4月12日，国务院总理李克强主持召开国务院常务会议，确定发展“互联网+医疗健康”措施，缓解看病就医难题、提升人民健康水平。
4月16日，国家卫生健康委员会介绍了新出台的《关于促进“互联网+医疗健康”发展的意见》，提出一系列政策措施，支持“互联网+医疗健康”的发展。
研究显示，2017年中国健康医疗大数据市场增长速度为77.9%，增速远高于其他行业，未来3年，预计将保持60%以上的增长率。
健康医疗大数据时代已经到来，它正在深刻地改变着整个世界，面对正在发生的、井喷式的发展，你准备好了吗？
医学新时代，革命性的变迁
人类防治疾病、保护健康的实践已延续数千年，在此过程中，医学经历了两次革命。
第一次医学革命发生在大约两千年前，巫、医开始分离，尽管《周礼》中仍旧设置“巫医”一职，但“具百药，以备疾灾”，职责更接近医生而非巫师。春秋时代名医扁鹊发明了辨证论治，并总结出“望闻问切”四诊法，还明确提出“信巫不信医，不治”的标准。在几乎同一时代的古希腊，希波克拉底也冲破了巫医迷信的禁锢，提出四体液论，奠定了西方传统医学的基础。
第二次医学革命发生在16世纪，维萨里发表《人体构造论》，建立人体解剖系统，现代医学雏形初现，但直到19世纪，物理、化学、生物学等学科充分发展，才真正推动现代询证医学的发展，抗生素的发现成为现代医学的标志性事件。
医学的每一次进步，都是一次关系人类生命健康的革命。
在今天，我们正面临着第三次医学革命——健康医疗大数据。
美国心脏病学家埃里克·托普在他的《颠覆医疗：大数据时代的个人健康革命》一书中设想了未来的医疗：人类第一次拥有了数字化人体的能力，可以远程持续监控所有的生命体征，可以打印器官，在个体意义上重新定义健康，而不是现有医学那样，只以群体为目标。
埃里克·托普认为，这将是医学新时代，与人类曾经经历的任何医学时代均不相同。
什么才是健康医疗大数据
健康医疗大数据已成热词，正被越来越多的人们谈论着，但对它的定义仍很模糊，常与传统医学统计学相混淆。
目前，大多数人接受的健康医疗大数据定义是Gartner（全球首家信息技术研究和分析的公司）2011年给出的3V定义，即：Volume（数据量大）、Variety（类型繁多）以及Velocity（数据产生速度快，处理要求快）。后又有人增加了Veracity（真实性）及Value（有价值），成为5V。
不论是3V还是5V，都只是描述性的，并不准确，始终无法说清多大的数据量才能算是大数据，而不厘清此定义，难免出现“大数据是个筐，什么都往里面装”的尴尬局面。
传统医学统计学的数据基本垄断在专业的医疗机构中，出于行业规范、责任、传统、保护隐私等需求，这些数据常常是不公开的，那么，健康医疗大数据是否还有机会呢？
事实上，健康医疗大数据恰恰避免了传统医学统计学的弊端，大数据的本质即指无法在一定时间范围内用常规软件工具进行捕捉、管理和处理的数据集合，是需要新处理模式才能具有更强的决策力、洞察发现力和流程优化能力的海量、高增长率和多样化的信息资产。
换言之，大数据指不用随机分析法（抽样调查）这样的捷径，而采用所有数据进行分析处理。
大数据的采集并非传统医学统计中的定向调查，它的来源更广泛。电子病历、医学研究、可穿戴设备采集的日常数据、社交媒体中的数据、公共卫生数据等都会成为大数据的一部分。大数据的本质特点是无序、丰富、缺乏规律、兼容并包，通过信息技术，可以从中挖掘出隐含的规律。
比如2008年，谷歌推出了一款名为“谷歌流感趋势”的产品。工程师们假定：一旦人们患上流感，就可能会在搜索引擎上输入特定的检索词条以获得与流感相关的信息。通过汇总和分析，谷歌就能预测流感将在何时何地爆发。2009年，这款产品在甲型H1N1流感爆发几周前成功预测了其在全美范围的传播。
可是2011 年至2013 年间，“谷歌流感趋势”突然失准，预测流感病例数目大大高于实际情况。除算法原因外，大数据面向个人收集，而人难免波动，一旦用户了解了大数据收集方式，他们可能会采取相反的行为，造成大数据失准。
然而，“谷歌流感趋势”的支出不到传统流行病监测的万分之一，在相当时期，其准确率明显高于传统监测。它体现出健康医疗大数据惊人的潜能。
人的现代化是关键
健康医疗大数据被给予厚望，但步入任何一个新时代，前提都是人的现代化，否则将不可能成功。
据一份针对美国和加拿大 333 家医疗机构及 10 家其他机构的调查，2013年，医疗机构累积的数据量比 2011年多出了 85%， 但 77%的医疗健康行政人员对自己机构在数据管理方面的能力评价为 “C”。此外，仅有 34%的报告能从电子健康记录中获取数据用来帮助病人，而有 43%的报告不能收集到足够多的数据来帮助病人。
事实证明，即使在信息收集相对完善的北美医疗系统中，真正拥有大数据观念的人依然是少数，这直接约束了健康医疗大数据时代的到来。
在《大数据时代》中，奥地利学者维克托·迈尔-舍恩伯格提出了大数据思维的三个基本要素：
首先，利用所有数据，而不再仅仅依靠部分数据，即不是随机样本，而是全部数据。
其次，唯有接受不精确性，才有机会打开一扇新的世界之窗，即不是精确性，而是混杂性。
其三，不是所有事情都必须知道现象后的原因，而是要让数据自己“发声”，即不是因果关系，而是相关关系。
维克托·迈尔-舍恩伯格认为，人类自工业时代以后，形成的是规律思维模式，即致力于从现象中找到规律。其代价是，我们往往错误地“发明规律”，将更复杂却无法实证的解释当成真理，从而不自觉地走入谬误中。
而大数据时代需要的是概率思维模式，因为人们的生活外延空前扩展，遇到的情况更加复杂，规律已不足以概括全部现象，在未来，我们需要从概率角度去看问题。
换言之，我们必须容忍许多无法解释的现象，学会正确地把握它们，争取最优结果，而非必然结果。从规律思维到概率思维，这是通向未来的必须迈过的门槛。
法律的界限该划在哪里
维克托·迈尔-舍恩伯格深表担忧的是：到目前为止，人类所有的法律安排都在延续工业革命时代的标准。
虽然数字革命已深深影响了人类的生活，但既往的数字技术多属分布式技术，以提高效率为主，这种“民主式”技术以强调沟通为主，即使沿用工业革命时代的法律框架，对其影响亦不大。
可健康医疗大数据、人工智能则不同，它本身就构成生产力，可以直接创造价值。在此局面下，原有的法律框架是否还有效？会不会对发展产生约束？
维克托·迈尔-舍恩伯格曾指出，大数据时代的本质特征是放弃部分隐私权，否则会因成本过高，使其无法普及。然而，该放弃多少隐私权？谁来决定？如果出现纠纷，究竟如何解决……凡此种种，目前都在争议中。
以网络精准营销为例，目前年产值达千亿元，却成了坑害消费者的“重灾区”，被称为“黑灰产业”。
有数据显示，目前手机APP越界获取个人信息已成为网络诈骗的主要源头，高达96.6%的安卓应用会获取用户手机隐私权限，而iOS应用的这一数据也高达69.3%。
在大数据时代，平台通过预判用户爱好，以信息推荐等方式推送用户喜欢的信息，消费者在不知不觉中被置于“信息孤岛”。网民呼吁：对数据的收集分析和使用，必须要有法律红线。然而，这个红线究竟划在哪？如何在个人权利与整体发展之间取得平衡？恐怕将长期争议下去。
拥抱健康医疗大数据时代
制度是我们最大的优势
任何一次革命式的发展，都不免会遭遇传统、法律、文化、观念等等束缚，哪个社会能最先挣脱这些束缚，就可能把握未来，成为未来的领先者。医疗健康大数据也不例外，作为新技术，它不仅对旧技术形成冲击，而且对旧体制、旧观念、旧习惯形成冲击。
目前，美国是医疗健康大数据发展最快的国家，早在奥巴马政府时期，就开始大力推动大数据在医疗健康领域的应用，从最初开放政府指南，到拟定医疗数据行动计划，再到通过数个医疗健康信息法案，以法律的形式保障健康医疗数字化的发展。
即便如此，美国健康医疗大数据的发展，仍旧处在非常简单的运用阶段，大部分应用，还处在病历共享、保险设计等层面。
英国也是大数据积极的拥护者，2011年，英国政府就发布了大数据战略政策，随即，数次投入巨资发展大数据技术。当年，时任英国首相卡梅伦就提出，要将全民免费医疗项目累积的医疗健康大数据运用于研究。2013年，英国启动了医疗健康大数据旗舰平台，该平台集中了最详尽的数据，包括全英国的家庭医生和医院记录的病历，以及社会服务信息，可惜的是，因患者隐私保护的问题难以解决，这一项目在2016年被叫停。
2013年，澳大利亚便发布了公共服务大数据战略，随后建立政府信息目录的开放数据平台，其中22个数据集涉及医疗卫生服务。规划虽大，但基层医院缺乏动力，政府推动力度有限，这些项目离落实仍很遥远。
显然，制度等因素已成制约健康医疗大数据的关键力量。
相比之下，我国医疗大数据起步虽然较晚，但无论是政府还是社会，我国对健康医疗大数据更加重视，此外众多的人口基数下，数据量也更大，数据量大小，则直接影响着大数据应用的前景。由于“集中力量办大事”的制度优势，有学者预计，三五年内，我国健康医疗大数据的发展，即可弥补后发劣势，进入世界领先的行列。
还有太多疑问等待破解
据国家卫生健康委数据，过去几年，医疗大数据应用市场规模从2014年的6.06亿、2015年的8.44亿、2016年的13.67亿猛增到2017年的41.15亿。增长率超200%。
美国经济学家保罗·皮尔泽在 《财富第五波》里提醒人们抓住一个致富的机遇：保健革命。麦肯锡公司也指出，健康医疗大数据的引爆点已经出现。但怎样才能真正挖掘大数据的潜力，建立一个涵盖医疗服务、健康管理、药品研发等多个领域的产业模式，至今仍是一个需要探索的问题。
事实上，世界各国的健康医疗大数据产业，都遇到了一些类似的问题。比如怎样打通传统医疗机构和信息企业之间的渠道，怎样解决公共医疗服务和大数据的商业运用之间壁垒，怎样保障健康医疗信息的数据安全等。
除了缺乏成熟的产业模式之外，大数据发展中的技术问题，也亟待解决，如数据收集问题，想要获得专业且精准的数据，在从传统的医疗服务和研究机构获得之外，还需要找到更多更有效的渠道，目前，无论是智能设备的数据采集，还是互联网上的搜索、浏览、咨询记录，在精确性上都存在缺陷。再如数据的整合分析，如何才能设计更好的算法，获得更精准的结论。还有，怎样才能让大数据在预防、诊断、治疗等领域起到作用。
健康医疗大数据产业前景无限，甚至有人预言，它将是未来最重要的产业之一，但如何让这个产业真正踏上健康快速发展的道路，还任重道远。
