利用大数据预防慢性病

慢性病在中国极易被忽视却危害巨大，但传统家用医疗设备无法满足人们预测潜在疾病的需求。利于可穿戴式设备，结合大数据分析，通过连续性的医疗监测数据，智能医疗不仅可以对疾病进行预警，而且可以为用户提供护理建议，比如最佳的用药时机、如何利用运动和睡眠来稳定病情等等。

--------------------------------

视频文字实录：

项目缘起母亲的患病

搜狐无穷俱乐部的各位朋友下午好,感谢搜狐无穷俱乐部给我提供这个机会，让我来讲一讲可穿戴式设备和大数据如何结合，在家庭生活环境中如何对未来疾病进行预警。我是康诺云项目的联合创始人，我们做的就是这个的事情。

我要以自己的亲身经历作为开头,2001年的时候，我和妻子去澳大利亚玩。在澳大利亚玩了一个月后回到北京，和家人一块吃饭，我姐告诉我，当我们在澳大利亚的时候北京降温，我母亲的心脏病犯了。当时是我姐去陪床，当时她问我母亲说要不要给我打电话？我妈说不是很严重，所以就没给我打电话。我觉得很害怕，因为我父亲去世的早，我母亲一个人住在郊区，并不和我们几个兄妹居住在一起。

我缺乏一种有效的工具和服务，能够让我了解母亲的身体状态。因为她一个人生活，每隔一段时间打一次电话并不能有效地掌握她的身体情况。母亲突然的生病对我来说是一件非常棘手的事情。直到我的合伙人在美国给我打电话说可以通过大数据结合可穿戴式设备来有效地发现潜在的疾病,我和合伙人说这个事情一定要去做。

我会以一个加拿大公益广告作为开始,这是一个对比很强烈的图片,左边和右边是老年人两种不同的生活状态，你可以在晚年生活中很悠闲自得地运动，也有可能住在医院里面。

实际上在国内的话，老年人的健康并不只是影响他自己的晚年生活质量，还会影响到他的子女。因为中国是典型的421的家庭结构，养儿防老的观念会让父母的健康影响到子女。

极易被忽视的慢性病

下面我会展示一组中国慢性疾病的数据来让大家看看，这是根据卫生部的报告发布的。在中国，高血压患者有2.6亿人，糖尿病患者则有1.2亿人。大家可能觉得这个数字离自己比较远,那我换一种说法大家可能会觉得就是和自己生活相关了。35岁以上的人群，每三个多人里面就有一个是高血压，每七个人里面有一个人有糖尿病,而中国最严峻的现实在于这些患有疾病的人70%的人并不知道。因为中国人没有体检的习惯，所以往往是感到身体异常时才会去医院做检测 ，这往往已经错过了治疗的最佳介入期。

慢性病实际上有两个阶段,一个叫做功能性病变阶段，一个叫做器质性病变阶段。在功能性病变阶段，人并没有特别的体征感受。而当进入器质性病变阶段的时候，才会感受到头晕、耳鸣等一系列症状。而进入器质性病变之后，慢性病的过程是不可逆的，需要终身服药。也就是说它是无法治愈的。

所以怎么让这些人能够得到有效的治疗是一个很重要的问题。仅仅依靠医院？医院是一个提供被动医疗服务的地方，需要人们主动去医院做检查才有机会发现病症。而我们希望这70%的人群能够提前知道，提前医疗处置，避免形成慢性病。

2008年中国的高血压患者是2.1亿，到2012年已经有2.6亿了，四年时间增长了五千万人。

联合国卫生组织表示人均GDP在三千到两万美金之间的地区是慢性病的高发区。前卫生部部长陈竺说过，未来三十年中国的慢性病会处于一个井喷的时代，部分省份高血压患者每十年就会增加一倍，糖尿病患者每五年增加一倍。而且大家一谈到疾病，大家首先想到的危害性疾病是癌症、艾滋病这种不可治愈性的疾病。但实际上根据联合国对于人类十大疾病的排名，高血压和糖尿病才是排在前两位的。因为它们影响的人群巨大，慢性病的死亡率占因病总死亡率的85%每年。

传统家用医疗设备的局限性

慢性病的治疗费用占总医疗治疗费用的70%，也就是说每年会有几万亿的医疗费用是花在慢性病的治疗上的，这是个非常广大的市场。传统的血压计和血糖仪是传统的检测设备，这一类设备是使用者自己去购买的。比如说我去医院看病，医生说我有高血压和糖尿病了。

你需要买一个血压仪或血糖仪回家进行自我检测，但是这种自我检测对于使用者来讲，没有自己的体征数值，他并不知道这些数值对他意味着么，以及检测到血压超过标准数值之后应该怎么去对待，应该什么时候服药，什么时候运动，什么时候睡眠，饮食结构怎么去改变，如何帮助我稳定病情，这些都体现不出来。

所以这一类传统设备很多人使用一段时间之后就不再用了，它在家庭中检测数据的功能也就逐渐消失了。很多人也会利用自己的身体感受来判断是否去吃药，而这种间歇性的吃药对慢性病是很大的危害。因为血压和血糖频繁波动，会对自己的身体器官产生更大的伤害。

高血糖本身并不是致命性疾病，但是长时间地保持异常状态的话会产生伴生疾病，比如说中风、老年性痴呆、肾病、冠心病、心源性猝死、失明等一系列严重的致命性疾病。每年中国的中风患者大概是六百万人，而像这种老年性痴呆也是在几百万的数字。也就是说每年有一千多万人会受到伴生性疾病的影响，而70%的这种伴生性疾病会致残。

也对于老年人来说，后面的生活就是无法自理，需要子女关怀和陪伴。这对这些子女，尤其是对中国独生家庭的子女来讲产生了巨大的影响。因为上边有四个老人，下边还有一个孩子，而他的工作和生活正处于一个巅峰状态，他的精力无法充分覆盖到每一个人。老年人身体不能自理的时候，就会对这些年轻人的经济收入和正常工作产生影响。

单点检测与分析存在一定误差

在国外的推出了第二代的智能型设备,像Withings iHealth，可以通过智能机去驱动，同时可以把检测的数据存储在云端。这些检测来的家庭体征数据，可以方便地分享给他的家人和家庭医生。

在在欧美和日本，家庭医生是一个很重要的角色。大家对家庭医生的理解是可以帮助你分析检测到的每一个体征数据，来发现身体的异常，并对你的用药进行指导性建议。但实际上家庭医生还有一个非常重要的作用是督促使用者规律化的进行检测。因为只有按规律去检测才能够有效地避免随机性检测带来的误差。同时才能有效地发现身体症状处于什么样的变化。

其实我们可以看到，这一类设备的设计原理都是基于医院检测设备的原理。单点检测、单点分析，当你把医院设备的设计原理用在家庭检测设备上面的话，就会存在着很大的问题。

首先，和医用级设备相比存在一定的误差。更重要的是使用者会进行随机检测，比如说刚服完药、刚运动完、刚生完气，此时检测到的血压数值和血糖数值有可能并不是真实体征的反应，你拿这个数值去做相应的身体情况判断有可能会得到错误的结论。

所以实际上这两台设备目前在中国都没有办法有效地去解决问题。

第一，如何去发现身体的异常？

发现身体异常之后我们给出什么样的处置方案？

是需要尽快去医院就医，还是通过运动来缓解我身体的异常状况。第二，对人的需求还有评估的需求。因为人本身有几个天性，首先是拒绝接受自己不健康的信息。其次是人的天性是懒惰的，当他想起来检测的时候才会去检测，这样无法形成规律化的数据，而你如果不去规律化的检测身体体征，往往会忽略掉自己的身体体征异常，逐渐形成疾病。第三，人本身是追寻舒适感的，比如说想起来吃饭才去吃饭，想起来运动才去运动，想起来睡觉才去睡觉，对生物钟的持续破坏才是形成慢性病的主要因素。

利用大数据来做可穿戴式设备

那么怎么去解决这样的问题？我们要做的事情是推出新的方法，用大数据的方式结合穿戴式设备来去预警未来的疾病。因为人的健康变化一定会带来体征波动的异常,如果能够对体征进行持续性检测，同时又有大数据的对比，那么就有可能做到对疾病的提前发现。实际上中医里面最好的医师并不是救死扶伤，而是在疾病还没形成前就及时发现并处置，我们通过现在的科技，能让海量用户去实现。我们通过可穿戴式设备，对人的血压、血糖、血氧、呼吸、心率、BMI指数进行相应的持续性检测。

世卫组织的报告建议35岁以上人群把血压、血糖和BMI指数三个体征数据保持在正常范围内，晚年得慢性病的几率就会极大降低，甚至罹患癌症的几率都会比正常人低44%。那么，当连续监测体征数据收集上来后我们怎么去分析？如果用单点式的分析，会存在大量误报、漏报的现象。我们获得了美国顶级医学实验室的医学分析模型，对所有采集到的体征数据进行规律的分析，当波动规律出现异常的时候，我们就能进行相应的预警。

这里面包含着横向和纵向两方面的分析。横向的数据指体征被采集上来之后会和同年龄、性别的人群进行对比，这样就可以发现你的健康情况以及罹患中长期慢性病的风险，同时会建立每个人体征波动规律的基准值，你将来采集到这些体征数据的时候，可以根据自己的基准值进行对比，这样就可以判断自己的健康状况是往良性方面发展还是出现了恶化的趋势。

最开始这种可穿戴式设备和大数据的相结合针对的是三类人群，第一类是高血压患者和心脑血管慢性疾病患者，第二类是糖尿病患者，还有一类人群是孕妇，她们在备孕和怀孕的过程中，如果出现流产和早产的风险也会有明显的体征异常波动，通过连续监测也能够及时进行预警。

我们做的事情与传统检测设备相比有三个革新，第一个革新是分析模型由单点的分析变成连续的分析，单点分析是有助于在医院里进行诊断的。但弊病是什么？必须要形成病症后，才能通过单点分析来判断你是否患病，这是个黑白的分析。而作为预警，它关注的是你的体征变化是否超常，这是个灰度性的分析，它更多的是做预警方面的工作。第二个部分的革新是设备，设备必须要连续采集用户的体征数据才能有效分析波动性的异常。第三个部分是商业模式上的创新，只有对身体状况进行预警，才能使用户从被动治疗转化成主动预防，才能用更少的代价获得更好的治疗效果。

我给大家讲一下美国医学实验室的一个简单分析模型，左边是一个实验室，正常人群的七天血压波动规律是一个平滑的余弦曲线，右边是患病者的中心值、振幅、波动周期、峰值相位出现异常的时候，相对应就有中风的危险。每一种异常对应的是老年性痴呆、冠心病、 心源性猝死、肾病等不同的疾病。

通过连续监测数据做出疾病预警

我再讲一个有趣的案例让大家理解，即使是简单的数据，如果通过连续地分析波动规律也能发现常识中得不到的信息。在美国，我们的实验室帮助NASA去做所有宇航员的体征规律分析。去年初，NASA提出了一个研究课题，想了解环境的快速变化对人体体征规律的影响。

因为它知道实验室在1960年进行了全球人体连续体征数据的采集并且做了相应分析。它列举出1960年以来全球发生七级以上大地震的地区，一次是2008年的中国的汶川大地震，在中国成都，有一个相应的实验室在做研究，还有一次是2011年的东京大地震。回顾数据的时候发现，所有的测试者在地震前三天的血压节律出现了一致性的变化，到地震后三天才会恢复到原有的波动水平。如果我们运用单点分析，今天检测的数值比昨天高，有可能会误认为是设备的误差，或是因为身体状况导致的误差。当所有测试者的血压出现一致性变化，而这个是以地震为时间轴，我们就可以判断这是外界环境的影响被人体接收到之后调节身体的体征而出现的异常变化。

实际上疾病也是这样，任何疾病形成之前一定会有体征波动的紊乱，怎么去扑捉到这种紊乱并进行预警才是我们该做的事情。在传统的过程中，血压是通过袖戴式的方式加压来阻挡血流检测血压，而血糖要扎破手指进行相应的检测。这种方式对人的干扰比较大，所以这个数据采集会比较难采集。

我们现在正在研发第二代产品，通过人体体征的几个数据，比如心电的数据、血氧的数据、血流速度的数据去推断出血压和血糖的数据。虽然会存在着误差，但是因为数据采集更方便更容易，数据也更加具有连续性。我们关注的不是单点的误差，而会关注它的波动规律，这也能够有效地帮助我们预警。但是我们考虑的事情是如何能够让用户体验更轻？只有体验更轻，人们才愿意去佩戴，而佩戴时间会决定采集数据的密度，密度越高分析的价值越高。

利用后端的分析模型降低边际成本

有很多人质疑很多体征检测设备也做了类似的远程数据传输功能，那我们和他们又有什么不同呢？在国内做类似工作的设备服务提供商所做的是什么？前端会通过这种家庭式检测设备加上数据传输模块，后端会将采集上来的体征数据采集由专业人员进行分析，比如说由医生或医学院的学生来分析。但这样的问题有哪些？当用户增长的时候，后端的服务人员也要同步增长，你无法享受到边际成本逐渐下降的优势。

而我们的后端是由分析模型来进行分析的，所以边际成本是随着用户量的上升而下降的。

那我们可以进行商业模式上的调整，把硬件单次销售获得利润的模式变成服务性的收费模式，最终让硬件逐渐降低到零成本。硬件降低到零成本，才会让更多的人去使用这个硬件，我们才有更多的机会去发现每个人的身体异常状况。数据的补充也会让我们做出更多的分析模型，更有效的发现身体异常。

我们做的事情对未来的医疗和健康主要起到了以下的三个作用。第一是健康普查，能够让70%的人群通过设备及时发现身体的异常，并进行疾病预警。第二是我们分析完他们在家庭中采集的数据之后，可以让医生更快地进行相应的判断，而不用去做大量复杂的工作来研究和分析他在家庭中形成的数据。第三，由于每个人的慢性疾病规律是不一样的，我们通过连续体征的采集，能够告诉他最佳的用药时机，什么时候用药能够获得最大的效果，同时会告诉他什么时候运动、什么时候睡眠才能够帮助他稳定病情，或者让临时出现身体异常的人及时恢复到正常状态。