医疗模式暴露出诸多问题

他说，过去三十年中，救治了成千上万病患的以疾病类型为中心的医疗模式逐渐暴露出诸多问题，导致患者主动性差、医疗资源浪费和医患矛盾激化。

在大数据时代下审视过去的医疗模式，不难发现，“小数据”总是以随机小样本去替代庞大的群体，更聚焦于疾病某一环节，而非整体，更注重直接的因果而淡视关联。

而“大数据”是分析所有数据，而非少量的样本，接受和承认数据的繁杂，而去挖掘深处的真知，不刻意寻求“完美”的直接因果，而在意于事件之间的关联。

我们需要做出改变

胡盛寿指出，在大数据时代，我们要重新审视我们对疾病的认识和对疾病的处理模式、对医疗质量的评价以及医学人才的培养观念，并做出改变。

“我们应该对疾病信息的处理从碎片化向集成化、系统化发展”，胡盛寿表示。 

心血管疾病的发生、发展是遗传和环境因素交互作用的结果，因此对心血管疾病的发生机制研究、诊断和治疗需要系统化的信息集成。

“没有标准的病人” 

他说，一直以来，我们关注的是病史、症状、体征、实验室检查以及影像学检查等，忽略了基因组信息、环境危险因素以及对疾病主要监测目标的持续动态监测。

“当前我们对心血管疾病发生、发展的认识非常局限和肤浅，海量的未被发掘和利用的数据，可能对我们的健康影响深远，而这些数据在目前的医疗系统之外”，胡盛寿强调。

 胡盛寿指出，传统疾病分型系统只关注疾病在某一阶段或某一方面的特征，过于片段化和碎片化，我们要基于“大数据”更新疾病分类系统，把遗传、环境等基本因素汇集进来。

“我们要利用大数据实现对疾病认识的‘个体-全体-个体’的闭环”胡盛寿指出，“当前我们对疾病从群体到个体的认识存在明显的局限性，导致对标准治疗认识存在误区，因为没有标准的病人。我们只关注了治疗手段本身，而忽略了其他的重要信息。

比如治疗手段作用于哪个靶点？应用了哪种药物？这个患者的饮食如何等，这些因素决定了疗效的差异。”

他认为，要想做到从确诊疾病前移至对疾病的预警、预测就要基于大数据的积累。通过基因测序、智能终端监测获取信息识别有不健康行为风险的子人群，运用“大数据”分析患者环境背景和生活方式喜好，制定个性化干预策略，并通过行为检测实时反馈调整。

用“数据”来提升医生自我学习能力

我国整体医疗可及性改善，技术规模持续增长，但并未转化为更好的患者结局。

究其原因，胡盛寿认为，首先是我们只关注手术的成功，而忽视了基于研究证据的关键诊疗环节，导致我国临床路径仅对围术期诊疗流程进行描述未涉及与手术质量相关的关键节点。这是我国医疗质量评价的一大局限。

另外，我国医疗体系缺少医疗质量评价和反馈机制，临床证据转化和质量问题突出。

胡盛寿提倡构建学习型医疗体系以促进诊疗质量持续改善。学习型医疗体系有多种数据来源，包括基本信息。门诊信息、住院信息、检查信息及社会经济信息，以对医疗质量做出全方位评价，要用“数据”来提升医生自我学习能力，改善临床实践的能力。

优秀医生还应是Data Scientist

当今，传统医学教育模式已经不能适应“大数据”时代的挑战，过细的专科化培训使医生对数据理解和摄取越来越局限，师徒相授模式易导致临床经验难以推广，复制和传承。

胡盛寿指出，在“大数据”时代，医学人才培养观念应做出改变，要从医生经验的积累转变为医疗数据的积累。未来的医学人才，应该能熟练运用智能辅助工具，处理海量信息，做出正确决策。

胡盛寿强调，优秀医生还应是DataScientist，医生在数据获取，构架，处理和解读的各方面都应积极主导。

同时胡盛寿认为，“大数据”时代下中国医生大有作为， 全球同步的互联网、实践之中的中国特色大数据（微信，淘宝等）、13.5亿人口庞大的数据资源以及政府层面的大力支持让中国医生具有“弯道”超越的可能。

 “大数据”时代下重塑医学人的格局和气度

胡盛寿强调，“大数据”时代下重塑医学人的格局和气度，要有谦卑的心态。要积极地参与，大数据的“大”靠工程师来完成，但更关键的“全”需要医生来完善；更要有效地回馈，即会利用数据改变对疾病发生机制的研究、改变对医疗行为和医疗质量的评价以及改变疾病的防控模式。