精準醫(yī)療是什么意思?

　　精準醫(yī)療是以個體化醫(yī)療為宗旨的新型醫(yī)學概念與醫(yī)療模式。

　　精準醫(yī)療的本質是通過生物組學和其他醫(yī)學前沿技術，對大樣本人群與特定疾病類型從基因型到表型各個方面的數(shù)據(jù)進行整合分析與標準化處理，建立不同數(shù)據(jù)之間的關聯(lián)性和差異性，對病理發(fā)生發(fā)展的過程建立定量模型，提出假設與驗證，從而尋找到特定人群甚至個體疾病的精確原因和治療靶點，最終實現(xiàn)對疾病和特定患者進行個性化精準預防和治療的目的。

　　目前，關于精準醫(yī)療大數(shù)據(jù)的定義尚未統(tǒng)一，筆者認為精準醫(yī)療大數(shù)據(jù)指將組學數(shù)據(jù)與臨床醫(yī)學數(shù)據(jù)相結合，通過基因組、蛋白質組等組學技術，結合自然語言處理、深度神經(jīng)網(wǎng)絡學習等醫(yī)學機器學習前沿技術對其進行分析挖掘，從而精確尋找到疾病原因和治療靶點，并對一種疾病不同狀態(tài)和過程進行精確亞分類，最終實現(xiàn)對疾病和特定患者進行個性化精準治療的目的，提高疾病診治與預防的效益。整合臨床與組學數(shù)據(jù)是精準醫(yī)療大數(shù)據(jù)發(fā)展的必然趨勢。

　　精準醫(yī)療大數(shù)據(jù)組成

　　精準醫(yī)療大數(shù)據(jù)呈現(xiàn)數(shù)量巨大、增長迅速、質量控制困難、來源廣泛繁雜、難以標準化與結構化等特點，在數(shù)據(jù)挖掘分析過程中，由于生物醫(yī)學大數(shù)據(jù)具有數(shù)據(jù)種類繁多、內部結構高維復雜、內涵豐富、數(shù)據(jù)相對分散、難以高維度多層次交匯共享等特點，從而導致難以挖掘生物醫(yī)學大數(shù)據(jù)的潛在高價值。

　　在“新基建”的政策春風下，大數(shù)據(jù)發(fā)展迎來新機遇。當前，大數(shù)據(jù)體系的底層技術框架已基本成熟。大數(shù)據(jù)技術正逐步成為支撐型的基礎設施，其發(fā)展方向也開始向提升效率轉變，并逐步向個性化的上層應用聚焦，技術的融合趨勢愈發(fā)明顯。

　　大數(shù)據(jù)5V特點

　　01 流批融合：平衡計算性價比的最優(yōu)解

　　流處理能夠有效處理即時變化的信息，從而反映出信息熱點的實時動態(tài)變化，而離線批處理更能夠體現(xiàn)歷史數(shù)據(jù)的累加反饋。

　　隨著技術架構的演進，流批融合計算正在成為趨勢，并不斷向更實時、更高效的計算推進，以支撐更豐富的大數(shù)據(jù)處理需求。流計算的產生來源于對數(shù)據(jù)加工時效性的嚴苛要求。數(shù)據(jù)的價值隨時間流逝而降低時，就必須在數(shù)據(jù)產生后盡可能快地對其進行處理，如實時監(jiān)控、風控預警等。

　　近年來出現(xiàn)的Apache Flink，則借助了流處理的思想來實現(xiàn)批處理，很好地實現(xiàn)了流批融合計算，國內包括阿里、騰訊、百度、字節(jié)跳動，國外包括Uber、Lyft、Netflix等公司都是Flink的使用者。

　　2017年由加利福尼亞大學伯克利分校AMPLab開源的Ray框架也有相似的思想，由一套引擎來融合多種計算模式，螞蟻金服基于此框架正在進行金融級在線機器學習的實踐。

　　02 TA 融合：混合事務/分析支撐即時決策

　　TA融合是指事務與分析的融合機制。傳統(tǒng)的業(yè)務應用在做技術選型時，會根據(jù)使用場景的不同選擇對應的數(shù)據(jù)庫技術，當應用需要對高并發(fā)的用戶操作做快速響應時，一般會選擇面向事務的OLTP數(shù)據(jù)庫;當應用需要對大量數(shù)據(jù)進行多維分析時，一般會選擇面向分析的OLAP數(shù)據(jù)庫。

　　在數(shù)據(jù)驅動精細化運營的今天，海量實時的數(shù)據(jù)分析需求無法避免。而混合事務/分析處理(HTAP)的設計理念是為了打破事務和分析之間的那堵“墻”，實現(xiàn)在單一的數(shù)據(jù)源上不加區(qū)分地處理事務和分析任務。

　　這種融合的架構具有明顯的優(yōu)勢，可以避免頻繁的數(shù)據(jù)搬運操作給系統(tǒng)帶來的額外負擔，減少數(shù)據(jù)重復存儲帶來的成本，從而及時高效地對最新業(yè)務操作產生的數(shù)據(jù)進行分析。

　　03 模塊融合：一站式數(shù)據(jù)能力復用平臺

　　大數(shù)據(jù)的工具和技術棧已經(jīng)相對成熟，大公司在實戰(zhàn)中圍繞工具與數(shù)據(jù)的生產鏈條、數(shù)據(jù)的管理和應用等逐漸形成了能力集合，并通過這一概念來統(tǒng)一數(shù)據(jù)資產的視圖和標準，提供通用數(shù)據(jù)的加工、管理和分析能力。

• 　　大數(shù)據(jù)在醫(yī)療領域的應用

　　數(shù)據(jù)能力集成的趨勢打破了原有企業(yè)內的復雜數(shù)據(jù)結構，使數(shù)據(jù)和業(yè)務更貼近，并能更快地使用數(shù)據(jù)驅動決策。主要針對性地解決三個問題：一是提高數(shù)據(jù)獲取的效率;二是打通數(shù)據(jù)共享的通道;三是提供統(tǒng)一的數(shù)據(jù)開發(fā)能力。這樣的“企業(yè)級數(shù)據(jù)能力復用平臺”是一個由多種工具和能力組合而成的數(shù)據(jù)應用引擎、數(shù)據(jù)價值化的加工廠，可連接下層數(shù)據(jù)和上層數(shù)據(jù)應用團隊，從而形成敏捷的數(shù)據(jù)驅動精細化運營模式。數(shù)據(jù)中臺概念就是模塊融合趨勢的印證。

　　04 云數(shù)融合：云化趨勢降低技術使用門檻

　　大數(shù)據(jù)基礎設施向云上遷移是一個重要的趨勢。

　　各大云廠商均開始提供各類大數(shù)據(jù)產品以滿足用戶需求，紛紛構建自己的云上數(shù)據(jù)產品。例如，Amazon Web Service(AWS)和Google Cloud Platform(GCP)很早就開始提供受管理的 MapReduce 或Spark服務，以及國內阿里云的MaxCompute、騰訊云的彈性MapReduce等，大規(guī)?？蓴U展的數(shù)據(jù)庫服務也紛紛上云，如Google的BigQuery、AWS的Redshift、阿里云的PolarDB、騰訊云的Sparkling等，可為PB級的數(shù)據(jù)集提供分布式數(shù)據(jù)庫服務。

　　早期的云化產品大部分是對已有大數(shù)據(jù)產品的云化改造，現(xiàn)在越來越多的大數(shù)據(jù)產品從設計之初就遵循了云原生的概念進行開發(fā)，生于云長于云，更適合云上生態(tài)。

　　向云化解決方案演進的最大優(yōu)點是用戶不用再操心如何維護底層的硬件和網(wǎng)絡，能夠更專注于數(shù)據(jù)和業(yè)務邏輯，在很大程度上降低了大數(shù)據(jù)技術的學習成本和使用門檻。

　　05 數(shù)智融合：數(shù)據(jù)與智能多方位深度整合

　　大數(shù)據(jù)與人工智能的融合成為大數(shù)據(jù)領域當前最受關注的趨勢之一，這種融合主要體現(xiàn)在大數(shù)據(jù)平臺的智能化與數(shù)據(jù)治理的智能化。

　　(1)智能化平臺：用智能化的手段來分析數(shù)據(jù)是釋放數(shù)據(jù)價值高階之路，但用戶往往不希望在兩個平臺間不斷地搬運數(shù)據(jù)，這促成了大數(shù)據(jù)平臺和機器學習平臺深度整合的趨勢，大數(shù)據(jù)平臺在支持機器學習算法之外，還將支持更多的AI 類應用。

　　(2)智能的數(shù)據(jù)治理：數(shù)據(jù)治理的輸出是人工智能的輸入，即經(jīng)過治理后的大數(shù)據(jù)。

　　數(shù)據(jù)治理與人工智能的發(fā)展存在相輔相成的關系：一方面，數(shù)據(jù)治理為人工智能的應用提供高質量的合規(guī)數(shù)據(jù);另一方面，人工智能對數(shù)據(jù)治理存在諸多優(yōu)化作用。

　　微觀組學數(shù)據(jù)

　　AI智能數(shù)據(jù)治理是通過智能化的數(shù)據(jù)治理使數(shù)據(jù)變得智能：通過智能元數(shù)據(jù)感知和敏感數(shù)據(jù)自動識別，對數(shù)據(jù)自動分級分類，形成全局統(tǒng)一的數(shù)據(jù)視圖。通過智能化的數(shù)據(jù)清洗和關聯(lián)分析，把關數(shù)據(jù)質量，建立數(shù)據(jù)血緣關系。數(shù)據(jù)能夠自動具備類型、級別、血緣等標簽，在降低數(shù)據(jù)治理復雜性和成本的同時，得到智能的數(shù)據(jù)。