杰夫·哈默巴德（Jeff Hammerbacher）是西奈山伊坎医学院的研究人员，他的办公室坐落于全美国经济两极化最彻底的地区之一。放眼望去，办公室南边是纽约时髦上东区的联排别墅，北部则是落后的东哈莱姆贫民区。
有趣的事儿是这个：去年，伊坎医学院安装了一台发出嗡嗡响的超级计算机，该计算机名为密涅瓦（Minerva），以罗马神话中掌管医药的智慧女神命名。
在医院中，超级计算机是极其罕见的东西，即便是如伊坎医学院这般大型的研究中心和医学院。不过，同样罕见的是像哈默巴德这样脑袋可媲美超级计算机的天才。哈默巴德以创建Facebook的数据科学团队而遐迩闻名，后来又联合创办了硅谷顶级大数据软件公司Cloudera，如今他兼任该公司的首席科学家。
今年，他搬到纽约并全身心投入伊坎医学院的研究工作，致力于用Cloudera软件Demeter创建另一个强大的计算机集群以及构建可更好地储存、处理、挖掘和建立数据模型的工具。对于医学院现有的电子病历系统及其数据仓库，哈默巴德给予了肯定，“其生成的数据量颇为惊人。”光是去年，该数据仓库便储存了3亿个“新事件”。然而，哈默巴德也指出了不足，“必须说，储存的数据只是冰山一角。”
是否真存在三种2型糖尿病？3万名志愿者的健康数据暗示我们，或许我们知道的远比自己以为的要少。
综上所述，各种情况造就了医院中最有趣的实验之一，该实验让我们得以一窥医疗保健的未来，即从基因组到颚骨追踪装置等等，与我们健康相关的数据正呈爆炸式增长。
“我们试图创建的是一个学习型医疗保健系统，”伊坎医学院生物医学信息专业主任乔尔·达德利（Joel Dudley）说道，“首先，我们必须收集许多人的数据，并将数据与结果连接起来。”
想知道这家位于西奈山的医院未来将呈现何种面貌，你只需在脑中想象网飞（Netflix）、亚马逊甚至Facebook是如何运行的。这些公司收集用户的数据，再用它们所开发的预测模型和推荐系统来处理数据，综合考虑用户的浏览或购买历史后——或许还包括用户在其他网站上的历史以及“相似”用户的历史——它们会对未来做出最佳猜测，比如用户想购买或想看到什么，或什么类型的广告会对用户产成诱惑。
通过大批量的实时数据挖掘，比如在类似密涅瓦的超级计算机上挖掘，各个医院终将以类似的方式运行，目的在于为西奈地区的个体病人改善健康结果，以及发现能更广泛地提高公共卫生的诊断、治疗和疾病防治方式。“这好比用强子对撞机测试粒子物理学和高能物理学的各个理论，”达德利说，“让我们将所有知道的生物学理论都投入测试，看看在大量人群中的粗糙的测量结果。最终，数据将告诉我们生物学是怎么一回事。”
达德利将眼光转至电脑屏幕，向我们展现“大数据”将如何颠覆医疗保健和医学研究界——虽然只是早期的模糊概念。
屏幕直观显示了3万名西奈医院病人的健康数据，这些病人均自愿为研究人员提供个人信息（见上图）。他指出三个分开的集群，这些集群用同个颜色标出，均代表患2型糖尿病的病人。然而，映入我们眼帘的，有可能代表某种得到高度关注疾病的全新概念。“为何说这个有趣呢？因为我们认为自己看到的2型糖尿病，实际上有可能是3型或4型糖尿病，”达德利说。“直至目前，对于数据无法仔细处理的疾病，我们仅有粗糙的定义。”（图表以病人的临床数据对其进行归类，比如血糖含量和胆固醇含量等等。）
从该图表以及类似图表中，达德利或许可以精确指出从属不同集群糖尿病人独有的基因，以此开辟一种新方式，让我们更好地了解基因和环境与疾病、症状和治疗方式之间的关联。另一张图中，达德利展现了不同种族和人种的基因差异将可能以何种方式造就某种疾病的不同形态，而形态的不同则需要不同的治疗方式。
这些不过是几个小例子，目的在于证明结合数据的处理能力，大量病人的数据可以做出多大的贡献。正如Facebook是社交网络一样，这些数据集组成了临床网络。（其终极目标是将10万名病人的数据纳入名为BioMe的平台，以探索大量数据的可能用途。）“我们是孤独的开辟者，创先河地将预测模型引擎内置于卫生保健系统，”达德利说。“这种方法早已存在，这种技术更早已成熟。不可思议的是，为何我们就没想将其用于医疗保健领域呢！”
西奈医院的目标是用这些方法为多种疾病的病人进行个性化诊断和治疗，比如癌症和糖尿病病人等，以及改善医院对病人的护理情况。然而，为了使该愿景变得切实可行，首先得克服几个根本性挑战。
几乎任何一家网络公司都诞生于轻易从用户身上获得或挖掘到的数据海洋中，而在医疗保健领域，与数据的斗争还要简单得多：将病人的健康记录电子化及隐私化，同时为医生、保险公司、相关部门和病人开放数据。据哈默巴德所说，这还算不上医院版的数据搜索引擎呢，而且就如今卫生保健缓慢发展的状态来讲，各种关于如何防止疾病的预测可以说只是锦上添花。“简单地集中管理数据并将其向研究人员和临床医生开放，就已足够我们开发出可更好地了解和治疗疾病的新模型了，”哈默巴德说。
西奈医院正将某些想法付诸临床实践。比如，食品及药物管理局（FDA）正为某些药物发行标签，为经历某种基因变异的病人注明不同摄入剂量（或解释为何某些病人不能服用该药物）。这暗示未来可能实行更多的个性化用药措施。医院正开始使用的Clipmerge软件会更便于医生进行快速查找，同时，当电子医疗记录表单上的药物可能发生相互作用时，也能及时通知到医生。
在预测方面，医院已经将名为PACT的预测模型内置于电子医疗记录系统，用以预测出院病人90天内返回医院的可能性（新卫生保健法为医院提供了某些财政奖励，以减少90天内病人的再入院率）。根据预测，医疗中心的高风险病人或许将真正获得不同的护理，比如为他们分配一个治疗后协调员。
据达德利所说，最终，我们将有各种与电子病人记录相连接又可挖掘的新数据，包括病人满意度调查、医生的临床笔记以及磁共振的图像数据等等。
举个例子，健身和健康追踪器产生的大量数据看似有趣，但个人很难从中搜集到什么有意义的东西。然而，正如达德利所说的，当成千上万个人的数据被用于挖掘与健康结果相关的信号和链接时，这些数据很可能将发挥作用，比如可被用作预防疾病或及早检测到疾病的新方法。
要达到此愿景，一个很大的局限性就是医院能否接触到这些新数据。目前，病人隐私受到联邦法律的严格保护，在这种情况下，收集数据变得万分艰难，医生也会渐渐感到不耐和厌烦。除此之外，将病人数据从一个医院转到另一个医院，或从一个医生转到另一个医生的过程中存在许多条条框框，更别提利用各种健身追踪器的数据了。若病人开始要求拥有更多健康数据的控制权，并自愿为医生提供数据——达德利相信人们将会开始这么做——那么隐私权将变成人们无法完全控制的问题，就像互联网上的隐私权一样。
可以肯定的是，当保健系统受到压缩成本和实行更多预防护理的压力时，这些想法将会起到更大的作用。达德利如是说道，“许多人都在电脑上做研究，但我们真正需要的是创建一个含有复杂模型的医疗系统……这些模型几乎每天都对数据进行运算和预测。当病人从电子医疗记录系统获得与自身相关的信息时，该引擎始终在幕后运行。”
