大数据医疗的五大方向

医疗健康

云计算大数据的五大方向、15项应用

医疗行业早就遇到了海量数据和非结构化数据的挑战，而近年来很多国家都在积极推进医疗信息化发展，这使得很多医疗机构有资金来做大数据分析。因此，医疗行业将和银行、电信、保险等行业一起首先迈入大数据时代。

1989年，Gartner提出BI概念。2008年，Gartner将BI概念进一步升级为高级分析(AdvancedAnalytics)。2011年，麦肯锡阐释大数据概念。虽然名称不同，但实际上它们要解决的问题从来没变过。只不过，现在的大数据分析技术能处理相比20年前更大量、多样、实时(3V)的数据，即大数据。相比20年前的BI，现在的大数据分析能够产生更大的商业价值，大数据存储和分析技术的发展也得益于商业场景中数据量的激增和数据种类的多样化。

因此在实施大数据分析项目之前，企业不仅应该知道使用何种技术，更应该知道在什么时候、什么地方使用。除了较早前就开始利用大数据的互联网公司，医疗行业可能是让大数据分析最先发扬光大的传统行业之一。医疗行业早就遇到了海量数据和非结构化数据的挑战，而近年来很多国家都在积极推进医疗信息化发展，这使得很多医疗机构有资金来做大数据分析。因此，医疗行业将和银行、电信、保险等行业一起首先迈入大数据时代。麦肯锡在其报告中指出，排除体制障碍，大数据分析可以帮助美国的医疗服务业一年创造3000亿美元的附加价值。本文列出了医疗服务业5大领域(临床业务、付款/定价、研发、新的商业模式、公众健康)的15项应用，这些场景下，大数据的分析和应用都将发挥巨大的作用，提高医疗效率和

医疗效果。

临床操作

在临床操作方面，有5个主要场景的大数据应用。麦肯锡估计，如果这些应用被充分采用，光是美国，国家医疗健康开支一年就将减少165亿美元。

1.比较效果研究

通过全面分析病人特征数据和疗效数据，然后比较多种干预措施的有效性，可以找到针对特定病人的最佳治疗途径。

基于疗效的研究包括比较效果研究(ComparativeEffectivenessResearch，CER)。研究表明，对同一病人来说，医疗服务提供方不同，医疗护理方法和效果不同，成本上也存在着很大的差异。精准分析包括病人体征数据、费用数据和疗效数据在的大型数据集，可以帮助医生确定临床上最有效和最具有成本效益的治疗方法。医疗护理系统实现CER，将有可能减少过度治疗(比如避免那些副作用比疗效明显的治疗方式)，以及治疗不足。从长远来看，不管是过度治疗还是治疗不足都将给病人身体带来负面影响，以及产生更高的医疗费用。

世界各地的很多医疗机构(如英国的NICE，德国IQWIG，加拿大普通药品检查机构等)已经开始了CER项目并取得了初步成功。2009年，美国通过的复与再投资法案，就是向这个方向迈出的第一步。在这一法案下，设立的比较效果研究联邦协调委员会协调整个联邦政府的比较效果的研究，并对4亿美元投入资金进行分配。这一投入想要获得成功，还有大量潜在问题需要解决，比如，临床数据和保险数据的一致性问题，当前在缺少EHR(电子健康档案)标准和互操作性的前提下，大围仓促部署EHR可能造成不同数据集难以整合。再如，病人隐私问题，想要在保护病人隐私的前提下，又要提供足够详细的数据以便保证分析结果的有效性不是一

件容易的事情。还有一些体制问题，比如目前美国法律禁止医疗保险机构和医疗补助服务中心(CentersforMedicareandMedicaidServices)(医疗服务支付方)使用成本/效益比例来制定报销决策，因此即便他们通过大数据分析找到更好的方法也很难落实。

2.临床决策支持系统

临床决策支持系统可以提高工作效率和诊疗质量。目前的临床决策支持系统分析医生输入的条目，比较其与医学指引不同的地方，从而提醒医生防止潜在的错误，如药物不良反应。通过部署这些系统，医疗服务提供方可以降低医疗事故率和索赔数，尤其是那些临床错误引起的医疗事故。在美国Metropolitan儿科重症病房的研究中，两个月，临床决策支持系统就削减了40%的药品不良反应事件数量。

大数据分析技术将使临床决策支持系统更智能，这得益于对非结构化数据的分析能力的日益加强。比如可以使用图像分析和识别技术，识别医疗影像(X光、CT、MRI)数据，或者挖掘医疗文献数据建立医疗专家数据库(就像IBMWatson做的)，从而给医生提出诊疗建议。此外，临床决策支持系统还可以使医疗流程部分的工作流流向护理人员和助理医生，使医生从耗时过长的简单咨询工作中解脱出来，从而提高治疗效率。

3.医疗数据透明度

提高医疗过程数据的透明度，可以使医疗从业者、医疗机构的绩效更透明，间接促进医疗服务质量的提高。

根据医疗服务提供方设置的操作和绩效数据集，可以进行数据分析并创建可视化的流程图和仪表盘，促进信息透明。流程图的目标是识别和分析临床变异和医疗废物的来源，然后优化流程。仅仅发布成本、质量和绩效数据，即使没有与之相

应的物质上的奖励，也往往可以促进绩效的提高，使医疗服务机构提供更好的服务，从而更有竞争力。

数据分析可以带来业务流程的精简，通过精益生产降低成本，找到符合需求的工作更高效的员工，从而提高护理质量并给病人带来更好的体验，也给医疗服务机构带来额外的业绩增长潜力。美国医疗保险和医疗补助服务中心正在测试仪表盘，将其作为建设主动、透明、开放、协作型政府的一部分。本着同样的精神，美国疾病控制和预防中心(CentersforDiseaseControlandPrevention)已经公开发布医疗数据，包括业务数据。

公开发布医疗质量和绩效数据还可以帮助病人做出更明智的健康护理决定，这也将帮助医疗服务提供方提高总体绩效，从而更具竞争力。

4.远程病人监控

从对慢性病人的远程监控系统收集数据，并将分析结果反馈给监控设备(查看病人是否正在遵从医嘱)，从而确定今后的用药和治疗方案。

2010年，美国有1.5亿慢性病患者，如糖尿病、充血性心脏衰竭、高血压患者，他们的医疗费用占到了医疗卫生系统医疗成本的80%。远程病人监护系统对治疗慢性病患者是非常有用的。远程病人监护系统包括家用心脏监测设备、血糖仪，甚至还包括芯片药片，芯片药片被患者摄入后，实时传送数据到电子病历数据库。举个例子，远程监控可以提醒医生对充血性心脏衰竭病人采取及时治疗措施，防止紧急状况发生，因为充血性心脏衰竭的标志之一是由于保水产生的体重增加现象，这可以通过远程监控实现预防。更多的好处是，通过对远程监控系统产生的数据的分析，可以减少病人住院时间，减少急诊量，实现提高家庭护理比例和门诊医生预约量的目标。

5.对病人档案的先进分析

在病人档案方面应用高级分析可以确定哪些人是某类疾病的易感人群。举例说，应用高级分析可以帮助识别哪些病人有患糖尿病的高风险，使他们尽早接受预防性保健方案。这些方法也可以帮患者从已经存在的疾病管理方案中找到最好的治疗方案。

付款/定价

对医疗支付方来说，通过大数据分析可以更好地对医疗服务进行定价。以美国为例，这将有潜力创造每年500亿美元的价值，其中一半来源于国家医疗开支的降低。

6.自动化系统

自动化系统(例如机器学习技术)检测欺诈行为。业人士评估，每年有2%~4%的医疗索赔是欺诈性的或不合理的，因此检测索赔欺诈具有巨大的经济意义。通过一个全面的一致的索赔数据库和相应的算法，可以检测索赔准确性，查出欺诈行为。这种欺诈检测可以是追溯性的，也可以是实时的。在实时检测中，自动化系统可以在支付发生前就识别出欺诈，避免重大的损失。

7.基于卫生经济学和疗效研究的定价计划

在药品定价方面，制药公司可以参与分担治疗风险，比如基于治疗效果制定定价策略。这对医疗支付方的好处显而易见，有利于控制医疗保健成本支出。对患者来说，好处更加直接。他们能够以合理的价格获得创新的药物，并且这些药物经过基于疗效的研究。而对医药产品公司来说，更好的定价策略也是好处多多。他们可以获得更高的市场准入可能性，也可以通过创新的定价方案，更有针对性疗效药品的推出，获得更高的收入。

在欧洲，现在有一些基于卫生经济学和疗效的药品定价试点项目。

一些医疗支付方正在利用数据分析衡量医疗服务提供方的服务，并依据服务水平进行定价。医疗服务支付方可以基于医疗效果进行支付，他们可以与医疗服务提供方进行谈判，看医疗服务提供方提供的服务是否达到特定的基准。

研发

医疗产品公司可以利用大数据提高研发效率。拿美国为例，这将创造每年超过1000亿美元的价值。

8.预测建模

医药公司在新药物的研发阶段，可以通过数据建模和分析，确定最有效率的投入产出比，从而配备最佳资源组合。模型基于药物临床试验阶段之前的数据集及早期临床阶段的数据集，尽可能及时地预测临床结果。评价因素包括产品的安全性、有效性、潜在的副作用和整体的试验结果。通过预测建模可以降低医药产品公司的研发成本，在通过数据建模和分析预测药物临床结果后，可以暂缓研究次优的药物，或者停止在次优药物上的昂贵的临床试验。

除了研发成本，医药公司还可以更快地得到回报。通过数据建模和分析，医药公司可以将药物更快推向市场，生产更有针对性的药物，有更高潜在市场回报和治疗成功率的药物。原来一般新药从研发到推向市场的时间大约为13年，使用预测模型可以帮助医药企业提早3～5年将新药推向市场。

9.提高临床试验设计的统计工具和算法

使用统计工具和算法，可以提高临床试验设计水平，并在临床试验阶段更容易地招募到患者。通过挖掘病人数据，评估招募患者是否符合试验条件，从而加快临床试验进程，提出更有效的临床试验设计建议，并能找出最合适的临床试验基地。

比如那些拥有大量潜在符合条件的临床试验患者的试验基地可能是更理想的，或者在试验患者群体的规模和特征二者之间找到平衡。

10.临床实验数据的分析

分析临床试验数据和病人记录可以确定药品更多的适应症和发现副作用。在对临床试验数据和病人记录进行分析后，可以对药物进行重新定位，或者实现针对其他适应症的营销。实时或者近乎实时地收集不良反应报告可以促进药物警戒(药物警戒是上市药品的安全保障体系，对药物不良反应进行监测、评价和预防)。或者在一些情况下，临床实验暗示出了一些情况但没有足够的统计数据去证明，现在基于临床试验大数据的分析可以给出证据。

这些分析项目是非常重要的。可以看到最近几年药品撤市数量屡创新高，药品撤市可能给医药公司带来毁灭性的打击。2004年从市场上撤下的止痛药Vioxx，给默克公司造成70亿美元的损失，短短几天就造成股东价值33%的损失。

11.个性化治疗

另一种在研发领域有前途的大数据创新，是通过对大型数据集(例如基因组数据)的分析发展个性化治疗。这一应用考察遗传变异、对特定疾病的易感性和对特殊药物的反应的关系，然后在药物研发和用药过程中考虑个人的遗传变异因素。

个性化医学可以改善医疗保健效果，比如在患者发生疾病症状前，就提供早期的检测和诊断。很多情况下，病人用同样的诊疗方案但是疗效却不一样，部分原因是遗传变异。针对不同的患者采取不同的诊疗方案，或者根据患者的实际情况调整药物剂量，可以减少副作用。

个性化医疗目前还处在初期阶段。麦肯锡估计，在某些案例中，通过减少处方药量可以减少30%~70%的医疗成本。比如，早期发现和治疗可以显著降低肺

癌给卫生系统造成的负担，因为早期的手术费用是后期治疗费用的一半。

12.疾病模式的分析

通过分析疾病的模式和趋势，可以帮助医疗产品企业制定战略性的研发投资决策，帮助其优化研发重点，优化配备资源。

?新的商业模式

大数据分析可以给医疗服务行业带来新的商业模式。

13.汇总患者的临床记录和医疗保险数据集

汇总患者的临床记录和医疗保险数据集，并进行高级分析，将提高医疗支付方、医疗服务提供方和医药企业的决策能力。比如，对医药企业来说，他们不仅可以生产出具有更佳疗效的药品，而且能保证药品适销对路。临床记录和医疗保险数据集的市场刚刚开始发展，扩的速度将取决于医疗保健行业完成EMR和循证医学发展的速度。

14.网络平台和社区

另一个潜在的大数据启动的商业模型是网络平台和大数据，这些平台已经产生了大量有价值的数据。比如PatientsLikeMe.，病人可以这个上分享治疗经验：Sermo.，医生可以在这个上分享医疗见解：https://www.sodocs.net/doc/121011697.html,，这家非营利性组织运营的鼓励病人积极进行治疗。这些平台可以成为宝贵的数据来源。例如，https://www.sodocs.net/doc/121011697.html,向医药公司收费，允许他们访问会员信息和网上互动信息。

?公众健康

15.公众健康

大数据的使用可以改善公众健康监控。公共卫生部门可以通过覆盖全国的患者电子病历数据库，快速检测传染病，进行全面的疫情监测，并通过集成疾病监测和

医学大数据重塑整个精准医疗体系

医学大数据重塑整个精准医疗体系医学大数据的架构具有很强的扩展性,在获取人体的基本数据以后,不仅可以构建人体的解剖结构和生理结构,而且可以从分子层面去构建微观模型。例如,基于一些复杂的数学模型,可以从DNA序列推演到mRNA结构,最后构建这段DNA序列表达的蛋白结构。近年来包括医学在内的多种学科不断交叉融合,学术界的交流以及创业公司都在努力推动多种技术的融合。在医学上不仅仅牵涉到临床医学,同时涉及生物学、分子生物学、细胞生物学、化学等等,以及自动化,包括检测、统计、分析、影像等方面都会涉及。当然,数学肯定是最基础的,建立数学模型、复杂的算法都跟数学基础息息相关。新兴的大数据即数据科学,也离不开基础的计算机科学。所以,未来医学是众多学科融合的综合科学,大数据的价值是众多领域量化的数据融合,这就是技术趋势 市场需求是重要驱动 去解决实际临床问题更多依赖于医生的经验,不论是生理层面还是分子层面许多都还没有被完全的量化,而是记录在医生的经验当中。医院也已经采集到很多数据,存放在不同的计算机系统中,但是基本以数据孤岛的形式存在,并没有被充分利用和挖掘,而这些其实就是做基础研究最重要的数据 医学大数据发展有三大价值驱动力,首先是生活质量的提高,人们对生命质量或者是健康质量的不断追求和高标准的要求,其次是在高品质生命健康需求下促使成的生命科学技术的进步,最后是基于生命科学技术进步的临床手段不断丰富,临床治疗质量不断提高,这就是整个医学大数据价值驱动的核心。此外,巨大的患者人体组织器官替换的市场需求也是重要的驱动因素 整个再生医学行业的大背景是全球每年大概有8000多万的各种组织器官的需求,包括脏器器官、软骨、胰、颅颌面、眼膜等,目前只能通过捐献满足,而捐献所

国内外大数据产业发展现状与趋势研究

龙源期刊网 https://www.sodocs.net/doc/121011697.html, 国内外大数据产业发展现状与趋势研究 作者：方申国谢楠 来源：《信息化建设》2017年第06期 大数据作为新财富，价值堪比石油。 进入21世纪以来，随着物联网、电子商务、社会化网络的快速发展，数据体量迎来了爆炸式的增长，大数据正在成为世界上最重要的土壤和基础。根据IDC（互联网数据中心）预测，2020年的数据增长量将是2010年的44倍，达到35ZB。世界经济论坛报告称，“大数据为新财富，价值堪比石油”。随着计算机及其存储设备、互联网、云计算等技术的发展，大数据应用领域随之不断丰富。大数据产业将依赖快速聚集的社会资源，在数据和应用驱动的创新下，不断丰富商业模式，构建出多层多样的市场格局，成为引领信息技术产业发展的核心引擎、推动社会进步的重要力量。 大数据产业发展现状 全球大数据产业发展概况 目前，大数据以爆炸式的发展速度迅速蔓延至各行各业。随着各国抢抓战略布局，不断加大扶持力度，全球大数据市场规模保持了高速增长态势。据IDC预测，全球大数据市场规模 年增长率达40%，在2017年将达到530亿美元。美国奥巴马政府于2012年3月宣布投资2亿美元启动“大数据研究和发展计划”，将“大数据研究”上升为国家意志；2015年发布“大数据研究和发展计划”，深入推动大数据技术研发，同时还鼓励产业、大学和研究机构、非盈利机构与政府一起努力，共享大数据提供的机遇。目前，美国大数据产业增长率已超过71%，大数据在美国健康医疗、公共管理、零售业、制造业等领域产生了巨大的经济效益。英国政府自2013年开始就注重对大数据技术的研发投入，2015年投入7300万英镑用于55个政府的大数据应用项目，投资兴办大数据研究中心，通过大数据技术在公开平台上发布了各层级数据资源，直接或间接为英国增加了近490亿至660亿英镑的收入，并预测到2017年，大数据技术可以为英国提供5.8万个新的工作岗位，或将带来2160亿英镑的经济增长。法国2011年推出了公开的数据平台 date.gouv.fr，以便于公民自由查询和下载公共数据；2013年相继发布《数字化路线图》、《法国政府大数据五项支持计划》等，通过为大数据设立原始扶持资金，推动交通、医疗卫生等纵向行业设立大数据旗舰项目，为大数据应用建立良好的生态环境，并积极建设大数据初创企业孵化器。日本在《日本再兴战略》中提出开放数据，将实施数据开放、大数据技术开发与运用作为2013-2020年的重要国家战略之一，积极推动日本政务大数据开放及产业大数据的发展，零售业、道路交通基建、互联网及电信业等行业的大数据应用取得显著效果。韩国政府高度重视大数据发展，科学、通信和未来规划部与国家信息社会局（NIA）共建大数据中心，大力推动全国大数据产业发展。根据《2015韩国数据行业白皮书》统计显示， 数据服务市场规模占韩国总行业市场规模的47%，位列第一；数据库构建服务以41.8%的占有

医疗大数据分析报告

大数据的意义在于提供“大见解”：从不同来源收集信息，然后分析信息，以揭示用其他方法发现不了的趋势。在利用大数据发掘价值的所有行业中，医疗行业有可能实现最大的回报。凭借大数据，医疗服务提供商不仅可以知道如何提高盈利水平和经营效率，还能找到直接增进人类福祉的趋势。以下是大数据在医疗行业的一些常见用途，包括商业运作和健康管理： 1.分析电子病历：医生共享电子病历可以收集和分析数据，寻找能够降低医疗成本的方法。 医生和医疗服务提供商之间共享患者数据，能够减少重复检查，改善患者体验。但目前，大部分的电子病历都无法共享，这在很大程度上是出于安全和合规的考虑，但找到一个安全的方法来挖掘患者数据，这能改善医护质量并降低医疗成本。 关键词：患者数据共享、信息安全、提高医疗质量、降低医疗成本 2.分析医院网络系统：不妨想想我们在分析入院治疗的趋势时获得的好处。例如，对儿科 病房医疗设备的统合分析可以更早地识别潜在的婴儿感染趋势。或者，再想想减少术后葡萄球菌感染的好处。通过利用大数据，医院可以知道，医生在术后开的抗生素能否有效地防止感染。 关键词：入院治疗趋势分析 3.管理数据用于公共健康研究：医务人员会被铺天盖地的数据所淹没。诊所和医院会提交 关于健康状况和免疫接种的数据，但没有大数据的话，这些数据毫无意义。大数据分析能够对患者的原始数据进行标准化整合，用以充实公共健康记录，而丰富多样的公共健康记录能催生更合理的法规，并提供更好的医疗。 关键词: 公共健康记录、患者数据 4.循证医学：大多数医院和急诊室都实行“食谱化医学”，也就是说，医生对收治的病人 采用同一套检查项目来确定病因。而利用循证医学，医生可以将病人的症状与庞大的患者数据库进行比对，从而更快地做出准确诊断。在这里，大数据扮演的角色是从不同来源采集信息，并对数据实施标准化。在这种情况下，带有“高血压”的记录就可以映射到另一条带有“血压升高”的记录。 关键词：循证、患者数据库

大数据+精准医疗

大数据+精准医疗 2012年全国居民慢性病死亡率为533/10万，占总死亡人数的86.6%。心脑血管病、癌症和慢性呼吸系统疾病为主要死因，占总死亡的79.4%，其中心脑血管病死亡率为271.8/10万，癌症死亡率为144.3/10万（前五位分别是肺癌、肝癌、胃癌、食道癌、结直肠癌），慢性呼吸系统疾病死亡率为68/10过标化处理后，除冠心病、肺癌等少数疾病死亡率有所上升外，多数慢性病死亡率呈下降趋势。慢性病的患病、死亡与经济、社会、人口、行为、环境等因素密切相关。一方面，随着人们生活质量和保健水平不断提高，人均预期寿命不断增长，老年人口数量不断增加，我国慢性病患者的基数也在不断扩大；另一方面，随着深化医药卫生体制改革的不断推进，城乡居民对医疗卫生服务需求不断增长，公共卫生和医疗服务水平不断提升，慢性病患者的生存期也在不断延长。慢性病患病率的上升和死亡率的下降，反映了国家社会经济条件和医疗卫生水平的发展，是国民生活水平提高和寿命延长的必然结果。当然，我们也应该清醒地认识到个人不健康的生活方式对慢性病发病所带来的影响，综合考虑人口老龄化等社会因素和吸烟等危险因素现状及变化趋势，我国慢性病的总体防控形势依然严峻，防控工作仍面临着巨大挑战。 大数据的分析和应用都将在医疗行业发挥巨大的作用，提高医疗效率和医疗效果。 一、临床操作 在临床操作方面，有5个主要场景的大数据应用： 1．比较效果研究 通过全面分析病人特征数据和疗效数据，然后比较多种干预措施的有效性，可以找到针对特定病人的最佳治疗途径。 基于疗效的研究包括比较效果研究(Comparative Effectiveness Research， CER)。研究表明，对同一病人来说，医疗服务提供方不同，医疗护理方法和效果不同，成本上也存在着很大的差异。精准分析包括病人体征数据、费用数据和疗效数据在内的大型数据集，可以帮助医生确定临床上最有效和最具有成本效益的治疗方法。医疗护理系统实现CER，将有可能减少过度治疗(比如避免那些副作用比疗效明显的治疗方式)，以及治疗不足。从长远来看，不管是过度治疗还是治疗不足都将给病人身体带来负面影响，以及产生更高的医疗费用。 2．临床决策支持系统 临床决策支持系统可以提高工作效率和诊疗质量。目前的临床决策支持系统分析医生输入的条目，比较其与医学指引不同的地方，从而提醒医生防止潜在的错误，如药物不良反应。通过部署这些系统，医疗服务提供方可以降低医疗事故率和索赔数，尤其是那些临床错误引

国内外大数据发展现状和趋势(2018)

行业现状 当前，许多国家的政府和国际组织都认识到了大数据的重要作用，纷纷将开发利用大数据作为夺取新一轮竞争制高点的重要抓手，实施大数据战略，对大数据产业发展有着高度的热情。 美国政府将大数据视为强化美国竞争力的关键因素之一，把大数据研究和生产计划提高到国家战略层面。在美国的先进制药行业，药物开发领域的最新前沿技术是机器学习，即算法利用数据和经验教会自己辨别哪种化合物同哪个靶点相结合，并且发现对人眼来说不可见的模式。根据前期计划，美国希望利用大数据技术实现在多个领域的突破，包括科研教学、环境保护、工程技术、国土安全、生物医药等。其中具体的研发计划涉及了美国国家科学基金会、国家卫生研究院、国防部、能源部、国防部高级研究局、地质勘探局等6个联邦部门和机构。 目前，欧盟在大数据方面的活动主要涉及四方面内容：研究数据价值链战略因素；资助“大数据”和“开放数据”领域的研究和创新活动；实施开放数据政策；促进公共资助科研实验成果和数据的使用及再利用。 英国在2017年议会期满前，开放有关交通运输、天气和健康方面的核心公共数据库，并在五年内投资1000万英镑建立世界上首个“开放数据研究所”；政府将与出版行业等共同尽早实现对得到公共资助产生的科研成果的免费访问，英国皇家学会也在考虑如何改进科研数据在研究团体及其他用户间的共享和披露；英国研究理事会将投资200万英镑建立一个公众可通过网络检索的“科研门户”。 法国政府为促进大数据领域的发展，将以培养新兴企业、软件制造商、工程师、信息系统设计师等为目标，开展一系列的投资计划。法国政府在其发布的《数字化路线图》中表示，将大力支持“大数据”在内的战略性高新技术，法国软件编辑联盟曾号召政府部门和私人企业共同合作，投入3亿欧元资金用于推动大数据领域的发展。法国生产振兴部部长ArnaudMontebourg、数字经济部副部长FleurPellerin和投资委员LouisGallois在第二届巴黎大数据大会结束后的第二天共同宣布了将投入1150万欧元用于支持7个未来投资项目。这足以证明法国政府对于大数据领域发展的重视。法国政府投资这些项目的目的在于“通过发展创新性解决方案，并将其用于实践，来促进法国在大数据领域的发展”。众所周知，法国在数学和统计学领域具有独一无二的优势。 日本为了提高信息通信领域的国际竞争力、培育新产业，同时应用信息通信技术应对抗灾救灾和核电站事故等社会性问题。2013年6月，安倍内阁正式公布了新IT战略——“创建最尖端IT国家宣言”。“宣言”全面阐述了2013～2020年期间以发展开放公共数据和大数据为核心的日本新IT国家战略，提出要把日本建设成为一个具有“世界最高水准的广泛运用信息产业技术的社会”。日本著名的矢野经济研究所预测，2020年度日本大数据市场规模有望超过1兆日元。 在重视发展科技的印度，大数据技术也已成为信息技术行业的“下一个大事件”，目前，不仅印度的小公司纷纷涉足大数据市场淘金，一些外包行业巨头也开始进军大数据市场，试图从中分得一杯羹。2016年，印度全国软件与服务企业协会预计，印度大数据行业规模在3年内将到12亿美元，是当前规模的6倍，同时还是全球大数据行业平均增长速度的两倍。印度毫无疑问是美国亦步亦趋的好学生。在数据开放方面，印度效仿美国政府的做法，制定了一个一站式政府数据门户网站https://www.sodocs.net/doc/121011697.html,.in，把政府收集的所有非涉密数据集中起来，包括全国的人口、经济和社会信息。 我国大数据行业仍处于快速发展期，未来市场规模将不断扩大 ?目前大数据企业所获融资数量不断上涨，二级市场表现优于大盘，我国大数据行业的市

浅谈大数据发展现状及未来展望

浅谈大数据发展现状及未来展望 中国特色社会主义进入新时代，实现中华民族伟大复兴的中国梦开启新征程。党中央决定实施国家大数据战略，吹响了加快发展数字经济、建设数字中国的号角。国家领导人在十九届中共中央政治局第二次集体学习时的重要讲话中指出：“大数据是信息化发展的新阶段”，并做出了“推动大数据技术产业创新发展、构建以数据为关键要素的数字经济、运用大数据提升国家治理现代化水平、运用大数据促进保障和改善民生、切实保障国家数据安全”的战略部署，为我国构筑大数据时代国家综合竞争新优势指明了方向！ 今天，我拟回顾大数据的发端、发展和现状，研判大数据的未来趋势，简述我国大数据发展的态势，并汇报我对信息化新阶段和数字经济的认识，以及对我国发展大数据的若干思考和建议。 一、大数据的发端与发展 从文明之初的“结绳记事”，到文字发明后的“文以载道”，再到近现代科学的“数据建模”，数据一直伴随着人类社会的发展变迁，承载了人类基于数据和信息认识世界的努力和取得的巨大进步。然而，直到以电子计算机为代表的现代信息技术出现后，为数据处理提供了自动的方法和手段，人类掌握数据、处理数据的能力才实现了质的跃升。信息技术及其在经济社会发展方方面面的应用（即信息化），推动数据（信息）成为继物质、能源之后的又一种重要战略资源。 “大数据”作为一种概念和思潮由计算领域发端，之后逐渐延伸到科学和商业领域。大多数学者认为，“大数据”这一概念最早公开出现于1998年，美国高性能计算公司SGI的首席科学家约翰·马西（John Mashey）在一个国际会议报告中指出：随着数据量的快速增长，必将出现数据难理解、难获取、难处理和难组织等四个难题，并用“Big Data（大数据）”来描述这一挑战，在计算领域引发思考。2007年，数据库领域的先驱人物吉姆·格

大数据发展现状与未来发展趋势研究

大数据发展现状与未来发展趋势研究 朱孔村 （江苏省科学技术情报研究所，江苏南京210042） 【摘要】数据是信息化时代的“新石油”资源，如何利用好这种“新石油”资源需要大数据技术的支持。文章介绍了大数据技术及其发展历程，概括了当前国内外大数据的发展现状并展望了大数据技术和产业方面的未来发展趋势。 【关键词】大数据；现状；趋势 【中图分类号】TP391【文献标识码】A【文章编号】1008-1151(2019)01-0115-04 Research on the Current Situation and Future Development Trend of Big Data Abstract: Data is the “new petroleum” resource of the information age and how to make good use of this “new petroleum” resource needs the support of big data technology. This paper first introduces the big data technology and its development process and summarizes the current development of big data at home and abroad. Finally, the future development trend of big data technology and industry is prospected. Key words: big data; current situation; trend 1 大数据技术概述 1.1大数据技术 随着物联网、云计算、移动互联网等技术的成熟，以及智能移动终端的普及，全社会的数据量呈指数型增长，全球已经进入以数据为核心的大数据时代。大数据并不是一个新的概念，信息技术发展的每一个阶段都会遇到数据处理的问题，人类需要不停的面对来自数据的挑战。为满足商业结构化数据存储的需求而产生了关系型数据库，为满足互联网时代非结构化数据存储需求而产生了NoSQL技术，而大数据技术的产生是为了解决大型数据集分析的问题。 大数据技术目前还没有一个确切的定义，各行各业有着自己的见解，但总体而言，其关键在于从数量庞大、种类繁多的数据中提取出有用的信息。维基百科从数据处理的角度将大数据定义为一个超大的、难以用现有常规的数据库管理技术和工具处理的数据集。国际数据公司（IDC）给出的报告指出，大数据技术描述了一种新一代技术和构架，以很经济的方式、以高速的捕获、发现和分析技术，从各种超大规模的数据中提取价值[1]。 少量的数据看似杂乱无章，但是当数据累积到一定程度时，就会呈现出一种规律和秩序。大数据的价值就在于数据分析，利用大数据分析技术，从海量数据中总结经验、发现规律、预测趋势，最终为辅助决策服务。《大数据时代》的作者克托·迈尔-舍恩伯格认为：“大数据开启了一次重大的时代转型”，他指出大数据将带来巨大的变革，改变人们的生活、工作和思维方式，改变人们的商业模式，影响人们的经济、政治、科技和社会等各个层面。 1.2大数据发展历程 1.2.1萌芽阶段 20世纪90年代，“大数据”这个术语开始出现。1998年SGI首席科学家John Masey在USENIX大会上提出大数据的概念，他当时发表了一篇名为Big Data and the Next Wave of Infrastress的论文，使用了大数据来描述数据爆炸的现象。但是那时的大数据只表示“大量的数据或数据集”这样的字面含义，还没有涵盖到相关的采集、存储、分析挖掘、应用等技术方法与特征内涵 1.2.2发展阶段 从20世纪末到21世纪初期是大数据的发展期，在这一阶段中大数据逐渐为学术界的研究者所关注，相关的定义、内涵、特性也得到了进一步的丰富。2003至2006年，Google 发布的GFS、MapReduce和BigTable三篇论文对大数据的发展起到重要作用。2006至2009年，大数据技术形成并行运算与分布式系统。2009年，Jeff Dean在BigTable基础上开发了Spanner数据库。随着数据挖掘理论和数据库技术的逐步成熟，一批商业智能工具和知识管理技术如数据仓库、专家系统、知识管理系统等开始被应用。 1.2.3成熟阶段 2011年至今，是大数据发展的成熟阶段，越来越多的研究者对大数据的认识从技术概念丰富到了信息资产与思维变革等多个维度，一些国家、社会组织、企业开始将大数据上升为 总第21卷233期大众科技Vol.21 No.1 2019年1月Popular Science & Technology January 2019 【收稿日期】2018-11-06 【作者简介】朱孔村（1985－），男，山东临沂人，江苏省科学技术情报研究所实习研究员，从事电子政务相关工作。 - 115 -

大数据发展背景与研究现状

大数据发展背景与研究现状 （一）大数据时代的背景 随着计算机存储能力的提升和复杂算法的发展，近年来的数据量成指数型增长，这些趋势使科学技术发展也日新月异，商业模式发生了颠覆式变化。《分 MGI）发 “赢 技术使得在线购物的完成率提升了10%到15%。我国信息数据资源80%以上掌握在各级政府部门手里，但很多数据却与世隔绝“深藏闺中”，成为极大的浪费。2015年，国务院印发《促进大数据发展行动纲要》，明确要求“2018年底前建成国家政府数据统一开放平台”；今年5月，国务院办公厅又印发《政务信息系

统整合共享实施方案》，进一步推动政府数据向社会开放。1 大数据可以把人们从旧的价值观和发展观中解放出来，从全新的视角和角度理解世界的科技进步和复杂技术的涌现，变革人们关于工作、生活和思维的看法。大数据的应用十分广泛，通过对大规模数据的分析，利用数据整体性与涌现性、相关性与不确定性、多样性与非线性及并行性与实时性研究大数据在 。2012年Gartner认为，不到两年时间大数据将成为新技术发展的热点，海量和多样化的信息资产使得大数据需要新的处理模式，才能为数据信息使用者提供有效的信息，使得企业洞察危险的能力增强，流程得以优化，决策更加准确。Victor 在其最新着作《大数据时代——生活、工作与思维的大变革》中指出，大数据 1人民网 26个好用大数据的秘诀

时代要想得到有价值的信息，要从总体而不是少量的数据样本分析与实务相关的所有数据。更加注重数据之间的相关关系，乐于加收纷繁复杂的数据，而不再探求难以捉摸的因果关系和追求数据的精确性。欧盟在其公布的《数字议程》中指出公共数据的市场价值约有320亿欧元，公共数据的开放和再利用可以产生新的商业和工作机会。开放行、公共数据，增加政府的开放和透明度可以给 年9 展的进程。2017年8月30日，国家旅游局、银联商务股份有限公司和中国电信集团联合成立“旅游消费但是数据联合实验室”，并发布了首份研究成果《2017年上半年中国旅游消费大数据报告》。三方在各自的领域有深耕多年的技术、大数据能力、市场资源和经验，通过签署站多合作，可以实现资源共享，优势互 3国家十三五规划纲要

肿瘤的精准医疗：概念、技术和展望

肿瘤的精准医疗：概念、技术和展望 杭渤1,2，束永前3，刘平3，魏光伟4，金健1，郝文山5，王培俊2，李斌1,2，毛建华1 摘要精准医疗是指与患者分子生物病理学特征相匹配的个体化诊断和治疗策略。肿瘤为一复杂和多样性疾病，在分子遗传上具有很大异质性，即使相同病理类型的癌症患者，对抗癌药物反应迥异，因此肿瘤学科成为精准医疗的最重要领域之一。组学大数据时代的来临和生物技术的迅速发展奠定了精准医疗的可行性。本文介绍精准和个体化医疗的概念、基础和意义，简述近年来在此领域的最新进展，以及对实施精准医疗的方法和技术进行分析和归纳，首次将其分为间接方法（生物标志物检测及诊断）和直接方法（病人源性细胞和组织在抗癌药物直接筛选的应用），最后扼要阐述精准医疗的前景和面临的挑战。 关键词：精准医疗个体化医疗分子组学生物标志物检测病人源性细胞和组织 Precision cancer medicine: Concept, technology and perspectives HANG Bo1,2, SHU Yongqian3, LIU Ping3, WEI Guangwei4, JIN Jian1, HAO Wenshan5, WANG Peijun2, LI Bin1,2, MAO Jianhua1 Abstract Precision medicine is defined as an approach to personalized diagnosis and treatment, based on the omics information of patients. Human cancer is a complex and intrinsically heterogeneous disease in which patients may exhibit similar symptoms, and appear to have the same pathological disease, for entirely different genetic reasons. Such heterogeneity results in dramatic variations in response to currently available anti- cancer drugs. Therefore, oncology is one of the best fields for the practice of precision medicine. The availability of omics- based big data, along with rapid development of biotechnology, paves a way for precision medicine. This article describes the concept, foundation and significance of precision medicine, and reviews the recent progresses in methodology development and their clinical application. Then, various current available biotechniques in precision medicine are evaluated and classified into indirect (biomarker-based detection and prediction) and direct (patient-derived cells and tissues for direct anti-cancer drug screening) categories. Finally, perspectives of precision medicine as well as its facing challenge are briefly discussed. Key words: precision medicine personalized medicine omics biomarker detection patient-derived cells and tissue 2011年，美国国家科学院在“迈向精准医疗：构建生物医学研究知识网络和新的疾病分类体系”报告中，对“精准医疗（precision medicine）”的概念和措施做了系统的论述[1]。报告探讨了一种新的疾病命名的可能性和方法，该方法基于导致疾病的潜在的分子诱因和其他因素，而不是依靠传统的病人症状和体征。报告建议通过评估患者标本中的组学（omics）信息，建立新的数据网络，以促进生物医学研究及其与临床研究相整合。美国总统奥巴马在2015年1月20日的国情咨文中正式将“精准医疗计划”作为美国新的国家研究项目发布，致力于治愈癌症和糖尿病等疾病，让每个人获得个性化的信息和医疗，从而“引领一个医学新时代”。此举措很快得到了美国政府研究机构和医学界的热烈响应[2, 3]，当然也包括来自医学界和社会的争议。 1 精准医疗与个体化医疗1.1 定义 什么是精准医疗（又称精确医学），其与通常所讲的个体化医疗（personalized medicine）又是什么关系？精准医疗就是与患者分子生物病理学特征，如基因组信息，相匹配的个体化诊断和治疗策略。个体化医疗利用诊断性工具去检测特定的生物标志物，尤其是遗传性标志物，然后结合患者的病史和其他情况，协助决定哪一种预防或治疗干预措施最适用于特定的患者。通俗地讲，个体化医疗就是考虑患者本身的个体差异，药物治疗因人而异，为理想化的治疗。而精准医疗着眼于一组病患或人群（图1），相对于个性化医疗针对个体病患的情况更为宽泛，更可行。两者有共同的内涵。也有医疗和研究机构将这两个概念放在一起，如杜克大学的“精准和个体化医疗中心”。 图1精准医疗的核心Fig. 1 Heart of precision medicine

医疗大数据的应用

医疗大数据的应用 医疗大数据带给人类的福音早在2009年google公司的一个案例中直接可以体现，google借助大数据技术比美国疾病控制与预防中心提前1到2周预测到了甲型H1N1流感爆发，此事震惊了医学界和计算机领域的科学家。 (1)服务居民。居民健康指导服务系统，提供精准医疗、个性化健康保健指导，使居民能在医院，社区及线上的服务保持连续性。例如，提供心血管、癌症、高血压、糖尿病等慢性病干预、管理、健康预警及健康宣教;同时减少患者住院时间，减少急诊量，提高家庭护理比例和门诊医生预约量。 卢红强调，无论做慢病管理还是随访也好，尤其是做健康管理，都是需要有数据支撑的，没有数据支撑，所有的健康管理都是虚的。她举例表示，单纯从体检数据不可能给患者做到全面的健康咨询和精准健康管理服务的。体检是有限的，一定要结合患者的医疗数据，所以做好这件事情是一定要有一个数据的平台来支撑的，这个数据平台做什么?就是把分散在医院各方面的数据聚集起来，提供一个可视化的展现形式，提供给大夫，大夫透过这些数据、结果来更好的为患者提供健康服务。 (2)服务医生。临床决策支持，如用药分析、药品不良反应，疾病并发症，治疗效果相关性分析，抗生素应用分析，或者是制定个性化治疗方案。 这些都是要以药品质量反映，疾病的并发症，这些在我们的信息系统中都有不同程度的体现。卢红举例说，不良反映，最早以前我们医院是有一套体系，大家报药品的不良反映，但是报完了之后没有反馈，这个信息收集完了之后报给国家，国家没有把这个信息反馈给医院。我们就提出建议：医院作为数据的供给者，非常希望上级可以把数据的结果反馈回来。后来，上级定期把结果反馈回来，我们从内网中体现出来，医生就能够经常看到。 (3)服务科研。包括疾病诊断与预测、提高临床实验设计的统计工具和算法，临床实验数据的分析与处理等方面。在目前的医院里，喜欢做科研的医生对这方面的呼声非常高，第一是希望自己有一个平台，把自己所关注的病例能够及时的放到平台中来进行管理。第二个，当这些数据都放进去以后，他会透过这个数据来设计一些科研的方案，透过这 个平台能够产生一些他认为的指标 出来，反过来这些指标对他的临床工 作又有一定的指导意义。 (4)服务管理机构。对行政管理部门是 有一定的意义的。 (5)公众的健康服务。包括危及健康因 素的监控与预警、网络平台，社区服 务等方面。大家都知道，上海在卫生 医疗领域积累了大量的数据，行业专 家通过诊疗数据作相关疾病的分析， 最后得出一个分布图，在浦东这个区 域里，糖尿病的患者究竟是聚集在哪 一个区域，高血压的患者又是在哪一 个区域，肝癌的患者在哪一个区域， 得到了这样一个分析数据以后，再进 一步分析这个区域里的人的饮食习 惯，或者是这个区域的人群来源结 构，这一个地区的人群饮食习惯，都 做了进一步的分析，去找到他患糖尿 病或者是高血压的一个因素在哪里， 这就是一个很典型的大数据分析得 到的结果，反过来为公共决策部门进 行服务的典型案例。 大数据平台让医生从录入者变成使 用者 卢红认为信息化推行这么多年仍有 很多问题的一个非常重要的原因，就 是医生只是数据的录入者，没有真正 成为数据的使用者、利用者。 随着大数据技术的不断成熟，通过建 立大数据平台、数据的支撑，让医生 在治疗、随访等实际工作中受益。让 医生的角色真正从录入者向使用者 转变。 卢红将大数据平台带来医疗服务及 医生的益处主要归于以下几类： 1、精准医疗。 比如说抗菌药物的使用，抗菌药物需 要控制，但是大家总也找不出很好的 方法去控制。我们有很多的规定，但 是这些规定如果没有平台支撑的控 制，这种规定都是空的。第一没办法 执行下去，第二没有办法核查。比如 说这位患者用某一个抗菌药物，理论 上用了3天就不能用了，必须要做抗 菌药物的耐药性的检测，耐药性的检 测是送给微生物检查，微生物室得到 一个结论，这个患者对哪个菌种耐 药，马上就要换。但是实际的工作中 常常是这个大夫可能用了这个抗菌 药物用了10天，觉得没有效果了又 换，又用了几天没有效果，才想起来做耐 药性的检测，但是如果系统在这方面能够 很好的把控的话，我相信抗菌药物使用， 按照国家的标准，抗菌药物的使用是一定 能够控制下来的。 2、个人治疗计划。 通过对历次住院信息的分析，制定本次治 疗计划，为医生提供参考。这就是对一个 个体，上次有公司到医院来讲课，他说我 能够把患者历次的信息都看得到，我说你 看到只是仅仅展现出来，大夫所需要的不 仅仅是把这些信息看到，而是需要能够把 历次的住院信息中的某个专科疾病所关 注的指标，用一种时序的方式展现出来， 这就是需要大数据的分析手段来给大夫 提供这样的展现形式，只有这样，我们的 大夫才能一目了然。前面关注的指标是透 过什么发生了这样的变化，他就非常清晰 了。 如果简单的展示，上次看他的病情是什 么，第二次是什么，第一次用了什么药， 第二次用了什么，其实这个没有太大的意 义。只有对这些数据进行分析，透过时序 的方法展现出来，对我们的大夫才会有指 导意义。 3、为医生和科研服务。 通过对某个专科疾病的分析提供可参考 的治疗方案，为科研提供分析数据。 举个例子不同的医院疾病不一样，比如说 某个医院有10个前10位的看病最多的， 就把这10个看病最多的医院病案搜索出 来，用大数据的方法分析好，就能为医生 提供非常好的服务。 4、为患者健康服务提供数据支撑。 健康管理，慢病管理，病人随访等等。尤 其是健康管理，如果没有一个数据支撑的 管理都是空话，包括慢病管理也好，因为 慢病管理虽然是糖尿病，但是有可能产生 了一个并发症，肯定到医院治疗过，这些 数据都是要被收集到这个平台里的，提供 给管理慢病的大夫。包括社康的大夫他也 是非常需要这些数据的，透过这样的数据 支撑，就可以提供很好的服务。 大数据可以带给医院、医生、患者这么多 好外，如何让这一切能为现实，医院能做 些什么呢?卢红谈到，目前医院在尝试通 过一些数据分析公司来做平台建设的工 作，通过平台提供数据服务，包括健康管 理、慢病管理、病人随访，包括转诊、科 研等等，都要建立在这个平台上。透过底 层的大数据分析支撑，来为这些所有的业 务提供数据支撑的服务。

关于循证医学精准医学和大数据研究的几点看法

关于循证医学、精准医学和大数据研究的几点看法 转自：中华流行病学微平台 唐金陵1, 李立明2.1. 999077 中国香港中文大学公共卫生及基层医疗学院;2. 100191 北京大学公共卫生学院摘要循证医学仍是当今最好的医学实践模式。需要注意的是，证据本身不等于决策，决策还必须考虑现有资源和人们的价值取向。证据显示，绝大多数患者不会因使用降血压、降血脂、降血糖、抗癌药而预防重要并发症或死亡，说明现代医学的很多诊断和治疗都不精准，找到那几个为数不多的对治疗有反应的患者就成了现代医学的梦。精准医学应运而生，但它并不是新概念，也不等于孤注一掷的基因测序。精准医学依赖的大队列多因素研究由来已久，也不是新方法。医学一直在寻求精准，而且在人类认知的各个层面都有所建树，如疫苗和抗体、血型与输血、影像对病灶的定位以及白内障晶体替换手术。基因不是达到精准的唯一途径，只是提供了新的可能性。但是多数基因和疾病关联强度很低，说明基因精准指导防治的价值可能不大，利用大数据和其他预测因素是精准医学的必经之路。在使用大数据问题上，强调拥有总体、大样本、关联关系而淡化因果关系，是严重的误导。科学从来不会待考察了总体后才进行推论；研究需要的样本量恰恰与效果大小成反比；否定因果关系就是对流行病学科学原理和方法的否定，放弃了对真实性的保障，最终会导致防治的无效。

因此，在确认疗效上，基于大数据的现实世界观察性结果不能取代随机对照试验的实验性证据。本文谨希望以怀疑和批评的方式，激发出精准医学和大数据蕴藏的真正潜力。关键词: 循证医学；精准医学；大数据；现实世界研究；流行病学方法一循证医学中的情与理 循证医学呼吁医学实践须基于现有最好的应用型(而不是基础型)研究证据[1-2]。没有循证医学的敦促，医学研究就多会停留在理论上；没有循证医学的反馈，医学研究可能会偏离正确的轨道；没有循证医学这张盾牌，资本就会更肆无忌惮地让医学为利润服务。然而，在肯定证据在医学决策中重要性的同时，还必须强调证据本身并不是决策，决策还必须兼顾现有资源的多寡、患者的需要和价值取向。 如果把证据称为理，证据以外可以影响决策的因素就是情。如果理是科学发现的客观事实(如一个药物被证明有效)，情就是人们如何利用这些事实的主观情感和好恶。医学决策，情与理缺一不可。在20世纪90年代循证医学初期，人们对医学应用型(主要是流行病学)研究及其产生的科学证据认识不足、重视不够，有必要特别突出证据在决策中的重要性。但是在证据和指南被视为“绑架”了医学实践的今天，有必要重申或特别关注其他因素在决策中不可或缺的作用，尽管目前还有很多医学指南和实践并非基于证据。 研究证明一个药物有效，这是理。理是中性的、稳定的，具

大数据发展背景及研究现状

（一）大数据时代的背景 随着计算机存储能力的提升和复杂算法的发展，近年来的数据量成指数型增长，这些趋势使科学技术发展也日新月异，商业模式发生了颠覆式变化。《分析的时代：在大数据的世界竞争》是2016年12月麦肯锡全球研究院（MGI）发表的一份报告。五年前MGI就指出大数据分析在基于定位的服务、美国零售业、制造业、欧盟公共部门及美国健康医疗领域有很大的增长潜力。数据正在被商业化，来自网络、智能手机、传感器、相机、支付系统以及其他途径的数据形成了一项资产，产生了巨大的商业价值。苹果、亚马逊、Facebook、谷歌、通用微软以及阿里巴巴集团利用大数据分析及自己的优势改变了竞争的基础，建立了全新的商业模式。稀缺数据的所有者利用数字化网络平台在一些市场近乎垄断，只需用独特方式将数据整合分析，提供有价值的数据分析，几乎可以“赢家通吃”。2011年全球的数据储量就达到，与2011年相比2015年大数据增长了近4倍，未来十年，全球数据存储量还将增长十倍，大数据成为提升产业竞争力和创新商业模式的新途径。大数据在企业中得到了充分的应用并实现了巨大的商业价值。梅西百货的SAS系统可以根据7300种货品的需求和库存实现实时定价。零售业寡头摩尔玛通过最新的搜索引擎Polaris，利用语义数据技术使得在线购物的完成率提升了10%到15%。我国信息数据资源80%以上掌握在各级政府部门手里，

但很多数据却与世隔绝“深藏闺中”，成为极大的浪费。2015年，国务院印发《促进大数据发展行动纲要》，明确要求“2018年底前建成国家政府数据统一开放平台”；今年5月，国务院办公厅又印发《政务信息系统整合共享实施方案》，进一步推动政府数据向社会开放。1 大数据可以把人们从旧的价值观和发展观中解放出来，从全新的视角和角度理解世界的科技进步和复杂技术的涌现，变革人们关于工作、生活和思维的看法。大数据的应用十分广泛，通过对大规模数据的分析，利用数据整体性与涌现性、相关性与不确定性、多样性与非线性及并行性与实时性研究大数据在公共交通、公共安全、社会管理等领域的应用。大数据与云计算、物联网一起使得很多事情成为可能，将会是新的经济增长点。大数据随着以数据科学为核心的计算机技术的迅猛发展，推动了社会科学与自然科学等跨科学研究的发展。因此对内蒙古乃至全国的大数据研究具有深刻而广泛的意义。 （二）国内外相关研究现状 大数据（big data），指无法在一定时间范围内用常规软件工具进行捕捉、管理和处理的数据集合，是需要新处理模式才能具有更强的决策力、洞察发现力和流程优化能力的海量、高增长率和多样化的信息资产。2大数据充斥着人类经济社会的角角落1人民网 2 6个好用大数据的秘诀

精准医学大数据汇交与共享政策研究

精准医学大数据汇交与共享政策研究 精准医学作为医学科技发展的前沿方向,现已成为世界各国新一轮科技竞争的战略制高点。为加快重大疾病防控技术突破、占据未来医学及相关产业发展主导权、打造我国生命健康产业发展的新驱动力,我国积极加强精准医学研究布局,将其纳入国家“十三五”规划,并将“精准医学研究”列为国家重点研发计划重点专项之一。伴随我国精准医学计划的实施,将产生海量多源异构的精准医学大数据。这些数据既是各精准医学研究项目的重要成果产出,也是日后开展医学研究工作宝贵的知识来源,如不能及时汇交并且合理共享,将难以发挥其 最大价值,造成人力、物力、财力的极大浪费。但精准医学大数据汇交与共享是一项复杂的活动,不能单靠技术的进步而实现,还需要运 用政策的强制手段进行保障和规范。我国至今尚未发布针对精准医学大数据的政策性文件,势必影响数据的管理与成果转化。而国外在精准医学大数据管理方面已出台相关政策,可以为我国政策制定提供借鉴。基于此,本研究将在广泛调研和分析国内外典型精准医学相关数据政策的基础上,以目前我国资助的精准医学研究中层次最高、影响力最大的国家重点研发计划“精准医学研究”重点专项为例,分析其数据汇交与共享要求、各利益相关方的利益诉求以及主要利益相关方的政策建议。通过对现存政策和我国实际需求的分析,尝试提出适用于我国实际情况的精准医学大数据汇交与共享政策建议。本研究就最终完成的工作包括:(1)系统梳理了国内外不同层面科学数据政策的 相关研究,借鉴其研究思路及政策内容分析框架,总结现有研究的局

限性,包括:①对精准医学细分领域数据政策的探索不足;②重共享、轻汇交,对汇交部分政策内容研究不足;③政策建议趋于宏观层面,微观层面对具体内容的建议有待加强;(2)调研了国内外科研资助机构典型科学数据汇交与共享的相关政策,并从基本特征以及具体内容两方面对政策进行了分析,借鉴有益经验,为后续研究提供参考;(3)立足我国实际,以目前我国资助的精准医学研究中层次最高、影响力最大的“精准医学研究”重点专项为例,总结其数据汇交与共享要求、可能涉及到的数据汇交、管理和使用主体,并对其中部分利益相关方的权益和政策建议进行分析和调研,为精准医学大数据汇交与共享政策的制定提供现实依据;(4)结合政策调研和我国实际情况,提出了我国精准医学大数据汇交与共享政策制定的建议,包括宏观和微观两个层面:宏观层面的建议包括:①加强国家统筹,健全政策制度体系;②注重权益保护,优化利益权衡机制;③建立监管部门,完善监督管理体制;④强化质量建设,统一数据标准规范。微观层面对数据汇交与共享的具体环节进行了细化,重点对数据汇交、数据保存与管理、数据共享、数据汇交与共享计划、利益相关方职责、权益保护以及监督与奖惩机制7个方面的政策内容进行详细界定。

大数据学科发展现状与趋势调研报告

大数据学科发展现状与趋势调研报 告

目录 1 大数据学科发展现状与趋势 (1) 1.1 大数据学科发展现状 (1) 1.2 大数据学科发展趋势 (2) 2大数据热点问题与技术发展趋势 (4) 2.1 大数据热点问题 (4) 2.2 大数据技术发展趋势 (5) 3中国大数据发展战略与建议 (9) 3.1 大数据基础研究的发展战略与建议 (9) 3.2 大数据产业的发展战略与建议 (13)

1大数据学科发展现状与趋势 1.1大数据学科发展现状 大数据研究还处于积累数据、分析现象为主的前科学阶段 不少学者认为，目前的“大数据”主要表现为“研究对象”，是一种需要探索的“现象”。随着采集数据成本的大幅度降低，各行各业都涌现大量非结构化的数据，正在探索存储、处理、分析大数据的新方法，尚未形成反映大数据共性规律的科学理论。观察现象，积累科学数据，从现象中发现规律，是形成物理、化学等科学理论走过的路。牛顿力学就是建立在大量天文学观察的基础上。研究人类社会活动规律的社会科学、以复杂网络为研究对象的网络科学等还处在牛顿力学诞生前的积累数据、分析现象阶段。 现有的大数据理论与模型高度依赖于其他学科，如统计分析、机器学习、分布式系统等，还没有建立起独立于其他学科的理论体系与研究方法论。但大数据基础研究可能不是传统科学的复制和延续，大数据有别于传统数据处理的本质是数据之间的相互关联，相互关联的数据跨越了物理空间、信息空间和人类社会，形成了三元空间交织融合的“数据界”（Data Nature）。数据界的存在仅仅一个现象还是在现象之下的隐藏着一套全新的“数据科学”理论与“数据哲学”理论，目前尚不清晰。 大数据研究将促使科研第四范式逐渐形成，但第四范式的建立也是一个过程，需要发展与已有的三种范式不同的科研方法。科研范式的改变和大数据共性规律的发现可能会交织在一起。估计还需要一段时间的努力大数据才能形成独立的学科。 大数据的科学研究与产业应用脱节 当前经济形势下，纯粹依靠物质资源发展经济的老路已难以为继，而数据是贯彻国家“创新驱动发展”战略的最重要资源。过去几年来，以“BAT”为代表的大型互联网企业已具有与国际大公司竞争的经济实力和技术基础，他们依托自身拥有的巨量数据和现实的应用需求，已经发展出一些初步满足各自底层次需求的大数据解决方案，但在新技术引领未来的竞争优势方面存在诸多不足。我国在