未來的醫療科技若只仰仗分子生物學家、腦神經科學家的努力，能說的故事有限，內容也不夠精彩，但若將資料科學家的意見納入，或許就能解開許多看似無解的醫學謎題，甚至還能促進醫療品質的提升。

Google 在 2008 年推出流感趨勢預測，藉由統計關鍵字的搜尋次數，就能預測全球各地的流感疫情發展，不僅資訊更即時，準確率甚至超過政府的預警系統，Google 以此首開大數據（Big data，又稱巨量資料）應用到醫療領域的創舉，不僅讓其他幾家搜尋引擎紛紛跟進，如中國互聯網巨頭百度（Baidu），近日宣布與中國疾病預防控制中心合作，利用大數據預測流感疫情，也打開資料分析者對於數據的想像力。

大數據競賽中，社群媒體的角色

除了搜尋引擎對於疫情的預測，社群媒體如 Twitter、FB 也逐漸在這場大數據競賽中找到自己的定位。加州大學洛杉磯分校（UCLA）以 Twitter 的訊息量、發信地點，來追蹤性病擴散率與毒品濫用的行為，他們蒐集 5 億 5000 萬條「推特文」，使用演算法篩檢出含有「性」、「快感」的字眼，並記錄發布內容的地區，最後用統計模型觀測這些區域是否有 HIV 新病例通報。結果發現兩者之間有很顯著的關係，當某地區的推文呈現很高的「性指數」，HIV 的新感染病例也高。

若將 Google 搜尋引擎與 Twitter 結合，還能精準看出一些社會風氣的變化。兩位美國經濟學家結合兩者資訊，發現當《16歲懷孕》和《小媽咪》兩部美國影集播放時，青少年懷孕生子數比例大幅降低。

原本看似無用的手機訊號，在大數據的浪潮下也找到著力點。2014 年中國春運高峰期，百度就利用手機用戶的位置訊號，進行人口流動的實況調查，讓全球最大規模的人口遷移得以最直觀的方式呈現，這種大數據和交通運輸產業結合的概念，激發許多數據分析師將此延伸應用到醫療領域中，而受益最多的當屬傳染病預防。

大數據與傳染病預防

談到 21 世紀最令人恐慌的傳染病，SARS 絕對榜上有名。SARS 在短時間從本土性傳染病搖身變為全球性傳染病，所憑藉的就是大量的人口移動與快捷的交通運輸。雖然在疫情蔓延時，網路上曾傳出不少疾病資訊，但中國政府為掩蓋真相，一律封殺相關討論，使得原本能因資訊的流通而達到預警效果，演變為各國防疫單位措手不及，最後引發全球性的恐慌。

（圖片來源：cfr）

從 SARS 的例子可以看到，若在當時的時空下，政府或民間機構能從搜尋引擎或人口流動來監測，疫情就不會來的又快又猛，讓人類毫無招架之力，而這樣的預警方式就算用在落後國家，也能起上一定的作用。

由英國、美國和納米比亞所共同合作的計畫，就是藉助手機用戶的訊號，來判斷霍亂疫情可能的熱點，並根據當地的疫情早一步設計出預防方式。研究人員蒐集 119 萬手機用戶資料（約占 52%的人口數），重建人口流動的狀況，接著結合各地霍亂疫情報告與地形氣候數據，預測可能的爆發地點，並儘早做準備。

一般醫療應用

在一般醫療領域，大數據的應用也能幫助醫師分析病歷資料、臨床實驗數據與醫療文獻，協助醫生決定每一位患者最佳的治療方法，不僅能減少醫療糾紛，更能減少用藥浪費的發生，並提升醫療效率，根據麥肯錫全球研究院（McKinsey Global Institute）調查，如果美國醫療產業能善用大數據分析，每年可以增加 3,000 億美元的產值。

但想要進行大數據分析，就必須有龐大、結構性、能數位化的數據資料庫。雖然醫療資料夠龐大，但資料屬性卻特別複雜，除了有一般結構性資料，還包括非結構性資料，如病歷、影像等，導致分析和處理時相對困難，再加上這些資料並非集中一處，握有資源的人往往將此視為機密資料，不願分享出去，使得醫療產業對於大數據的應用遠遠落後於其他產業。

雖然醫療資訊的統整仍然困難重重，但大數據的應用趨勢勢必將繼續發展下去，在未來的十年內，有越來越多的醫療工作將被數據分析取代，醫療產業不會像今天一樣，壁壘分明，保護主義濃厚，因為大數據的應用沒有侷限。

延伸閱讀

• 維基百科也能追蹤流感疫情