大数据正在默默地为抗击疾病贡献力量

奈何大神

大数据正在默默地为抗击疾病贡献力量

导　读

❶美国疾病预防控制中心（CDC）和瑞典非营利组织福楼曼德（Flowminder）测绘出典型的人口流动模式，并且估算出病例似乎会在哪里出现。通过跟踪拨打热线电话的用户来源，可以让他们了解和预测疫情的爆发地点。

❷BioMosiac计划。该计划能帮助合成不同数据集的汇总地图，其中包含了各种数据，从天气和气候数据，到全球家禽或已确诊病例的分布等。这些数据跟踪的是各个国家、各个港口之间的人员流动情况，并且让CDC有机会通过机场安全检查集中更多的高危人群，这些检查将提供更加全面的健康检查和安全检查。

❸根据美国在2009年通过的《经济与临床健康资讯科技法》（HITECH Act）规定，各大医疗机构必须保留电子病历，将一切信息数字化。

❹现在的问题并不是“今后大数据会在何时得到运用？”，而是“大数据已经在哪些领域运用中？”大数据可能已经在对我们当中的许多人造成影响。

随着医疗保健越来越离不开大数据，该领域食物链上的每个人都将会开始看到变化。政府、大学、企业，人人都与医疗保健的未来休戚相关。近年来，大数据通过帮助阻止埃博拉病毒的蔓延，抗击十分常见的可怕病症——败血症，已十分漂亮地向世人证明了自身的应用成果。此外，大数据还可以传播健康方面的循证医学知识，从而成为社会辩论领域中的黑马竞争者。

埃博拉

鉴于2014年非洲埃博拉疫情爆发的规模如此之大，大数据在这场疫情中的参与也是理所当然。大数据将战场从预估和传闻搬到了精准回应上。由于资源有限，预测出疾病的地域分布情况并据此派遣救援组织，至关重要。这要先从移动测绘着手，让美国疾病预防控制中心（CDC）和瑞典非营利组织福楼曼德（Flowminder）测绘出典型的人口流动模式，并且估算出病例似乎会在哪里出现。通过跟踪拨打热线电话的用户来源，可以让他们了解和预测疫情的爆发地点。

其他措施包括针对已传染者进行更加具体的跟踪。大数据分析公司Qlik也开发了一款埃博拉跟踪应用程序，该公司的大卫·博尔顿（David Bolton）举例说：“港口、火车和航班数据，以及车牌识别，都可以帮助跟踪潜在感染者和确定他们可能已经接触过哪些人。”

除了跟踪埃博拉病例的蔓延情况之外，CDC还需要协调他们的人员和行动。为此，他们求助于实时跟踪全球航空运输网络的BioMosiac计划。该计划能帮助合成不同数据集的汇总地图，其中包含了各种数据，从天气和气候数据，到全球家禽或已确诊病例的分布等。这些数据跟踪的是各个国家、各个港口之间的人员流动情况，并且让CDC有机会通过机场安全检查集中更多的高危人群，这些检查将提供更加全面的健康检查和安全检查。抗击埃博拉病毒的斗争没有采取任何传统手段。求助于复杂的数据集与分析，是埃博拉病毒迅速得到遏制的关键所在。

败血症

与迅速蔓延的埃博拉病毒不同，败血症（亦称为“血中毒”）的出现则是个体性的。当身体为抵抗感染而释放出极端的免疫系统措施时，就会发生败血症。这会引发严重的炎症，而且可能导致人体器官的损坏或衰竭。虽然并不经常被论及，但败血症其实是治疗成本最昂贵的病症之一，而且可能极难查出。败血症的预兆症状实在太过平常，根本无助于确诊：发冷，发烧，心率过快。败血症的真正症状会迅速出现，而且一旦患者发生休克，就可能很难醒转过来。该病的死亡率极高，仅在美国，每年就有一百多万人被确诊患有严重的败血症。

这正是阿马拉健康分析公司（AmaraHealth Analytics）成立的初衷。市面上已有床边监护仪用于收集心率、呼吸频率及其他指标的数据。但是，这些信息如果没有迅速得到正确解读，那也是没有用的。通过查阅败血症的大数据存储库以及一系列的图表指标，他们便可基于床边监护仪收集的这些数据创建出一个预测模型。他们只是将这些仪器连接到了一套云系统上，便把含糊的传统诊断方法替换成了准确的、注重细节的循证分析方法。

去年，美国宾夕法尼亚大学附属医院（Penn Medicine）经过大量艰苦的工作和研究后，将他们的败血症患者整体死亡率降低了四个百分点。根据美国在2009年通过的《经济与临床健康资讯科技法》（HITECH Act）规定，各大医疗机构必须保留电子病历，将一切信息数字化。这意味着一批体量大到前所未有的数据。宾夕法尼亚大学附属医院的团队开发了一系列算法，让他们能够更容易地识别出败血症的早期阶段。一旦发现客户的数据点与其他败血病患者的数据点相同，便会据此通知相应的护士。此外，该团队还在自己的这套系统中运用了机器学习技术，让他们的算法能够日益精进。虽然这些程序还无法充分整合遗传因素，但已经能够帮助宾夕法尼亚大学附属医院提前整整24小时确诊该病症——而这完全足以决定患者的生或死。凭借这些新的算法，他们已经将他们院内的败血症患者死亡率从17%降低至13%。

脊髓灰质炎

虽然还有很多有关大数据击退疾病（疟疾、登革热、流感）的实例，大数据在医疗保健领域中的运用却也有一些奇怪的社会案例。是的，数据帮助CDC在控制脊髓灰质炎的爆发和设法将其根除之间做出了十分重要的决定。他们经过充分权衡之后做出的决定，已经完全改变了脊髓灰质炎的未来。毫无疑问，是大数据让人们作出了根除脊髓灰质炎的关键决定，在帮助世人的同时也证明了数据可以在多少方面帮助世人。但是，还有一种更加令人费解的数据运用。

那就是疫苗。网上每有一个网页支持疫苗，就会有另外两个网页在反对疫苗。有人希望数据将会改变这些对话。许多社会评论人士相信，大数据将会粉碎整个反疫苗运动。鉴于自1980年代以来，每天都会冒出或被披露出各种研究，试图控制这场讨论非常困难。因此，收集自各国、各大洲以及诸如世卫组织（WHO）等主要机构的数据，或许有助于扭转局势。这张来自美国对外关系委员会（Councilon Foreign Relations）的图表，力求以一种便于阅读的方式分享证据和数字。疫苗可预防疾病爆发图（The Vaccine-Preventable Outbreaks chart）让用户可以按照年份或疾病类型来探索数据。匹兹堡大学第谷计划（ProjectTycho）从1888年至2011年间的87,950,807宗病例中创建了数据集。目的是绘制出这些数据相对于疫苗运动的变化情况，并且确定每次运动的效果究竟如何。第谷计划获得了比尔和梅琳达·盖茨基金会（Bill and Melinda Gates Foundation）和美国国立卫生研究院（National Institutes of Health）的资助。

大数据的最大卖点之一，就是能够让深不可测的信息清晰可见，许多人都认为大数据是这场辩论中的决定性声音。

研究人员、医生、患者和企业都会大大受益于大数据在医疗保健行业中的持续使用。诸如埃博拉等可怕疫情以及诸如败血症等常见疾病将永远不会重蹈覆辙。现在的问题并不是“今后大数据会在何时得到运用？”，而是“大数据已经在哪些领域运用中？”大数据可能已经在对我们当中的许多人造成影响。