在埃里克托普《颠覆医疗》一书中有过数字化人类的描述：
通过将肉体置于我们外延的神经系统中，通过电子媒体的方式，我们建立起一个动态系统，将快速成熟的数字化、非医学领域的移动设备、云计算和社交网络与蓬勃发展的基因组学、生物传感器和先进成像技术的数字化医学领域合为一体，将这些工具和能力加以综合，我们就能为每一个人获取关于ta的解剖学、生理和生物数据。
当我们将所有的这些能力聚集在一起时，就创造出了一个虚拟人，最终完成对人体的数据化。
确实，我们知道人的心脏一生要跳动30亿次，每天泵出的血液为6-8吨，呼吸超过6亿次。人每天的心电数据超过300兆，人体的各种数据如果都能够一一被采集下来，将是多么美好的画面。
无论是有着上千年历史的中医，还是数百年发展的西方医学里，医院在对病人做医疗检测和诊断时，一般是基于对患者的各项体征、生化、生理电信号、器官形态影像上进行数据采样，并结合医生的人脑经验模型进行医疗诊断和治疗。
这样的数据采样是基于一个单点的时点和空间进行观察，对于一些在院内静态情况下无法捕捉到的疾病会会进行院外追踪，比如动态心电图（holter）会采集连续24小时的心电数据，然后由专业的判读人员进行判读，结合患者的其他临床表现和体征，给予综合的心脏诊断报告。
但对于数据化一个人，这些数据很显然是不够的。
如何在一个更长的时间维度上，对人体进行更全面的数据采集和汇总，如糖尿病、高血压、心脏病、体检、运动、睡眠数据等多个场景，并让医疗健康生态链上的各个角色都能够使用上这份完整的数据，是否能造福每一个生命？带着这个问题，阿里云大数据平台联合医疗生态伙伴，针对心脏健康管理课题，大胆地做了尝试。
首先是数据采集。心电采集需要解答的第一个问题是，在哪采、怎么采、如何汇总并流转到一个中枢上来？
目前智能硬件设备正在蓬勃开花，在琳琅满目的设备中间，阿里云和深圳中瑞奇的“好朋友”家用心电图机首次合作，通过这一面向用户自用的心电图机来采集心电数据。但光依赖心电数据并不足以做出判读，如何将更多数据结构化并把授权管理的权利还给用户？
如果将一个人的数据细分来看，包括了院内生化检验数据、运动数据、饮食数据、体征数据、诊断数据、睡眠数据。
从采集渠道来看，生化检验数据、体征数据是低频次采集的，一般需要通过医院、体检中心采集；而运动数据、睡眠数据则通过手环陀螺仪、家用睡眠监测仪等设备是被高频次采集的，饮食数据处在缺位采集状态，心脏病日常管理用到的心电数据则属于中频，通过可穿戴医疗设备来采集。
这些数据如何汇总到一个人的个体身上？而这些个体的数据又如何能够与低频次的生化检验数据、诊断数据结合到一起，汇总后的数据又能在用户的授权之下，并用在各个场景下，帮助改善用户的生活质量，甚至是挽救生命？
9月17日，阿里云正式和深圳中瑞奇、杭州金卫健康组建“云上安心”联盟，联合社区医院、APP厂商、体检中心、三级综合医院、120急救中心、医疗健康硬件厂商共同收集数据。这些数据在患者授权下上到阿里云医疗大数据的专属区域中，并在患者授权下交由专业医疗和健康服务提供商，用于疾病筛查诊断、心脏健康管理等场景。
难道这些数据仅仅能用在疾病检测下吗？
答案是否定的！
在云上安心联盟中，来自美国哈佛医学院睡眠中心的刘燕辉博士团队，通过心肺耦合睡眠心电分析技术，通过“云上安心”联盟提供心率变异性和心肺耦合分析模型，在患者授权下，结合用户的体检数据和日常数据、心电数据产出医疗级的睡眠监测报告，准确度远大于手环依赖重力感应和陀螺仪采样到数据分析出来的睡眠分析准确度。 分析报告随后通过阿里云的医疗大数据平台被输送到来自杭州金钥匙的健康管家服务中，对用户睡眠质量进行分析，筛查出睡眠呼吸暂停的用户，制定个性化的睡眠改善方案，通过高级医学专家，对用户做好居家睡眠随访，对轻中度睡眠呼吸暂停患者实施无创的物理型止鼾器干预，确保呼吸通畅，降低打呼噜频率，使用户因睡眠呼吸暂停产生的各种亚健康症状和猝死的风险得以下降。
阿里云方面高级产品专家武凯表示，我们只是看到这个医疗健康生态里需要数据流动，没有人去做，我们就去做这个事情。不流动的死的数据是不行的，一定要是活的每天每小时每秒都在更新的数据被用起来，而数据是可以滋养生命的。
阿里云目前正在积极与国内顶尖心血管医院探讨合作，希望能为国家构建一个丰富、全面而且是活的心电数据库。基于中国的人种构建心电数据库，帮助科学家、学校用于科研，提高心脏疾病的诊断准确率，降低实时监测的误报率。
人体数据化，也许已经开始。
