据称Watson能在15秒内读完逾千万份病历，若倚靠专业医师人力进行阅读，必须耗时192年才办得到。来源：Fortune

　　毋庸置疑，若细数近几年来IT显学，大数据肯定榜上有名;迄今各产业皆积极投入大数据应用，医疗产业也不例外，期盼借此加速挖掘病症的起因与根源，进而找出最有效的治疗途径，终至为人类带来巨大福祉。

　　在过去，如果有人提倡把医疗与资通讯(ICT)技术紧密结合，那么其他多数人一定认为这是荒诞不经、哗众取宠的想法，只因为人命关天，仅有扎实的医疗技术，才是拯救世人的唯一王道，再怎么说计算机系统都是配角。

　　借助大数据分析，可帮助医师迅速识别X光、MRI或CT等医疗影像数据，或者从庞大医疗专家数据库中理出头缩，建立最有效的诊疗决策。来源：Palamir

　　到了现在，由于高龄化、少子化成为大势所趋，导致医疗照护服务的需求者急遽增多，但供给量却无法等幅成长，使得医疗资源窘态日益显著，连带引发医护人力日益不足、医病关系日益紧张等一连串负面连锁效应，单凭传统医疗技术，已难以有效化解接踵而至的难解习题;影响所及，让健康信息科技(Health IT)、智能医院(Smart Hospital)跃为热门话题，而多数人开始深信，ICT是扭转医疗资源分配失衡的关键解方之一。

　　善用大数据分析 优化诊疗决策

　　综观医疗界深感兴趣的ICT技术项目，必然少不了大数据。主要是因为，随着近年来网络与科技迅速成长，数字数据的产生速度与数量急遽攀升，这些数据洪流当中，蕴藏了无数的瑰宝，可望为各行各业带来重大价值，而医疗产业正是受益良多的代表性族群，可运用的医疗数据含括基因表达数据、蛋白质谱、蛋白质三维结构、蛋白质体序列、转录体序列、医学讯号与影像等等。

　　时至今日，愈来愈多医学界人士仰赖大数据，加速推动包括疾病诊断与预测、临床实验数据的分析与处理等诸多应用，甚至锁定许多难缠的重大疾病，进行相关基因研究。

　　举例而言，曾在益智问答节目 Jeopardy! 大放异采的IBM 超级计算机“华生”(Watson)，纵使夺冠后开始吸引世人目光，亦投身华尔街投资理财应用领域，但几年下来仍不乏英雄无用武之地的意味，直到3年多前，才凭借优异的大数据处理能力，进军医疗产业，彷佛终于找到了战场。

　　在 2014年上半，美国临床肿瘤学会发布一项数据，预估美国罹患癌症的患者数量，到2025年将大增逾4成，但与此同时，肿瘤科医师人数却仅增加3成不到，这个日益扩大的供需缺口，恐导致医疗质量愈趋恶化;而这些专科医师平时投入看诊已经疲于奔命，根本无暇研读最新的病例报告及医学研究，长此以往，对于医师们的学养与经验发展，将产生不容小觑的负面影响，Watson的出现，可望扭转这个堪虑的发展趋势。

　　2014年当时，Watson便已具备每秒运算500GB数据量的实力，人们或许不知这个数字背后代表何等惊人威力，等同于1秒钟就能够读完百万本书籍，更令人咋舌的是，只需要给Watson短短15秒钟的时间，它就可阅读千万份以上病历，这些病历若由医师来看，得足足花上192年之久。

　　综上所述，假使医师有了诸如Watson的ICT系统当做得力助手，那么他便毋需担心因忙于看诊而疏于搜集与吸收医学研究报告，也不必像过去一样，得耗费几个月的漫长时间来做基因定序、制定治疗决策，从而赶在黄金时间医治癌症病患;由此即不难让人理解，大数据分析技术之于医疗产业，果真价值连城，更是为传统医疗迈向智慧医疗、精准医疗，提供了不可或缺的关键路径。

　　比如疾病治疗、临床研究、新药研发，乃至基础医学、医药卫生等各种领域，全都牵涉到对于数据的搜集、管理与分析需求;在此前提下，对于从事医药学研究的人来说，如何有效率地借助ICT手段来获取所需数据，无疑是至关重大的课题。

　　从大量数据理出脉络 实现精准医疗

　　整体而言，有关医疗大数据的研究与应用，可以产生一些重要功效。首先便是大幅提高医疗诊断的准确性，意即医师可透过院内、院际的互通数据，辅以病患本身的健康信息与过往病历，迅速做出较以往相对精确许多的诊断。

　　其次则是如前所述，可以有效节约宝贵的医疗资源，意即医师能够借助大数据技术来优化治疗方案，避免形成效率低下的重复诊治，不致徒增社会医疗成本负担。再者是改善长期以来医病之间的矛盾关系，主要是利用大数据分析推断、抑或透过精准的生物医学数据，借以理解个别病患的特殊病症起因，继而对症下药，让病患获得最有效的治疗。

　　最后是提升医疗质量，因为借助对于数据的有效整合，足以确保良好的医疗技术，能够不偏不倚达到极致有效的发挥，据此满足个人化医疗服务的需求，更有助于维系医疗服务的及时性、连贯性，一举促进医学研究、临床决策、疾病管理、医疗卫生等诸多面向同步良性发展，可谓意义重大。

　　以前面提到的临床作业为例，便蕴含了不少大数据应用场景;麦肯锡估计，倘若这些智慧临床应用能被充分采纳，单单在美国，每年即可望撙节高达165亿美元的国家医疗健康成本。

　　场景之一，在于透过全面分析病患的生理特征数据、疗效数据，据此比较多种干预措施的有效性，从而找出针对特定病患的最佳治疗途径，此处所谓的「最佳」，包含了疗效最佳、以及成本效益最佳，乃至进一步减少可能带来较大副作用的过度治疗，相对也可避免治疗不足，毕竟从长远的角度来看，不论治疗上的过犹不及，都会对病患的身体带来负面影响，也容易构成更高昂的医疗费用负担。

　　场景之二，则在于建立有效的临床决策支持系统，借以提高工作效率与诊疗质量。举例来说，当医师针对临床决策支持系统输入任何条目，此系统便旋即展开分析比较，检视这些条目是否存在着迥异于医学指引之处，如果有，就会立即发出告警，提醒医师防止潜在错误发生，譬如造成药物不良反应;如此一来，便能大幅减低医疗纠纷。

　　也许有人好奇，凭借大数据分析技术，究竟如何建立有效的临床决策支持系统?个中的主要原因，在于透过大数据分析技术，可望增强系统之于非结构化数据的分析能力，尤其是识别包括X光、MRI或CT等医疗影像数据，或是对于犹如茫茫大海般的医疗专家数据库，快速发挥大海捞针奇效，让医师得以在最短时间内，获致最为正确的诊疗建议。

　　另值得一提的，一旦有了有效的临床决策支持系统，也意谓医师可以从过往耗时甚久的简单咨询工作，获得彻底解放，换句话说，在医疗流程当中大部份的庶务工作，可以有效地移转到助理医师、护理同仁的身上，透过此一良性移转，绝对有助于提高治疗效率。

　　总括而论，意欲实现个人化精准医疗，除了需要仰赖生物科技与基因工程，亦须借重ICT助力、特别是大数据分析技术的导入，所以若说大数据开启了精准医疗之新页，此言堪称贴切，并无浮夸的地方。