夜总会女郎内部培训照英美两国舆论界一直就医疗保健体系的孰优孰劣，发生了异常激烈的争论。“你若生病，愿意在哪里就医？”这个单刀直入的问题，促使很多人投书报章现身说法，也使外界对英美两国的医疗体系增加了认识。

　　从外界来看，作为体制健全的两个发达国家，英美两国的医疗体系想必也是相当发达的，包括其医疗保险制度、医疗设施和质量都应属于世界一流水准。但没有想到的是，在它们自己的国民看来，两国的医疗体系却存在着很多问题，尤其以美国的问题最为严重。

　　美国医疗体系的最大问题之一，在于联邦政府在医疗保险方面，没有一项连续性的政策。最需要享受医疗保险的低收入居民，大多都没有能力购买，这类群体目前已经达到4600万。

　　美国人自己的说法是，医院的账单是导致破产的主要原因之一。由于医疗费昂贵，美国有一种普遍的现象，就是很多买不起保险的病人，必须依靠捐款来支付医药费。而那些“享受”医疗保险的病人，往往因为自私自利的保险公司从中作梗，而享受不到及时和适当的医护服务。

　　对于医疗体系的种种积病，克林顿政府曾经试图予以改革，但方案刚刚出台就宣告失败。最近这些天，奥巴马总统也在为医疗改革奔走呼号，甚至以去世不久的外祖母为例，声泪俱下地誓言要改革医疗制度。他说，假若不改变现状，“每天还会有1万4000人失去医疗保险”。

　　相比之下，英国的医疗制度似乎比美国要好，但也有令人诟病的其他问题，例如医疗体系比较官僚化，医生和病房都不足够，等候看病的时间太长，等等。

　　与英美两国相比，新加坡在医疗保健方面也有自身的难处，例如医药费使部分国人感到担心，其中尤以退休人口最为突出。但是，在总体上，新加坡的医疗保健制度还是相当健全的。论社会保护网的覆盖面，按人口比例要好于美国；论医疗设施及其他资源，应该比英国等发达国家强得多。可以说，英美两国目前所面对的大多数问题，在新加坡已经基本克服。

　　事实上，新加坡所面临的主要问题，并非在当下，而是在未来。由于老龄化现象日益突出，整个社会对医疗服务的需求会越来越大，由此势必会给个人、家庭和社会带来更大负担。一方面，年老必然多病，这是自然规律；另一方面，退休后的老年人大多都无收入来源，医药费是个很大的问题。这种情况意味着，我国的医疗体系必须与时并进，要确保每个人将来都能“老有所医”。

　　正是因为已经预见到这一趋势，李显龙总理前天在国庆群众大会上表示，政府正在巩固医疗保健系统，“为老龄化社会做准备”。

　　这些准备措施包括：政府将增加保健预算，在旧组屋区建造新医院，培训更多医疗从业人员，加强现有的“三保”（3Ｍ）制度，即保健储蓄、健保双全和保健基金。与此同时，还将建立一个疗后护理机制，主要包括社区医院、疗养院、家庭医生和登门护理服务。建立这个机制的目的，是要使我国整体的医疗体系进一步得到完善。

　　其中值得着重提及的一点是，社区医院将与综合医院（急症医院）起到重要的互补作用。病人在综合医院接受了“快速治疗”之后，可以转入社区医院继续接受治疗和护理。这样做的好处是，既能为病人提供及时和优质的医疗服务，又可减轻他们的医药费负担，同时还能更有效地使用资源，使综合医院为其他病人腾出病床。

　　世界上没有一个完美无缺的医疗制度，新加坡也不例外。因此，我国必须做的，就是针对自己的国情和现实，逐步完善医疗体系，使之适应和满足不断变化的需求。

　　但是，再怎么完善的医疗制度，还是要个人及家庭的配合。作为家庭成员，我们不能把亲属、特别是长辈的健康问题，全部推给医院或疗养院；作为个人，我们不能把自己的健康，完全寄托在医疗制度之上。我们都应该清楚的是，健康的生活习惯要比任何药物都好。

　　医疗保健领域中的大数据在改善患者护理以及最终实现合理成本方面具有巨大的潜力。

　　医疗保健支出正在被不断削减，人们关注的重点是如何既减少开支又不影响医疗护理的质量。这种变化迫使医疗机构向以科技为基础、无需进行高昂支出的解决方案打开大门。此外我们可以看到，市场对精准医疗和循证医学以及患者个体化要求的需求日益增长。因此，作为满足这些需求的解决方案的核心，先进分析技术和机器学习的价值定位引人注目。

　　如今医疗以及制药行业的一个主要局限是我们对疾病的生物学认识。在针对疾病成因(从脱氧核糖核酸[DNA]、蛋白质和代谢产物到细胞、组织、器官、生物体和生态系统)依据多重标准汇聚更多信息方面，大数据开始发挥作用。因此，医疗保健领域中的大数据正被用于预测流行病、治疗疾病以及避免可预防性死亡。随着世界人口不断增长以及老龄化，新的需求应运而生，新的诊断与治疗模式背后的许多决策都是在数据的驱动下做出的。众所周知，如果能在早期发现重大疾病的警示信号，其治疗过程会比更晚发现简单得多(而且费用也比较便宜)。据易安信(EMC)报告，35%的医疗机构正在利用大数据改善患者护理，31%利用大数据降低护理成本，28%用来改善医疗结果，22%用来提高早期发现的几率。

　　例如，北弗吉尼亚非营利医疗系统艾诺瓦(Inova)如今正在进行各种数据项目，其中之一是对艾诺瓦医院新生儿重症监护病房收治的可能有先天性异常的婴儿运用基因测序技术。他们会对婴儿及其父母或者他们认为与此项分析相关的任何其他人进行基因测序，在先进的模型中运行测序结果，然后把结果反馈给婴儿家人。据艾诺瓦信息学主任阿伦·布莱克(Aaron Black)称，艾诺瓦的医生已经能够诊断出60%的病例，是大型学术医院的诊断率(约为30%)的两倍。

　　机器学习对于癌症研究而言并不新鲜。神经网络(ANNs)和决策树(DTS)应用于癌症检测与诊断已近20年。癌症研究人员只是最近才试尝试将机器学习运用于癌症预测和预后。事实上，癌症预后通常需要来自不同专科的多位医生，利用不同的生物标志物子集以及多个临床因素，包括患者的年龄和一般健康状况、癌症的位置和类型以及肿瘤的分级和大小、家族病史、年龄、饮食、体重(肥胖)、高风险习惯(吸烟)以及接触环境致癌物的情况。随着基因组学(oncotype诊断性检测)、蛋白质组学(免疫组织学)、成像技术(功能性磁共振成像[fMRI]，正电子发射型计算机断层显像[PET]、微计算机断层扫描[micro-CT scan]、数字化乳腺摄影)以及核医学(前哨淋巴结定位)技术的迅速发展，这种有关患者或肿瘤的极为详尽的信息现在很容易获得。除了测量参数的数量不断增加之外，应用规则和算法也愈加复杂，且呈现动态增加。

　　电脑(以及机器学习)在疾病预测和预后中的运用是朝着个人化、预测性医疗发展这个日渐盛行的趋势的一部分。这种发展很重要，无论是对于患者生活质量方面的决策、医生的治疗方案决策，还是对于付款人或政策规划者实施大规模预防或治疗政策而言莫不如此。另外，由于患者数据采集过程将基于可穿戴传感设备(如苹果iWatch智能手表和ResourceKit)，以被动的形式持续进行，个人不必每天主动检测自身健康状况，可以拥有正常的生活方式，这应该会大大提高患者的监护参与度。

　　分析技术的有效运用并不是你可以从供应商那里买到的。这是必须经过发展阶段并达到成熟的组织价值和文化价值。真正复杂、需要全力以赴的是，要从事后报告转变为事先预测。然而，生命科学在信息技术管理和完善方面落后于其他行业。

　　此外，不同性质的技术基本构件太多、相关的管理方式变化以及人员技能的局限，这些也在一定程度上造成了与先进分析技术和机器学习相关的复杂状况。

　　从非常高的角度来看，整个大数据框架是一个组合而成的结构，包括Hadoop分布式计算框架、机器学习方法引擎、事件流及处理引擎、用于结构化数据的商业智能和数据仓库(BI / DW)基础设施、各种移动设备、传感设备和监控协议(Wi-Fi、RFID[射频识别]、Beacon、低功耗蓝牙等)、存储基础设施、云计算等等。所有这一切意味着需要获得或购买太多专门技术。不管通过何种途径，一家机构获得所有这些专门技术都需要时间。

　　传统上，数据可视化(事后报告)的开发是基于瀑布型的方法，通常由一位专家在较为早期的阶段提出要求，并且至多验证最终结果，这就完了。在大数据中，敏捷方法更加适当，在这种方法中，多位专家和多个信息技术(IT)团队必须在及时、明确的迭代工作任务中共同建立解决方案。在任何迭代阶段，专家们在了解情况后都拥有更大的权力，可以进行需要的调整，但他们需要更多地参与和投入到项目中。

　　除了所有技术与管理技能之外，数据科学家还需要在统计学以及待解问题的具体领域具有深厚的知识。

　　显然，一些医疗机构还没有做好迅速迈入大数据世界的准备。这个价值定位如此重大，医疗机构仔细审视这些趋势之后再启动实施大数据计划的做法不失为明智之举。然而，为了避免花费不必要的钱以及降低失败风险，采取一些预防措施也是必要的。一般情况下，机构应该从小处着手，寻找速赢机会，同时确保获得能够解决他们试图衡量或比较的战略性医疗问题的数据，而不只是最容易获得的数据。虽然这可以加快项目的进程，但其分析结果很可能价值有限，这会危及整个计划。

　　在大多数情况下，大数据被各大医院视为最不重要的能力之一，这与其他行业形成了很大的反差。与往常一样，员工的参与是关键，而管理方案的调整应该支持总体实施方案。

　　此外，大数据的广泛运用还存在一些障碍，比如患者记录的隐私问题、获得正确数据、法规变更、报销制度变更以及数据系统的互通性。因此，一些医疗机构正在制定合作协议，以便加快实施大数据发展蓝图，分享经验并展望未来，从而克服这些障碍。

　　例如，OptumLabs和美国卫生与公众服务部(U.S. Department of Health and HumanServices)建有利用数据和先进分析技术来提高医疗服务水平的协同合作项目。OptumLabs是一家研究协作组织，拥有15家合作机构——这些合作机构已经收集了来自1亿多名患者的报销申请和3,000多万患者的电子病历的数据，还汇集了诸多研究人员、患者权益保护者、政策制定者、供应商、付款人以及制药公司和生命科学公司。

　　在美国医疗保健行业中，奥巴马医改计划(Obamacare)即《平价医疗法案》(Affordable Care Act)的推出正在推动该行业的经济模式与经营模式的大规模变迁。由硅谷创业者和投资者主导的数字化科技初创企业生态系统通过促成美国和全球医疗科技(HealthTech)产业的发展来对此作出回应。

　　例如，印度已有一些医疗科技初创公司提供许多解决方案，其中包括远程患者监护、基于云的数据分析、技术型医护工作者和医生、自动化患者护理、电子病历等。此外，印度还有一些富有革新精神的年轻初创公司，比如心脏设计实验室(Cardiac Design Labs)，这家初创公司正在生物电子学和以基因组测序为基础的疾病鉴别领域中开发并且实施实惠而可靠的专利医疗技术解决方案。

　　巴西EstadualGetúlio Vargas医院是一家收治创伤患者的主要医院，该医院的重症监护病房(ICU)病床总是满的。利用数据分析后得到的见解，这家医疗机构得以将ICU患者的住院时间缩短至略超过三天，并且将ICU患者的死亡率降低了大约21%。他们现在每个ICU床位每月可以多收治近两位患者。这仅仅是个开始，在资金紧张情况更为普遍的欠发达国家，大数据在强化实际资源并且帮助更多患者方面具有很大的潜力。