高建雄：大数据之医药行业创新与决策风险（ppt）

　2015年12月11日，诺华集团共享中心负责人、大中国区CIO高建雄在线上分享《大数据之医药行业创新与决策风险》。这次的演讲着眼于大数据对于行业模式的冲击和创新，着重讨论中国乃至全球的医药行业研究，论述大数据时代下的医疗改革和创新实践并例证大数据可能带来的决策风险。

　　高建雄：

　　大家好，今天很高兴和大家分享大数据在医药行业创新的一些案例。大数据蕴藏的价值一方面体现着大数据对于决策流程的优化和推动，从而推动业务模式的升级换代，同时大数据促进了跨行业的融合，以颠覆式的创新，创造出一些新的行业模式。这样的案例不胜枚举，今天，就医药行业，我们一起做些分享和探讨。

　　数据定义世界。从数据的视野，我们可以一窥科技的发展。如图中，超过90%的助听器都是3D打印的，3317个达芬奇手术机器人在全球支持者复杂和自动化的手术。我们的身边一直不缺乏数据，只是现在的科技手段让我们有能力大量记录和处理数据，也让我们有机会从数据中挖掘出前所未有的价值。

　　大数据已经在积极影响着我们的健康。从第一代的健康手环，记录我们的运动和睡眠状况，到Apple Watch, 能够记录脉搏和健康管理，穿戴设备已经能够记录更多的生命体征信息，从而更好的进行健康管理。

　　腾讯的糖大夫简化了血糖监测过程，并把监测数据上云。谷歌隐形眼镜通过泪液进行持续无创的血糖监测。这些融合与我们生活中的医疗设备为自我疾病管理提供了持续的数据支持。

　　还有，大家平时吃药，吃下去后我们是没有办法直接知道药物反应的。而如果我们在药片上加载一个微型芯片，它可以收集我们体内的药物反应状况，甚至能控制反应的过程，这将大力增加药物治疗的有效性。

　　这些新的科技通过云化的管理，构成了我们生命健康大数据的一部分，也能够让我们通过这些数据更好的进行自我健康管理，疾病的诊断和早期预防。

　　目前全球都面临着医疗改革的压力，医保成本逐年增高，老龄化问题加剧了各国医保压力。而且医疗资源在世界范围的分布非常不均。

　　如上图所示，在美国医生和人群的比例是每390人左右有一个医生，在中国大约950个人对应一个医生，而在非洲则五万人中才能有一个医生。医生资源在全球是溃乏而且不均的。包括在中国人们无论大病小病都纷纷去一线城市的三甲医院，而在社区医院却门可罗雀。这更加剧了医疗资源的冲突。

　　那么大数据是不是能够在这些方面帮助我们提供一些新的思路？一方面医疗数据云化，如果我们能够实现各医院医疗系统的数据共享，那么患者可以在社区医院做基础的检查，如果需要再转到三甲医院。这样就可以有效地平衡医疗资源。

　　同时医疗云化也有利于建立患者的健康档案，从而减少重复检查，并帮助患者和医院都能够更好地跟踪健康管理。

　　医疗云化也有助于推广远程医疗。远程终端通过采集生命体征等各方面的信息，系统可以给出相应的医疗建议，同时大医院的医生可以进行会诊，这可以支持到偏远山区赤脚医生，提高诊疗的准确率。

　　另一个存在医疗资源浪费的方面是目前的医疗还是属于实验型医疗。例如1000个人得了感冒，那么医生都会给出相同的药物，但是由于人体个体的差异，可能这个药物只针对500人有效，那么医生只能给剩下的500人另一种药物，之后再给没有好的人另外一种药物。这种实验性的医疗方式导致了医疗资源的极大浪费。是不是我们能够从这种实验型的医疗转为结果导向的医疗。以后不再是千人一药，而是针对个性的差异用药。如果你得了感冒，那么你去见医生的时候，医生会告诉你，如果你花100元可以一个星期好，如果你正好要旅行，那么花1000元，明天就可以好。结果导向的医疗可以很精准的治疗疾病，同时可以极大地降低药物浪费。

　　下面我就和大家探讨一下国内外基于大数据的医疗创新案例。

　　23andMe 是始于2000年的一间创业公司，以低于成本的价格帮助用户进行基因测序。以此收集了大量的基因数据。这个巨大的基因数据库成为其核心资产。他在最近的一个合作中以6千万美金的价格将匿名的数据库提供给医疗机构用于药物研究。在国内有很多企业也在开展类似地服务，包括基云惠康、博川基因、Hi 基因、Wegene、360 基因等等。

　　谷歌隐形眼镜通过在隐形眼镜上加入传感器芯片，天线和电池来实时采集糖尿病人的血糖数据，这有助于高血糖患者自我监控血糖水平，而大大降低了高血糖患者的风险。这将穿戴设备和医疗设备有机的结合在一起。

　　另一个案例是关于数字药片。传统的服药方式的局限性导致无法准确监控药物在体内的反应。数字药片利用药片上的微型芯片收集药物在体内的反应过程信息，甚至控制反应过程，然后将信息通过贴在皮肤上的接受器传送信息到体外。这让我们可以更加准确的用药以及更加精确的监控疗效，并且大大的降低药物浪费。

　　大家生病了都会非常相信医生，但医生的误诊率其实也很高，通过各种不同的统计基本上可以达到30%到50%。而对于罕见病患者，25%的患者需要等到5到30年才能被正确的诊断。那么是不是有一种更有效地通过大数据的方式来进行更精确的诊断呢？

　　Find Zebra公司通过收集并且索引了超过30,000份的医学文献，通过专业化的搜索引擎引导准确的疾病判断。通过研究对比，他可以达到67%的准确率。可以想见，这为将来的自动化诊断提供了一些借鉴意义。

　　AMICOMED这个案例对于大数据在医疗行业的应用具有非常重要的意义。它是首款通过欧洲医疗设备认证的软件。

　　它通过监控患者的血压数据，通过内部的大数据逻辑，在不增加用药的情况下，利用运动饮食建议而控制和降低血压。

　　它是首款app以软件辅助医疗，从而有效地降低医保费用，并提高健康管理。

　　纳米粒子是Google实验室的一个项目。纳米粒子被注入血管并通过血液流遍全身，通过与不同疾病细胞的结合，从而采集人体内的体征信息。戴于腕部的手环收集血液中流动的纳米粒子传递的信息 , 从而进行疾病诊断。它让我们可以更清晰的窥探人体内部的健康情况。

　　这是一个通过软件应用来治疗大脑疾病的应用。精神抑郁症是全球最大的疾病之一，每年有近4亿人患有精神抑郁等大脑疾病。

　　数据分析，通过训练，人的大脑的认知速度可以提高146%的250%。

　　它基于大数据的头脑研究，获得人类大脑的反应模型，然后基于模型进行临床实验和优化。最后以游戏的方式来治疗精神疾病。

　　这个应用包括了大脑教练，教授大脑锻炼的普遍规律和训练技巧。通过游戏训练记忆能力并且训练大脑对信息的编码能力，最后还会训练大脑的预测和思考能力。这给我们疾病的治疗提供了一些新的思路。

　　细胞医学在目前也成为一种趋势。有一个八岁的小女孩已经是癌症晚期，通过两年不同的治疗各种手段，病情依然逐渐恶化。

　　最后从她体内提取一个健康的白细胞，对白细胞进行激活并且重新注射回体内。之后白细胞做两件事情，一个见到了癌细胞就进行大量的分裂，同时对癌细胞进行猛烈的攻击。在短短不到两周的时间内，艾米利全身的癌细胞都得到了清除，并且完全恢复了健康。

　　当然由于体内细胞的剧烈分裂以及其对癌细胞的攻击，身体产生了大量的热量。还有就是在反应过程中间被杀灭的癌细胞对肝脏造成了很大的负担。这些问题解决之后，这给癌症患者带来了新的希望。

　　大数据的发展阶段可以分为数据割裂，交互共享，数据池和共同创建四个阶段，大家可以对号入座。

　　大家可以对照图中的各项指标来判定自己企业的大数据成熟度，并且通过这些指标有方向有针对性地提高企业在大数据方面的竞争能力。

　　那么要成为大数据的胜利者可以从这三个方面来思考，第一从公司文化的角度上是不是能够包容和鼓励异见思想，第二，是不是有具有竞争的数据实力，第三，人才战略中是否有足够的好奇和反传统。通过有意识的培养通过这几方面，能够比较有效的提高公司在大数据方面的能力。

　　大数据在各个领域正在创造着新的业务模式，也不可避免的颠覆着传统的企业。很高兴今天能够和大家做这样的分享和讨论。希望我们将来有更多的机会一起推动大数据在医疗领域的应用。