大数据行业中，最不允许吹牛的一定是医疗大数据。大数据行业在近两年迎来了爆发，由于发展时间较短，因而可能出现靠吹牛发展客户等衍生问题。考虑到医疗行业本身具有的严谨性和复杂性，医疗大数据内忧外患之下更不容吹。
医疗大数据很特殊
医疗大数据是大数据的一种。第三方机构预计到2020年医疗数据量将达到40万亿GB，是2010年的30倍，数据生成和增长速度还将不断加快。相应的，市场竞争的激烈可能产生靠放卫星而竞争的现象，这是医疗大数据最忌讳的情况。
一般认为无法使用传统工具统计、存储或者处理的大量数据集被称为大数据。大数据的价值并不在数据本身，而是通过处理分析后得出的新的理论。通常来讲，大数据可视化之前的一系列采集、传输、分析和处理过程都不会被展示，单纯以大数据成果的方式进行展现会引发用户对数据理解的不够彻底，从而产生误读。
医疗行业的大数据必须务实
这种误读在其他行业或许并不会产生太大的实质性影响，可是在医疗行业是绝对不允许存在的。由于生命的神圣性所在，医疗大数据必须务实。例如不久前所一滴血可以鉴定癌症的传言，消息一出多少人认为人类大敌有望攻克，可当谣言被揭穿能剩下的就只有信任的离去。
医疗数据方面，可获取的健康医疗数据很多，数据规模也很大，部分数据存在描述不规范或者展现方式特殊等问题。一些数据交由计算机很难进行相应的预测分析，甚至连统计工作都难以完成，这种难以用于计算的数据价值低且不易处理。只有将文本数据转换为数据库表、关系图以及数值型向量时才可以方便于大数据计算。
真假医疗大数据
医疗大数据经常会出现采集样本重复、存储数据过时以及个体偏差影响分析结果等问题，而这就会使得数据的准确性出现问题。除此之外，医疗大数据的采集一般来自于实际医疗案例之中。大数据想要发挥其优势需要保障数据量的大，而医疗活动中一个部门的医治手段往往趋于单一化，而从中获取医疗突破的可能性大幅下降。而解决这一问题的最佳方案应当采用多源同类数据，寻求不同治疗方案以及不同效果。
医疗数据去伪存真是个大工程
由于医疗行业的特殊性，医疗领域可划分的范围较广，甚至对病人的看法也可以从多个角度不同方向进行剖析，就像中国本土的中西医之争对病情的解决手段就有着不同方式，而人体具有的特殊性进一步加深了这种差异化问题。不同人群对同一种方式的治疗却可能产生不同结果，使得医疗行业很难达成统一标准。
因此，医疗数据面临执行标准不统一以及医生对于病症描述程度不同的问题，想要解决同一病症需要先进行大量个性化语句的统一梳理以达到最终归一化的目标，才可能完成医疗数据的去伪存真而获得真正的医疗大数据。
IBM Watson的医疗应用初见成效
医疗大数据在后续的数据分析之中也会存在一些问题，比如部分数据尽管可以获取治疗方案、治疗效果等来制造模型，可是当应用于机器学习后，医疗数据的标准不一可能会引发偏差。就算是目前已经进入商用阶段的IBM Watson，在最初阶段也是通过与医院紧密合作，用了几年时间来帮助Watson去除数据杂质，训练分析能力。尽管目前Watson已开始在全球很多医院中开始使用，但在收集、存储、统计到分析处理还面临诸多挑战，医疗大数据的应用和研发依然渴望新的突破。
医疗大数据需稳中求进
云计算和大数据行业的技术革新速度十分惊人，在医疗大数据领域也是如此，尽管最近几年有了诸多突破，但在火热的背后依然需要强调的是安全至上。
众所周知，大数据从采集到分析再到呈现结果这一过程需要需要解决一系列的问题，比如利用统计分析、知识推理、机器学习等建立模型，而医疗大数据时还需要应对知识图谱的建立以及碎片化问题。只有将图谱和深度学习完美结合才能形成靠谱的决策模型。
医疗大数据还面临诸多挑战
在这一复杂的过程之中，医疗大数据面临的压力与挑战远远超过其他行业。因为医疗是关乎生命的话题，生命的重量注定让医疗大数据不可能大跃进式的发展，而是只能一稳再稳。医疗大数据需要回归其工具的本质，成为医生的助手，而不是成为一种营销的噱头。
我国的医疗在不断进步，可是近年来所暴露出的问题多少对医患双方造成了影响。医疗大数据作为我国医疗改革的重头戏之一，一定要严谨而行。医疗大数据，容不得吹牛。
本文转自d1net（转载）
