国内自主研发的隐私计算TEE技术通过金融科技产品认证，蚂蚁集团主导研发的
06-18
更强的工作场所包括谷歌、苹果、微软、IBM在内的科技巨头过去几年都在做同样的事情：聘请生物医药行业的领导者。
医科学家从原来的研究实验室转到科技公司，对于双方来说其实都是一件好事。
专注于临床研究的医学科学家并不总是能够接触到足够数量的患者来进行长期的研究。
如此强强联合，可以借助互联网企业的海量资源，获取大量多维度的健康数据。
工程师还可以针对健康数据构建各种传感器和算法，并进行详细分析。
简单来说，互联网公司，或者说背后的数据，对科学家来说是难以抗拒的诱惑。
这样的例子还在继续。
2019 年 9 月，Tom Insel 离开美国国家心理健康研究所，加入谷歌生命科学团队。
年底，迈克尔·麦康奈尔 (Michael McConnell) 停止了斯坦福大学心血管项目的工作，加入了谷歌。
上个月，致力于推动开放医学研究的斯蒂芬·弗兰德也加入了苹果。
但这种趋势也说明了一个问题：无论是专注于全人类的谷歌，还是专注于消费者的23andme，他们都控制着健康数据的所有权，或者换句话说，他们控制着分析人类健康数据的方法。
并将它们应用到服务中。
目前有一个新术语叫“黑匣子社会”，指一些机构利用未公开的数据分析工具进行数据处理和判断。
例如，来自在线广告商的“个性化推送”或针对特定群体的优先服务器可以被视为黑匣子社会的表现。
就像凯恩斯经济学的“看不见的手”一样，数据分析中的这只看不见的手也在悄然发挥作用。
如果算法决策不公开而是用于健康分析，那么社会的黑箱效应将会变得更加严重——因为你不知道你已经被“区别对待”，你也可能不知道你已经被“区别对待”了。
受到一些人的区别对待。
更不用说抵制歧视性的健康描述了。
互联网公司的影响 Nature认为，大量健康专家“迁移”到硅谷可能会对生物研究和医疗行业产生根本性影响。
目前，在政府和民间组织的推动下，英国、瑞典、挪威、爱沙尼亚等国家已经实现了电子健康记录标准化。
美国也有望在未来五年内实现这一目标。
与此同时，机器学习的进步为电子健康数据的未来开辟了许多可能性。
与仅限于个别病例的临床观察相比，覆盖大人群的样本显然更适合机器学习来处理。
过去，研究人员会在病房或诊所进行观察和记录，数量少则数十家，多则数百家。
此外，还需要从这些综合数据中提取相关信息。
一方面代表性不够；另一方面，也消耗时间和精力。
现在，通过智能手机上的各种应用程序，可以使用可穿戴设备记录用户的位置和步数。
这样的数据是非常可观的。
根据Google Engine的数据统计和分析，我们也可以一窥人们对健康甚至特定疾病的重视程度。
谷歌目前正在利用知识图谱算法向用户推荐更准确的健康搜索结果。
谷歌的一项统计数据显示，每秒产生的 0 次搜索中，有 1 次与健康相关。
说到机器学习，IBM的Watson自然是不可忽视的人工智能。
IBM 可以使用自然语言和机器学习来处理非结构化数据。
今年，IBM还第二次与英国国民医疗服务体系（NHS）合作，将与Moorfields眼科医院合作开发识别视觉疾病的机器学习系统。
（详情请阅读：《继攻克围棋后，Deepmind想“看透”人类的眼睛》）deepmind 虽然目前可穿戴设备只能监测特定的健康指标，但其实际效果比传统医疗要好得多。
比如雷锋网提到的全自动“胰腺”，可以实时监测用户的血糖水平，并及时提供调整治疗。
十年前，初创公司会获取各种健康数据并将其出售给制药公司；但如今，几乎每家科技巨头都在思考“进军数字健康”。
许多公司正在进入医疗领域，目标是通过管理进步和分析水平的提高从根本上改变医疗保健行业。
提到的美敦力此前在2018年推出了一款血糖设备Enlite。
但对于患者来说，即使用户可以随时监测血糖，他们也没有整体数据的所有权，即使该公司愿意共享数据。
数据共享存在限制。
例如，23andMe拥有世界上最大的基因数据集，允许用户查看和下载自己的DNA，还可以与某些公司共享。
然而，这样的医疗专业数据并不能解决用户的问题。
他们还需要获得授权才能将数据提交给专业分析师，以获得“可以理解的”测试结果。
长期以来，制药公司持有大量数据，但他们没有实验之外的实际使用数据。
，并且无法分析同一被试在不同实验中的情况。
后来进入市场的初创公司利用技术和可穿戴设备，通过数据积累和学习做出更准确的用户预测。
eMarketer在一份报告中指出，能够接入互联网并分析健康数据、简化护理流程和进行医学研究的可穿戴设备在2019年的市场规模将超过1亿美元。
然而，这些数据所依据的算法基于可能会阻碍科学进步——如前所述，企业可能会为了商业利益而交易或分析用户数据，而这可能并不是能给用户带来利益的事情。
经历一些快乐的事情。
未来的开源、封闭系统当然不是没有缺点。
例如，可以对数据进行统一、标准化的处理，这无疑会提高运行速度。
使用传感器或其他分析方法将数据组织成临床可用的信息当然对社会有益。
随着此类公司数量的增加，原来仅靠出售数据盈利的公司可能会逐渐衰落。
这可能需要政府的支持——严格的法规和规章可能会阻碍健康数据的分析和交易。
目前，欧盟已经出台相关法律，阻止人们的信息被商业化。
美国在目前的2-3年内实现这一目标的可能性非常渺茫。
对于一些科技巨头来说，他们所拥有的资源——数据和计算能力，再加上福科帝国的财力，几乎是无能为力的。
苹果、微软、Alphabet、思科和甲骨文，这五家公司2018年的现金储备为1亿美元。
然而，为了逃避监管和税收，大部分都存放在海外，这让政府无能为力。
针对这种情况，Nature杂志提出的一种解决方案是开源。
20世纪90年代，IBM放弃了服务器，转而致力于开源软件。
当开源 Apache Web 服务器和 Linux 操作系统形成可行的软件时，IBM 开始销售其服务。
BI和政府的财政支持也可以鼓励健康数据的开放。
例如，人类基因组计划建立后，基因组测序公司Celera将数据存储在数据库GenBank中，并将业务转向疾病治疗。
但目前政府的财政支持还不如商业层面的投资。
例如，23andMe最新一轮融资达到1.5亿元人民币，已达到联邦政府对奥巴马政府精准医疗计划投入的70%。
但开放数据（尤其是健康数据）的一个问题是隐私。
用户不仅要打破“黑匣子”效应，还要知道他们的数据源如何以及在哪里被使用。
这些数据的安全性也可能会引发很多社会讨论。
在医疗领域，用户一直处于被动地位——虽然选择了产品，但对测量数据没有控制权。
只有当用户开始意识到这一点并对自己的健康数据负责时，事情才能扭转，才能维护健康数据的底线。
版权声明：本文内容由互联网用户自发贡献，本站不拥有所有权，不承担相关法律责任。如果发现本站有涉嫌抄袭的内容，欢迎发送邮件 举报，并提供相关证据，一经查实，本站将立刻删除涉嫌侵权内容。
标签：
相关文章
06-08
06-17
06-17
06-18
06-17
最新文章
Android旗舰之王的过去与未来
智能手表不被开发、AR眼镜被推迟，Meta的产品经历了一波三折
为什么Cybertruck是特斯拉史上最难造的车？
更新鸿蒙3后，文杰允许你在车里做PPT了
新起亚K3试驾体验：追求“性价比”，韩系汽车仍不想放弃
阿维塔15登场！汽车配备了增程动力，理想情况下会迎来新的对手吗？
马斯克宣布创建 ChatGPT 竞争对手！ OpenAI的CEO给他泼了冷水， GPT-5可能会发生巨大变化
骁龙无处不在，是平台也是生态