作者：许诗典（新国际医疗集团信息长 医学博士/公共卫生硕士）

      大数据（Big data）在近几年不仅是在信息界、在各行各业包括服务业与制造业等都是一个很热门的话题。大数据或称巨量数据、海量数据，指的是所涉及的数据量规模巨大到无法透过目前主流软件工具，在一段时间内达到撷取、管理、处理、并整理成为帮助企业经营决策更积极目的的信息。

　　在服务业或商业上，网络上每一笔搜寻，网站上每一笔交易，甚至敲打键盘，点击鼠标的每一个输入都是数据，将它整理成为信息进一步来分析预测，因此功能不仅仅止于事后被动了解顾客的消费市场，搜集起来的数据还可以被规画，引导开发更大的消费力量。

      大数据的常见特点是3V：Volume、Velocity、Variety（数据量大、输入和处理速度快、数据多样性），因此服务业、零售业等以顾客消费为主体的行业基于本身即具备拥有如此特性的数据库，非常期待这样的工具能带来企业经营另一面的蓝海。

　　然而大家在专注于服务业的大数据时，可能忽略同样拥有如此3V：Volume、Velocity、Variety数据库的医疗照护体系也藏着令人眼睛一亮，化腐朽为神奇的宝藏。试想一所区域医院每年有近好几万的住院病人，好几十万的门诊病人，以及好几万的健康检查客户，而每人又都有近百至千的生命象征、血压，检验数据、检查与处置、以及众多结构性的如理学检查、个人行为、与各专业照护人员的纪录等足以构成一个巨大的数据库。

　　过去医疗仰赖各种复杂的流行病学及统计法例如前瞻式研究、回溯性研究法、病例对照法研究、随机对照试验、甚至于藉由世代研究来进一步厘清疾病的因果关系。这些研究事先拟一个假设主题，然后经由严谨的个案选取，研究步骤与方法再利用复杂的统计方法来验证以获得有效但局限的结果与推论。这些研究耗时、耗费，与繁杂。理论基础在于希望藉由有限可控制的小群体的结果来推论至广大的母群体。

　　然而医疗治疗时有进步，新技术与新仪器有如雨后春笋，期望带来病患的新希望。这些希望非受限的过去研究所能提供。因此『医疗大数据』（Medical Big Data）的运用更加发人省思与令人期待。例如医院中十四天再入院率的医疗质量指针一直居高不下，无以适从。影响十四天再住院的因子非常多，远非传统的研究统计所能胜任与解惑。假设能运用大数据的分析来找出十四天再住院的关联性，避免过去忽略或重大影响力的因子，不仅可降低十四天再入院率，降低疾病罹病率与死亡率，更可减少医疗费用支出。如此一来医疗大数据可谓彻底颠覆传统科学研究方法。

　　医疗大数据的另一个惊奇的特性为预期性。大数据分析最终要的应用领域之一就是预测性分析，从大数据中挖掘出特点，尤其是相似性与延伸性，再通过科学的建立模型，之后便可以通过模型带入新的数据，从而预测未来的数据。这对于健康管理尤其重要。例如对于历年接受健康检查的客户何时会发展成不可逆的疾病，若能及时介入则不仅可延缓疾病的进程，也可提升病患的存活，甚至降低医疗费用支出。

　　医疗大数据的应用也能帮助医师分析病历数据、临床实验数据与医疗文献，协助医生决定每一位患者最佳的治疗方法，不仅能减少医疗纠纷，更能减少用药浪费的发生，并提升医疗效率。总之，现代已进入一个4P（Preventive 预防性、Predictive 预测性、Participatory 参与式、Personalized 个性化）的医疗照护时代，我们应该用一个更积极的态度来开启医疗大数据之门。