大数据及大数据技术的出现，使得各行各业面临着新的变革，这些变革或者大大推进了行业的发展，或者逐渐颠覆传统的运行和发展模式。例如，互联网和信息行业的快速发展使其具备了新的内涵：通过深度的数据管理、数据挖掘、数据分析等展现大数据，可以对行业发展起到预测、预警、指引等作用，大数据将其精准、客观、科学的价值转化为一种生产元素，渗透到传统行业的各个环节中去，从而带来某些、甚至是本质上的变革。
医学大数据颠覆传统医疗
传统的物质世界，因为时空限制，信息是严重不对称的。我们以往很多的商业模式都是基于信息不对称的物质世界而建立的，很多商业模式都是因为赚取信息不对称的利润而生存，如电视台、报纸、网络等广告模式。当世界上的人、事、物都因为产生大量数据而构建起关联关系，让人类获得了无限的信息对称，一切基于信息不对称的物质世界而建立的商业模式势必获得变革。未来主流的商业模式之一，将是以大数据为基础的产业互联网。
医疗行业也是一样，医学大数据广泛涉及人类健康相关的各个领域，如临床医疗、公共卫生、医药研发、医疗市场、健康管理、气候与环境、精神与心理学、人类遗传学与组学、社会人口学等等。
一般地讲，大数据具有“4V”特征：
1.数据容量-Volume大，常常在PB(1PB=250B)级以上；
2.数据种类-Variety多，常常具有不同的数据类型(结构化、半结构化和非结构化)和数据来源；
3.产生和更新速度-Velocity快(如实时数据流)，时效性要求高；
4.科学价值或商业价值-Value大，常常蕴藏着新知识或具有重要预测价值。
人类已进人大数据时代，国际数据公司的研究结果表明，近几年全球产生的数据量高达数个ZB。基于这样一个大数据的概念，我们会在各行各业，比如医疗行业，将迎来深度的行业变革，甚至颠覆性的变革。且看下面一个有关医疗行业大数据应用的例子。
“和你一样的病人”：Lloyd 的大数据故事
我们看到了这样一个故事。
如果一位医生还在抱怨病人得了“搜索病”-指看病前习惯先上网查查自己可能得了什么病，那么这个医生大概已经落伍了。基于大数据在医疗领域的深度应用，美国斯坦福大学医学院一群富有创新精神的医学专家正和硅谷的医疗产业专家合作，推进一个最新的科研项目—“和你一样的病人”，通过这个智能系统，病人有望自查疾病，这也减少了医生因经验累积有限而导致的误诊或漏诊的案例。这个系统有望成为医生的好帮手，也可能颠覆现有的医疗模式。
反思传统“一对一”就医疗模式。那是在1998年，斯坦福大学医学院院长Lloyd Minor和同事在全世界首次报道了一种罕见病—“上半规管裂损症候群”。这种疾病的患者会出现眩晕、对声音异常敏感等症状。这本是一次很普通的学术发现，但令Lloyd Minor意外的是，当他们发表了论文后，世界上许多国家的人开始上网搜索这个病的信息，并输入自己的信息，一批多年来找不到病因、或在其他科室苦苦试验治疗方案的病人终于确诊。例如，英国就报道过一名女子罹患这种疾病，不仅能听见自己的心跳声、大脑搅动声，连吃颗苹果对她来说都是不可能的任务，因为她轻轻一咬，就是一阵震耳欲聋。通过互联网找到“和你一样的病人”，这个启示让Lloyd Minor和斯坦福医学院的同仁们开始开发这款全新的系统。事实上，促成Lloyd Minor和伙伴们开发这个系统的机缘，正是对传统就医模式的反思。
在斯坦福大学医学院，已有令人“脑洞大开”的科研进展。医生们开发的这个名为“和你一样的病人”的系统里，积累了上百万条药物、治疗方案、病例信息等数据，登录者键入身体状况、年龄、不适部位等，系统就会给出一个完全个性化的诊断结果以及理想的治疗方案。这种系统筛选出的治疗方案，可能比医生的方案效果更好，能让更多病人获得真正属于他们的最优治疗。因为我们都知道，医生的治疗水平很大部分来自于医学积累，也就是经验，但这种积累不论是30年还是50年，依然是有限的，它一定没有拥有全体病人就医数据的电脑系统见多识广。
基于大数据应用，未来的看病模式很可能不再是现在这样与医生“一对一”。在哈佛大学医学院，已有医生尝试给乳腺癌患者这样看病：通过系统筛查全美乳腺癌患者病历，并挑出和具体患者相同或相似的年龄、生活环境、突变基因等，最终挑选出一个生存期、生活质量最高的治疗方案提供给患者。这是目前医生寻求“外脑”帮助的有效途径。可以畅想的是，医疗大数据带给人们的将不仅仅是更优的诊断与治疗计划，而是更优的生活方式。Lloyd Minor说，通过医疗大数据的挖掘和筛选，还能前移到发现何种生活方式可能是更有利的，从而给政府、医保政策制定者、医院以及大众更好的生活方式指导。
Lloyd Minor表示，我们正处于科技和大数据急速推动创新的时代，有机会利用现有优势提升社区甚至全球健康水准。目前大数据在医学领域的应用主要包括危重、罕见疾病诊疗决策辅助、肿瘤精准医疗的开展、慢病的调研防治等。大数据技术帮助人们存储管理好医疗大数据，并从大体量、高复杂的数据中提取价值。Lloyd Minor介绍，该校科研人员从不同资源中获取了大量数据，包括电子医疗记录，全基因组序列、保险和医药记录、可穿戴式传感器和社会环境数据。通过分析这些数据，医生和研究人员可更好地预测个人患特定疾病的概率，有针对性地制定对早期检查和预防的方案。这些分析材料也将为临床医生提供实时治疗决策时所需的信息。
医学大数据颠覆传统医疗的几个场景
场景之一：组学大数据精准医疗
人类通过开展组学研究及不同组学间的关联研究，从环境、生活方式和行为等暴露组学，至个体细胞分子水平上的基因组学、表观组学、转录组学、蛋白组学、代谢组学、宏基因组学，再到个体健康和疾病状态的表型组学等。利用大数据将各种组学进行综合及整合，既能为疾病发生、预防和治疗提供全面、全新的认识，也有利于开展个体化医学，即通过系统整合生物医学与临床数据，可以更准确地预测个体患病风险和预后，有针对性地实施预防和治疗。
场景之二：大数据虚拟药物研发
快速识别生物标志物和研发药物。利用某种疾病患者人群的临床数据和组学数据，可以快速识别有关疾病发生、预后或治疗效果的生物标志物。在药物研发方面，医学大数据使得人们对病因和疾病发生机制的理解更加深入，从而有助于识别生物靶点和研发药物。同时，充分利用海量临床数据和组学数据、已有药物的研究数据和高通量药物筛选，能加速药物筛选过程。
场景之三：生物大数据流行病防治
快速筛检未知病原和发现可疑致病微生物。通过采集未知病原样本数据，对病原进行测序，并将未知病原与已知病原的基因序列进行比对，从而判断其为已知病原或与其最接近的病原类型，据此推测其来源和传播路线、开展药物筛选和相应的流行疾病防治。
场景之四：互联网大数据公卫监测
利用互联网大数据以及有关专业数据实时开展公共卫生监测。公共卫生监测包括传染病监测、慢性非传染性疾病及相关危险因素监测、健康相关监测，如出生缺陷监测、食品安全风险监测等。此外，还可以通过覆盖全国的患者电子病历数据库进行疫情监测，通过监测社交媒体或频繁检索的词条来预测某些传染病的流行。
场景之五：大数据健康管理
实时开展大数据健康管理，通过可穿戴设备对个体体征数据，如心率、脉率、呼吸频率、体温、热消耗量、血压、血糖、血氧、体脂含量等数据的实时、连续监测和流数据挖掘、分析，提供实时健康指导与建议，更科学地实施个性化健康管理。
大数据医学研究
上面列举了价格医学大数据变革医疗行业的几个场景，但这些远不是医学大数据应用的全部。大数据还在医学研究领域发挥变革性的作用，本人在先前的博客中已有相关讨论，这里再举两个例子。
1. 大数据疾病谱研究
了解人群疾病谱的改变，这有助于制定新的疾病防治策略。全球疾病负担研究是一个应用大数据的实例，该研究应用的数据范围广、数据量巨大，近4700台并行台式计算机完成了数据准备、数据仓库建立和数据挖掘分析的自动化和规范化计算，应用大数据研究人群疾病谱。
2. 大数据人群队列研究
以大数据为导向的人群队列研究逐渐成为医学研究的热点。超大规模队列研究具有大样本-如数十万人群，前瞻性-如数十年长期随访，多学科-如基础、临床、预防、信息等多学科合作，多病种-如对多种疾病进行研究，多因素-如探讨多种危险因素，整合性-如监测系统、信息系统、医保系统的整合，共享性-如生物标本和数据资源的共享，等特点，经过长期随访能够产出大量人群数据，基于大数据的人群队列研究更具有科学性、可靠性和权威性。
医学大数据颠覆传统医疗，不是命题问题，只是时间问题。正如本人对流行的“颠覆”一词的观点，“颠覆”是可能的，但不是瞬间的，而是逐渐的。“颠覆”不是否定，“颠覆”是变革，“颠覆”是发展。医学大数据“颠覆”传统医疗也是这样，医学大数据是变革传统医疗，医学大数据是发展传统医疗。
