医疗大数据：智能医疗还有多远？

　　总结起来医疗数据来源大致可分为以下几类：

　　1、 患者就医流程所产生的数据：包括患者基本信息、检测数据、检验数据、影像数据、诊断数据、治疗数据、费用数据等，这类数据一般产生及存储在医疗机构，这也是医疗数据最主要的产生地。

　　2、 检验中心数据：大量存在的第三方医学检验中心承接着医疗机构的检验外包功能，产生了大量患者的诊断、检测、影像数据。

　　3、 药企、基因测序数据：制药公司在新药研发及临床过程中会产生大量数据，今年火爆的基因测序同样也会产生大量的个人遗传基因数据。

　　4、 智能可穿戴设备产生的数据：随着移动医疗的快速发展，智能可穿戴设备也在迅速普及，大量的患者单一特征健康数据在快速的上传到云端。

　　通过过去十期火视文章的报道，我们看到国外国外医疗大数据产业链已经初步形成：

　　1、 国外的医疗数据相对开放：无论是企业还是患者都可以更好的获得较全面的医疗数据，这是医疗大数据应用的基础。无论是医疗机构还是企业获取的个人健康数据都相对开放，较国内更容易获取。特别是医疗机构的健康数据、政府个人健康数据开放，都为医疗大数据的应用提供了基础。

　　2、 国外医疗大数据产业链已经初步形成：从传感器研发到智能可穿戴设备及检测设备到大数据存储到大数据的智能分析已经初具规模。以传感器作为个人信息数据采集的基础将会更加容易的获取连续性、全面的个人健康信息，对疾病的管理以及智能诊断提供依据。

　　反观国内，医疗大数据产业却刚刚起步：

　　1、 医疗体系封闭：国内医疗系统相对较为封闭，公立医院的医疗数据单独存储在院内，数据之间互不流通、不开放。大量优质的患者健康数据封闭在医院的围墙之内，难以利用。这固然有对患者健康信息安全性进行进行考虑的因素，但大量数据躺在医院，造成了数据的浪费。

　　2、 医疗大数据产业链互相割裂，产业链上游被国外公司控制：我国医疗大数据产业链上、中游发展严重滞后于国外，如传感器及医疗器械由于研发周期长、投入大、风险高的特点以及人才短缺，在国内发展并不理想。下游的数据分析技术由于数据的种种问题更是无从谈起。反而移动医疗产业的快速发展，为医疗数据的获取提供了新的途径，但是移动医疗所获取的患者数据毕竟是零散的，单一的数据，数据之间缺乏联系，价值有限。

　　多通道的医疗数据正在汇聚成可以被利用的医疗大数据资源，其重要性无须赘述，随着医疗数据行业的发展人们也开始重视对其的应用，甚至开始畅想基于医疗数据打造智能化的个人疾病诊断系统。

　　国外众多的医疗健康产业开始运用大数据的方法对疾病进行预测，比如谷歌、百度等;也有越来越多的公司开始应用医疗大数据进行个人的健康管理，特别是常见病及多发病的辅助诊断。疾病智能诊断系统的出现，或许能让人类在面对疾病治疗时变得越来越智能和轻松。

　　目前医疗大数据应用可以概括为：

　　1、 临床诊断辅助系统：结合患者个人健康档案以及特定疾病的数据库智能分析可以对患者进行多种诊疗措施比较分析，寻找最有诊疗路径，帮助医生进行决策。

　　2、 慢性病管理：基于慢性病数据库结合远程智能监护系统，实时跟踪患者康复、用药、生活习惯等，给与患者个性化慢性病管理经验，并基于过程中所产生的数据对患者进行定制化用药及治疗方案。我国存在大量的慢性病患者，比如心脏病、糖尿病、高血压等，基于医疗数据的患者慢性病管理将会很大程度上降低医疗成本。

　　3、 医疗数据与保险公司的结合：基于医疗数据监测患者付费行为及疾病概率，并进行慢性病管理，可以有效的降低保险公司成本，与其做到真正的打通。

　　4、 医疗数据与药品研发想结合：利用现有医疗数据加上数据建模和分析，可预测药品研发过程中的安全性、有效性、副作用等，可以有效的降低药品研发成本，降低药品价格。

　　当然以上四个方面是医疗大数据应用的几个方面，人们所期待的医疗大数据最终应用或许是智能诊断系统，让计算机代替医生的部分功能，并为医生临床诊断提供有效的建议及帮助。