撰文?塞思·厄利（Seth Earley）??

翻譯?高天羽

 '未來十年，未醫數據科學和軟件對醫學的學數影響將超過所有生命科學的總和。”發表這個大膽宣言的據更是風險資本家維諾德·科斯拉（Vinod Khosla）。在未來，未醫確有一種技術可能使全世界的學數風險資本家和硅谷創業者們感到興奮：可穿戴設備將自帶生物物理界面和生理傳感器，它們的據更內嵌式診斷工具將能夠衡量我們的“量化自我”（quantified self），從而使我們主宰自己的未醫醫療活動，它們還將提高治療效果，學數并“取代醫生80％的據更工作。”

 不過，未醫取得信息是學數一回事，根據信息行動又是據更另一回事。一向以來，未醫病人都以不遵醫囑聞名，學數許多生活方式造成的據更疾病，都是因為病人沒有做到自己該做的事（如戒煙、規律運動、吃健康食品等等）。缺乏自律是這些疾病產生的一個原因，要想健康，病人就必須嚴于律己，配合治療。

把醫療轉化為效果

 要促使患者改變習慣、配合治療，較好的辦法是讓醫者與患者溝通，而不是只管用藥。研究消費者健康行為的斯蒂芬·威爾金斯（Stephen Wilkins）指出：“患者不依從是醫患交流的一個難題，而不是醫學信息技術的難題。”他還指出，醫生在開出新藥時向病人講解的時間往往不足一分鐘，關于為什么服藥、如何服藥，這類問題都沒有一個詳細的解釋。

 曾經在電子病歷行業服務的凱爾·薩馬尼（Kyle Samani）認為：“在醫療領域，數據科學能否指導行動、產生效果，關鍵就要看醫者和患者的交流、以及患者能否遵照醫囑采取行動。有幾種方法能夠促進醫患交流，并使數據科學發揮作用，它們還能有效地促使患者改變行為。”

這些促成轉變的機制實實在在地體現了那些人們賴以做出日常決策，并改掉不良行為和習慣的事情。這些事情包括交流、教育和提醒，對某些人來說，還有伴侶的嘮叨。在臨床檢測中，醫生會對病人短暫地囑咐幾句，這樣的囑咐需要用持續的教育來加強，比如借助門戶網站、移動提示和每天的激勵來及時規范病人的行為。

 一個有趣的想法是讓病人帶上移動傳感裝置，它們隨時監測病人的行為、提供建議和干預，必要的時候，還能向病人的健康教練或配偶發出警示，要他們干涉或阻止病人的不當選擇。（比如讓谷歌眼鏡識別到一根即將點燃的香煙。“別管我，眼鏡。”患者可能如是說。）這項技術的關鍵在于讓裝置了解病人的病情，并且在病人愿意接受的時候，用正確的語氣和方法提供他們所需的信息、鼓舞、激勵或勸告。病情可以由文本分析確定，具體做法是利用電子病歷、觀測結果和傳感數據，在非結構化的內容消費與測量結果之間建立相關性。各種信息源要加以整合、理出頭緒，這個任務雖然艱巨，但是它一旦成功，就會成為醫學信息學和醫療分析學的一項重大創新，也會在醫療干預和治療成果之間補上關鍵的一環。

數據分析：循證新工具

 數據分析并不會減少對醫生的需求，卻會改變醫生的工作內容。在未來，醫生們花在診斷上的時間將會減少，因為那時的計算機已經吸收、分析了大量最新的醫學信息，由它們診斷更加精確。醫生和其他醫學專業人士可以花更多時間來教育、撫慰病人，這或許也正是他們的初衷。

 種種數據，無論是來自傳感設備、醫患交流、對病人的提醒，還是醫生在診斷時的詳盡記錄，都會構成一個內容豐富且不斷增長的信息庫，以供不同的人出于不同的目的使用。除了診斷病情，數據分析還可以在許多醫療領域發揮作用，至于用處多大，就要取決于分析的數據、提出的假說、分析的框架、以及業內專家的觀點了。以“受控風險保險公司”為例，那是一家醫療責任專屬保險公司，擁有者和服務對象均為哈佛大學醫學院，公司分析了醫療事故保險索賠的數據，從中確定了高危患者的人數、病情、治療、手術、主治醫生等因素，也由此提高了醫療程序和療法的安全性。

 還有一個地方可以獲得大量患者的豐富病例數據，那就是醫保系統中的支付單位——保險公司和公共衛生機構。這些機構每年都要經手數百萬份索賠，從中可以歸納出醫療服務在提供、品質、效果、濫用、浪費、欺詐和錯誤方面的趨勢。這些數據對于發現醫療服務中的異常情況也會很有幫助。近日，美國醫療保險及醫療補助中心（US Center for Medicare and Medicaid）頒布了幾項政策，要求保險公司公布索賠信息，而在不久之前，這些數據還是公眾無法接觸的。（美國醫學會曾在1979年收到一份命令，禁止他們向公眾透露有多少納稅人的稅款通過醫保項目流入了醫生的腰包，這部分數據因此在分析中消失。）數據的公開會使成本的核算變得更加精確，還能揭露不合常理的索賠模式、為保險欺詐的調查提供線索。2011年，超過40億美元的醫保詐騙款被追回，但是和調查者估計的詐騙總額相比，這還只是一小部分。數據分析的重要，由此可見。

 除此之外，數據分析還能確定何種療法對特定的人群起效，其精確程度前所未有。

 “循證醫學”是一個寬泛的概念，它運用描述、統計和分析的方法，對實驗（結構化的臨床試驗）數據開展檢驗，對非結構化的觀察數據（一般指電子病歷）開展分析，由此評估治療效果。外行人可能覺得一切醫療都是“循證”的：醫學不就是建立在證據上的嗎？

 這里就要牽涉一個難題：雖然醫學是從科學中建立起來的，但是具體的醫學實踐卻被視作一項技藝，只是有科學作為基礎罷了。循證醫學旨在將理論和實踐相結合，既包含各種研究方法，又包含對于治療過程和治療結果的臨床觀察。不僅如此，那些臨床上恰當、成本上合算的療法，它們的開發、傳播和實施手段，也被整合到了循證醫學之中。

 用數據分析和大數據的方法來處理大量結構化或非結構化的異構數據，等于是為研究者和醫生送去了一件新的分析工具，結果將推動循證醫學的發展。還有人借著觀測醫療數據的分析來確認那些罕見的藥物不良事件，這在未來同樣大有可觀。

 個性化醫療（personalized medicine）是一個重要的新生醫療領域。它的實現有賴于幾個需要處理大量數據的研究領域，比如藥物基因組學、營養基因組學和藥物蛋白組學，而這些領域都需要理解生物活性分子的行為，以此開發先進的療法。

 生物系統都是多變、動態、復雜的化學系統，一個人的遺傳構成只要稍有變異，就會顯著影響療法的效果。對相關數據的分析可以為特定人群提供最為有效的療法，精確程度前所未有。要解釋化合物及生物制品在這個復雜環境中的作用機理，研究者就必須模擬這些制品和數千個潛在變量、數百萬個可能數據點的相互作用。要根據遺傳構成來定制療法、滿足不同患者的需要，又必須對數據做出復雜精到的分析——要實現個性化醫療，就要長于數據、長于分析。

 醫療系統正在經歷劇變，它一方面要改善治療效果、提高生活質量，一方面又要控制醫療成本，其中數據分析將會起到關鍵作用。未來幾年將會出現許多新的機制和工具，顯著推進醫療的各個領域。