像數據。

　　3、 藥企、基因測序數據：制藥公司在新藥研發及臨床過程中會產生大量數據，今年火爆的基因測序同樣也會產生大量的個人遺傳基因數據。

　　4、 智能可穿戴設備產生的數據：隨著移動醫療的快速發展，智能可穿戴設備也在迅速普及，大量的患者單一特征健康數據在快速的上傳到云端。

　　通過過去十期火視文章的報道，我們看到國外國外醫療大數據產業鏈已經初步形成：

　　1、 國外的醫療數據相對開放：無論是企業還是患者都可以更好的獲得較全面的醫療數據，這是醫療大數據應用的基礎。無論是醫療機構還是企業獲取的個人健康數據都相對開放，較國內更容易獲取。特別是醫療機構的健康數據、政府個人健康數據開放，都為醫療大數據的應用提供了基礎。

　　2、 國外醫療大數據產業鏈已經初步形成：從傳感器研發到智能可穿戴設備及檢測設備到大數據存儲到大數據的智能分析已經初具規模。以傳感器作為個人信息數據采集的基礎將會更加容易的獲取連續性、全面的個人健康信息，對疾病的管理以及智能診斷提供依據。

　　反觀國內，醫療大數據產業卻剛剛起步：

　　1、 醫療體系封閉：國內醫療系統相對較為封閉，公立醫院的醫療數據單獨存儲在院內，數據之間互不流通、不開放。大量優質的患者健康數據封閉在醫院的圍墻之內，難以利用。這固然有對患者健康信息安全性進行進行考慮的因素，但大量數據躺在醫院，造成了數據的浪費。

　　2、 醫療大數據產業鏈互相割裂，產業鏈上游被國外公司控制：我國醫療大數據產業鏈上、中游發展嚴重滯后于國外，如傳感器及醫療器械由于研發周期長、投入大、風險高的特點以及人才短缺，在國內發展并不理想。下游的數據分析技術由于數據的種種問題更是無從談起。反而移動醫療產業的快速發展，為醫療數據的獲取提供了新的途徑，但是移動醫療所獲取的患者數據畢竟是零散的，單一的數據，數據之間缺乏聯系，價值有限。

　　多通道的醫療數據正在匯聚成可以被利用的醫療大數據資源，其重要性無須贅述，隨著醫療數據行業的發展人們也開始重視對其的應用，甚至開始暢想基于醫療數據打造智能化的個人疾病診斷系統。

　　國外眾多的醫療健康產業開始運用大數據的方法對疾病進行預測，比如谷歌、百度等;也有越來越多的公司開始應用醫療大數據進行個人的健康管理，特別是常見病及多發病的輔助診斷。疾病智能診斷系統的出現，或許能讓人類在面對疾病治療時變得越來越智能和輕松。

　　目前醫療大數據應用可以概括為：

　　1、 臨床診斷輔助系統：結合患者個人健康檔案以及特定疾病的數據庫智能分析可以對患者進行多種診療措施比較分析，尋找最有診療路徑，幫助醫生進行決策。

　　2、 慢性病管理：基于慢性病數據庫結合遠程智能監護系統，實時跟蹤患者康復、用藥、生活習慣等，給與患者個性化慢性病管理經驗，并基于過程中所產生的數據對患者進行定制化用藥及治療方案。我國存在大量的慢性病患者，比如心臟病、糖尿病、高血壓等，基于醫療數據的患者慢性病管理將會很大程度上降低醫療成本。

　　3、 醫療數據與保險公司的結合：基于醫療數據監測患者付費行為及疾病概率，并進行慢性病管理，可以有效的降低保險公司成本，與其做到真正的打通。

　　4、 醫療數據與藥品研發想結合：利用現有醫療數據加上數據建模和分析，可預測藥品研發過程中的安全性、有效性、副作用等，可以有效的降低藥品研發成本，降低藥品價格。

　　當然以上四個方面是醫療大數據應用的幾個方面，人們所期待的醫療大數據最終應用或許是智能診斷系統，讓計算機代替醫生的部分功能，并為醫生臨床診斷提供有效的建議及幫助。