未来医学：数据更重要

撰文 塞思·厄利（Seth Earley）  

翻译 高天羽

    "未来十年，数据科学和软件对医学的影响将超过所有生命科学的总和。”发表这个大胆宣言的是风险资本家维诺德·科斯拉（Vinod Khosla）。在未来，确有一种技术可能使全世界的风险资本家和硅谷创业者们感到兴奋：可穿戴设备将自带生物物理界面和生理传感器，它们的内嵌式诊断工具将能够衡量我们的“量化自我”（quantified self），从而使我们主宰自己的医疗活动，它们还将提高治疗效果，并“取代医生80％的工作。”

    不过，取得信息是一回事，根据信息行动又是另一回事。一向以来，病人都以不遵医嘱闻名，许多生活方式造成的疾病，都是因为病人没有做到自己该做的事（如戒烟、规律运动、吃健康食品等等）。缺乏自律是这些疾病产生的一个原因，要想健康，病人就必须严于律己，配合治疗。

把医疗转化为效果

    要促使患者改变习惯、配合治疗，较好的办法是让医者与患者沟通，而不是只管用药。研究消费者健康行为的斯蒂芬·威尔金斯（Stephen Wilkins）指出：“患者不依从是医患交流的一个难题，而不是医学信息技术的难题。”他还指出，医生在开出新药时向病人讲解的时间往往不足一分钟，关于为什么服药、如何服药，这类问题都没有一个详细的解释。

    曾经在电子病历行业服务的凯尔·萨马尼（Kyle Samani）认为：“在医疗领域，数据科学能否指导行动、产生效果，关键就要看医者和患者的交流、以及患者能否遵照医嘱采取行动。有几种方法能够促进医患交流，并使数据科学发挥作用，它们还能有效地促使患者改变行为。”

这些促成转变的机制实实在在地体现了那些人们赖以做出日常决策，并改掉不良行为和习惯的事情。这些事情包括交流、教育和提醒，对某些人来说，还有伴侣的唠叨。在临床检测中，医生会对病人短暂地嘱咐几句，这样的嘱咐需要用持续的教育来加强，比如借助门户网站、移动提示和每天的激励来及时规范病人的行为。

    一个有趣的想法是让病人带上移动传感装置，它们随时监测病人的行为、提供建议和干预，必要的时候，还能向病人的健康教练或配偶发出警示，要他们干涉或阻止病人的不当选择。（比如让谷歌眼镜识别到一根即将点燃的香烟。“别管我，眼镜。”患者可能如是说。）这项技术的关键在于让装置了解病人的病情，并且在病人愿意接受的时候，用正确的语气和方法提供他们所需的信息、鼓舞、激励或劝告。病情可以由文本分析确定，具体做法是利用电子病历、观测结果和传感数据，在非结构化的内容消费与测量结果之间建立相关性。各种信息源要加以整合、理出头绪，这个任务虽然艰巨，但是它一旦成功，就会成为医学信息学和医疗分析学的一项重大创新，也会在医疗干预和治疗成果之间补上关键的一环。

数据分析：循证新工具

    数据分析并不会减少对医生的需求，却会改变医生的工作内容。在未来，医生们花在诊断上的时间将会减少，因为那时的计算机已经吸收、分析了大量最新的医学信息，由它们诊断更加精确。医生和其他医学专业人士可以花更多时间来教育、抚慰病人，这或许也正是他们的初衷。

    种种数据，无论是来自传感设备、医患交流、对病人的提醒，还是医生在诊断时的详尽记录，都会构成一个内容丰富且不断增长的信息库，以供不同的人出于不同的目的使用。除了诊断病情，数据分析还可以在许多医疗领域发挥作用，至于用处多大，就要取决于分析的数据、提出的假说、分析的框架、以及业内专家的观点了。以“受控风险保险公司”为例，那是一家医疗责任专属保险公司，拥有者和服务对象均为哈佛大学医学院，公司分析了医疗事故保险索赔的数据，从中确定了高危患者的人数、病情、治疗、手术、主治医生等因素，也由此提高了医疗程序和疗法的安全性。

    还有一个地方可以获得大量患者的丰富病例数据，那就是医保系统中的支付单位——保险公司和公共卫生机构。这些机构每年都要经手数百万份索赔，从中可以归纳出医疗服务在提供、品质、效果、滥用、浪费、欺诈和错误方面的趋势。这些数据对于发现医疗服务中的异常情况也会很有帮助。近日，美国医疗保险及医疗补助中心（US Center for Medicare and Medicaid）颁布了几项政策，要求保险公司公布索赔信息，而在不久之前，这些数据还是公众无法接触的。（美国医学会曾在1979年收到一份命令，禁止他们向公众透露有多少纳税人的税款通过医保项目流入了医生的腰包，这部分数据因此在分析中消失。）数据的公开会使成本的核算变得更加精确，还能揭露不合常理的索赔模式、为保险欺诈的调查提供线索。2011年，超过40亿美元的医保诈骗款被追回，但是和调查者估计的诈骗总额相比，这还只是一小部分。数据分析的重要，由此可见。

    除此之外，数据分析还能确定何种疗法对特定的人群起效，其精确程度前所未有。

    “循证医学”是一个宽泛的概念，它运用描述、统计和分析的方法，对实验（结构化的临床试验）数据开展检验，对非结构化的观察数据（一般指电子病历）开展分析，由此评估治疗效果。外行人可能觉得一切医疗都是“循证”的：医学不就是建立在证据上的吗？

    这里就要牵涉一个难题：虽然医学是从科学中建立起来的，但是具体的医学实践却被视作一项技艺，只是有科学作为基础罢了。循证医学旨在将理论和实践相结合，既包含各种研究方法，又包含对于治疗过程和治疗结果的临床观察。不仅如此，那些临床上恰当、成本上合算的疗法，它们的开发、传播和实施手段，也被整合到了循证医学之中。

    用数据分析和大数据的方法来处理大量结构化或非结构化的异构数据，等于是为研究者和医生送去了一件新的分析工具，结果将推动循证医学的发展。还有人借着观测医疗数据的分析来确认那些罕见的药物不良事件，这在未来同样大有可观。

    个性化医疗（personalized medicine）是一个重要的新生医疗领域。它的实现有赖于几个需要处理大量数据的研究领域，比如药物基因组学、营养基因组学和药物蛋白组学，而这些领域都需要理解生物活性分子的行为，以此开发先进的疗法。

    生物系统都是多变、动态、复杂的化学系统，一个人的遗传构成只要稍有变异，就会显著影响疗法的效果。对相关数据的分析可以为特定人群提供最为有效的疗法，精确程度前所未有。要解释化合物及生物制品在这个复杂环境中的作用机理，研究者就必须模拟这些制品和数千个潜在变量、数百万个可能数据点的相互作用。要根据遗传构成来定制疗法、满足不同患者的需要，又必须对数据做出复杂精到的分析——要实现个性化医疗，就要长于数据、长于分析。　

    医疗系统正在经历剧变，它一方面要改善治疗效果、提高生活质量，一方面又要控制医疗成本，其中数据分析将会起到关键作用。未来几年将会出现许多新的机制和工具，显著推进医疗的各个领域。