大数据能告诉我们疾病的可预测性如何？麻省理工学院研究人员的一项新研究发表在期刊 《Scientific Reports》 上，通过分析超过 500,000 名患者的匿名数据，深入探讨了这一问题。研究发现之一是，我们的电子病历所含数据的可预测性最高可达 90 percent——不过，这种可预测性水平只有在理论上才能实现。然而，它可以帮助算法设计者和从业者了解原则上有哪些可能。论文的共同作者包括麻省理工学院可感知城市实验室主任 Carlo Ratti，以及该实验室两名前计算机科学研究人员 Dominik Dahlem（论文第一作者）和 Diego Maniloff。数据来自 General Electric；该公司曾与可感知城市实验室合作开展一个 2011 年项目，以可视化方式绘制医疗保健数据。 MIT News 就这项新研究采访了 Ratti。
问： 新研究的核心发现是什么？
答： 结果相当有趣：这是最早分析使用电子健康记录所产生的大量数据的研究之一，而这些数据最近才变得可用。这是我们从 General Electric 获得的一大批数据。我们试图探究的是，当你去看医生时，你有一定的[医疗]病史，也许正面临某个[医疗]问题。观察这个问题时，之前的病史是否具有预测能力？我们从纯粹的计算机科学角度对此进行了研究，结果发现确实存在预测能力。
问： 论文中你们写道：“打乱个人疾病史，只会使可预测性上限略有降低。”也就是说，某些疾病彼此相关，而这种相关性在很大程度上与它们发生的顺序无关，对吗？
答： 你可能会想要按时间重新打乱[患者的病史]，看看可预测性会如何变化。我们发现，即使打乱顺序，也仍然可以进行预测。从某种意义上说，这说明有一系列疾病会同时出现。……它们不一定严格按照某种顺序发展，而是一些相互关联、共同出现的事物构成的集群。
在个人层面，这让你能够将某人的病史与其他人的病史进行比较，并为医生提供额外信息。医生可以从对病史的这项分析中获得更多参考。当然，医生本来就会这样做——他们会查看过往情况，以了解问题可能是什么。但这是一种数学方法，可以为你提供指引，给出比你逐一查看[某位患者的病史]可能获得的更多信息。
问： 你们实验室的重点是将数据应用于城市问题。那么，这项医疗保健研究项目是如何开始的？
答： 我们的重点是研究信息如何改变我们对城市的认识。医疗记录中的信息是我们可以利用的一类非常重要的信息。问题由此而来：我们能否实际观察这些时间序列并尝试理解——仅从信息论的角度来看，我们能否预测——接下来会发生什么？
这是我们开始利用这些数据开展的工作之一：观察数据在空间上的分布；是的，我们能看到不同地区之间的差异。你确实会开始理解这种相互作用：个人与周围环境之间的关系……并对其进行量化，而这会在医疗记录中留下某种特征。从某种意义上说，研究医疗记录以及某些地区的环境，变得非常重要。
本研究作者的部分经费来自 General Electric、AT&T Foundation、National Science Foundation、National Defense Science and Engineering Fellowship Program 和 Audi Volkswagen。
本文由 MIT News合作发布。文章发表并不意味着世界经济论坛认可其中的观点。
要及时了解议程动态， 请订阅我们的每周通讯。
作者：Peter Dizikes 是 MIT News 的特约撰稿人。
图片：注册护士 Rebecca Moak 于 2013 年 10 月 4 日在密西西比州杰克逊市密西西比大学医学中心创伤中心留影。REUTERS/Jonathan Bachman。
