医疗大数据个性化医疗服务应用

医疗大数据个性化医疗服务应用利用医疗大数据形成个性化医疗服务和治疗，即基于基因科学的医疗模式、个体特征和身体情况，通过对居民健康影响因素进行分析，对患者健康信息进行整合，为疾病的诊断和治疗提供更好的数据证据，进行居民健康知识库的积累，从而改进居民健康。在基因测序、个性化药物及个人健康管理等医疗个性化服务方面的方案思路如下。1.1基因测序分析应用随着大数据的飞速发展，它已经把触角触及到很多领域。在医疗健康领域，美国已经开始利用大数据应用来防止流感蔓延，而伴随科学技术的不断发展，也让以往无比昂贵的基因测序变得不再遥不可及，基因测序的成本已经逼近1千美元。目前在美国拥有2千多家从事人类基因序列分析的公司，而且未来会有更多的企业将涉足这一领域。这就意味着，个性化医疗的时代即将来临。利用这些基因测序数据发现基因中罕见的病变信息，而正是这些病变信息造成了癌症、新生儿疾病、镰状细胞性贫血等。随着从基因测序解决方案中得到越来越多的遗传信息，未来对基因组进行可扩展分析的需求显然将会越来越多。1.2个性化药物应用通过对大型数据集(例如基因组数据)的分析发展个性化治疗。该应用考察遗传变异、对特定疾病的易感性和对特殊药物的反应三者之间的关系，然后在药物研发和用药过程中考虑个人的遗传变异因素。很多情况下，病人用同样的诊疗方案但是疗效却不一样，部分原因是遗传变异。针对不同的患者采取不同的诊疗方案，或者根据患者的实际情况调整药物剂量，可以减少副作用。通过减少处方药量可以减少30%～70%的医疗成本。比如，早期发现和治疗可以显著降低肺癌给卫生系统造成的负担，因为早期的手术费用是后期治疗费用的一半。1.3个人健康管理应用利用大数据技术，对个人健康进行全生命周期管理，实现在任何时间、任何地点都可以访问相关信息，从而保证了健康信息的一致性、连续性，如谷歌的GoogleHealth、微软的HealthVault等平台。健康管理系统的最主要特点就是：个人的健康状态得得到了连续观测，健康分析人员能够有效地对个人健康状况进行分析，以便在身体处于非健康状态时得到及时的干预。在健康管理领域中最需要解决的问题就是及时发现身体的健康异常和重大疾病风险预警，传统情况下我们会通过年度体检来实现这一要求，但是体检时间跨度大，同时地域的覆盖能力也不足够，可穿戴式设备能够实现跨地域大人群身体异常实时发现。通过体征数据（如心率、脉率、呼吸频率、体温、热消耗量、血压、血糖和血氧、激素和BMI指数，体脂含量）监测来帮助用户管理重要的生理活动。现阶段可以利用的体征数据传感器包括：①体温传感器；②热通量传感器：用来监测热量消耗能力，可以用于血糖辅助计算和新陈代谢能力推算；③体重计量传感器：用于计算BMI指数；④脉搏波传感器：推算血压，脉率等数据；⑤生物电传感器：可用于心电、脑电数据采集，也可用来推算脂肪含量等；⑥光学传感器：推算血氧含量，血流速。设备初始会将一天设定数十个检测点，只需累积28个检测结果即可建立个人初级模型，利用大数据技术对所有产生数据进行分析，汇总成一个健康风险指数，用户可以看到自己的健康风险指数和同龄、同性别人群的平均风险指数，并且能明确自己的健康风险在同龄人群中的排位。同时，利用大数据技术，设备会根据使用者实际情况进行调整，一旦数据显示异常，就会加大检测密度，反之则会拉长检测间隔，进行动态调整。这些数值交叉分析结果可以用来分析用