开源医疗：如何守住商业化下健康数据的底线
- 来源：雷锋网 原标题：Health is Wealth：商业化下的健康数据
- 2016/7/28 9:41:14
- 34332
开源医疗：如何守住商业化下健康数据的底线
这样的例子不胜枚举。
2015年9月，TomInsel离开美国国家心理健康研究所，加入GoogleLifeSciences团队。
2015年底，MichaelMcConnell停下了斯坦福大学的心血管项目，加入谷歌。
上个月，致力推动开放医疗研究的StephenFriend也加入了苹果。
但这样的趋势也说明了一个问题：不管是关注全人类的谷歌，还是专注消费者的23andme，他们都掌控着健康数据的所有权，或者说，他们控制着分析人类健康数据的方法，并运用于服务中。
目前有一个新词叫“黑箱社会”（BlackBoxSociety），指的是用一些机构用不公开的数据分析工具进行数据处理和判断。比如在线广告商的“个性化推送”，或是针对特定群体的服务器优先，都可以视之为黑箱社会的表现。就像凯恩斯经济学“看不见的手”一样，数据分析里看不见的手，同样在悄悄发生着作用。
如果算法决策未被公开，却被用于健康分析，那么社会的黑箱效应就会愈发严重——因为你不知道自己已经被“区别对待”了，可能你也无从得知，自己已经被一些带有歧视性的健康描述所形容，更不要说去反抗了。
互联网公司的影响
Nature认为，大量健康专家“迁徙”到硅谷，可能会为生物研究及医疗行业带来根本性的影响。
目前包括英国、瑞典、挪威和爱沙尼亚在内的国家，已经实现了电子健康记录的规范化，而这得益于政府和民间组织的推动。而美国也在未来五年内有望实现这一目标。与此同时，机器学习的进步让电子健康数据的未来增加了不少可能性。比起局限于个体案例的临床观察，覆盖大量人群的样本显然更适合机器学习来处理。
在以往，研究者们会在病房或诊所内进行观测及记录，数量大概是几十到上百个。此外，要抽丝剥茧地在这些综合数据里获取相关的信息，一方面代表性不足；另一方面也耗费时间和精力。而现在，通过智能手机上的各种应用，用户的位置、步数都能利用可穿戴设备记录下来，这样的数据就非常可观了。
而根据谷歌引擎的数据统计及分析，我们也可以窥见人们对健康，甚至是特定疾病的重视。目前谷歌正在采用KnowledgeGraph算法来为用户推荐更准确的健康搜索结果。谷歌的一项统计表明，每秒钟产生的40000个搜索，有2000个是和健康相关的。
而提到机器学习，IBM的沃森自然是不能忽略的人工智能。IBM可以用自然语言和机器学习处理非结构化数据。而在今年，IBM还和与英国国家医疗服务体系（NHS）进行了二度合作，将和Moorfields眼科医院一同开发识别视觉疾病的机器学习系统。
虽然目前可穿戴设备只能对特定健康指标进行监测，但它们所产生的实际功效要比传统的医学疗法要好得多。比如雷锋网(搜索“雷锋网”公众号关注)此前提过的全自动“胰腺，就能实时监测用户的血糖水平，并及时给予调节疗法。
十年前，创业公司会收购各种健康数据，并转手卖给制药公司；但今时今日，几乎每一个科技巨头都想着要“进军数字医疗”。
版权与免责声明：凡本网注明“来源：智能制造网”的所有作品，均为浙江兴旺宝明通网络有限公司-智能制造网合法拥有版权或有权使用的作品，未经本网授权不
展开全部
热门评论