本文讲的是数据分析推动医学取得突破性进展,医院通常是最繁忙的地方，不过加拿大多伦多市儿童医院的新生儿重症监护病房(NICU)却能够处理比以往更多的事情。这一切要归功于新技术合作伙伴的帮助。目前该医院正在使用分析学来更为精准的预测哪些早产儿出现疾病和感染的风险更大。
多伦多市儿童医院正在通过监护早产儿的电子设备收集流数据，对监测早产儿体温、心率、血氧饱和浓度和血压水平进行研究。
目前从保险公司、医院到服务提供商，医疗保健提供者正在积极寻求采用先进的技术以帮助更好地照顾病人。在许多案例中，他们变得比以往更具前瞻性和个性化，并且能够为患者节省更多的医疗费用。
市场研究公司IDC的副总裁Susan Feldman称：“技术能够让一个流程改变我们的生活。医疗保健行业已经开始明白，我们需要根据证据做出更多的决策。这样一来，我们能够让流程更为合理，更为精确的识别信息，同时能够以一种可操作的方式将它们提供给决策者。”
从预测分析中受益的不仅仅是医疗保健行业，其他受到不断增长的庞大数据困扰的行业也能从中受益。这种技术在金融、紧急反应、娱乐和法律等领域都具有十分重要的意义。
作为与大型医院联盟共同展开大数据研究的一名医师、耶鲁大学医学教授Harlan Krumholz博士称：“如今社会能够做比以往更多的事情，能够以以往不可能的方式为决策提供支持。”
他警告称，应当由一丝不苟的医师负责确保详细研究结果的正确性。他称：“这些结果能够提升医疗水平，因此必须必须严密关注。问题在于，人们利用从这些系统中获取的信息做什么?”
Krumholz称：“如果关于这些信息的推断不正确，那么这些(不正确的)推断将会导致错误的决定，显然这些决定不会具有任何价值，相反还是有害的。”
患病儿童数据减少
目前多伦多市儿童医院正在使用IBM的InfoSphere Streams大数据分析平台实时处理数据。InfoSphere Streams能够关联并分析数千个实时数据源。安大略理工大学( UOIT )也在使用该软件从监护早产儿的电子设备中收集流数据。
安大略理工大学健康信息学首席科学家Carolyn McGregor博士称，这一技术让安大略理工大学能够搞清楚这些数据并分析它们，如揭示败血症的发生前兆，以及这些问题发生前的多种条件。
这一测试已经与临床应用同步展开，医生和科学家能够对比这两种方法，目前他们也正在做这一工作。一天的有价值数据被拷贝下来，然后发回安大略理工大学进行离线分析。
安大略理工大学副院长McGregor教授称，名为Artemis的平台也被称为“数据婴儿”已经被列入到一套临床规定中，作为一个分析层帮助在第一时间进行预测。她称：“目前，病床边的医疗设备能够提供大量的信息。这些设备以非常高的频率提供相关信息，人们必须要能够分析它们，这些结果是经常变化的。”
目前最后的结果还没有公布，不过他们预计将在四月末的某一时间进行同行评审，然后在年底将对外公布。McGregor称，初步结果已经证明Artemis能够作为一种稳健的方法。她解释称，通过在三个地方对400多名病人的研究，她们已经收集了相当于40年的病人数据。
McGregor称，尽管对于感染初期医护人员有例如体温等一些传统指标，但是Artemis可以提供“一个更为丰富的环境”以分析婴儿病情可能发展至多种情况下的不同征兆。
IBM首席医疗科学家Marty Kohn称：“这一系统的设计目的是为了在病情出现明显的临床症状之前，提前24小时预测败血症的发生。该系统使用结构化数据寻找允许医院根据临床观察预测严重疾病开始时的模型。在类似的一个病例中，如果你能够提前一个小时介入治疗，那么你就能够显著地提升治疗效果。”
McGregor称：“除了挽救婴儿的生命外，该系统还可以缩短婴儿的平均住院时间。”
McGregor解释称，安大略理工大学和医院人员还计划使用这些数据做更多的临床研究“以从心率等数据中发现更多未知的隐藏信息，从观察生理机能中发现一些其它的东西。”她称，通过使用新的算法，Artemis将能够更为精准地告诉临床医护人员与婴儿行为变化可能关的感染。
处理数据洪水
能够理解非结构化信息并预测可能面临的疾病，从而让医生能够更好的对症治疗是IBM开发Watson技术等工具的目的。医生始终面对着大量的信息，尤其是医学期刊每月出现的数千篇新文章。加上实验室结果、医疗制度和针对专业人员的社交网络网站，数据将以非常快的速度令人难以应对地涌过来。
IDC的Feldman称：“随着你获得的信息越来越多，对于个人来说已经不可能管理一个物理图书馆或是进行电子化收集，除非你创建一个非常智能的访问方式。语言是如此的丰富，如此的多样化，以至于同一个概念有多种表达方式，因此你实际上需要一些能够明白我们理解事物的所有方式的技术。”
观察人士称，能够应用分析学组织多种信息源的工具正在帮助医疗保健等行业获得一种全新水平的人工智能。IDC预测，整个大数据信息技术和服务市场在2015年将由2010年的32亿美元增长至169亿美元。
Feldman 指出：“除了通过其文件挖掘和分析能力能够进行假设外，Watson具有如此突破性的原因在于它能够理解问题并试图翻译它们。”她称，IBM建造Watson是为了处理“有深度的问答”。
她称：“这是一个全新的解决方案或技术，其试图理解人们正在寻找什么。”技术能够理解一个实体是如何影响其他实体的。例如，在医疗领域，计算机能够分析药品是如何影响患有特定类型疾病的特殊人群的。
这一解决方案的工作原理与搜索引擎的工作原理完全不同。搜索引擎试图回答使用几个关键字输入的问题。Kohn称：“然后，你将获得一些网站或网页以查看是否它们是否与你脑子中的问题存在关联。随后，你需要花上大量时间，这充其量是一个效率非常低下的程序。”
Kohn称，相反，通过使用一系列大规模并行的“概率算法”分析被给定的信息，Watson能够理解用自然语言提交的问题，阅读文献，然后提取并反馈关于所提问话题的最佳建议。 回答复杂的问题
加拿大最大的健康保险公司WellPoint意识到“深度问答”创新能够被用于自动医疗服务使用情况管理。公司技术总监Ashok Chennuru称，在治疗病人之前，医生需要手动完成一个复杂又耗时的保险审批流程。
Chennuru称：“我们知道根据指导与政策，我们在做癌症治疗时，病人需要一些特定的药物和流程以获得最大的赔偿金。然而，现在公司也没有一个合理化方案以让医生办公室一起提交多个手术前授权申请。很多时候，没有足够的证明文件被提交，我们必须反复操作，这让我们感到非常恼火。”
他称，公司自去年秋天开始使用IBM的内容分析与预测(ICPA)决策支持引擎，以实现医生与被保险人之间的提交程序自动化。如果所有的东西都得到了医生办公室的明确证明，那么其将被发送至WellPoint公司版的Watson，由其确认提交的文件是否符合所有标准，并快速给出是与否的回答，或是要求提供更多信息。
WellPoint公司正在一个地区进行试点，以确保这一工具能够正常工作。Chennuru称，公司希望到年底在14个州的公司设施中部署这一工具。
最终，一旦肿瘤科被覆盖，WellPoint公司将利用该工具处理呼吸窘迫症、糖尿病、心脏和肾脏疾病。WellPoint公司称，通过Watson，该工具能够查阅更多的医学文献、人口健康数据和病人健康数据以回答“更为复杂的问题”。
公司认为最终将会有出新的应用被开发出来，允许医生将病人的医疗记录、最近的测试结果、推荐治疗协议和最新的搜索结果载入至Watson。目标是能够与他们的病人讨论最有效的治疗方法。
Chennuru称：“这是利用了计算机的力量，而不是每天更新所收到新信息的肿瘤医生。”
防止再次入院治疗
在美国德克萨斯州中部地区，“ Seton医疗保健之家”医疗系统正在为19亿市民提供服务。该系统正在寻找一种办法以降低充血性心力衰竭(CHF)患者的再入院治疗的机率。Seton 医疗保健公司表示，患者再入院治疗的成本非常高，据估计目前全美仅这一项的成本总计就达到了350亿美元。每年有500000新病例被诊断出来，半数以上的CHF患者在治疗后六个月需要再次入院治疗。
该公司首席策略官Travis Froehlich称：“如果过多的患者需要再次入院治疗，那么医院将会受到联邦医疗保险的处罚。”为了预测哪些患者最有可能再次入院治疗，Seton 医疗保健公司使用ICPA来识别例如吸烟等一些已知的风险，因此健康专业人士能够重点将他们的工作放在如何让患者者为有效的待在家中。
为了实现这一目标，Seton正在使用ICPA作为医疗保健工具，让医生能够使用自然的语言和搜索技术挖掘非结构化数据。公司表示，80%以上的医疗保健数据是非结构化的，这些数据由医生说明、登记表格、出院小结、超声波心动图以及其它一些医疗档案组成。
当与结构化数据结合起来后，其能够绘制出更为精确的趋势图，模型图和偏差图，能够让临床医护人员做出更为准确的治疗决定。Froehlich称，在描述部分可以找到病历和医疗卡体检部分的数据。
Seton称，从非结构化数据中获取的信息与用户利用ICPA创建的逻辑模型一样出色。逻辑和预测模式的准确性取决于用户如何在模型进行优化。
Froehlich称：“在投资回报率方面，在结构化数据领域要想获得我们需要的全部数据，所面临的成本和压力非常大。这可能会降低为每个可能的数据提供一个数据区的需求，导致每个人将每件事情都存储在一个单独的分区中，这些会导致人们自我封闭。我们认为我们的方案具有成本优势。”
Seton 医疗保健公司高级流行病专家Christine Jesser对此表示认同。Jesser称：“训练有素的临床医护人员正在花费大量的时间将数据输入到结构化分区。我们的方案可以节约花在这方面的时间和精力。尽管临床医生已经意识到在治疗CHF患者时吸烟是一个重要的考量因素，但是该工具能够提供一些医生在预测患者重新入院治疗机率时不曾考虑到的因素。”
Jesser称：“我们发现了一些有值得关注因素，如他们的生活状态是处于正常状态之中还是处于救助之中，他们是否有曾经滥用过药品或酒精。这些社会因素只能在非结构化数据中找到，但是它们是模型中重要的预测因素。”
Froehlich称：“如果ICPA将这些数据翻译成能够使用的信息，那么我们能够降低成本，并且能够提供一个更为便捷的方式以获得这些信息。我们的目标是在不增加开销的情况下尽可能的提高医疗保健水平。”
分工差异
安大略理工大学的McGregor称：“我们正处在用全新方法进行医学研究的前沿。数据是多维的……仅仅在我们关注的新生儿领域，我们就获得新类型的数据。例如，脑部活动和注射药物。除了关注新生儿的感染与窒息外，他们还开始关注一些其它的情况，如婴儿和成本的脑部出血。我们的目标是所有威胁生命的情况……我们希望能够在这些方面获得一些重大突破。”
IDC的Feldman承认“技术自身永远都不会完美……但是与人类不同，计算机是始终如一的。”人们能够做出判断，但是计算机不能。因此，如果将两者结合在一起，它们的力量将非常强大，远远超过了了单独依靠人类或计算机。与人类相比，计算机能够提供更多信息，通过找出隐藏在这些信息中的模型，计算机能够提升医生对病人的理解能力。
她认为预测分析与结构化数据在未来五年将医疗保健领域中被广泛应用，帮助降低成本，防止病人病情恶化。Feldman称：“更好使用这些信息的能力将从本质上改变医疗保健行业的未来。”
其它行业也将广泛应用
医疗保健仅仅是众多使用或即将使用快速分析信息工具的一个行业。IDC副总裁Susan Feldman称，紧急反应、反恐和反欺诈领域也都在迅速部署这一工具。
Feldman这些领域都存在着一个共性，那就是他们必须处理来自多个信息源的不同格式的海量信息。Feldman认为，市场将被分割为不同的平台，如Watson，以提供一组具有高融合性的工具。建立在这些平台上的应用将被细化为针对某一特定问题。
Feldman称：“未来，我们将看到一些相对小众的平台也将拥有应用生态圈。”在这种情况下，小型厂商将创建专业应用。通过添加合理的信息源，以及规划工作流与工具，用户能够更为高效地完成他们的任务。
Feldman通过观察认为下列一些厂商也将加入到这一领域的竞争之中：
“基于意义技术”的提供商Autonomy公司正在研究非结构化数据，以发挥其商业价值。Feldman称，除了内容管理外，该公司还在从事概率搜索和推理研究，并正在向电子化搜寻(E-discovery)领域进军。
Vertica公司为分析平台提供商，在去年被惠普收购。该公司的特色业务包括实时加载与询问、分析、数据压缩与列式存储和执行功能。
Feldman称，甲骨文虽然在逻辑功能方面提供的解决方案并不多，但是他们在搜索功能和内容管理方面拥有强大的实力。甲骨文近期收购了专门从事结构化与非结构化信息存储、管理、搜索与分析的平台提供商Endeca公司。
存储等技术的领军企业EMC也将向这一领域进军。
除了上述厂商外，Feldman指出，微软研究院、SAP和SAS等厂商也拥有可将非结构化信息与“应答机”整合在一起的技术。
作者： 范范
来源： IT168
原文标题：数据分析推动医学取得突破性进展
