15201033833
任何理论，都要有落地的机制，需要高新科技的支撑。大数据方法就是支撑《医学新思维》的重要力量。
大数据是当下的热点，抱歉的是，人们被现代科学所影响，还在传统的框架下想问题，还没有真正认识到大数据的独特价值。本人结合互联生产力，结合医学的任务和需求，提出了新的见解，供各位朋友借鉴。
《大数据时代》有这样一个例子：在2009年那次著名的甲型HIN1流感爆发的几周前，互联网巨头谷歌公司的工程师们在《自然》杂志上发表了一篇引人注目的论文。它令公共卫生官员们和计算机科学家感到震惊。文中解释了谷歌为什么能够预测冬季流感的传播：不仅是全美范围的传播，而且可以具体到特定的地区和州。把谷歌的预测结果和政府后来公布的数据对比，发现准确度达到97%。
能取得如此令人惊愕的成就，能发现以往无法揭示的真相，秘籍就是大数据分析：谷歌是西方人首选的搜索引擎。该公司强大的数据库保存了来自全球的搜索指令，每天超过30亿条，其中的地址信息记录了用户从哪儿发起搜索，可以具体到每个街区。
海量数据如何帮助得到谷歌需要的答案？研究者假设了两个事实：人们感受到流感，无论他自己，还是周围的人得了流感，还是在网上知道了流感传播的消息，就可能搜索某些特征关键词，如“咳嗽和发热的药物”、“流感症状”、“如何预防流感”；第二个假设是，这类习惯或行为没有大变化，如果过去几年发生过类似的传染，人们进行过某种搜索，新的感冒流行也会触动类似搜索。
照此思路，谷歌先检索了5000万条美国人最频繁使用的词条，然后去疾控中心找过去几年的流感流行统计数据，监测在不同流行情况下这5000万条记录的变化规律。经过大量模型运算，研究者发现了45个词条的组合，能很好地匹配过去每次流行情况。新的流感逼近，人们往往会重复过去的搜索动作，把近期的搜索过程进行类似分析，就能预测新流感的流行情况。
预测流感蔓延是专业任务，谷歌提出的却是通用解决方案，工程师并不需要医学专家帮忙，他们也不关心哪些词条更重要，所建立的系统并不依赖医疗相关的语义理解，他们关注特定词条的使用频率与流感传播之间的联系。这暗示了大数据方法的普适性，只要建立一套这样的系统，稍加修改，就可用于其他目的。
大数据被奉为至宝，在各行各业有具体表现。有人根据过去几十年的机票销售数据，预测未来机票的走向；有人用全球夜景的历史数据建立模型，过滤掉噪音，做出投资房地产和消费领域的研究报告；有人根据社交网络中某些词语的出现频率，预测下一部大片的票房收入；研究者发现，用某种文本和语义分析方法对Twitter进行监测和评估，就能预测股票趋势和价格，投资者的收益能够得到平均15%的提高。
大数据允许人们充分思考复杂的世界，在诸元之间建立联系以解决问题。比如，要分析严重雾霾天气对人的影响，可从移动电信的信号数据库里，取雾霾天气严重后的几天内去往医院基站的数据，剔除过去的背景行为，就得到因雾霾而产生的数据，再把这些数据和人们在网上的数据“杂交”，就能知道是哪些人群容易染病，染病的严重程度、治疗过程和结果等。
这些冲动的本质，都是从纷繁世界的表象入手，在诸多表象之间建立联系，发现其中恒定不变的东西，并加以利用。
英特尔公司宣布，他们建造了一种单词预测机，其核心是大数据支撑下的“语境感知”技术，以让设备猜到使用者的需求，例如提醒他们预约的时间，以及去买东西时带够钱，工程师说：“未来几年内，人们就能同自己的电子设备‘心心相印’。”这是在挖掘以往的数据，找出内质规律，以预测下一次行为。
类似思路可以应用于医学，人们可以充分观察人的外在表现，感知他受到的刺激，理解相应的变化，以理解他的内质。足够多的样本整合，就能挖掘很多生命真相。
