“开源医疗：怎么守住商业化下健康数据的底线”

本篇文章2559字，读完约6分钟

医学科学家从原来的研究室转到科技企业，其实对双方都是好事。 专心于临床研究的医学科学家不一定有机会接触足够多的患者，花时间进行研究。 通过这样强有力的合作，可以借助互联网企业丰富的资源获取多维度的大量健康数据，工程师可以为健康数据建立各种传感器和算法，进行详细的分解。 简而言之，互联网企业，或者其背后的数据，对科学家来说，真是不可抗拒的诱惑。

这样的例子不胜枚举。

年9月，tominsel离开美国国家心理健康研究所，加入谷歌生命科学队。

年末，michaelmcconnell中止了斯坦福大学的心血管项目，加入了谷歌。

上个月，致力于推进开放医学研究的stephenfriend也加入了苹果。

但是，这种趋势是，无论是关注全人类的谷歌还是专注于顾客的23andme，都掌握着健康数据的所有权，或者控制着分解人类健康数据的做法并将其运用于服务的问题

现在有一个新词，叫做黑匣子社会( blackboxsociety )。 这是指在一些机构使用非公开的数据观察工具进行数据解决和评估。 例如，在线广告主的个性化推送或优先于特定群体的服务器可以视为黑匣子社会的表现。 就像凯恩斯经济学中看不见的手一样，数据观察中看不见的手也安静地发挥着作用。

如果 算法没有公开却被用于体检，社会的黑匣子效应会越来越严重。 因为我不知道自己受到歧视。 你可能不知道自己用歧视性的健康描写来表现。 不要反抗。

网络企业的影响

nature认为，许多健康专家搬到硅谷，可能会对生物研究和医疗领域产生根本性的影响。

目前，包括英国、瑞典、挪威和爱沙尼亚在内的国家，都在政府和民间组织的推动下实现了电子健康记录的规范化。 美国也有望在未来五年内实现这个目标。 与此同时，机器学习的进步为电子健康数据的未来增加了很多可能性。 与仅限于个人范例的临床注意相比，涵盖较多人的样本更明显适合通过机器学习解决。

过去，研究者们在病房和诊所进行观测和记录，为数十到数百人左右。 另外，为了从这些综合数据中获取相关新闻，需要抽茧抽茧，另一方面代表性不足； 另一方面，也需要时间和劳力。 现在，通过高端智能手机上的各种APP，可以通过可穿戴设备记录客户的位置、步数。 这样的数据非常大。

此外，谷歌引擎的数据统计与分析还可以看出人们对健康、甚至特定疾病的重视。 目前，谷歌使用知识制图算法向客户推荐更准确的健康搜索演示结果。 根据谷歌的统计，每秒发生40000次搜索，2000次与健康相关。

在 中说到机器学习，ibm的沃森自然是不可忽视的人工智能。 ibm可以通过自然语言和机器学习解决非结构化数据。 并且今年，ibm将与英国国家医疗服务体系制度( nhs )进行二次合作，与moorfields眼科医院一起开发识别视觉疾病的机器学习系统。

目前，可穿戴设备只能监测特定的健康指标，但实际效果要比以前流传的医学疗法好得多。 例如雷锋网(搜索雷锋网公众号关注(前面提到的全自动胰腺，可以实时监测客户血糖，及时进行调节疗法。

年前，创业企业收购各种健康数据，转卖给制药企业。但今天，几乎所有的大科技人员都在考虑进军数字医疗。

关闭的数据

许多公司进入医疗行业，目的是随着管理上的进步和分解水平的提高，从根本上改变医疗护理领域。

正如前面提到的美敦力一样，前一年血糖设备enlite上市了。 但是，对患者来说，用户可以随时监测血糖，但自己对整体数据没有所有权。

即使公司乐意共享数据，他们也会限制共享数据。 例如，23andme拥有世界上最大的基因数据集，客户可以查看和下载自己的个别dna，也可以共享给一些公司。 但是，这种具有医学专业性的数据不能处理客户心中的疑问。 他们还必须得到向专业分解师提供数据的许可，才能得到可以理解的检查结果。

长期以来，制药企业掌握了大量数据，但除实验外没有实际的招聘数据，也无法分析同一对象在不同的实验中处于何种状况。 落后进入市场的创业企业，利用技术和可穿戴设备的特点，在数据的积累和学习中进行更准确的顾客预测。

emarketer在一份报告中指出，接入互联网、分解健康数据、简化护理流程和医学研究的可穿戴设备每年的市场规模超过1630亿美元。 但是，这些数据所依据的算法可能会阻碍科学的进步。 如前所述，公司可能为了业务优势而交易和分解客户的数据。 这并不一定是能给顾客带来快乐体验的事件。

开放源码，为了明天

封闭的系统当然不是没有不好的地方。 例如，如果能够统一规范和解决数据，运行速度肯定会提高。 利用传感器和其他分解方法将数据整理成临床可用的新闻当然对社会有益。 随着这样的公司越来越多，光靠卖数据赚钱的公司可能也会越来越取代。

这些可能需要政府支持的严格监管和规定可能会阻止健康数据的分解和交易。 目前，欧盟正在制定相关法律，以防止人们的新闻商业化。 美国在现在的2-3年内实现这个的可能性很低。

而对一点科技巨头来说，它们拥有的资源数据和计算能力，以及富可帝国的资金实力，几乎都是拥有力量的。 苹果、微软、alphabet、思科和甲骨文5家企业每年的现金储备达到5040亿美元。 但是，为了不进行监管和税收，大部分储蓄在海外，政府陷入了无能为力的状况。

基于这样的现状，自然杂志提倡的处理方法之一是开源。 20世纪90年代，ibm放弃了服务器，苦于开源软件，与开源的apacheweb服务器形成了可在linux操作系统上运行的软件，ibm开始销售服务。

政府的资金支持也能促使健康数据的开放。 例如人类基因组计划通过后，DNA测序企业celera将数据保存在数据库genbank中，并将业务转移到疾病治疗上。 但是，目前政府的资金援助不及商业层面的投资。 例如在23andme，他们家最近的融资达到了1亿5千万元，是联邦政府向奥巴马政府投资的精准医疗计划的70%。

但是，开放数据，特别是健康数据，存在隐私问题。 客户不仅需要打破黑匣子效应，还需要知道数据源是如何被采用和在何处被采用的。 这些数据的安全性可能会引起很多社会讨论。

在医疗护理行业，客户一直处于被动的位置，虽然选择了产品，但测量的数据显示，他们没有管理权。 只有客户开始意识到这些，开始对自己的健康数据负责，事件才会发生，从而维护健康数据的基础。