你發的每一條微信，打的每一通電話，也許就能預警你是否有感染流行病的風險……這不是科幻，這是全世界已經起步開展的大數據精準醫療。

　　日前，浙大一院正式成立“精準醫療中心”，中國工程院院士、浙大一院傳染病診治國家重點實驗室主任、感染性疾病診治協同創新中心主任李蘭娟教授作了“醫療健康大數據與精準醫學”的專題報告。

　　“精準醫療大數據的普及化，正帶來中國乃至全球健康產業的變革。”在接受錢報記者專訪時，李蘭娟表示，不遠的將來，大數據支持下的精準醫療將為每一個病人定制治療方案，它也將改變國家的醫療投入的格局。

　　精準醫療提供個性化治療

　　大數據技術，能夠分析大量繁雜的數據集，發現疾病和治療手段之間的有效聯系，它將改變傳統的治療方案。

　　美國提出精準醫療的計劃，利用大數據的分析，找出個性化的缺陷，真正對癥下藥，因人而異。這個辦法幫助喬布斯延長了幾年的生命。

　　我們國家的精準醫療研究，也在積極跟進。2014年7月，李蘭娟和團隊在《自然》雜志發表了科研成果論著，揭示腸道菌群與肝硬化的秘密，給全球醫學科技研究提供了新思路。

　　一直以來，很多肝硬化患者，都接受過抗生素的治療，但是李蘭娟和她的團隊發現，這樣做并不能帶來很好的效果，因為抗生素不僅殺死了腸道內的有害細菌，有益細菌同樣也被殺死了。

　　腸道微生物是提供人體營養、調控腸道上皮發育和先天性免疫的不可缺少的“器官”，她把注意力聚焦在“腸道菌群”上，經過近3年時間的研究，他們收集了181個中國人腸道菌群的樣本，其中98個是肝硬化患者的糞便樣本，83個來自健康志愿者。

　　團隊采用了新一代測序技術、以及大數據分析技術，產出了近860GB的序列數據，通過研究發現了28種與肝硬化病人密切相關的“壞細菌”；數據比對還顯示，有38種與健康人密切相關的“好細菌”，在肝硬化病人腸道菌群中的量卻非常少。

　　這就意味著，今后針對肝硬化病人的治療，可以做到更加精準，“我們會給肝硬化病人補充更多的‘好細菌’，殺死過高的‘壞細菌’。”李蘭娟說，在藥物基因組學的基礎上，這個工作還能夠做得非常精準，“針對不同病人，運用合適的藥物，合適的劑量。”

　　“精打細算”的外科手術

　　大數據技術已經開始在外科手術中，幫助病人得到更加高效的手術療效。

　　中國工程院院士、浙大一院院長鄭樹森教授，是我國著名的器官移植專家。到目前為止，他帶領團隊已經成功進行了200余例活體肝移植手術。

　　肝臟是人的造血器官，“統帥”了成千上萬根血管，對肝臟動手術，是有高難度的。

　　在先進的數字技術支持下，鄭樹森團隊能夠在活體肝移植在術前和術中，利用虛擬現實軟件，查看病人肝臟中的各種構造。大數據分析還能夠精準計算出需要移植的肝臟部分，一方面確保提供給受捐者充足的供血，能夠存活；同時評估受捐者剩下的肝臟，能否在半年內長出新的肝臟，保證恢復正常的肝功能。

　　在世界各地，具有大數據處理功能的手術器械已經成為外科醫生強有力的助手。比如，在摘除腫瘤組織的外科手術中，外科醫生遇到的最大挑戰是：一次手術是否能夠把癌變組織切干凈。像乳腺癌腫瘤的手術中，有將近三分之一都無法做到完全抹除腫瘤的痕跡。

　　前不久，倫敦大學帝國學院Zoltan Takats 探索了一場“精準手術”，手術使用的先進武器iknife，在傳統手術刀前安裝傳感器和質譜分析儀，刀起落下iknife能在第一時間告知病灶的邊界和性質。

　　大數據指導醫療政策

　　大數據能夠更加科學地論證藥物使用的效果，為醫療政策指導方向。

　　2012年，李蘭娟曾經帶領團隊做了一個跟乙肝傳染率相關的課題，采集了浙江1000人次的體檢數據樣本。通過分析發現：當年20歲（1992年出生）以上的樣本，乙肝感染率在8%-10%；而20歲以下的樣本中，乙肝感染率小于1.5%。

　　為什么只相差一歲，乙肝感染率就有那么大的差距？

　　1992年這一年，是個關鍵詞。1992年，衛生部將乙肝疫苗納入計劃免疫管理。通過大數據技術分析，李蘭娟團隊驗證了藥物的有效性，這樣的分析結果，將給國家制定公共衛生政策，帶來科學的指導。

　　“如果我國繼續保持對新生兒進行乙肝疫苗的全面接種，同時成年人也盡快接種乙肝疫苗，那么在十年后，中國將擺脫肝炎大國的帽子。”李蘭娟說。

　　開發大數據預測疾病

　　有了大數據的分析，“看醫生”模式正在轉變為“被醫生看著”——你的可穿戴設備能夠做到24小時給你“做體檢”，這種全數據模式成本低，效率卻很高，幾乎所有人都可以用。

　　“精準醫療的長期目標，是每個人的健康管理。” 接下去，李蘭娟團隊將在浙江創建一個人數規模超過100萬的志愿者隊列，他們愿意共享他們的基因數據、生物樣本、生活信息以及所有的電子健康信息。

　　這是一個融合參與者、有責任的數據共享以及隱私保護的新型研究模型。基于這份健康大數據，浙大一院團隊將能夠做一系列新研究，比如藥物基因組學研究，醫生可以更準確地為每個病人開出合適的藥物和合適的劑量；比如為病人設定新的治療和預防目標。

　　世界醫療產業最發達的美國，在醫療創業領域冒出了許多基于大數據，做疾病預防方面的高科技產品——

　　美國人Anmol Madan和團隊創立了一個公司，專注研究通過手機的數據分析，預測機主的疾病。

　　他們對實驗參與者手機超過32萬小時的數據進行收集分析后，最終能夠對人們的手機建模，來預測感冒、精神疾病等等。比如，當人抑郁時，通常就能夠在與人交流中被看出變化，日常數據分析就能夠捕捉這些變化。在測試中，這個應用能夠正確判斷60％~90％人們日常的生理癥狀和普通呼吸情況，同時把這些變化發通知給機主本人，未來還能發送給朋友或家人。

　　深度開發大數據，預測疾病，還可能大幅降低醫療保健的費用。麥肯錫全球研究院報告，如果美國醫療保健行業對大數據進行有效利用，就能把成本降低8%左右，從而每年創造出3000億美元的價值。

　　“在中國，大數據也將影響醫改的具體政策，比如醫保的投入。”李蘭娟說。