大数据和个性化医疗这两个概念几乎在同一时间喧嚣起来。这两者一起合作将会怎样？如何利用大数据改善以病人为中心的诊疗服务，提高效率、降低成本？

过去20年里，GDP的17%耗费在医疗健康领域。许多专家学者正在寻找改革的可能性。许多人认为大数据应用于医疗领域将在节省资源上带来持续的改善。事实上，麦肯锡咨询称预计大数据战略将为美国医疗领域每年带来1亿的价值。

价值创新在于收集、整合、分析临床数据、医保索赔数据和药品研发数据，首先就是这些数据的易访问性，而获取这些数据最终将回馈给每个病人以更有效的诊疗服务。通过对已有病人治疗数据的再利用，则能比对新病人提供更合适的治疗方案。但在大数据最终在医疗领域获得集成之前，有几个达成远景创新价值的关键阶段。

协同合作下的研发数据融合

在制药领域若能管理、整合、链接研发数据将促进筛选项目、关联应用、规避潜在的安全问题。然而，处理海量数据的工作是繁重的。2007年时基因组测序仪产生的数据量按GB计算，而到2011年则已经得按TB来计算了。测序数据价值巨大，这令测序公司不得不开始琢磨数据存储和数据结构化的问题，中心数据存储库和云存储引用将倍受欢迎。Illumina和Life Technologies这两家基因测序领域的大腕都采用云存储和数据分析解决方案，以适应发展。

图像数据也是否重要。如今数字化病理成为前沿的数据化解决方案，因此能够被挖掘和对应其他类型的数据，例如临床效果或基因组数据。在过去我们无法想象有效地对图片数据进行挖掘。有某些研究者，例如哈佛大学的安迪·贝克（Andy Beck）运用图像分析解决方案分析大量的图片特点，从中发现能与临床效果相关联的新生物标识。

这些都意味着除了数据融合之外，对各类数据进行分析和关联的技术发展不可或缺。例如，先进的统计分析能发现合适某个特定基因可能会发生突变，它的表面效应水平将于某个特定组织的生物标识相关联，帮助我们做出结论。或者通过统计数据让我们知道在怎样的安全风险下特定组织会更容易受到损害。这就是大数据通过整合和关联为个性化医疗带来的价值。

效率更高效果更好的临床试验

每个新药进入市场都少不了临床试验，普遍认为有已发表的论文支持的随机临床试验成功的可能性更高。然而像赫赛汀（Herceptin）这样的药显示了伴随诊断在此阶段非常有用。它能让我们确定哪些病人服用此药物的反应最佳。未来在临床试验中，大数据不但能帮助监控对药物的效果，还能跟踪不同特定群体的不同反应。大数据方式通过处理人口多样性和对数据的实时分析，将成为传统临床试验的有力补充，从而设计效率更高效果更好的临床试验。

与临床效果相关联

研发数据和临床试验数据都嵌入了大数据分析之后，则要进入下一阶段：充分利用临床常规数据。理想状态是大数据方式能用于结合病人诊断资料、医保理赔和临床疗效，最终来理解怎样的治疗方案是最有效的。在某种程度上，这将促进对医疗标准的全新思考，医疗机构将进一步理解在医疗领域是什么在改善质量、降低成本和提高疗效。最终，个性化医疗关于诊断和疗效的结合，为每个病人量身定制。

*** ***

大数据在医疗行业的应用仍存在巨大挑战。首先将不同已有互补兼容的系统中的数据整合到一起，还得面对多样化的数据类型。为了将图像文件与其它类型的数据关联起来进行数据挖掘，图像数据化技术将越发重要。另一个棘手的挑战是临床领域的数据涉及病人隐私权，该如何实现保存和共享，目前这还是个相当受争议的话题。(原作者：Merrilyn Datta    编译：动脉网)