如今，信息生态系统正以前所未有的速度增长，具有跟踪和评估信息的先进技术正在成倍增加。智能手机、可穿戴物品、网络连接的医疗设备等这些创新技术和产品都利用了改变医疗健康结果的能力，所有这些创新都需要持续的数据收集和提交过程。

对于医疗大数据这方面，创新厂商Healthbox公司颇有心得。

颠覆医疗保健领域的大数据

在Healthbox公司最近发布的医疗保健大数据调查报告中，专家们分享了如何颠覆医疗健康生态系统中的见解，这些生态系统的数据比以往任何时候都要多。该报告指出，“大数据”一词最初是在20世纪90年代创造的，用于描述传统数据库无法处理的太大或太复杂的数据集。

HIMSS Analytics公司成熟模型高级主管James Gaston表示，“我们的文化定义正在从一个以实体为中心转向更广泛的以患者为中心的事件，其中包括生活方式、地理位置、医疗健康和健身数据的社会决定因素，以及传统的医疗保健情景数据。”他指出，该行业正在了解医疗保健领域的大数据有多强大。

报告指出，“收集的数据量大、速度快、种类繁多，给利用和确保其有效性以造福宏观、人口层面的健康生活和微观、基于证据的精准医学带来了挑战。”换句话说，在海量数据中寻找意义对于在医疗卫生系统中扮演任何角色的任何个人来说都是一项艰巨的任务。

这就是人工智能等创新力量发挥作用的地方。HealthBox公司的调查报告引用了谷歌大脑人工智能研究小组的产品经理LilyPeng博士的话，他解释说，尽管人类智能最适合于整合少量非常大的影响因素，人工智能尤其擅长在大量非常小的影响因素或模糊因素中梳理和识别模式。

Healthbox公司的调查报告还强调了人工智能的一个重要观点：人类和人工智能各自都有自己独特的差异，这不可避免地会影响如何最好地应用每种智能并将其嵌入到工作流程中。

大数据和人工智能如何协作以改进决策

在充斥着数据的世界中，人们可以放心，尽管人工智能和医疗保健领域的大数据具有巨大的潜力，但仍存在一些限制因素，无法阻止它们成为普遍决策的替代品。单一解决方案不应该存在单一创新。

将一种互补的护理方法与大数据结合起来，有助于促进可操作的健康见解，而不是为临床工作流程增加新的复杂性。然而，Healthbox公司的调查报告指出，这需要仔细考虑不断发展的护理提供和决策模型，其结果很可能是增强临床决策的发展和比以往任何时候都更加个性化的护理服务。

将机器学习和人类智能的力量结合起来，从大型数据集中获取有价值的见解，需要关注四个不同的领域，如Healthbox调查报告中所述。

1.删除数据收集中的偏差

HealthBox公司的调查报告指出，“每一个调查人员对于大数据的调查都会产生固有的偏见。这可以包括从评估数据的分类、如何收集数据等方面的所有内容。假设高维数据的力量在于没有隐藏的混杂因素，而这些混杂因素在数据中并不公开。不幸的是，这一假设远未被放弃，并对人工智能技术从大数据中得出结论的有效性构成威胁。”

2.承认匿名与特殊性之间的内在冲突

必须采取适当的预防措施来进行结构分析，以避免对患者身份进行逆向工程。但是，值得注意的是，共享开放数据的好处超过了对个人进行重新识别的不利可能性。

人们将不得不权衡共享开放式数据访问的好处与有限但真实的通过对分段数据进行逆向工程重新识别个人的可能性之间的道德权衡。人类智能（而不是人工智能）将被要求解决这些问题。

3. 收集数据的有意义的验证和可衡量的影响

在医疗保健中使用大数据可以为患者提供关于如何管理慢性病和其他主要健康状况的更详细、更全面的指导。但是，对这些信息的访问量的增加是否会直接导致改进的结果、满意度和整体消费者体验？

数据、人工智能衍生知识和知情临床决策的整合必须通过临床流程和工作流程，并紧密结合在一起，以推动患者护理的潜在效益。需要进行适当的结构化临床试验，以证明数据驱动的护理过程的增量效益能够证明这些决策所产生的成本和并发症是合理的。

4.理解潜在的因果关系

在这个关于大数据的网络研讨会上，Healthbox公司强调了这样一个事实，即在数据分析中，重要的是要牢记相关性并不意味着因果关系的古老规则。同样重要的是，确保经过分析的数据不会遗漏可能与测量结果有因果关系的混杂因素。专业知识和人类直觉总是需要与人工智能协同工作，以确认没有隐藏的混杂因素。机器的使用可以帮助人们揭示这些未被发现或未预料到的变量。

这些专家指出，通过协作的方法，显然可以更好地为医疗保健领域的大数据制定成功的战略，这将进一步利用医疗创新的终极力量。人工智能技术的不断出现将扩大大数据的价值，为更具协作性、以人为本的方法铺平道路，这种方法有助于医疗和保健领域的发展。