读《医疗大数据：大数据如何改变医疗》相关思路记录

一、前言：

  很多网站只提供诊断的结果和医生能提供的信息，这对于不了解自身情况的患者来说，没有太大的帮助。

  大多数网页将可能的结果全部列出，容易误导患者，比如会让患者觉得这些症状出现的概率相同，以至于只要出现其中某些症状就有可能得某病，这显然是很不对的。

  随着互联网的普及，更多人会进行网络查询，大量的人查询，就会产生大量的数据，能否利用这些数据，分析出一些相关潜在的问题价值？

  互联网数据如何发挥作用？ 答：1.它其实反映着人们的现实生活。如出发前，会查询酒店信息；会在网络上分享吃、住等信息。而这些数据就是我们线下生活产生的。2.大多数医疗数据是在医院里产生的，比如检查、护理记录等，但是这些多是一些较客观的数据，而且去医院的时候，患者的症状一般都处于较不可控的阶段了。试想一下，当我们自觉身体不适的时候，我们最先寻求的是网络。通过网络查询的一个好处就是：匿名。匿名的存在，使得我们可以无所顾虑地查询自己想要知道的信息，我们会详细地把自己的情况和感觉展示在网上，以此来希望得到较为满意的答案。这其中也许会涉及一些个人敏感的信息，比如最近做了什么事，吃了什么药等等，这些信息一般是不想被别人知道的，但是匿名提问，又是另外一回事。3.一些传统的样本类研究手段发现不到的问题，大数据可能会分析出其中看似不相干的两者之间的关系，比如体重过轻的明星的媒体形象与厌食症患者公众认知之间的关系。4.帮助数据分析人员分析和发现新的风险或者药物信息，比如人们在服用一种药物后，如果身体出现不适，那么很可能去网上搜索资料，寻求帮助。那么在这一过程中，产生的数据，就可能让分析人员发现新的药物副作用。

  Crowdsourcing（众包）：为获取信息或者完成某个项目.......通过网络.....将任务公开委托给大量个体的行为。而人们通过网络查询信息，所产生的数据，对于数据收集方和分析人员来说，却是一种类似的“众包”。

  利用互联网数据，可以观察人们的生活。人们在线下的一些生活，会反映到线上，即会产生数据。而有那么几天，一个人频繁查询某个症状，通过这些症状，进一步查询相关药物信息等，那么可以假定此人最近可能患上了疾病，那么，通过分析这几天的前一段时间，此人在网络上的一些查询数据、分享数据等，分析数据，推测行为，也许就能推测和找出此人患病的诱发因素。这就是大数据所提供的价值。而如果单单分析此人在医院的产生的数据，也许最多只能得到此人的一些具体症状，但并不能了解到此人发病前的一些隐藏信息。

二、身处大数据时代：

  不侵犯个人隐私的前提下，搜集、利用和分析大数据，为健康服务。

  收集而来的大数据有意想不到的用途。零售连锁店塔吉特target邀请顾客中的新生儿父母在其网站上注册婴儿账户，可以网上购物，同时也可以别人为其购买物品。target通过这个方式，了解到了孕前、孕中、孕后，顾客的购买习惯。比如到了孕中期，顾客购买无香型沐浴露的频率增高，那么，target在日后的销售中，就可以为孕中期的顾客们推荐无香型沐浴露。举一反三，也可以通过顾客购买的物品，来判断其处于哪一个阶段，并提供贴心的推荐。

  例子：飓风的发生，通过分析查询飓风信息的人群的定位信息，便可以大致判断飓风的路径。

  患者服药后，如果短时间内出现的不适，患者会将这些不适和服用的药物联合起来，查询的内容关乎药物的副作用。但是，如果长期服用才会出现副作用或者在过了很长时间后，药物的副作用才开始表现。那么，患者的查询信息就很少会将不适症状与药物信息联系起来。所以，大数据的作用在于，可以分析患者从服药到出现不适症状这一时间段内，患者的线上查询数据，前后关联，从而发现是否为药物的副作用。

  有时候通过互联网大数据才能发现一些非自愿性、非侵入性、一些患者不愿提供的信息。比如一对夫妇得知新生儿患癌症，我们想要得知最初几天，他们的心理等方面的变化，我们无法通过传统的面对面交流或者问卷等手段进行数据的收集，因为不实际，这时候的患儿父母正处于伤心难过期，无法参加我们的活动，就算参加，也不大可能愿意提供真实的内心想法。

  人们在网上更倾向于表达真实情况。前面提到了：匿名。网络的这一优势，让很多人能毫无顾虑地表达自己的真实情况，以期获得满意回答。虽然不能保证信息的绝对真实属实，但是可以对比整个群体的平均数字。比如，可以得出，查询某种处方药的用户人数与该药物的销售量成高度相关。

  正因为互联网交流的便捷性。一些罕见疾病的人，才得以能够在互联网上进行交流。同时，从另一方面看，这样的交流也让数据收集人员得以统计这种罕见疾病的大概人数，就可以统计出这种病的发病率等情况。这在以往是很难做到的事情。至少去发现和统计患病人数这一项工作，就足够庞大。病友们在交流日常疾病恢复、治疗、用药情况的时候，间接为数据收集人员提供了疾病研究的材料，比如通过病友们交流的用药情况，可以研究此类药物对此病的作用效果如何，那么，也可以发现，以前经常使用的某一类药物，对此病的作用到底是有还是没有。从而为医护人员调整治疗方案提供了借鉴。

三、解答难以启齿的问题：

  为什么人们要上网查询信息？ 答：可识别度、便利性、隐私、情感支持、信息准确性等。

  他们找到自己需要的信息了吗？

四、与互联网相关的病症：厌食症

  互联网的交流和传播功能，能够为病友提供情感支持、健康咨询等，有利于疾病的恢复，但是，互联网也能加重某些疾病--厌食症。

  媒体会报道一些名人，如果这些名人刚好是厌食症或者疑是厌食症患者，长的很瘦，但是很美，媒体对其报道语言采取中立或者正面的报道，那么人们就会去搜索关注厌食症，并认为这是受社会推崇的行为，因此而容易患上厌食症。而如果明确指出该名人患有厌食症，并给予一些负面报道，人们反而不会去关注厌食症，因为，人们不想厌食，只是想稍微苗条一点而已。

五、大众健康问题：

  如何发现药物的副作用或者新的副作用？

  传统的研究网站都需要患者或者医护人员能将药物和副作用联系在一起。如果服药以后过很久副作用才显现，那么这时候，就很少有人能联系到是因为之前服用药物的原因。在这种情况下，单纯依靠患者的判断是有风险的。那么，可以利用搜索引擎日志。

  1.思路：使用搜索引擎查询某种处方药的用户人数与该药物的销售量高度相关。2.观察患者查询该药物的结果，再观察其是否又进一步查询了副作用相关信息，如果是，那么说明该药物确实存在副作用。3.这过程中也存在一些问题：（1）查询语言的统一问题：同一症状的描述，存在差异，如偏头疼、头部波动疼等。解决：网页引导，患者用不同语言查询，我们通过在同义词词库，引导患者最终进入到正规医学术语的查询页面中。（2）一些症状可能是由于别的因素引起的，比如说过敏，也可能跟季节变化有关，但是若刚好患者在服用药物的期间，那么患者就可能会将过敏当做该药物的副作用进行查询。解决：统计两类人：先查询药物信息，后查询症状的人。先查询症状，后查询药物信息的人。那么，试想一下，如果我是服用该药物的人，当我出现不适症状时，我首先会查询该药物信息，看看为什么会出现不舒服。而如果我不是该药物的使用者，我出现了不适，我首先查的是症状，我会去了解有什么因素会导致这种不适，进而发现，这种药物是导致不适的因素之一，那么我接下来就会去查询这种药物的信息。那么后面这类人，更倾向于是受季节影响的而出现不适的人。那么，怎么区分这两类人？

  我们选取数据收集时段中间的那天（这一天一般是季节变化代表性一天或者以往季节性症状开始出现的日子），分析这一天的前后，症状被查询的频数是否有增长，如果这一天之后，频数变高了，那么可以粗略判断，是否为受季节影响。

  患者向医院或者医生报告的不良症状，跟在网络上查询的不良症状有什么不同？ 答：时间的间隔。如果是服用药物的最初一段时间出现不适，患者肯定是寻求医生的帮助，因为他们觉得跟药物的关系大一点。而如果是经过了很久，药物停服了很久之后出现的不适症状，患者一般是寻求网络帮助，因为他们不认为是之前服用药物的原因。

  这就给我们提供了一个新的发现药物副作用和新的副作用的方法：就是对比患者的医院数据和网络查询数据。

六、回看过去，找到致病的风险因素：

  传统方法：通过采访足够数量的人群，分析数据。

  现代：一次根据所有风险因素，采访一大批人。然后测试所有可能组合。

存在问题：（1）如何找到一群已经出现所要研究的症状、并且使用搜索引擎进行查询的人？（2）如何在更广义的层面上诠释分析他们的查询语句？（3）如何测试所查询的风险因素是否更可能致病？

  问题1：解决：根据用户自身使用搜索引擎所输入的查询词句。查询语句能够将一些用户分类为“高相似度”人群，但并不是说有相似症状的人都能被分到这一个“高相似度”人群中，但是能够自动划分已经是一个很好的开始。在此之前，将所研究的查询词句限定为有关某种医学性质的词句（药物、疾病和症状），然后建立一个学习算法分析它们。制作两个表：人们在搜索引擎中查询的经过限定的具有医学性质的词句、人们自认为自己患有的疾病列表。学习算法原理：

  问题2：解决：引用网页数据。如某人查询“火人”时，网页会导向一些词条，这些词条都是经过编辑好的，那么根据用户点击浏览的词条内容，分析词条内容，就能分析出更广的信息，比如搜索“火人”，有可能是节日的信息，也有可能参加黑岩石烧人狂欢活动，这是一个在内达华州举办的裸体狂欢节，也是一个反主流文化的节日。因此，如果“火人”代表的是一个病症的危险因素，那么“内达华州其他的事件”也可能是这个病症危险因素。因为用户对其进行了浏览。

  解决了问题1和2，我们已经获得了一组我们所要研究的用户了，那么，现在使用这些数据，找到这些用户的共同属性。了解用户认为自己患病的之前或者查询某病症之前，发生了什么。也就是探查“先兆”。在流行病学领域，有两种方法：（1）有症状和无症状病人的比较。（2）某个人在某时段的情况和在其他时段的情况比较。

快速预警系统：

  能完成两件事：（1）能识别出可能参加大规模集会的人群。（2）研究这一人群是否描述过患有某种不寻常的疾病。

  比较用户在节日活动之前、之后的症状

  再比较用户提及的症状和邻近地区用户提到的症状。