python医药数据分析_论大数据如何提高医疗服务

大数据，已经成为人们在茶余饭后经常讨论的一个话题。而如何利用大数据来提高人类医疗服务，也备受业内人士关注。

先举一个简单的例子来说明大数据的优势。某某品牌的智能吸入器，拥有一个GPS追踪器，哮喘患者的每一次使用记录(包括时间、地点等)都会被记录在云端。

想象一下医生可以通过这些数据得知每一个吸入器是在何时何地使用的，意味着医生可以推测出每一位患者所处的环境和相应诱发哮喘的原因。当然，通过这些数据，医生也可以追踪患者随着时间变化，哮喘症状的发展情况。

随后，医生则可以为每位患者定制一个私人治疗方案，这比任何一次患者门诊上访，医疗测试能做的要多。

泰国的大数据经验中心(BigdataExperience Center)的学者们，试行了一项基于大数据技术的医疗服务，针对曼谷地区外部很难有机会去医院看病的患者们。

该项目并没有采用最先进的技术而是采用最实用的技术。因为医疗服务并不仅仅是技术，而是人类，是人类如何可以利用。KMI Institute foundation 帮助在三个不同的地区雇佣了100名患者，这些患者曾患有高血压，糖尿病等。

试点技术不仅仅利用医院现有的数据(来自患者记录，医疗测试等)，还需要得到患者们的行为数据来给患者们提供更加合理的定制化恢复方案。为了得到这些行为数据，他们设计了一款手机App，是一个简易的智能化交互问卷。志愿者们直接将智能手机带到患者住所去完成问卷。问卷的结果则会由医生进行性浏览。

这些都是假定数据都是可靠的，但数据的准确性很难保障。比如问卷中的一个问题是，“你每天的盐摄入量是多少？”绝大多数的患者都会回答说，不，我不用盐。从而这些数据的真实性需要得到质疑，其中有位志愿者的做法就是，留下来吃晚饭，自己根据晚饭来判断盐的用量。项目中的每位志愿者也都找到了相应的技巧来判定他们所收集的数据的可靠性。但还是很难得到百分百准确的数据。这也是目前需要提高的一部分。

收集到的数据，则会存入云盘供医生查阅。医生看完后可以根据每个人的情况相应给予对应意见。意见则会反馈到手机上。志愿者可以在下一次走访该地区的时候转达医生的建议。

该项目的实施中也会遇到了一些问题，比如医生的建议会比较晚，医生并不能在志愿者下志愿者在下次走访给出反馈。造成这一结果的原因是项目中没有足够多的医生。

从项目开始到现在，他们已经收集了一年的数据。利用这些数据，他们可以去训练机器再建立以人工智能为基础的软件，在大量数据的基础下在以后就智能软件就可以直接根据患者的生活习惯给他们提供一些意见。这样医生的生活也将更加轻松，他们要做的只是审核只能软件的建议。

最后,还可以利用数据构造一个好比Siri的智能互动系统。这需要系统足够智能，根据用户每天的行为数据，饮食情况等来给出反馈。比如，在写完这篇文章后我问它是否可以喝一些酒作为奖励？它或许会回答：可以，但最多一杯。明天再问的话可能就会回答，不可以，你昨天已经喝了。

作者相信，随着大数据与人工智能技术的不断发展和完善，更便捷更可靠的医疗服务也将指日可待。