大数据时代无可争议地来临了。
在长城会大数据论坛上，辉瑞中国医学部的谷成明博士指出，大数据的特点之一是“规模巨大且持续高速增长”。而且，“大数据能够让我们看到以往看不到的东西，回答临床研究回答不了的问题。”
他说，“大数据的另一个特征是数据收集、数据清理、数据分析方面的变化”，比如使用拍照扫描自动识别技术，可以帮助医生收集院内院外的数据，减少大量的人工录入需求，而且患者可看到自己的危险因素，控制情况，提高治疗的依从性。”
来自美国辉瑞公司的MarcBerger教授则说，大数据分析最需要“数据能充分发挥其外部性，并通过与某些相关数据交叉融合，才能产生巨大价值。”
而且，“只有通过比较，才能展现其魅力。” 比如有研究通过比较不同国家的数据，发现中国高胆固醇患者诊断率和认知率之低，让人触目惊心。
为此，辉瑞公司总部购买了许多巨大的商业医疗数据库，可供有兴趣的专家进行中外对比研究。但这也是有门槛的，因为这种数据“通常需要临床专家、统计专家、公共卫生专家及大数据分析专家等合作，才能更好应用大数据，造福于患者。
对这一观点，来自IBM中国研究院的谢国彤表示，随着我们掌握的数据越来越多，可以发现的统计上显著的相关关系也就越来越多，因此，很多数据可能没有实际意义，甚至是“欺骗性的”，对此，从专业角度出发，避免制造“噱头”很重要。
另外，在大数据论坛上，几位讲者共同说的一点是“garbage in，garbage out”，这是统计学专家的口头禅，意思是说，“扔进去垃圾，出来的也是垃圾”。
这一方面是说建立数学模型要洞察问题的内在本质和症结，而非数字游戏；另一方面，也提示数据的倾向性问题，这其实也是大数据分析面临的“数据来源方面”的挑战，即应用客观而真实的数据找到症结所在；当然，数据质量问题也是要考虑的问题。
2012 年，《哈佛商业评论》报道，“数据科学相关工作是'二十一世纪最性感的工作岗位’。”
但这个性感是什么，谷成明认为是“大数据的全新的思维和方式，尤其是思维模式的改变。”。
“我们有时不是追究事情的因果关系和理论的推导，而关注是否'相关’，因此大数据回答的'怎样’，而不是'为什么’。”
比如，一项研究发现对于糖尿病患者需要治疗血脂异常患者，72%的患者选择了阿托伐他汀治疗，87%的患者病情明显改善，原因可能有很多，但数据真实反映了医生对于个性化选择方案的良好结果。
从科研方面，谷成明表示，大数据颠覆了“观察—假设—实验—应用”的科研流程。不是先有假设，再开始试验。
“我们可以先提出问题，马上就找答案。” 谷成明说。
当然，大数据的真实价值还是海洋中的冰山，现在看到的只是冰山一角。
我们该怎么做？用MarcBerger教授的话来说，“要么去改变，要么被改变”。
转载请标明来源：中国循环杂志
联系客服
