1、第 5 章大数据促进医疗和健康,目录,大数据导论,2,123456,大数据与循证医学大数据带来的医疗新突破 医疗信息数字化搜索：超级大数据的最佳伙伴 数据决策的成功崛起【延伸阅读】7【实验与思考】,【导读案例】大数据变革公共卫生,2009年出现了一种新的流感病毒甲型H1N1，这种流感结合了导致禽流感和猪流感的 病毒的特点，在短短几周之内迅速传播开来（图5-1）。全球的公共卫生机构都担心 一场致命的流行病即将来袭。有的评论家甚至警告说，可能会爆发大规模流感，类 似于1918年在西班牙爆发的影响了5亿人口并夺走了数千万人性命的大规模流感。更 糟糕的是，我们还没有研发出对抗这种新型流感病毒的疫苗。公
2、共卫生专家能做的 只是减慢它传播的速度。但要做到这一点，他们必须先知道这种流感出现在哪里。,大数据导论,3,【导读案例】大数据变革公共卫生,图5-1 甲型H1N1流感疫情全球流行示意图,大数据导论,4,【导读案例】大数据变革公共卫生,美国，和所有其他国家一样，都要求医生在发现新型流感病例时告知疾病控制与预 防中心。但由于人们可能患病多日实在受不了了才会去医院，同时这个信息传达回 疾控中心也需要时间，因此，通告新流感病例时往往会有一两周的延迟，而且，疾 控中心每周只进行一次数据汇总。然而，对于一种飞速传播的疾病，信息滞后两周 的后果将是致命的。这种滞后导致公共卫生机构在疫情爆发的关键时期反而无所
3、适 从。,大数据导论,5,【导读案例】大数据变革公共卫生,在甲型H1N1流感爆发的几周前，互联网巨头谷歌公司的工程师们在自然杂志上 发表了一篇引人注目的论文。它令公共卫生官员们和计算机科学家们感到震惊。文 中解释了谷歌为什么能够预测冬季流感的传播：不仅是全美范围的传播，而且可以 具体到特定的地区和州。谷歌通过观察人们在网上的搜索记录来完成这个预测，而 这种方法以前一直是被忽略的。谷歌保存了多年来所有的搜索记录，而且每天都会 收到来自全球超过30亿条的搜索指令，如此庞大的数据资源足以支撑和帮助它完成 这项工作。,大数据导论,6,【导读案例】大数据变革公共卫生,谷歌公司把5 000万条美国人最频繁
4、检索的词条和美国疾控中心在2003年至2008年间 季节性流感传播时期的数据进行了比较。他们希望通过分析人们的搜索记录来判断 这些人是否患上了流感，其他公司也曾试图确定这些相关的词条，但是他们缺乏像 谷歌公司一样庞大的数据资源、处理能力和统计技术。,大数据导论,7,【导读案例】大数据变革公共卫生,虽然谷歌公司的员工猜测，特定的检索词条是为了在网络上得到关于流感的信息，如“哪些是治疗咳嗽和发热的药物”，但是找出这些词条并不是重点，他们也不知 道哪些词条更重要。更关键的是，他们建立的系统并不依赖于这样的语义理解。他 们设立的这个系统唯一关注的就是特定检索词条的使用频率与流感在时间和空间上 的传播之
5、间的联系。谷歌公司为了测试这些检索词条，总共处理了4.5亿个不同的数 学模型。在将得出的预测与2007年、2008年美国疾控中心记录的实际流感病例进行 对比后，谷歌公司发现，他们的软件发现了45条检索词条的组合，将它们用于一个 特定的数学模型后，他们的预测与官方数据的相关性高达97。和疾控中心一样，他们也能判断出流感是从哪里传播出来的，而且判断非常及时，不会像疾控中心一 样要在流感爆发一两周之后才可以做到。,大数据导论,8,【导读案例】大数据变革公共卫生,所以，2009年甲型H1N1流感爆发的时候，与习惯性滞后的官方数据相比，谷歌成为 了一个更有效、更及时的指示标。公共卫生机构的官员获得了非常
6、有价值的数据信 息。惊人的是，谷歌公司的方法甚至不需要分发口腔试纸和联系医生它是建立 在大数据的基础之上的。这是当今社会所独有的一种新型能力；以一种前所未有的 方式，通过对海量数据进行分析，获得有巨大价值的产品和服务，或深刻的洞见。基于这样的技术理念和数据储备，下一次流感来袭的时候，世界将会拥有一种更好 的预测工具，以预防流感的传播。,大数据导论,9,大数据与循证医学,5.1,5.1 大数据与循证医学,大数据导论,11,循证医学（Evidence-based medicine，EBM），意为“遵循证据的医学”，又称 实证医学，其核心思想是医疗决策（即病人的处理，治疗指南和医疗政策的制定 等）应
7、在现有的最好的临床研究依据基础上作出，同时也重视结合个人的临床经 验（图5-2）。,5.1 大数据与循证医学,图5-2 循证医学金字塔,大数据导论,12,5.1 大数据与循证医学,大数据导论,13,第一位循证医学的创始人科克伦（1909-1988），是英国的内科医生和流行病学家，他1972年在牛津大学提出了循证医学思想。第二位循证医学的创始人费恩斯坦（1925-），是美国耶鲁大学的内科学与流行病学教授，他是现代临床流行病学 的开山鼻祖之一。第三位循证医学的创始人萨科特（1934-）也是美国人，他曾经以肾脏病和高血压为研究课题，先在实验室中进行研究，后来又进行临床研究，最后转向临床流行病学的研究
8、。,5.1 大数据与循证医学,大数据导论,14,就实质而言，循证医学的方法与内容来源于临床流行病学。费恩斯坦在美国的临床药理学与治疗学杂志上，以“临床生物统计学”为题，从1970年到1981 年的11年间，共发表了57篇的连载论文，他的论文将数理统计学与逻辑学导入到 临床流行病学，系统地构建了临床流行病学的体系，被认为富含极其敏锐的洞察 能力，因此为医学界所推崇。传统医学以个人经验、经验医学为主，即根据非实验性的临床经验、临床资料和 对疾病基础知识的理解来诊治病人（图5-3）。在传统医学下，医生根据自己的 实践经验、高年资医师的指导，教科书和医学期刊上零散的研究报告为依据来处理病人。其结果是：
9、一些真正有效的疗法因不为公众所了解而长期未被临床采用；一些实践无效甚至有害的疗法因从理论上推断可能有效而长期广泛使用。,5.1 大数据与循证医学,图5-3 传统医学是以经验医学为主,大数据导论,15,5.1 大数据与循证医学,大数据导论,16,循证医学不同于传统医学。循证医学并非要取代临床技能、临床经验、临床资料 和医学专业知识，它只是强调任何医疗决策应建立在最佳科学研究证据基础上。循证医学实践既重视个人临床经验又强调采用现有的、最好的研究证据，两者缺 一不可（图5-4）。,5.1 大数据与循证医学,图5-4 循证医学重视个人临床经验，也强调研究证据,大数据导论,17,5.1 大数据与循证医学
10、,大数据导论,18,1992年，来自安大略麦克马斯特大学的两名内科医生戈登盖伊特和大卫萨基特 发表了呼吁使用“循证医学”的宣言。他们的核心思想很简单。医学治疗应该基于最好的证据，而且如果有统计数据的话，最好的证据应来自对统计数据的研究。但是，盖伊特和萨基特并非主张医生要完全受制于统计分析，他们只是希望统计 数据在医疗诊断中起到更大的作用。,5.1 大数据与循证医学,大数据导论,19,医生应该特别重视统计数据的这种观点，直到今天仍颇受争议。从广义上来说，努力推广循证医学，就是在努力推广大数据分析，事关统计分析对实际决策的影 响。对于循证医学的争论在很大程度上是关于统计学是否应该影响实际治疗决策
11、的争论。当然，其中很多研究仍在利用随机试验的威力，只不过现在风险大得多。由于循证医学运动的成功，一些医生在把数据分析结果与医疗诊断相结合方面已 经加快了步伐。互联网在信息追溯方面的进步已经促进了一项影响深远的技术的 发展，而且利用数据做出决策的过程也达到了前所未有的速度。,大数据带来的医疗新突破,5.2,5.2 大数据带来的医疗新突破,大数据导论,21,根据美国疾病控制中心（CDC）的研究，心脏病是美国的第一大致命杀手，每年 250万的死亡人数中，约有60万人死于心脏病，而癌症紧随其后（在中国，癌症 是第一致命杀手，心血管疾病排名第二）。在2544岁的美国人群中，1995年，艾滋病是致死的头号
12、原因（现在已降至第六位）。死者中每年仅有2/3的人死于自 然原因。那么那些情况不严重但影响深远的疾病又如何呢，比如普通感冒？据统 计，美国民众每年总共会得10亿次感冒，平均每人3次。普通感冒是各种鼻病毒 引起的，其中大约有99种已经排序，种类之多是普通感冒长久以来如此难治的根 源所在。,5.2 大数据带来的医疗新突破,大数据导论,22,在医疗保健方面的应用，除了分析并指出非自然死亡的原因之外，大数据同样也 可以增加医疗保健的机会、提升生活质量、减少因身体素质差造成的时间和生产 力损失。以美国为例，通常一年在医疗保健上要花费27万亿美元，即人均8 650美元。随着 人均寿命增长，婴儿出生死亡率降
13、低，更多的人患上了慢性病，并长期受其困扰。如今，因为注射疫苗的小孩增多，所以减少了五岁以下小孩的死亡数。而除了非 洲地区，肥胖症已成为比营养不良更严重的问题。在比尔与美琳达盖茨基金会以及其他人资助的研究中，科学家发现，虽然世界人口寿命变长，但大家的身体 素质却下降了。所有这些都表明我们亟需提供更高效的医疗保健，尽可能地帮助 人们跟踪并改善身体健康。,5.2.1 量化自我，关注个人健康,大数据导论,23,谷歌联合创始人谢尔盖布林的妻子安妮沃西基（同时也是公司的首席执行官）2006年创办了DNA（图5-5）测试和数据分析公司23andMe。公司并非仅限于个 人健康信息的收集和分析，而是将眼光放得更
14、远，将大数据应用到了个人遗传学 上，至今已分析了超过20万人的唾液（图5-6）。,5.2.1 量化自我，关注个人健康,图5-5 基因DNA图片,大数据导论,24,5.2.1 量化自我，关注个人健康,图5-6 23andMe的DNA测试,大数据导论,25,5.2.1 量化自我，关注个人健康,大数据导论,26,通过分析人们的基因组数据，公司确认了个体的遗传性疾病，如帕金森氏病和肥 胖症等遗传倾向。通过收集和分析大量的人体遗传信息数据，该公司不仅希望可 以识别个人遗传风险因素以帮助人们增强体质并延年益寿，而且希望能识别更普 遍的趋势。通过分析，公司已确定了约180个新的特征，例如所谓的“见光喷嚏 反
15、射”，即人们从阴暗处移动到阳光明媚的地方时会有打喷嚏的倾向；还有一个 特征则与人们对药草、香菜的喜恶有关。事实上，利用基因组数据来为医疗保健提供更好的洞悉是自1990年以来所做努力 的合情合理的下一步。人类基因计划组（HGP）绘制出总数约有23 000组的基因 组，而这所有的基因组也最终构成了人类的DNA。这一项目费时13年，耗资38亿 美元。,5.2.1 量化自我，关注个人健康,大数据导论,27,值得一提的是，存储人类基因数据并不需要多少空间。有分析显示，人类基因存 储空间仅占20兆字节，和在iPod中存几首歌所占的空间差不多。其实随意挑选两 个人，他们的DNA约99.5都完全一样。因此，通
16、过参考人类基因组的序列，我 们也许可以只存储那些将此序列转化为个人特有序列所必需的基因信息。DNA最初的序列在捕捉的高分辨率图像中显示为一列DNA片段。虽然个人的 DNA信息以及最初的序列形式会占据很大空间，但是，一旦序列转化为DNA的 As、Cs、Gs和Ts，任何人的基因序列就都可以被高效地存储下来。,5.2.1 量化自我，关注个人健康,大数据导论,28,数据规模大并不一定能称其为大数据。真正体现大数据能量的是不仅要具备收集 数据的能力，还要具备低成本分析数据的能力。虽然，人类最初的基因组序列分 析耗资约38亿美元，不过，如今你只需花大概99美元就能在23andMe网站上获取 自己的DNA分
17、析。业内专家认为，基因测序成本在短短10年内跌了几个数量级。当然，仅有DNA测序不足以提升我们的健康，我们也需要在日常生活中做出改变。,5.2.2 可穿戴的个人健康设备,大数据导论,29,Fitbit是美国的一家移动电子医疗公司（图5-7），致力于研发和推广健康乐活产 品，从而帮助人们改变生活方式，其目标是通过使保持健康变得有趣来让其变得 更简单。2015年6月19日Fitbit上市，成为纽交所可穿戴设备的第一股。该公司所 售的一项设备可以跟踪你一天的身体活动，还有晚间的睡眠模式。Fitbit公司还 提供一项免费的苹果手机应用程序，可以让用户记录他们的食物和液体摄入量。通过对活动水平和营养摄入
18、的跟踪，用户可以确定哪些有效、哪些无效。营养学 家建议，准确记录我们的食物和活动量是控制体重的最重要一环，因为数字明确 且具有说服力。Fitbit公司正在收集关于人们身体状况、个人习惯的大量信息。如此一来，它就能将图表呈现给用户，从而帮助用户直观地了解自己的营养状况 和活动水平，而且，它能就可改善的方面提出建议。,5.2.2 可穿戴的个人健康设备,图5-7 Fitbit设备,大数据导论,30,5.2.2 可穿戴的个人健康设备,图5-7 Fitbit设备,大数据导论,31,5.2.2 可穿戴的个人健康设备,大数据导论,32,耐克公司推出了类似的产品Nike+FuelBand，即一条可以戴在手腕上
19、收集每日活 动数据的手环。这一设备采用了内置加速传感器来检测和跟踪每日的活动，诸如 跑步、散步以及其他体育运动。加上Nike Plus网站和手机应用程序的辅助，这一 设备令用户可以更加方便地跟踪自己的活动行为、设定目标并改变习惯。耐克公 司也为其知名的游戏系统提供训练计划，使用户在家也能健身。使用这一款软件，用户就可以和朋友或其他人在健身区一起训练。这一想法旨在让健身活动更有乐 趣、更加轻松，同时也更社交化。另一款设备是可穿戴技术商身体媒体公司（Body Media）推出的BodyMedia臂带，它每分钟可捕捉到5 000多个数据点，包括体温、汗液、步伐、卡路里消耗及睡眠 质量等。,5.2.2
20、 可穿戴的个人健康设备,大数据导论,33,Strava公司通过将这些挑战搬到室外，把现实世界的运动和虚拟的比赛结合在一 起。公司推出的适用于苹果手机和安卓系统的跑步和骑车程序，为充分利用体育 活动的竞技属性而经过了专门的设计。健身爱好者可以通过拍摄各种真实的运动 片段来角逐排行榜，比如挑战单车上险坡等，并在Strava网站上对他们的情况进 行比较。,5.2.2 可穿戴的个人健康设备,大数据导论,34,据出自美国心脏协会的文章非活动状态的代价称，65的成年人不是肥胖就 是超重。自1950年以来，久坐不动的工作岗位增加了83%，而仅有25的劳动者 从事的是身体活动多的工作。美国人平均每周工作47个
21、小时，相比20年前，每年 的工作时间增加了164个小时。而肥胖的代价就是，据估计，美国公司每年与健 康相关的生产力损失高达2 258亿美元。因此，类似Fitbit和Nike+FuelBand这样 的设备对不断推高医疗保健和个人健康的成本确实有影响。另一个苹果手机的应用程序可以通过审视面部或检测指尖上脉搏跳动的频率来检 查心率。生理反馈应用程序公司Azumio的程序被下载了2 000多万次，这些程序 几乎无所不能，从检测心率到承压水平测试都可以。随着前来体验测量的用户数 据不断增加，公司就足以提供更多建设性的保健建议。,5.2.2 可穿戴的个人健康设备,大数据导论,35,Azumio公司已推出了
22、一款叫“健身达人”的健身应用程序，还有一款叫做“睡 眠时间”的应用，它可以通过苹果手机检测睡眠周期。这样的应用程序为大数据 和保健相结合提供了有趣的可能性。通过这些应用程序收集到的数据，我们可以 了解正在发生什么以及我们的身体状况走势怎样。比如说，如果我们心率不齐，就表示我们的健康状况出现了某种问题。通过分析数百万人的健康数据，科学家 们可以开发更好的算法来预测我们未来的健康状况。回溯过去，检测身体健康发展情况需要用到特殊的设备，或是不辞辛苦、花费高 额就诊费去医生办公室问诊。新型应用程序最引人瞩目的一面是：它们使得健康 信息的检测变得更简单易行。低成本的个人健康检测程序以及相关技术甚至“唤
23、醒”了全民对个人健康的关注。,5.2.2 可穿戴的个人健康设备,大数据导论,36,新应用程序表明，当配备合适的软件时，低价的设备或唾手可得的智能手机可以 帮助我们收集到很多健康数据。将这种数据收集能力、低成本的分析、可视化云 服务与大数据以及个人健康领域相结合，将在提升健康状况和减低医疗成本方面 发挥出巨大的潜力。就如大数据的其他领域一样，改善医疗和普及医疗的进展前景位于两者的交汇处相对低价的数据收集感应器的持续增多，如苹果手机和为其定制的医疗附加 软件，以及这些感应器生成的大数据量的攀升。通过把病例数字化和能为医生提 供更优信息的智能系统相结合，不管是在家还是医诊室，大数据都有望对我们的 身
24、体健康产生重大影响。,5.2.3 大数据时代的医疗信息,大数据导论,37,就算有了这些可穿戴设备与应用程序，我们依然需要去看医生。大量的医疗信息 收集工作依然靠纸笔进行。纸笔记录的优势在于方便、快捷、成本低廉。但是，因为纸笔做的记录会分散在多处，这就会导致医疗工作者难以找到患者的关键医 疗信息。,5.2.3 大数据时代的医疗信息,大数据导论,38,2009年颁布的美国卫生信息技术促进经济和临床健康法案（HITECH）旨在 促进医疗信息技术的应用，尤其是电子健康档案（EHRs）的推广。法案也在 2015年给予医疗工作者经济上的激励，鼓励他们采用电子健康档案，同时会对不 采用者施以处罚。电子病历（
25、EMRs，图5-8）是纸质记录的电子档，如今许多医 生都在使用。相比之下，电子健康档案意图打造病人健康概况的普通档案，这使 得它能被医疗工作者轻易接触到。医生还可以使用一些新的APP应用程序，在苹 果平板电脑、苹果手机、搭载安卓系统的设备或网页浏览器上收集病人的信息。除了可以收集过去用纸笔记录的信息之外，医生们还将通过这些程序实现从语言 转换到文本的听写、收集图像和视频等其他功能。,5.2.3 大数据时代的医疗信息,图5-8 电子病历,大数据导论,39,5.2.3 大数据时代的医疗信息,大数据导论,40,电子健康档案、DNA测试和新的成像技术在不断产生大量数据。收集和存储这些 数据对于医疗工作
26、者而言是一项挑战，也是一个机遇。不同于以往采用的封闭式 的医院IT系统，更新、更开放的系统与数字化的病人信息相结合可以带来医疗突 破。如此种种分析也会给人们带来别样的见解。比如说，智能系统可以提醒医生使用 与自己通常推荐的治疗方式相关的其他治疗方式和程序。这种系统也可以告知那 些忙碌无暇的医生某一领域的最新研究成果。这些系统收集、存储的数据量大得 惊人。越来越多的病患数据会采用数字化形式存储。不仅是我们填写在健康问卷 上或医生记录在表格里的数据，还包括了苹果手机和苹果平板电脑等设备以及新 的医疗成像系统（比如X光机和超音设备）生成的数字图像。,5.2.3 大数据时代的医疗信息,大数据导论,41
27、,就大数据而言，这意味着未来将会出现更好、更有效的患者看护，更为普及的自 我监控以及防护性养生保健，当然也意味着要处理更多的数据。其中的挑战在于，要确保所收集的数据能够为医疗工作者以及个人提供重要的见解。,5.2.4 CellMiner，对抗癌症的新工具,大数据导论,42,所谓PSA，是指前列腺特异抗原。PSA偏高与前列腺癌症紧密相关。即使检查本 身并没有显示有癌细胞，而PSA偏高的人通常会被诊断出患有前列腺癌。是否所 有PSA高的人都患有癌症，这难以确诊。对此，一方面，患者可以选择不采取任 何行动，但是必须得承受病症慢慢加重的心理压力，也许终有一日会遍至全身，而他已无力解决；另一方面，患者可
28、以采取行动，比如进行一系列的治疗，从激 素治疗到手术切除，再到完全切除前列腺，但结果也可能更糟。选择对于患者而 言，既简单又复杂。,5.2.4 CellMiner，对抗癌症的新工具,大数据导论,43,这其中包含两个数据使用方面的重要经验教训：数据可以帮助我们看得更深入。数据可以传送更多的相关经验，使得计算机能够预知 我们想看的电影、想买的书籍。但是，涉及医药治疗时，通常来说，就如何处理这些 见解这一问题，制订决策可不容易。数据提供的见解会不断变化发展。这些见解都是基于当时的最佳数据。正如试图通过 模式识别出诈骗的诈骗检测系统在基于更多数据时能配备更好的算法并实现系统优化 一样，当我们掌握了更多
29、的数据后，对于不同的医疗情况会有不同的推荐方案。,5.2.4 CellMiner，对抗癌症的新工具,大数据导论,44,对男性来说，致死的癌症主要是肺癌、前列腺癌、肝癌以及大肠癌，而对于女性 来说，致死的癌症主要是肺癌、乳腺癌和大肠癌。抽烟是引起肺癌的首要原因。1946年抽烟人数占美国人口的45%，1993年降至25%，到了2010年降至19.3。但是，肺癌患者的五年生存率仅为15%，且这一数字已经维持40年未变。尽管如 今已经是全民抗癌，但目前仍没有癌症防治的通用方法。很大原因在于癌症并不 止一种目前已发现200多种不同种类的癌症。,5.2.4 CellMiner，对抗癌症的新工具,大数据导论
30、,45,美国国家癌症研究所（NCI）隶属于美国国立卫生研究院，每年用于癌症研究的 预算约为50亿美元。癌症研究所取得的最重大进展就是开发了一些测试，可以检 测出某些癌症，比如2004年开发的预测结肠癌的简单血液测试。其他进展包括将 癌症和某些特定病因联系在一起。比如1954年一项研究首次表明吸烟和肺癌有很 大关联，1955年的一项研究则表明男性荷尔蒙睾丸素会促生前列腺癌，而女性雌 激素会促生乳腺癌。当然，更大的进展还是在癌症治疗方法上。比如，发现了树 突状细胞，这是提取癌症疫苗的基础；还发现了肿瘤通过生成一个血管网，为自 己带来生长所需的氧气的过程。,5.2.4 CellMiner，对抗癌症的
31、新工具,大数据导论,46,美国国家癌症研究所癌症研究中心（NCI）研制的“细胞矿工”（CellMiner）是 一个基于网络形式、涵盖了上千种药物的基因组靶点信息的工具，它为研究人员 提供了大量的基因公式和化学复合物数据。这样的技术让癌症研究变得高效。该 工具可帮助研究人员用于抗癌药物与其靶点的筛选，极大提高了工作效率。通过 药物和基因靶点的海量数据相比较，研究者可更容易的辨别出针对不同的癌细胞 具有不同效果的药物。过去，处理这些数据集意味着要处理运作不便的数据库，因而，分析和汇聚数据也就异常艰难。从历史角度来看，想用数据来解答疑问和 可以接触到这些数据的人不重叠且有很大代沟。而如“细胞矿工”一
32、样的科技正 是缩小这一代沟的工具。,5.2.4 CellMiner，对抗癌症的新工具,大数据导论,47,研究者们用“细胞矿工”的前身，即一个名为“对比”（COMPARE）的程序来 确认一种具备抗癌性的药物，事实证明，它确实有助于治疗一些淋巴瘤。而现在，研究者们使用“细胞矿工”弄清生物标记，以了解治疗方法有望对哪些患者起作 用。CellMiner软件以60种癌细胞为基础，其NCI-60细胞系是目前使用最广泛的用于 抗癌药物测试的癌细胞样本群（图5-9）。用户可以通过它查询到NCI-60细胞系 中已确认的22379个基因，以及20503个已分析的化合物的数据（包括102种已获 美国食品和药物监督局
33、批准的药物）。,5.2 大数据带来的医疗新突破,图5-9 装载NCI-60细胞系的细胞板,大数据导论,48,5.2.4 CellMiner，对抗癌症的新工具,大数据导论,49,研究者认为，影响力最大的因素之一是可以更容易地接触到数据。这对于癌症研 究者，或是对那些想充分利用大数据的人而言是至关重要的一课除非收集到 的大量数据可以轻易为人所用，否则他们能发挥的作用就很有限。大数据民主化，即开放数据，至关重要。,医疗信息数字化,5.3,5.3 医疗信息数字化,大数据导论,51,医疗领域的循证试验已经有一百多年的历史了。早在19世纪40年代，奥地利内科 医生伊格纳茨塞麦尔维斯就在维也纳完成了一项关于产科临床的详细的统计研 究。塞麦尔维斯在维也纳大学总医院首次注意到，如果住院医生从验尸房出来后 马上为产妇接生，产妇死亡的概率更大。当他的同事兼好朋友杰克伯克莱斯卡 死于剖腹产时的热毒症时，塞麦尔维斯
