知識目標1）了解循證醫(yī)學，理解大數據對循證醫(yī)學的促進作用。2）熟悉大數據變革公共衛(wèi)生的典型案例。3）理解大數據在醫(yī)療與健康領域的應用前景。素養(yǎng)目標循證醫(yī)學是“遵循證據的醫(yī)學”。理解決策數字化是一種現代化的及社會治理方式，它將傳統(tǒng)的依賴個人經驗和直覺的決策過程轉變?yōu)榛跀祿寗雍椭悄苡嬎愕目茖W方法。學習目標學習難點1）搜索作為大數據的最佳伙伴。2）數據決策的崛起。學習目標互聯(lián)網的開放性改變了醫(yī)學界的文化。如今，醫(yī)學實踐中針對病案的回歸分析和隨機試驗的結果都會公布出來，不僅僅是醫(yī)生，任何有時間上網搜索的人都可以看到這個結果。醫(yī)生越來越感到學習的緊迫性，這是因為多學習才可以使他們比病人懂得更多。例如，美國國立醫(yī)學圖書館建立的國際性綜合生物醫(yī)學信息書目數據庫Medline網站，是當前國際上最權威的生物醫(yī)學文獻數據庫，它最初是供醫(yī)生和研究人員使用的，而現在1/3以上的瀏覽者是普通老百姓?；ヂ?lián)網不僅僅改變著信息傳導給醫(yī)生的機制，也改變著科技的影響力，即病人影響醫(yī)生的機制。項目5大數據促進醫(yī)療與健康01大數據與循證醫(yī)學02大數據帶來醫(yī)療新突破03醫(yī)療信息數字化04搜索：超級大數據的最佳伙伴目錄/CONTENTS05數據決策的崛起PART01大數據與循證醫(yī)學循證醫(yī)學意為“遵循證據的醫(yī)學”，又稱實證醫(yī)學，其核心思想是醫(yī)療決策（即病人的處理，治療指南和醫(yī)療政策的制定等）應在現有的最好的臨床研究依據基礎上做出，同時也重視結合個人的臨床經驗。

圖5-1循證醫(yī)學金字塔5.1大數據與循證醫(yī)學就實質而言，循證醫(yī)學的方法與內容來源于臨床流行病學。費恩斯坦在美國的《臨床藥理學與治療學》雜志上，以“臨床生物統(tǒng)計學”為題，從1970年到1981年的11年間，共發(fā)表了57篇連載論文，他的論文將數理統(tǒng)計學與邏輯學導入到臨床流行病學，系統(tǒng)地構建了臨床流行病學的體系，被認為富含極其敏銳的洞察能力，為醫(yī)學界所推崇。5.1大數據與循證醫(yī)學傳統(tǒng)醫(yī)學以個人經驗、經驗醫(yī)學為主，即根據非實驗性的臨床經驗、臨床資料和對疾病基礎知識的理解來診治病人。在傳統(tǒng)醫(yī)學下，醫(yī)生根據自己的實踐經驗、高年資醫(yī)師的指導，教科書和醫(yī)學期刊上零散的研究報告為依據來診治病人。其結果是：一些真正有效的療法因不為公眾所了解而長期未被臨床采用；一些實踐無效甚至有害的療法因從理論上推斷可能有效而長期廣泛使用。5.1大數據與循證醫(yī)學循證醫(yī)學不同于傳統(tǒng)醫(yī)學。循證醫(yī)學并非要取代臨床技能、臨床經驗、臨床資料和醫(yī)學專業(yè)知識，它只是強調任何醫(yī)療決策應建立在最佳科學研究證據基礎上。循證醫(yī)學實踐既重視個人臨床經驗又強調采用現有的、最好的研究證據，兩者缺一不可。

圖5-2循證醫(yī)學更強調研究證據5.1大數據與循證醫(yī)學1992年，來自安大略麥克馬斯特大學的兩名內科醫(yī)生戈登·蓋伊特和大衛(wèi)·薩基特發(fā)表了呼吁使用“循證醫(yī)學”的宣言。他們的核心思想很簡單，醫(yī)學治療應該基于最好的證據，而且如果有統(tǒng)計數據的話，最好的證據應來自對統(tǒng)計數據的研究。蓋伊特和薩基特并非主張醫(yī)生要完全受制于統(tǒng)計分析，他們只是希望統(tǒng)計數據在醫(yī)療診斷中起到更大的作用。5.1大數據與循證醫(yī)學醫(yī)生應該特別重視統(tǒng)計數據的這種觀點，直到今天仍頗受爭議。從廣義上來說，努力推廣循證醫(yī)學，就是在努力推廣大數據分析，事關統(tǒng)計分析對實際決策的影響。對于循證醫(yī)學的爭論在很大程度上是關于統(tǒng)計學是否應該影響實際治療決策的爭論。當然，其中很多研究仍在利用隨機試驗的威力，只不過現在風險大得多。由于循證醫(yī)學運動的成功，一些醫(yī)生在把數據分析結果與醫(yī)療診斷相結合方面已經加快了步伐?；ヂ?lián)網在信息追溯方面的進步已經促進了一項影響深遠的技術的發(fā)展，而且利用數據做出決策的過程也達到了前所未有的速度。5.1大數據與循證醫(yī)學PART02大數據帶來醫(yī)療新突破根據美國疾病控制中心（CDC）的研究，心臟病是美國的第一大致命殺手，每年250萬的死亡人數中，約有60萬人死于心臟病，而癌癥緊隨其后。在25~44歲的美國人群中，1995年，艾滋病是致死的頭號原因（現在已降至第六位）。死者中每年僅有2/3的人死于自然原因。那么那些情況不嚴重但影響深遠的疾病又如何呢，比如普通感冒？據統(tǒng)計，美國民眾每年總共會得10億次感冒，平均每人3次。普通感冒是各種病毒引起的，其中大約有99種已經排序，種類之多是普通感冒長久以來如此難治的根源所在。5.2大數據帶來醫(yī)療新突破在醫(yī)療保健方面的應用，除了分析并指出非自然死亡的原因之外，大數據同樣也可以增加醫(yī)療保健的機會、提升生活質量、減少因身體素質差造成的時間和生產力損失。以美國為例，通常一年在醫(yī)療保健上要花費27萬億美元，即人均8650美元。隨著人均壽命增長，嬰兒出生死亡率降低，更多的人患上了慢性病，并長期受其困擾。如今，因為注射疫苗的小孩增多，所以五歲以下小孩的死亡數減少。而除了非洲地區(qū)，肥胖癥已成為比營養(yǎng)不良更嚴重的問題。5.2大數據帶來醫(yī)療新突破在基金會以及其他人資助的研究中，科學家發(fā)現，雖然世界人口壽命變長，但大家的身體素質卻下降了。所有這些都表明我們急需提供更高效的醫(yī)療保健，盡可能地幫助人們跟蹤并改善身體健康。5.2大數據帶來醫(yī)療新突破谷歌聯(lián)合創(chuàng)始人謝爾蓋?布林的妻子安妮?沃西基（同時也是公司的首席執(zhí)行官）2006年創(chuàng)辦了DNA（見圖5-3）測試和數據分析公司23andMe（見圖5-4）。公司并非僅限于個人健康信息的收集和分析，而是將眼光放得更遠，將大數據應用到了個人遺傳學上。2016年6月22日，《麻省理工科技評論》評選出了50家“最智能”科技公司，23andMe排名第7。5.2.1量化自我，關注個人健康圖5-3基因DNA圖片圖5-423andMe的DNA測試5.2.1量化自我，關注個人健康通過分析人們的基因組數據，公司確認了個體的遺傳性疾病，如帕金森氏病和肥胖癥等的遺傳傾向。通過收集和分析大量的人體遺傳信息數據，該公司不僅希望可以識別個人遺傳風險因素以幫助人們增強體質并延年益壽，而且希望能識別更普遍的趨勢。通過分析，公司已確定了約180個新的特征，如所謂的“見光噴嚏反射”，即人們從陰暗處移動到陽光明媚的地方時會有打噴嚏的傾向；還有一個特征則與人們對藥草、香菜的喜惡有關。5.2.1量化自我，關注個人健康事實上，利用基因組數據來為醫(yī)療保健提供更好的洞悉是自1990年以來所做努力的合情合理的下一步。人類基因計劃組（HGP）繪制出總數約有23000組的基因組，而這所有的基因組也最終構成了人類的DNA。這一項目費時13年，耗資38億美元。事實上，存儲人類基因數據并不需要多少空間。有分析顯示，人類基因存儲空間僅占20MB，和在iPod中存幾首歌所占的空間差不多。其實隨意挑選兩個人，他們的DNA約99.5％都完全一樣。因此，通過參考人類基因組的序列，我們可以只存儲那些將此序列轉化為個人特有序列所必需的基因信息。5.2.1量化自我，關注個人健康DNA最初的序列在捕捉的高分辨率圖像中顯示為一列DNA片段。雖然個人的DNA信息以及最初的序列形式會占據很大空間，但是，一旦序列轉化為DNA的As、Cs、Gs和Ts，任何人的基因序列就都可以被高效地存儲下來。數據規(guī)模大并不一定能稱其為大數據。真正體現大數據能量的是不僅要具備收集數據的能力，還要具備低成本分析數據的能力。5.2.1量化自我，關注個人健康雖然，人類最初的基因組序列分析耗資約38億美元，不過，如今你只需花大概99美元就能在23andMe網站上獲取自己的DNA分析。業(yè)內專家認為，基因測序成本在短短10年內跌了幾個數量級。當然，僅有DNA測序不足以提升我們的健康，我們也需要在日常生活中做出改變。5.2.1量化自我，關注個人健康如今人們越來越關注自己的身體健康狀況，而智能手表憑借出色的穿戴性以及專業(yè)的健康管理功能深受人們青睞。例如華為智能手表搭載了自主研發(fā)的華為TruSeen?心率技術，加上8合1透鏡LED發(fā)光芯片+多路收光設計，在提升精準度的同時，也相應降低了功耗。當佩戴在手腕上時，能夠24h連續(xù)進行心率檢測。同時通過相應的算法優(yōu)化，提升了運動中心率的準確度。美國的移動電子醫(yī)療公司Fitbit、耐克公司、可穿戴技術商身體媒體公司（BodyMedia）都有手環(huán)、臂帶等可穿戴的運動監(jiān)測產品。5.2.2可穿戴的個人健康設備據出自美國心臟協(xié)會的文章《非活動狀態(tài)的代價》稱，65％的成年人不是肥胖就是超重。自1950年以來，久坐不動的工作崗位增加了83%，而僅有25％的勞動者從事的是身體活動多的工作。美國人平均每周工作47h，相比20年前，每年的工作時間增加了164h。因此，類似華為手表、Fitbit手環(huán)這樣的設備對不斷推高醫(yī)療保健和個人健康的成本確實有影響。通過這些應用程序收集到的數據，我們可以了解正在發(fā)生什么以及我們的身體狀況走勢怎樣。5.2.2可穿戴的個人健康設備比如，如果心率不齊，就表示健康狀況出現了某種問題。通過分析數百萬人的健康數據，科學家們可以開發(fā)更好的算法來預測人們未來的健康狀況?；厮葸^去，檢測身體健康發(fā)展情況需要用到特殊的設備，或是不辭辛苦、花費高額就診費去醫(yī)生辦公室問診?？纱┐髟O備新型應用程序最引人矚目的一面是：它們使得健康信息的檢測變得更簡單易行。低成本的個人健康檢測程序以及相關技術甚至“喚醒”了全民對個人健康的關注。5.2.2可穿戴的個人健康設備當配備合適的軟件時，低價的設備或唾手可得的智能手機可以幫助我們收集到很多健康數據。將這種數據收集能力、低成本的分析、可視化云服務與大數據以及個人健康領域相結合，將在提升健康狀況和減低醫(yī)療成本方面發(fā)揮出巨大的潛力。5.2.2可穿戴的個人健康設備就算有了這些可穿戴設備與應用程序，我們依然需要去看醫(yī)生。大量的醫(yī)療信息收集工作依然靠紙筆進行。紙筆記錄的優(yōu)勢在于方便、快捷、成本低廉。但是，因為紙筆做的記錄會分散在多處，導致醫(yī)療工作者難以找到患者的關鍵醫(yī)療信息。5.2.3大數據時代的醫(yī)療信息2009年頒布的美國《衛(wèi)生信息技術促進經濟和臨床健康法案》（HITECH）旨在促進醫(yī)療信息技術的應用，尤其是電子健康檔案（EHR）的推廣。法案也在2015年給予醫(yī)療工作者經濟上的激勵，鼓勵他們采用電子健康檔案，同時會對不采用者施以處罰。電子病歷（EMR）是紙質記錄的電子檔，如今許多醫(yī)生都在使用。5.2.3大數據時代的醫(yī)療信息相比之下，電子健康檔案意圖打造病人健康概況的普通檔案，這使得它能被醫(yī)療工作者輕易接觸到。醫(yī)生還可以使用一些新的APP應用程序，在平板電腦、智能手機、搭載安卓、鴻蒙系統(tǒng)的設備或網頁瀏覽器上收集病人的信息。除了可以收集過去用紙筆記錄的信息之外，醫(yī)生們還將通過這些程序實現從語言轉換到文本的聽寫、收集圖像和視頻等其他功能。5.2.3大數據時代的醫(yī)療信息電子健康檔案、DNA測試和新的成像技術在不斷產生大量數據。收集和存儲這些數據對于醫(yī)療工作者而言是一項挑戰(zhàn)，也是一個機遇。不同于以往采用的封閉式的醫(yī)院IT系統(tǒng)，更新、更開放的系統(tǒng)與數字化的病人信息相結合可以帶來醫(yī)療突破。5.2.3大數據時代的醫(yī)療信息如此種種分析也會給人們帶來別樣的見解。比如說，智能系統(tǒng)可以提醒醫(yī)生使用與自己通常推薦的治療方式相關的其他治療方式和程序。這種系統(tǒng)也可以告知那些忙碌無暇的醫(yī)生某一領域的最新研究成果。這些系統(tǒng)收集、存儲的數據量大得驚人。越來越多的病患數據會采用數字化形式存儲。不僅是我們填寫在健康問卷上或醫(yī)生記錄在表格里的數據，還包括了智能手機和平板電腦等設備以及新的醫(yī)療成像系統(tǒng)（比如X光機和超音設備）生成的數字圖像。5.2.3大數據時代的醫(yī)療信息就大數據而言，這意味著未來將會出現更好、更有效的患者看護，更為普及的自我監(jiān)控以及防護性養(yǎng)生保健，當然也意味著要處理更多的數據。其中的挑戰(zhàn)在于，要確保所收集的數據能夠為醫(yī)療工作者以及個人提供重要的見解。5.2.3大數據時代的醫(yī)療信息PART03醫(yī)療信息數字化醫(yī)療領域的循證試驗已經有一百多年的歷史了。早在19世紀40年代，奧地利內科醫(yī)生伊格納茨·塞麥爾維斯就在維也納完成了一項關于產科臨床的詳細的統(tǒng)計研究。塞麥爾維斯在維也納大學總醫(yī)院注意到，如果住院醫(yī)生從驗尸房出來后馬上為產婦接生，產婦死亡的概率更大。他發(fā)現，如果診所里的醫(yī)生和護士在給每位病人看病前用含氯石灰水洗手消毒，那么死亡率就會從12％下降到2％。5.3醫(yī)療信息數字化當時，這一最終產生病理細菌理論的驚人發(fā)現遇到了強烈的阻力，塞麥爾維斯也受到其他醫(yī)生的嘲笑。他主張的一些觀點缺乏科學依據，因為他沒有充分解釋為什么洗手會降低死亡率，醫(yī)生們不相信病人的死亡是由他們所引起的，他們還抱怨每天洗好幾次手會浪費他們寶貴的時間。塞麥爾維斯最終被解雇，后來他精神嚴重失常，并在精神病院去世，享年47歲。塞麥爾維斯的死是一個悲劇，成千上萬產婦不必要的死亡更是一種悲劇，不過它們都已成為歷史，現在的醫(yī)生當然知道衛(wèi)生的重要性。5.3醫(yī)療信息數字化唐·博威克是一名兒科醫(yī)生，也是保健改良協(xié)會的會長，他鼓勵進行一些大膽的對比試驗。十幾年以來，博威克一直致力于減少醫(yī)療事故，他也與塞麥爾維斯一樣努力根據循證醫(yī)學的結果提出簡單的改革建議。1999年發(fā)生的兩件不同尋常的事情，使得博威克開始對醫(yī)院系統(tǒng)進行廣泛的改革。第一件事是，醫(yī)學協(xié)會公布的一份權威報告，記錄了美國醫(yī)療領域普遍存在的治療失誤。據該報告估計，每年醫(yī)院里有98000人死于可預防的治療失誤。醫(yī)學協(xié)會的報告使博威克確信治療失誤的確是一大隱患。5.3醫(yī)療信息數字化第二件事是發(fā)生在博威克自己身上的事情。博威克的妻子安患有一種罕見的脊椎自體免疫功能紊亂癥。在3個月的時間里，她從能夠完成28公里的阿拉斯加跨國滑雪比賽變得幾乎無法行走。使博威克震驚的是，他妻子所在醫(yī)院懶散的治療態(tài)度。每次新?lián)Q的醫(yī)生都不斷重復地詢問同樣的問題，甚至不斷開出已經證明無效的藥物。主治醫(yī)生在決定使用化療來延緩安的健康狀況的“關鍵時刻”之后的足足60h，安才吃到最終開出的第一劑藥。而且有3次，安被半夜留在醫(yī)院地下室的擔架床上，既惶恐不安又孤單寂寞。5.3醫(yī)療信息數字化2004年12月，博斯克大膽地宣布了一項在未來一年半中挽救10萬人生命的計劃。“10萬生命運動”是對醫(yī)療體系的挑戰(zhàn)，敦促它們采取6項醫(yī)療改革來避免不必要的死亡。他并不僅僅希望進行細枝末節(jié)的微小變革，也不要求提高外科手術的精度。他希望醫(yī)院能夠對一些最基本的程序進行改革。例如，很多人做過手術后處于空調環(huán)境中會引發(fā)肺部感染。隨機試驗表明，簡單地提高病床床頭，以及經常清洗病人口腔，就可以大大降低感染的幾率。5.3醫(yī)療信息數字化博威克反復地觀察臨危病人的臨床表現，并努力找出可能降低這些特定風險的干預方法的大規(guī)模統(tǒng)計數據。循證醫(yī)學研究也建議進行檢查和復查，以確保能夠正確地開藥和用藥，能夠采用最新的心臟電擊療法，以及確保在病人剛出現不良癥狀時就有快速反應小組馬上趕到病榻前。因此，這些干預也都成為“10萬生命運動”的一部分。5.3醫(yī)療信息數字化然而，博威克最令人吃驚的建議是針對最古老的傳統(tǒng)。他注意到每年有數千位ICU（重癥加強護理病房）病人在胸腔內放置中央動脈導管后感染而死。大約一半的重癥看護病人有中央動脈導管，而ICU感染是致命的。于是，他想看看是否有統(tǒng)計數據能夠支持降低感染概率的方法。5.3醫(yī)療信息數字化他找到《急救醫(yī)學》雜志上2004年發(fā)表的一篇文章，表明系統(tǒng)地洗手（再配合一套改良的衛(wèi)生清潔程序，比如，用一種叫做雙氯苯雙胍己烷的消毒液清洗病人的皮膚）能夠減少中央動脈導管90％以上感染的風險。博威克預計，如果所有醫(yī)院都實行這套衛(wèi)生程序，就有可能每年挽救25000個人的生命。博威克認為，醫(yī)學護理在很多方面可以學習航空業(yè)，現在的飛行員和乘務人員的自由度比以前少得多。聯(lián)邦航空局提出，必須在每次航班起飛之前逐字逐句宣讀安全警告?！把芯康迷蕉?，我就越堅信，醫(yī)生的自由度越少，病人就會越安全，”他說，“聽到我這么說，醫(yī)生會很討厭我?！?.3醫(yī)療信息數字化博威克還制定了一套有力的推廣策略。在一次會議上，他說：“在場的每一個人都將在會議期間挽救5個人的生命?！彼粩嗟赜矛F實世界的例子來解釋自己的觀點，他深深癡迷于數字。與沒有明確目標的項目不同，他的“10萬生命運動”是全國首個明確在特定時間內挽救特定數目生命的項目。5.3醫(yī)療信息數字化該運動與3000多家醫(yī)院簽訂了協(xié)議，涵蓋全美75％的醫(yī)院床位。大約有1/3的醫(yī)院同意實施全部6項改革，一半以上的醫(yī)院同意實施至少3項改革。該運動實施之前，美國醫(yī)院承認的平均死亡率大約是2.3％。該運動中平均每家醫(yī)院有200個床位，一年大約有10000個床位，這就意味著每年大約有230個病人死亡。從當時的研究推斷，博威克認為參與該運動的醫(yī)院每8個床位就能挽救1個生命?；蛘哒f，200個床位的醫(yī)院每年能夠挽救大約25個病人的生命。5.3醫(yī)療信息數字化參與該運動的醫(yī)院需要在參與之前提供18個月的死亡率數據，并且每個月都要更新實驗過程中的死亡人數。很難估計某家有10000個床位的醫(yī)院的病人死亡率下降是否是純粹因為運氣。但是，如果分析3000家醫(yī)院實驗前后的數據，就可能得到更加準確的估計。5.3醫(yī)療信息數字化試驗結果非常令人振奮。2006年6月14日，博威克宣布該運動的結果已經超出了預定目標。在短短18個月里，這6項改革措施使死亡人數預計減少了122342人。當然，我們不要相信這一確切數字。部分原因是許多醫(yī)院在一些可以避免的治療失誤問題上取得的進展是獨立的；即使沒有該運動，這些醫(yī)院也有可能會改變他們的工作方式，從而挽救很多生命。5.3醫(yī)療信息數字化無論從哪個角度看，這項運動對于循證醫(yī)學來說都是一次重大勝利?？梢钥吹?，“10萬生命運動”的核心就是大數據分析。博威克的6項干預并不是來自直覺，而是來自統(tǒng)計分析。博威克觀察數字，發(fā)現導致人們死亡的真正原因，然后尋求統(tǒng)計上證明能夠有效降低死亡風險的干預措施。5.3醫(yī)療信息數字化PART04搜索：超級大數據的最佳伙伴循證醫(yī)學運動之前的醫(yī)學實踐受到了醫(yī)學研究成果緩慢低效的傳導機制的束縛。據美國醫(yī)學協(xié)會的估計，“一項經過隨機控制試驗產生的新成果應用到醫(yī)療實踐中，平均需要17年。如果醫(yī)生不知道有什么樣的統(tǒng)計結果，他就不可能根據統(tǒng)計結果進行決策。要使統(tǒng)計分析有影響力，就需要有一些能夠將分析結果傳達給決策制定者的傳導機制。大數據分析的崛起往往伴隨著并受益于傳播技術的改進，這樣，決策制定者就可以更加迅速地即時獲取并分析數據。大數據分析速度越快，就越可能改變決策制定者的選擇。5.4搜索：超級大數據的最佳伙伴與其他使用大數據分析的情況相似，循證醫(yī)學運動也在設法縮短傳播重要研究結果的時間。循證醫(yī)學最核心也最可能受抵制的要求是，提倡醫(yī)生們研究和發(fā)現病人的問題。一直跟蹤研究醫(yī)生的學者們發(fā)現，新患者所提出的問題大約有2/3會對研究有益。這一比重在新住院的病人中更高。然而被跟蹤研究的醫(yī)生卻很少有人愿意花時間去回答這些問題。5.4搜索：超級大數據的最佳伙伴對于循證醫(yī)學的批評往往集中在信息匱乏上。反對者聲稱，在很多情況下根本不存在能夠為日常治療決策所遇到的大量問題提供指導的高質量的統(tǒng)計研究。抵制循證醫(yī)學的更深層原因其實恰恰相反：對于每個醫(yī)生來說，有太多循證信息了，以至于無法合理地吸收利用。僅以冠心病為例，每年有3600多篇統(tǒng)計方面的論文發(fā)表。這樣，想跟蹤這一領域的學者必須每天（包括周末）讀十幾篇文章。如果讀一篇文章需要15min，那么關于每種疾病的文章每天就要花掉兩個半小時。顯然，要求醫(yī)生投入如此多的時間去仔細查閱海量的統(tǒng)計研究資料，是行不通的。5.4搜索：超級大數據的最佳伙伴循證醫(yī)學的倡導者們從最開始就意識到信息追索技術的重要性，它使得從業(yè)醫(yī)生可以從數量巨大且時時變化的醫(yī)學研究資料中提取出高質量的相關信息。網絡的信息提取技術使得醫(yī)生更容易查到特定病人特定問題的相關結果。即使現在高質量的統(tǒng)計研究文獻比以往都多，醫(yī)生“在大海里撈針”的速度也提高了?，F在有眾多計算機輔助搜索引擎，可以使醫(yī)生接觸到相關的統(tǒng)計學研究。5.4搜索：超級大數據的最佳伙伴對于研究結果的綜述通常帶有鏈接，這樣醫(yī)生在點開鏈接后就可以查看全文以及引用過該研究的所有后續(xù)研究。即使不點開鏈接，僅僅從“證據質量水平”中，醫(yī)生也可以根據最初的搜索結果了解到很多。這種簡潔標注證據質量的變化很可能成為循證醫(yī)學運動最有影響力的部分?，F在，醫(yī)生評估統(tǒng)計研究提出的政策建議時，可以更好地了解自己能在多大程度上信賴這種建議。大數據分析回歸分析不僅可以做預測，而且還可以告訴你預測的精度。證據質量水平也是如此。循證醫(yī)學不僅提出治療建議，同時還會告訴醫(yī)生支撐這些建議的數據質量如何。5.4搜索：超級大數據的最佳伙伴證據的評級有力地回應了反對循證醫(yī)學的人，他們認為循證醫(yī)學不會成功，因為沒有足夠的統(tǒng)計研究來回答醫(yī)生所需回答的所有問題。評級使專家們在缺乏權威的統(tǒng)計證據時仍然能夠回答緊迫的問題。5.4搜索：超級大數據的最佳伙伴PART05數據決策的崛起循證醫(yī)學的成功就是數據決策的成功，它使決策的制定不僅基于數據或個人經驗，而且基于系統(tǒng)的統(tǒng)計研究。5.5數據決策的崛起迄今為止，醫(yī)學的數據決策還主要限于治療問題。幾乎可以肯定的是，下一個高峰會出現在診斷環(huán)節(jié)?；ヂ?lián)網作為信息的數據庫，它已經對診斷產生了巨大的影響。《新英格蘭醫(yī)學期刊》上發(fā)表了一篇文章，講述紐約一家教學醫(yī)院的教學情況?！耙晃换加羞^敏和免疫疾病的人帶著一個得了痢疾的嬰兒就診，其患有罕見的皮疹（鱷魚皮），多種免疫系統(tǒng)異常，包括T-cell（T細胞）功能低下，胃黏膜有組織紅血球以及末梢紅血球，是一種顯然與X染色體有關的基因遺傳方式（多個男性親人幼年夭折）?！?.5.1數據輔助診斷主治醫(yī)師和其他住院醫(yī)生經過長時間討論后，仍然無法得出一致的正確診斷。最終，教授問這個病人是否做過診斷，她說她確實做過診斷，而且她的癥狀與一種罕見的名為IPEX的疾病完全吻合。當醫(yī)生們問她怎么得到這個診斷結果時，她回答說：“我在谷歌上輸入我的顯著癥狀，答案馬上就跳出來了?！敝髦吾t(yī)師驚得目瞪口呆。“你從谷歌上搜出了診斷結果？……難道不再需要我們醫(yī)生了嗎？”互聯(lián)網使得年輕醫(yī)生不再依賴教授的教學作為主要的知識來源。年輕醫(yī)生不必順從德高望重的前人的經驗，他們可以利用那些不會給他們帶來煩惱的資源。5.5.1數據輔助診斷一個名叫“伊沙貝爾”的“診斷-決策支持”軟件項目使醫(yī)生可以在輸入病人的癥狀后就得到一系列最可能的病因。它甚至還可以告訴醫(yī)生病人的癥狀是否是由于過度服用藥物，涉及藥物達4000多種。伊沙貝爾數據庫涉及11000多種疾病的大量臨床發(fā)現、實驗室結果、病人的病史，以及其本身的癥狀。伊沙貝爾的項目設計人員創(chuàng)立了一套針對所有疾病的分類法，然后通過搜索報刊文章的關鍵詞找出與每個疾病最相關的文章，如此形成一個數據庫。這種統(tǒng)計搜索程序顯著地提高了給每個疾病/癥狀匹配編碼的效率。而且如果有新的且高相關性的文章出現時，可以不斷更新數據庫。5.5.2你考慮過……了嗎伊沙貝爾項目的產生來自于一個股票經紀人被誤診的痛苦經歷。1999年，詹森·莫德3歲大的女兒伊沙貝爾被倫敦醫(yī)院住院醫(yī)生誤診為水痘，并遣送回家。只過了一天，她的器官便開始衰竭，該醫(yī)院的主治醫(yī)生約瑟夫?布里托馬上意識到她實際上感染了一種潛在致命性食肉病毒。盡管伊沙貝爾最終康復，但是她父親卻非常后怕，他辭去了金融領域的工作。莫德和布里托一起成立了一家公司，開始開發(fā)伊沙貝爾軟件以抗擊誤診。5.5.2你考慮過……了嗎研究表明，誤診占所有醫(yī)療事故的1/3。尸體解剖報告也顯示，相當一部分重大疾病是被誤診的?！叭绻纯匆呀涢_出的錯誤診斷記錄，”布里托說，“診斷失誤大約是處方失誤的2~3倍?！弊畹凸烙嬘袔装偃f病人被診斷成錯誤的疾病在接受治療。伊沙貝爾項目的雄偉目標是改變診斷科學的停滯現狀。莫德簡單地解釋道：“計算機比我們記得更多更好。”世界上有11000多種疾病，而人類的大腦不可能熟練地記住引發(fā)每種疾病的所有癥狀。實際上，伊沙貝爾的推廣策略類似用谷歌診斷，它可以幫助我們從一個龐大的數據庫里搜索并提取信息。5.5.2你考慮過……了嗎誤診最大的原因是武斷。醫(yī)生認為他們已經做出了正確的診斷——正如住院醫(yī)生認為伊沙貝爾?莫德得了水痘——因此他們不再思考其他的可能性。伊沙貝爾就是要提醒醫(yī)生其他可能。它有一頁會向醫(yī)生提問，“你考慮過……了嗎”就是在提醒其他的可能性，這可能會產生深遠的影響。5.5.2你考慮過……了嗎研究人員發(fā)現，10％的情況下，伊沙貝爾能夠幫助醫(yī)生把他們本來沒有考慮的主要診斷考慮進來。伊沙貝爾堅持不懈地進行試驗?！缎掠⒏裉m醫(yī)學期刊》上伊沙貝爾的專版每周都有一個診斷難題。簡單地剪切、粘貼病人的病史，輸入到伊沙貝爾中，就可以得到10~30個診斷列表。這些列表中75％的情況下涵蓋了經過《新英格蘭醫(yī)學期刊》（往往通過尸體解剖）證實為正確的診斷。如果再進一步手動把搜索結果輸入到更精細的對話框中，伊沙貝爾的正確率就可以提高到96％。伊沙貝爾不會挑選出一種診斷結果。5.5.2你考慮過……了嗎“伊沙貝爾不是萬能的?！辈祭锿姓f。伊沙貝爾甚至不能判斷哪種診斷最有可能正確，或者給診斷結果排序。不過，把可能的病因從11000種降低到30種未經排序的疾病已經是重大的進步了。5.5.2你考慮過……了嗎大數據分析將使診斷預測更加準確。目前這些軟件所分析的基本上