中国IDC圈4月14日报道，“我希望能和互联网创新公司合作，来打造一个 ‘临床遗传机器医生’，解决罕见遗传病的诊断难题，当然这还需要基因测序公司和临床遗传学家的参与。只要你输入收集到的各种基因型和表型，‘临床遗传机器医生’ 就可以马上帮你做出准确的诊断，并为下一步的处理给出最合理的建议和提示。”

今年3月 底，上海市第一妇婴保健院院长段涛在他的个人微信订阅号“段涛大夫” 里面，发布了一篇院长日记《令人失望的互联网创新》。上面那段话是这篇文章的结尾，也是段涛提出的一个挑战，希望那些有创新基因的公司能够完成这个挑战。

当 AlphaGo 大放异彩时，人工智能确实带给各个领域太多想象空间。尤其是在医疗领域，当 Watson 机器人在疾病诊断领域的能力已经可以媲美普通医生，它也许值得人们付出更多的金钱、精力以及激情去做更多探索。

故事.版本一

医疗人工智能的基础，是医疗大数据的挖掘和应用。有关医疗大数据，这是这几年互联网医疗领域流传广的故事。虽然每一家创业公司的模式千差万别，但无一例外都会有一条：对大数据的挖掘和应用，虽然关于如何实现的部分往往语焉不详。这充分反映了两个问题：所有人都意识到了医疗大数据开发的价值，但开发的路径却难度很高。

于是，我们听到的第一代医疗大数据的故事就变成了以下这个样子：

①有关数据来源

中国互联网医疗可以说是白手起家，至今为止仍然不受传统医疗体系待见。所以，早期的医疗大数据基本上都只能来自互联网医疗公司自身的积累。这里的 “早期” 既指时间上的早期，又包括开发思路上的早期。那么，早期的数据来源大概有这么几类(欢迎补充)：

在线咨询类公司——这类公司既有综合型的，又有垂直型的。数据积累的方式上主要是通过医患在线问诊的方式，建立患者个人的电子健康档案;

智能硬件类公司——纯粹的智能硬件在医疗领域的应用日渐式微，但越来越多的医疗服务开始结合智能硬件，比如血糖、血压、体温、心律等，数据积累方式主要是对用户体征数据的检测;

基因检测类公司——基因检测在近两年日 趋火爆，主要是受到检测成本降低和精准医疗的推动，门槛大大降低，使得越来越多的普通用户能够消费基因检测。

科研工具类公司——虽然与医患资源类公司一样是收集患者的疾病数据，但科研类公司收集数据的形式、应用明显不同，科研机构在数据积累过程中发挥了主导作用。

②有关数据应用

在医疗大数据版本一的故事里面，之所以是早期，主要是还是因为开发利用方式的早期。在这个阶段，虽然关于医疗大数据、人工智能已经有了概念，但在此时能接受这样故事的人毕竟还太少，也太遥远。于是，版本一里面应用医疗大数据的方式基本有这么积累：

服务于医疗本身——长期以来，患者个人是不掌握自己的医疗数据的。互联网医疗出现后，用户可以通过手机来收集自己的健康数据，帮助医生更好的了解自身的健康历史;

服务于医药企业——药企对数据的需求既强烈又多元，包括市场营销需求、新药研发需求、应用反馈需求等。因此，鉴于药企买单欲望强烈，很多数据应用商都主动向药企考虑;

服务于保险公司——这一点中美有些差异，美国保险公司对数据的应用主要是对医疗服务质量和费用的控制，而在我国，保险公司对数据的应用则主要是设计新的保险产品。

③有关应用现状

其实在版本一的故事里，已经有一些有了很好的应用效果，比如药物警戒，用医疗数据来弥补临床数据的缺陷，及时反馈药品不良反应、治疗效果等;再比如保险控费，用医疗大数据控制服务质量和费用，控制和减少保险欺诈行为等。这些领域之所有比较好的应用，主要是因为药企和保险公司的商业驱动力更强。当然，这也仅是在美国。

虽然我们前面罗列了不少有关医疗数据的来源和积累，但实际当中，这些案例都或多或少存在着问题。甚至由于这些问题的存在，版本一里面这些比较浅层次的数据应用都还处于非常遥远的阶段。

数据的完整和有效性——互联网医疗毕竟是新兴事物，用户有接受程度和使用习惯的问题，而且硬件设备也存在功能和精准度的问题。这使得数据收集面临着不完整且缺乏连续性的问题，而且大多数硬件设备没有取得医疗资质，采集的数据也无法做医疗级应用。

数据处于割裂的状态——互联网医疗产品主要收集的是患者在医院的健康数据，而对医院内的数据鞭长莫及。加上医院与互联网医疗无法打通，这导致了医疗数据在院内院外割裂存在的状况。而且由于医院本身信息孤岛的问题，患者在不同医院求医的数据也是碎片化存在。

数据规模仍然非常小——作为大数据应用，目前的医疗数据采集规模根本达不到 “大” 的程度。一个是很多创业公司的数据都是从头积累，再一个是市场认知度仍然有限，最典型的就是基因检测，很多公司的样本量还处在几十个、几百个的水平。这使得目前的医疗数据基本无法实现商业化。

当然还有一个问题，段院长在他的文章里也指出了，就是医疗大数据并没有被认真对待，或者说挂羊头卖狗肉。我国的大多数互联网医疗公司打的仍然是医院号源的主意，仍然是一种快速变现的心态，也无怪乎令人感叹，“我们多数的移动医疗创新公司还在拼命的靠补贴靠地推在拉用户，在做挂号黄牛的生意，真的令人很失望。”

虽然大数据已经变得更像一句营销术语，但是它仍有巨大的潜力没有被挖掘出来。不过，得先把数据获取这个大麻烦解决了。

企业在面对数据的时候，比知道怎么处理更多的情况，是在这些数据里漫无目的的游泳。遗憾的是，太多的公司将这种现象与大数据本身关联起来。从技术角度来说，大数据是非常具体的一件事――结构化数据(企业的专有信息)与非结构化数据(社交媒体数据流和政府新闻源之类的公共数据源)的结合体。

如果你将非结构化数据覆盖在结构化数据之上，通过分析软件将其可视化，你就会得到过去从未有过的洞察力――预测产品销售、更精准地目标用户、新的市场机遇，等等。

大数据不再像过去几年一样，受限于工具缺乏的问题。那时候搞大数据意味着团队里必须有数据科学家，还会被R和Hadoop之类的开源工具搞得心烦意乱。

如今，多少公司都争着帮你可视化大数据：从Tableau、Qlik、TIBCO和MicroStrategy之类的专业公司，到微软、IBM、SAP和甲骨文之类提供端到端服务的厂商，不一而足。

不过，据上周出席奥兰多中级市场CIO论坛/中级市场首席营销官(CMO)论坛的IT主管们声称，许多公司在大数据分析中最头疼的问题，其实是如何获取数据。

一位CIO说：“我们IT部门的大问题，是我们如何才能将数据获取进来，这件事非常麻烦。”

这种说法也得到了相关数据的证实。

数据集成公司Xplenty开展的一项调查声称，三分之一的商业智能专业人员把50%至90%的时间，花在了清理原始数据和将数据录入到公司的数据平台的准备工作上。这种现象的原因，可能与只有28%的公司认为自己能从数据中获得战略性价值有很大关系。

数据清理的问题还包括，眼下IT行业许多最抢手的专业人员，正在花大量时间处理这项让人晕头转向的工作：在分析数据之前先筛选并组织整理数据集。

这显然对于数据的可扩展性非常不利，也严重限制了大数据的潜力。随着物联网不断发展，收集更多的数据对我们来说将越来越容易，这个问题只会变得更严峻。

有三种可能的方法有望解决这个问题：

1.大数据分析软件不断完善――许多这些公司在过去五年时一直投入大量精力在大数据领域，减轻数据清理环节压力的工具不太可能在短期内出现重大突破，但有望实现逐步改进。

2.数据准备人员成为数据科学家的助手――正如律师助理帮助律师处理重要的基础工作，数据准备人员也会帮助数据科学家处理基本上同样的底层任务。我们已经在某种程度上看到了这一幕。不妨阅读TechRepublic的这篇文章：《“数据标记”是人工智能时代的新新蓝领工作吗?》(http://www.techrepublic.com/article/is-data-labeling-the-new-blue-collar-job-of-the-ai-era/)

3. 利用人工智能清理数据――另一种可能性是，用来清理、筛选和分类数据的软件和算法将被编写出来。这一幕极有可能出现，但是我们还应预料到，这也不是“银弹”。微软、IBM和亚马逊正在致力于用人工进行软件无法处理的数据标记工作――而这正是全球自动化和算法领域的三巨头。