开源医疗：如何守住商业化下健康数据的底线

　　【中国智能制造网 智造快讯】包括谷歌、苹果、微软、IBM在内的科技巨头，在过去几年里都在做同样的一件事：聘请生物医疗界的。　　医学科学家从原来的研究室转移到科技公司，实际上对于双方都是一件好事。专注于临床研究的医学科学家并不总是有机会接触到足够数量的患者，并进行长期的研究。而这样的强强联手可以借互联网公司的雄厚资源获取多维度的大量健康数据，工程师还能为健康数据建立各种传感器及算法，并进行详尽的分析。简单说来，互联网公司，或者说它们背后的数据，对于科学家而言，真真是无法抵抗的诱惑。
　　
　　这样的例子不胜枚举。
　　
　　2015年9月，TomInsel离开美国国家心理健康研究所，加入GoogleLifeSciences团队。
　　
　　2015年底，MichaelMcConnell停下了斯坦福大学的心血管项目，加入谷歌。
　　
　　上个月，致力推动开放医疗研究的StephenFriend也加入了苹果。
　　
　　但这样的趋势也说明了一个问题：不管是关注全人类的谷歌，还是专注消费者的23andme，他们都掌控着健康数据的所有权，或者说，他们控制着分析人类健康数据的方法，并运用于服务中。
　　
　　目前有一个新词叫“黑箱社会”（BlackBoxSociety），指的是用一些机构用不公开的数据分析工具进行数据处理和判断。比如在线广告商的“个性化推送”，或是针对特定群体的服务器优先，都可以视之为黑箱社会的表现。就像凯恩斯经济学“看不见的手”一样，数据分析里看不见的手，同样在悄悄发生着作用。
　　
　　如果算法决策未被公开，却被用于健康分析，那么社会的黑箱效应就会愈发严重——因为你不知道自己已经被“区别对待”了，可能你也无从得知，自己已经被一些带有歧视性的健康描述所形容，更不要说去反抗了。
　　
　　互联网公司的影响
　　
　　Nature认为，大量健康专家“迁徙”到硅谷，可能会为生物研究及医疗行业带来根本性的影响。
　　
　　目前包括英国、瑞典、挪威和爱沙尼亚在内的国家，已经实现了电子健康记录的规范化，而这得益于政府和民间组织的推动。而美国也在未来五年内有望实现这一目标。与此同时，机器学习的进步让电子健康数据的未来增加了不少可能性。比起局限于个体案例的临床观察，覆盖大量人群的样本显然更适合机器学习来处理。
　　
　　在以往，研究者们会在病房或诊所内进行观测及记录，数量大概是几十到上百个。此外，要抽丝剥茧地在这些综合数据里获取相关的信息，一方面代表性不足；另一方面也耗费时间和精力。而现在，通过智能手机上的各种应用，用户的位置、步数都能利用可穿戴设备记录下来，这样的数据就非常可观了。
　　
　　而根据谷歌引擎的数据统计及分析，我们也可以窥见人们对健康，甚至是特定疾病的重视。目前谷歌正在采用KnowledgeGraph算法来为用户推荐更准确的健康搜索结果。谷歌的一项统计表明，每秒钟产生的40000个搜索，有2000个是和健康相关的。
　　
　　而提到机器学习，IBM的沃森自然是不能忽略的人工智能。IBM可以用自然语言和机器学习处理非结构化数据。而在今年，IBM还和与英国国家医疗服务体系（NHS）进行了二度合作，将和Moorfields眼科医院一同开发识别视觉疾病的机器学习系统。　　
　　
　　虽然目前可穿戴设备只能对特定健康指标进行监测，但它们所产生的实际功效要比传统的医学疗法要好得多。比如雷锋网(搜索“雷锋网”公众号关注)此前提过的全自动“胰腺，就能实时监测用户的血糖水平，并及时给予调节疗法。
　　
　　十年前，创业公司会收购各种健康数据，并转手卖给制药公司；但今时今日，几乎每一个科技巨头都想着要“进军数字医疗”。