在人的一生中或多或少都会与医生打交道，医生对于我们来说一一份圣神的职业，我们既尊敬他们，也怕与他们打交道，毕竟谁会愿意天天往医院跑呢?随着技术的发展，我们有没有可能摆脱医生而可以自己去对常见疾病去自救呢?

　　现在看来，这件事并不是不可能实现的，在国外有一个团队，汇集了一部分技艺精湛的大数据专业人员和医生, 他们正在利用技术帮助人们过更长寿、更健康的生活。这些技术人员和医生正在构建应用程序，他们利用大量政府资助的基因组数据, 以及成熟和易于访问的分析工具, 这可以帮助人们诊断和治疗从常见到困难的疾病。

　　这一项目负责人叫Dexter Hadley，因为他既是工程师也是医生。Dexter在加州大学旧金山分校运营了一个名为Hadley的实验室，该实验室旨在以开发技术来抗击疾病和促进健康。他们从大量临床数据中获得价值，凭借基因组学和病理学临床训练的研究背景进行精确的分析，Dexter经常对外说“他使用大数据来行医”。

　　笔者有幸能访问到Dexter并向他了解在科技与医药交叉点产生的新技术，并向我们讲述技术的平民化如何真正影响人们的生活。

　　Q：人们可能会好奇为什么你既是医生也是工程师，你又是如何做到双重身份这一点的?

　　Dexter：我一直想成为一名医生，但在我10岁那年自学了计算机编程之后，我的人生轨迹发生了巨大的改变。从那以后，我一直沉迷于如何利用计算来更好地促进医药发展。这段经历也使我从一所以计算机编程为中心的本科教育大学转到了宾夕法尼亚大学医学院，在那里我获得了工程硕士学位、博士学位还有基因组学和医学硕士学位。

　　我曾经作为实习医生在宾夕法尼亚州进行普通外科手术，然后在斯坦福大学进行病理学实习，激发了我作为一个医生和科学家的激情，将医学和软件工程相结合，以改善医生及其患者的医疗保健

　　Q： Hadley实验室主要的工作是什么呢?你个人在其中是扮演什么样的一个角色呢?

　　Dexter：Hadley实验室利用大数据来改善医学实践和医疗保健。我们的工作是对疾病产生的原因进行重新诠释，并最终将大量不同的数据存储来，以便将来可以更好地描述疾病。我们开发先进的数据驱动的临床智能模型，推动临床应用更精确地筛选，诊断和管理疾病。我们整合多个大型数据存储区, 以识别新的生物标记物和潜在的疾病疗法。

　　我们工作的最终目的是在人类概念临床试验的快速证明，让患者可以得到更好的结果，降低疾病谱上的发病率和死亡率。“我是一个追求覆盖面更广的科学研究者，我不关心我能不能将某一种疾病研究的很深，但我更关心的是怎么能够掌握更多的疾病治疗方法，这一切都是由于数据的驱动。”

　　Q：你能说一下这一领域的现状、未来和理想的研发状态吗?

　　Dexter：目前，我认为我们正在经历一场持续的医学复兴，从十年前的人类基因组初步测序开始。现在，我们终于能够在“精准医学”中实际量化人体健康和疾病，这是一种截然不同的医疗保健研究方法及其交付方式，我们的重点是针对个体能够做出个性化的精确治疗方案。

　　虽然基因组学使我们能够量化我们自身分子, 我认为未来是利我们现在手中掌握的科学技术, 以更好地量化我们自己的身体指标。由于基因组学的优势在于其客观能力与患者的身体表现相关, 因此研究和开发的理想的方案就需要对患者在分子基因型水平的床表的数据收集和分析。

　　例如，在健康系统的背景下，我的研究将收集到的大量的临床数据运用最先进的大数据算法，并将智能手机，网络和移动应用程序等集成起来，以便可以第一时间发现患者的疾病，并提供精确的药物。

　　Q：听起来像未来的很大一部分是基因组学?

　　Dexter：基因组学的确是未来，但它显然比我们最初认为的要复杂得多。大多数医生不会坐在那里看病人的基因组数据来制定治疗计划。然而，一些专家医生整天都需要看图像，例如放射科医生和病理学家。我们有技术和算法能够建立'应用程序'，可以帮助这些专家。

　　举例来说, 我们正在为医生和他们的病人在智能手机上研发一款移动医疗应用的软件，能帮助他们更好的筛查皮肤癌。然而, 虽然智能手机上的健康数据便于皮肤癌的筛查, 但对皮肤癌的实际诊断和随后的管理仍在基因组领域。

　　Q：现在哪些地方需要这种诊断呢?

　　Dexter：医学实践包括筛查一般人群，并提前对疑似病例进行诊断。 许多精密医学研究集中在诊断和干预阶段，较少关注筛查。 我的目标是通过数字应用程序，使用强大的大数据算法进行人群筛选。 虽然“任何人”都可以构建一个应用程序，但并不是每个人都有知识，数据, 并获得临床基础设施, 为医生和他们的病人开发临床级算法。

　　Q：在这一领域上“技术全民化”能产生多大的影响?

　　Dexter：大约6年前, Mark Andreessen写了一篇《华尔街日报》的社论, 讲述 "为什么软件正在吞噬世界"。一般人今天怎么购物?银行?交易股票?还是找辆出租车?主要是通过"应用程序"。我认为，这一现象会不可避免地渗透到我们的医疗世界里，我们利用现在的所有条件与技术做神奇的事情，包括精确的算法，以及在临床医学以惊人的速度产生大量的数据。

　　举例来说, 在加州大学旧金山分校的医学实验室里我们可以拥有数百万个临床记录，将近一百万患者必须接受更好的治疗方法。但是由于时间和金钱的限制，我们只能选择数百名患者去进行干预的临床效果实验。

　　因此，我们现代的卫生系统允许最大临床试验应用适合快速发现新型医疗的干预措施。我认为，根据这个大数据建立的临床级应用程序，使我们能够立即将医疗系统的提前发现能力提供给医生及其患者的手中。

　　Q："建立一个临床级应用" 会涉及到些什么?

　　Dexter：构建应用程序实际上是过程中最严格的一部分，因为“临床级”的性能来自我们开发的基础应用程序接口的算法。 我们正在做的事情神奇在于学习从医疗保健中产生的大数据模式。深度学习就是这样一种方法，它是一种向“认知计算”转变的模式，在那里计算机基本上被训练成像人类一样思考。

　　深入了解大数据，因为它代表了当今最先进的机器学习，并且反复优于其他更传统的方法。数据是这个过程的关键部分，因为这些深层学习算法非常复杂。虽然大部分的统计数据是基于线性模型，其参数可以用几个数据点进行准确估计，但是一些最复杂的深度学习算法比宇宙中的原子具有更多的参数。

　　因此, 有用的深层学习需要大量的数据来准确估算最有预见性的参数。