临床大数据应用案例
1.临床决策支持
临床医学由于其复杂性，需要医生有长期的知识积累和临床实践。也正由于其复杂性，使每个医生个体在提出诊断和治疗方案中。存在一定的局限。建立临床决策支持系统，可以在医生诊疗过程中将更多的经过验证的临床实践和研究结论提供给他，帮助医生做出更加合理的判断。一般，临床决策支持系统由知识库、推理机和用户反馈模块组成。其中知识库包括已知的临床知识和规则，也包括从临床数据中通过机器学习获得的知识。这两方面知识的积累，依靠大数据技术都将取得快速发展。
目前，主要临床知识和规则的获得已从经验医学转而来自循证医学。循证医学思想的核心就是要以临床研究依据为基础进行医疗决策。循证医学的临床研究目前公认的是采用大样本随机对照试验方法（randomized controlled trail，RCT）加Meta分析结果来证明治疗方法的有效性和安全性。
大样本随机对照试验的实质是通过随机采样，在一定的样本量下针对特定影响因素进行分析，以获得支撑研究结论的证据。但由于受技术和经费的限制，RCT方法所采用的样本量有一定的局限，在样本采集阶段容易受到人为因素的干扰；同时RCT方法一般只对特定的影响因素进行分析，容易忽视或掩盖其他相关因素对结果的影响。因此，循证医学又在向转化医学演进。而转化医学的一大武器就是利用大数据技术。在大数据时代，已经可以通过多中心临床研究对大样本临床资源进行发掘、收集和整理，大数据技术使人们拥有了大样本进行分析的能力。同时，在大数据时代，可以将与样本有关的其他数据进行整合分析，这些数据可以覆盖样本从产生到消亡的全过程。对大样本以及其相关数据的完整分析，可以帮助避免RCT方法应用中产生的问题，可以帮助找到原先未能发现的与疾病相关的其他因素，也可以帮助发现更合理的诊断依据和治疗方案。
例如，高血压是最常见的慢性病，也是心脑血管病最主要的危险因素。脑卒中、心肌梗死、心力衰竭及慢性肾脏病等是其主要并发症，不仅致残、致死率高，而且严重消耗医疗和社会资源，给家庭和国家造成沉重负担。现在通过医疗机构和疾病预防控制机构掌握的高血压患病人群血压数据、服药治疗数据、心脑血管事件发生数据和死亡数据，进行整合分析，可以更精确地评估不同类药物治疗方案对高血压患者最终导致心脑血管事件的发生率。由此形成的知识库，借助临床决策支持系统可以为广大的基层医生提供高血压治疗的支持。
而在美国，医疗保险公司Wellpoint也已经开始通过运用IBM的Watson系统，帮助医生来针对患者的病情进行诊断，目前已服务7 000万人。Watson系统在设计之初，只是用来进行分诊的辅助。而如今，通过建立和完善临床知识库，Watson已经可以依据与疗效相关的临床、病理及基因等特征，为医生提出临床治疗建议。在癌症治疗领域，目前需要一个月或更长时间才能制定出针对性的药物治疗方案，未来利用Watson的认知计算技术可以将周期缩短至1 d，极大提高癌症患者的治愈率。基于大数据技术，机器的诊疗准确率甚至可能超过人类历史上最有名的医生。
Watson在医疗、医药行业可以帮助肿瘤中心做几个复杂癌症疾病的诊断和数据分析；还能够帮助分析疾病风险，保证理赔过程的合规性、合理性，防止滥用和欺诈，保证保险公司基金的安全；医疗机构也可以利用Watson规范医疗费用。
2.自我治疗
由于大数据技术不但可以在医疗机构和科研机构中得以应用，还可以通过辅以互联网技术改变患者“被治疗”的传统，使患者的“自我治疗”成为一种可行的选择。
患者“自我治疗”可以避开当前临床大数据应用中遇到的几个困境。首先，临床大数据应用中往往遇到的是海量的数据未被真正数字化，或是以纸质形式存在，或是以图像、文本形式存在。对这些数据的数字化处理往往耗时巨大。而患者为“自我治疗”可与疾病相关的所有数据，并且愿意将其数字化，这些数据的准确度也非常高。其次，由于患者对隐私的顾虑和不同医疗机构内部政策的限制，实际要获取完整汇集的临床数据非常困难。借助互联网，引导患者自我提供数据将快速突破这一障碍。(https://www.daowen.com)
PatientsI。ike Me就是一个慢性病患者专属的社交网络，至今网站用户已超过20万。2007年12月被美国《财富》评为15家即将改变世界的公司之一。在Patients Like Me上，患者可以自愿上传并共享自身病情和医疗记录。基于后台大数据处理技术，患者可以解决自己疾病的治疗进展，参考同症状病患的用药情况来决定自己的用药方案。通过患者授权，研究人员也可以获得匿名化的医疗数据进行临床科研，以加速临床实验的进程。
房地产经理戴维·诺尔斯（David Knowles），患有多发性硬化症十年。他有在网上搜寻治疗其疾病新方法的习惯，也曾经参加过几个患者社区组织。当他发现Patients Like Me网站后，就立刻找到有850人描述了与他相同的症状，并关注到一种名为那他珠单抗（tysabri）的药物对其症状具有的效果。同时，诺尔斯在Patients Like Me上找到数百名服用那他珠单抗患者的资料，对这种药物的副作用（如影响大脑、焦虑、疲劳等）进行了评估。他确定，对他来说，风险超过了回报。于是，他带着这种疗法去找了神经病学家讨论。“我认为我现在掌控了自己的医疗护理。”他说。
PatientsI。ike Me打破了传统的医患关系，为医疗诊治带来了一种全新的思路，尤其对于慢性疾病的追踪治疗。它将会成为新药研制的一项有力工具。
基于此，PatientsI。ike Me网站也形成了自己的盈利模式：在经得用户授权的情况下，将用户的信息卖给制药商。制药商通过这些庞大的、翔实的用户信息记录，可以研究各种药品对不同患者的作用机制。获得研发新药品的充足信息。
3.临床患者行为管理
临床大数据应用的一大特征在于整合与临床治疗相关的各方面数据进行专业化处理。这些数据既包括诸如环境因素数据（如气候、土壤、水文等监测数据），生物因素数据（如微生物、细菌、病毒等监测数据），经济社会因素（如经济收入、营养条件、人口迁移、城镇化、教育就业等因素数据），医疗卫生服务数据，也包括个人行为和情绪因素数据。对临床患者挖掘其症状特点、行为习惯和喜好等，找到更符合其特点或症状的药品和临床服务，并针对性地调整和优化将显著提升临床治疗的效果。
美国快捷药方公司（Express Scripts，Inc）是一家北美最大的药方福利管理公司，服务数以万计的客户。公司每年能从一亿多客户手中收到近15亿个处方，并对每个处方中有价值的数据信息进行分析。
快捷药方投资建设了IBM元数据管理软件，用以记录客户通过邮购、互联网、电话或在零售药店购买药物的一切行为。快捷药方还引进了一种名为Screen Rx的预测分析模型用于减少慢性病（糖尿病或高血脂）患者不遵从医生处方的问题，以扩展分析预测能力。Screen Rx预测分析模型包含了400多项内容，如患者位置、家庭状况和患者所服用药物的种类等。利用这个模型，快捷药方能够迅速发现并采取积极措施对患者加大用药剂量的行为进行评估和干预。据快捷药方透露，每年由于患者不遵从处方买药就医，就花费了3 170多亿美元，这成了美国成本最高的医疗保健问题。例如，不遵从处方而加大胆固醇药物的剂量可能会促使一些患者心脏病发作，为此患者将花更多的钱用在心脏病的治疗上。基于评估结果，快捷药方还建立了有效的干预方式。包括及时提醒患者用药，或者将患者移交给患者援助计划，帮助他支付医药费，抑或将患者转交给临床药师，以便向患者普及由于用药量过大引起副作用的相关知识。