據稱Watson能在15秒內讀完逾千萬份病歷，若倚靠專業醫師人力進行閱讀，必須耗時192年才辦得到。來源：Fortune

　　毋庸置疑，若細數近幾年來IT顯學，大數據肯定榜上有名;迄今各產業皆積極投入大數據應用，醫療產業也不例外，期盼借此加速挖掘病癥的起因與根源，進而找出最有效的治療途徑，終至為人類帶來巨大福祉。

　　在過去，如果有人提倡把醫療與資通訊(ICT)技術緊密結合，那么其他多數人一定認為這是荒誕不經、嘩眾取寵的想法，只因為人命關天，僅有扎實的醫療技術，才是拯救世人的唯一王道，再怎么說計算機系統都是配角。

　　借助大數據分析，可幫助醫師迅速識別X光、MRI或CT等醫療影像數據，或者從龐大醫療專家數據庫中理出頭縮，建立最有效的診療決策。來源：Palamir

　　到了現在，由于高齡化、少子化成為大勢所趨，導致醫療照護服務的需求者急遽增多，但供給量卻無法等幅成長，使得醫療資源窘態日益顯著，連帶引發醫護人力日益不足、醫病關系日益緊張等一連串負面連鎖效應，單憑傳統醫療技術，已難以有效化解接踵而至的難解習題;影響所及，讓健康信息科技(Health IT)、智能醫院(Smart Hospital)躍為熱門話題，而多數人開始深信，ICT是扭轉醫療資源分配失衡的關鍵解方之一。

　　善用大數據分析 優化診療決策

　　綜觀醫療界深感興趣的ICT技術項目，必然少不了大數據。主要是因為，隨著近年來網絡與科技迅速成長，數字數據的產生速度與數量急遽攀升，這些數據洪流當中，蘊藏了無數的瑰寶，可望為各行各業帶來重大價值，而醫療產業正是受益良多的代表性族群，可運用的醫療數據含括基因表達數據、蛋白質譜、蛋白質三維結構、蛋白質體序列、轉錄體序列、醫學訊號與影像等等。

　　時至今日，愈來愈多醫學界人士仰賴大數據，加速推動包括疾病診斷與預測、臨床實驗數據的分析與處理等諸多應用，甚至鎖定許多難纏的重大疾病，進行相關基因研究。

　　舉例而言，曾在益智問答節目 Jeopardy! 大放異采的IBM 超級計算機“華生”(Watson)，縱使奪冠后開始吸引世人目光，亦投身華爾街投資理財應用領域，但幾年下來仍不乏英雄無用武之地的意味，直到3年多前，才憑借優異的大數據處理能力，進軍醫療產業，彷佛終于找到了戰場。

　　在 2014年上半，美國臨床腫瘤學會發布一項數據，預估美國罹患癌癥的患者數量，到2025年將大增逾4成，但與此同時，腫瘤科醫師人數卻僅增加3成不到，這個日益擴大的供需缺口，恐導致醫療質量愈趨惡化;而這些專科醫師平時投入看診已經疲于奔命，根本無暇研讀最新的病例報告及醫學研究，長此以往，對于醫師們的學養與經驗發展，將產生不容小覷的負面影響，Watson的出現，可望扭轉這個堪慮的發展趨勢。

　　2014年當時，Watson便已具備每秒運算500GB數據量的實力，人們或許不知這個數字背后代表何等驚人威力，等同于1秒鐘就能夠讀完百萬本書籍，更令人咋舌的是，只需要給Watson短短15秒鐘的時間，它就可閱讀千萬份以上病歷，這些病歷若由醫師來看，得足足花上192年之久。

　　綜上所述，假使醫師有了諸如Watson的ICT系統當做得力助手，那么他便毋需擔心因忙于看診而疏于搜集與吸收醫學研究報告，也不必像過去一樣，得耗費幾個月的漫長時間來做基因定序、制定治療決策，從而趕在黃金時間醫治癌癥病患;由此即不難讓人理解，大數據分析技術之于醫療產業，果真價值連城，更是為傳統醫療邁向智慧醫療、精準醫療，提供了不可或缺的關鍵路徑。

　　比如疾病治療、臨床研究、新藥研發，乃至基礎醫學、醫藥衛生等各種領域，全都牽涉到對于數據的搜集、管理與分析需求;在此前提下，對于從事醫藥學研究的人來說，如何有效率地借助ICT手段來獲取所需數據，無疑是至關重大的課題。

　　從大量數據理出脈絡 實現精準醫療

　　整體而言，有關醫療大數據的研究與應用，可以產生一些重要功效。首先便是大幅提高醫療診斷的準確性，意即醫師可透過院內、院際的互通數據，輔以病患本身的健康信息與過往病歷，迅速做出較以往相對精確許多的診斷。

　　其次則是如前所述，可以有效節約寶貴的醫療資源，意即醫師能夠借助大數據技術來優化治療方案，避免形成效率低下的重復診治，不致徒增社會醫療成本負擔。再者是改善長期以來醫病之間的矛盾關系，主要是利用大數據分析推斷、抑或透過精準的生物醫學數據，借以理解個別病患的特殊病癥起因，繼而對癥下藥，讓病患獲得最有效的治療。

　　最后是提升醫療質量，因為借助對于數據的有效整合，足以確保良好的醫療技術，能夠不偏不倚達到極致有效的發揮，據此滿足個人化醫療服務的需求，更有助于維系醫療服務的及時性、連貫性，一舉促進醫學研究、臨床決策、疾病管理、醫療衛生等諸多面向同步良性發展，可謂意義重大。

　　以前面提到的臨床作業為例，便蘊含了不少大數據應用場景;麥肯錫估計，倘若這些智慧臨床應用能被充分采納，單單在美國，每年即可望撙節高達165億美元的國家醫療健康成本。

　　場景之一，在于透過全面分析病患的生理特征數據、療效數據，據此比較多種干預措施的有效性，從而找出針對特定病患的最佳治療途徑，此處所謂的「最佳」，包含了療效最佳、以及成本效益最佳，乃至進一步減少可能帶來較大副作用的過度治療，相對也可避免治療不足，畢竟從長遠的角度來看，不論治療上的過猶不及，都會對病患的身體帶來負面影響，也容易構成更高昂的醫療費用負擔。

　　場景之二，則在于建立有效的臨床決策支持系統，借以提高工作效率與診療質量。舉例來說，當醫師針對臨床決策支持系統輸入任何條目，此系統便旋即展開分析比較，檢視這些條目是否存在著迥異于醫學指引之處，如果有，就會立即發出告警，提醒醫師防止潛在錯誤發生，譬如造成藥物不良反應;如此一來，便能大幅減低醫療糾紛。

　　也許有人好奇，憑借大數據分析技術，究竟如何建立有效的臨床決策支持系統?個中的主要原因，在于透過大數據分析技術，可望增強系統之于非結構化數據的分析能力，尤其是識別包括X光、MRI或CT等醫療影像數據，或是對于猶如茫茫大海般的醫療專家數據庫，快速發揮大海撈針奇效，讓醫師得以在最短時間內，獲致最為正確的診療建議。

　　另值得一提的，一旦有了有效的臨床決策支持系統，也意謂醫師可以從過往耗時甚久的簡單咨詢工作，獲得徹底解放，換句話說，在醫療流程當中大部份的庶務工作，可以有效地移轉到助理醫師、護理同仁的身上，透過此一良性移轉，絕對有助于提高治療效率。

　　總括而論，意欲實現個人化精準醫療，除了需要仰賴生物科技與基因工程，亦須借重ICT助力、特別是大數據分析技術的導入，所以若說大數據開啟了精準醫療之新頁，此言堪稱貼切，并無浮夸的地方。