大数据能修复医学吗?

本文涉及的产品
云原生大数据计算服务MaxCompute,500CU*H 100GB 3个月
简介:

就风险投资和产品创新而言,医疗数据绝对是一个热点,而回报可能是更好的照顾。


经过几十年的技术落后,医学已经进入数据时代。移动通信技术、传感器、基因组测序以及分析软件的进步,现在有可能捕捉到关于我们的个体组成和周围环境的大量信息。此信息的总和有可能改变医学,从旨在治疗一般患者转向治疗单独的患者,这样就能将控制权和责任更多地从医生转向患者。


问题是大数据真的能让医疗变得更好吗?


已经收集到大量数据。但是还不够”,加州大学旧金山医学院信息事务股临时主任艾德.马丁说。“这的确关键在于开发出让数据在未来发挥作用的一系列应用。”


根据麦肯锡公司顾问估计,利用这些数据可能每年创造3000亿至4500亿美元的商业机会。这种商业机会已经驱使知名大公司投资智能手机应用程序数据采集到数亿美元分析系统技术,如苹果、高通和国际商用机器公司。


它同样激起了创业的热情。根据Mercom资本集团的数据,过去几年在这个领域的投资出现了急骤增加,像Greylock Partners和Kleiner Perkins Caufield & Byers这些风险投资公司,以及谷歌、三星、默克和其他公司的企业风险投资基金,自2013年年初开始已经投入30亿美元用于医疗信息科技。


我们将陆续推出一份商业报告关注在这次繁荣和重塑医疗过程中将面对的挑战中最有可能生存下来的技术和公司。


今天掌控大部分医疗数据的机构是保险公司和保健提供者,而他们的数据分析已经开始改变医疗保健。


美国快捷药方公司管理全美9000万成员的药品福利,每年处理14亿份处方。该公司已从医生办公室、药房、化验室收集数据,以检测可能提醒医生潜在药物不良相互作用和其他处方问题的状况。


现在医生可以提前12个月知道他们的病人可能无法服药,准确率高达98%。采取措施避免这一问题,可以改善患者的健康状况,并且每年可为全美节省3170亿美元不必要的急诊和其他治疗费用。


今天许多公司和健康保健提供者添加其他信息图层,以创建日益精密的针对患者的医药品牌。例如,新的移动技术可以提供关于患者日常行为和健康的信息,从而为保健提供者提供更频繁地影响患者的机会;电子健康档案带来的数据将提高医生的见解和检查结果;基因数据将有利于深入了解患者是否对某些条件易患病,或患者对治疗的反应。


“我们愿意相信,我们所做的大部分关于医学的事情都是基于事实。”岩生公司(Rock Health)董事总经理马来甘地说(岩生集团为医疗开发组融资)“有些是,但大部分不是。”他表示,机会在于医学可能越来越依赖分析和证据。


数据也改变着患者的角色,为他们提供机会在自己的医疗方面扮演更核心的部分。其中一种方法是利用移动技术来监测睡眠状况、心脏速率、活动水平及其他。以后还会发展更加先进的设备,能持续监测关键指标,如血氧含量、葡萄糖水平、甚至压力状况。而像苹果这些公司希望可以成为储存这些信息的资料库,为用户提供新途径来追踪并可能改善自己的健康状况。


对大部分人来说,这种信息可能有用并且有趣,但对于数百万慢性病患者(如糖尿病、心脏疾病和抑郁症)来说,它的作用就是极其重要。


WellDoc制作了一种FDA批准的仅用于处方的“患者指导”系统,通过智能手机记录的信息来建议使用者服用多少量的胰岛素,这些信息包括血糖水平、最近的饮食和运动。它还能提供量身定制的鼓励信息,在数据和确定的医疗指南基础上为患者的医师提供治疗建议。正在开发的一种功能可以使系统预测低血糖反应,帮助使用者来避免这种情况。


Ginger.io使用手机和其他传感器收集的数据(经许可)来评估精神疾病如抑郁症患者的行为。他们会打电话给亲人吗,或睡眠足够吗?当患者表现出挣扎的迹象,他人可以有所警觉。


随着时间推移,两家公司将聚合信息来帮助医生研究并提高整体治疗效果。“这可能是史上最大的临床试验之一。”WellDoc首席战略和商业执行官克里斯.伯格斯坦说。“它甚至不是在人工环境下,它是实时的。”


费伦-麦克德米德综合症是一种缺失22号染色体的罕见疾病,会产生学习和记忆障碍等问题。受这种疾病影响的家庭正在建立数据库,包括基因组检测、临床病历、详细的家庭调查和历史等信息。


我们的目标是建立一个中央存储库,研究人员可以同时检测多个数据源。随着研究人员开始发现费伦-麦克德米德综合症、自闭症和其他疾病的相关性,建立存储库变得越来越重要。另一个益处:曾被某一学术研究实验室封锁的数据现将随时开放给许多不同领域的专家


这么多数据已经摆在那儿。”梅根.奥博伊尔说,她的女儿香农于2001年被诊断患有费伦-麦克德米德综合症,仅在测序22号染色体2年后。 “它们只是坐在那儿等待被使用。”



原文发布时间为:2014-09-13

本文来自云栖社区合作伙伴“大数据文摘”,了解相关信息可以关注“BigDataDigest”微信公众号

相关实践学习
基于MaxCompute的热门话题分析
本实验围绕社交用户发布的文章做了详尽的分析,通过分析能得到用户群体年龄分布,性别分布,地理位置分布,以及热门话题的热度。
SaaS 模式云数据仓库必修课
本课程由阿里云开发者社区和阿里云大数据团队共同出品,是SaaS模式云原生数据仓库领导者MaxCompute核心课程。本课程由阿里云资深产品和技术专家们从概念到方法,从场景到实践,体系化的将阿里巴巴飞天大数据平台10多年的经过验证的方法与实践深入浅出的讲给开发者们。帮助大数据开发者快速了解并掌握SaaS模式的云原生的数据仓库,助力开发者学习了解先进的技术栈,并能在实际业务中敏捷的进行大数据分析,赋能企业业务。 通过本课程可以了解SaaS模式云原生数据仓库领导者MaxCompute核心功能及典型适用场景,可应用MaxCompute实现数仓搭建,快速进行大数据分析。适合大数据工程师、大数据分析师 大量数据需要处理、存储和管理,需要搭建数据仓库?学它! 没有足够人员和经验来运维大数据平台,不想自建IDC买机器,需要免运维的大数据平台?会SQL就等于会大数据?学它! 想知道大数据用得对不对,想用更少的钱得到持续演进的数仓能力?获得极致弹性的计算资源和更好的性能,以及持续保护数据安全的生产环境?学它! 想要获得灵活的分析能力,快速洞察数据规律特征?想要兼得数据湖的灵活性与数据仓库的成长性?学它! 出品人:阿里云大数据产品及研发团队专家 产品 MaxCompute 官网 https://www.aliyun.com/product/odps 
目录
打赏
0
0
0
0
30498
分享
相关文章
大数据问题排查系列 - 因HIVE 中元数据与HDFS中实际的数据不一致引起的问题的修复
大数据问题排查系列 - 因HIVE 中元数据与HDFS中实际的数据不一致引起的问题的修复
学界 | iPOP:首个基于个性化大数据的个性化医学研究
该研究是关于 Mike Snyder 教授的「整合性个人组学图谱」(integrative personal omics profile,iPOP);Mike Snyder 教授是该论文的通讯作者,也是斯坦福大学遗传学系主任。这是首项针对个人的健康与疾病状态进行的大规模 iPOP 研究。该论文于 2012 年发表在 Cell 上。
537 0
学界 | iPOP:首个基于个性化大数据的个性化医学研究
浅谈医学大数据(中)
数据分析框架(传统数据分析框架,大数据分析框架) 医疗大数据有着(前一节)提到的所有特征。在医疗大数据带来各种优势的同时,大数据随之带来的各种特性使得传统的数据处理和数据分析方法及软件捉襟见肘,问题多多。
1224 0
在数据浪潮中前行:记录一次我与ODPS的实践、思考与展望
本文详细介绍了在 AI 时代背景下,如何利用阿里云 ODPS 平台(尤其是 MaxCompute)进行分布式多模态数据处理的实践过程。内容涵盖技术架构解析、完整操作流程、实际部署步骤以及未来发展方向,同时结合 CSDN 博文深入探讨了多模态数据处理的技术挑战与创新路径,为企业提供高效、低成本的大规模数据处理方案。
46 2

热门文章

最新文章

AI助理

你好,我是AI助理

可以解答问题、推荐解决方案等

登录插画

登录以查看您的控制台资源

管理云资源
状态一览
快捷访问