生物技术究竟是什么？它又将如何改变我们应对人类健康的方式？
随着大数据时代重塑这一新兴领域的潜力，世界经济论坛的生物技术全球未来理事会成员将为您讲述您需要了解的一切。
生物技术简要入门
Elizabeth Baca，德勤咨询（Deloitte Consulting）专家负责人，曾任加利福尼亚州州长规划与研究办公室副主任；Elizabeth O’Day，Olaris, Inc创始人
如果您的医生能够在您心脏病发作前预测并加以预防，会怎样？又或者，如果我们能够利用儿童肠道中的细菌治愈其癌症，会怎样？
这类旨在改善人类健康的生物技术解决方案已在探索之中。随着越来越多的数据（即所谓“大数据”）可用于电子健康档案、基因组学、代谢组学、甚至生活方式信息，生物技术的更多洞见与机遇将逐渐显现。然而，要充分发挥其最大潜力，技术和伦理两方面的问题都需要得到解决。
展望未来，让我们先回顾过去的一些案例，看看数据与科学认知相结合如何带来了新的健康解决方案。
生物技术是一个快速变化的领域，其范围和影响力持续演进。卡尔·埃雷基（Karl Ereky）于1919年首次提出“生物技术”一词。不过，生物技术的渊源可追溯至1600年代，当时一位普鲁士医生格奥尔格·恩斯特·施塔尔（Georg Ernst Stahl）开创了一种被称为“zymotechnology”的新发酵技术。
在随后的几个世纪里，“生物技术”主要聚焦于改进发酵工艺，以生产酒精，后来又用于食品生产。随着青霉素的发现，其在人类健康领域出现了新的应用。1981年，经济合作与发展组织（OECD）将生物技术定义为：“运用科学和工程原理，借助生物制剂加工材料，以提供商品和服务。”
如今，生物技术创新组织（BIO）将生物技术定义为“基于生物学的技术——生物技术利用细胞和生物分子过程，开发有助于改善我们生活和地球健康的技术与产品。
在第四次工业革命中，生物技术即将迎来下一次变革。据估计，2010年至2020年间，数据量将出现50倍增长。
就在十年前，许多人甚至还未意识到需要智能手机，而如今，我们的每一次点击、每一步行走、每一餐饮食等，都被记录、存储和分析，其精细程度是十年前无法想象的。
在收集个人数据的同时，我们也在积累海量的生物数据（如基因组学、微生物组、蛋白质组学、暴露组、转录组和代谢组）。这些生物大数据与先进的分析工具相结合，使我们对人类基本生物学有了更深入的理解。此外，数字化正在变革医疗保健，使患者自述的症状、感受和健康结果，以及X光片和病理图像等记录，能够以可挖掘数据的形式被采集。
随着这些数据集不断增长并有机会被整合，它将对生物技术和人类健康产生怎样的潜在影响？更进一步说，它对个人隐私又有何影响？
免责声明：上述作者的观点不一定代表其所属机构的政策或立场。
大数据在生物技术突破中的作用
Daniel Heath，墨尔本大学生物医学工程系高级讲师；Elizabeth Baca和Elizabeth O’Day
对人类健康而言，最基础且最强大的数据集之一是人类基因组。DNA是我们的生物指令集，由数十亿个重复出现的化学基团（胸腺嘧啶、腺嘌呤、鸟嘌呤和胞嘧啶）连接形成密码。一个人的基因组是其DNA密码的完整集合，也就是构建该个体的完整指令。
DNA通过转录过程充当模板，生成一种称为RNA的独立分子。许多RNA分子进而充当模板，用于合成蛋白质，这一过程被称为翻译。这些蛋白质随后执行生命所需的许多基本细胞任务。因此，DNA中的任何不必要变化都可能对RNA和蛋白质产生下游影响。这种影响可能微乎其微，也可能导致多种疾病，如亨廷顿病、囊性纤维化、镰状细胞贫血等等。
基因组测序是指绘制个人DNA密码的全部或部分图谱。能够检测DNA中的不必要变化，不仅能为理解疾病提供有力洞见，还可带来新的诊断和治疗干预手段。
第一个人类基因组序列于2003年完成，耗时13年，花费数十亿美元。如今，得益于生物技术和计算技术的进步，测序一个人的基因组大约花费$1,000，且大约一天即可完成。
基因组学发展史上的重要里程碑
1869年——首次发现DNA
1953年——确立DNA结构
1977年——化学降解法DNA测序
1986年——首台半自动DNA测序仪问世
2003年——人类基因组计划完成首个完整基因组测序，耗资30亿美元
2005年——加拿大启动个人基因组计划
2007年——23andMe率先面向消费者推出常染色体DNA祖源基因检测
2008年——首个个人基因组完成测序
2012年——英国启动“10万基因组计划”（该计划于2018年完成）
2013年——沙特阿拉伯启动沙特人类基因组计划
2015年——美国启动百万基因组测序计划
2015年——韩国启动1万个基因组测序计划
2016年——美国启动“All of Us”研究队列，旨在招募一百万名或以上参与者，以收集生活方式、环境、遗传和生物学数据
2016年——中国启动精准医疗计划，投入600亿元人民币
2016年——法国启动“基因组医学2025”计划
得益于DNA技术，目前已有的治疗方法
了解DNA的结构与功能，也使我们能够开发突破性的生物技术解决方案，极大改善了无数人的生活质量。以下列举几个例子：
疾病基因筛查。个人可以扫描自身DNA密码，查找与疾病相关的已知突变。新生儿通常在出生时接受筛查，以识别可治疗的遗传性疾病。例如，美国所有新生儿都要接受重症联合免疫缺陷（SCID）筛查。患有这种遗传病的人缺乏功能完备的免疫系统，如果不接受治疗，通常在一年内死亡。然而，由于定期筛查，这些新生儿可以接受骨髓移植，治疗SCID的成功率超过90%。在成年人中，一个广为人知的例子是对女性进行BRCA1和BRCA2基因突变筛查，以评估其罹患乳腺癌或卵巢癌的风险因素。
重组蛋白生产。该技术使科学家能够将人类基因导入微生物，以生产人类蛋白质，这些蛋白质随后可回输患者体内，发挥重要功能。1978年，Genentech公司开发了一种重组生产人胰岛素的工艺，胰岛素是调节血糖所必需的蛋白质。重组胰岛素至今仍用于治疗糖尿病。
CAR T细胞。CAR T细胞疗法是一种帮助人体免疫系统识别并杀灭癌细胞的技术。从癌症患者体内分离出被称为T细胞的免疫细胞，并对其进行基因工程改造，使其表达能够识别癌细胞的受体。当这些经过改造的T细胞回输患者体内后，即可帮助发现并杀灭癌细胞。Kymriah用于治疗一种白血病，Yescarta用于治疗一种淋巴瘤，两者均是美国FDA批准的CAR T细胞疗法的典型例子。
基因治疗。基因治疗的目标是用正常基因替换缺失或有缺陷的基因，以纠正该疾病。首个体内基因治疗药物Luxterna于2017年获FDA批准，用于治疗一种名为Leber先天性黑蒙（Leber’s congenital amaurosis）的遗传性进行性眼病。
免责声明：上述作者的观点不一定代表其所属机构的政策或立场。
DNA技术前沿
我们对遗传数据的理解不断催生新的激动人心的技术，这些技术有望彻底改变并改善我们的健康结果。以下描述了几个正在研发中的例子。
用于药物筛选的类器官。类器官是在体外、基于确定基因组发育而成的微型简化器官。类器官系统未来可能用于发现新药、为特定患者的疾病量身定制治疗方案，甚至直接作为治疗手段。
CRISPR-Cas9。这是一种基因治疗形式，也称基因工程，即在特定位置切割基因组，使现有基因被关闭或加以修饰。动物模型研究表明，该技术在治疗镰状细胞病、血友病、亨廷顿病等多种遗传性疾病方面具有巨大潜力。
我们相信，测序将成为未来人类健康领域的基石。
尽管基因组数据极具洞察力，但需要认识到，基因组学很少能讲述完整的故事。
除少数情况外，个体携带某种特定基因突变，并不意味着其一定会患病。基因组学提供的是关于个体“可能发生什么”的信息。要回答“将会发生什么”，还需要微生物组、代谢组、生活方式数据等其他数据集。
免责声明：上述作者的观点不一定代表其所属机构的政策或立场。
微生物组的作用
Elizabeth O’Day与Elizabeth Baca
微生物组有时被称为“必要器官”、“被遗忘的器官”、我们的“第二基因组”，甚至是我们的“第二大脑”。它包括存在于每个人体内、约10至100万亿个微生物细胞（细菌、古菌、真菌、病毒和真核微生物）及其基因构成的集合。据估计，我们体内的微生物DNA是人类DNA的150倍，来自超过10,000种已知细菌。
微生物存在于身体的各个部位（口腔、胃、肠道、结肠、皮肤、生殖器，甚至可能包括胎盘）。微生物组的功能因身体部位不同，以及宿主的年龄、性别、种族和饮食不同而有所差异。肠道细菌可消化食物、吸收营养，并产生否则无法获得的有益物质。在皮肤上，微生物通过竞争性排斥以及分泌抗菌物质，形成物理屏障，抵御外来病原体。此外，微生物还有助于调节并影响免疫系统。当微生物组失衡（即所谓的菌群失调）时，疾病便可能发生。肥胖、炎症性肠病、糖尿病、代谢综合征、动脉粥样硬化、酒精性肝病（ALD）、非酒精性脂肪性肝病（NAFLD）、肝硬化、肝细胞癌等慢性疾病以及其他病症，均与微生物组功能失调有关。
我们对微生物组认知的重要里程碑
1680年代——荷兰科学家安东尼·范·列文虎克比较了自己口腔与粪便中的微生物群。他发现这两个栖息地之间，以及不同健康状况个体样本之间的微生物存在显著差异。
1885年——西奥多·埃舍里希（Theodor Escherich）在德国首次描述并从新生儿粪便中分离出大肠杆菌（E. coli）
1908年——俄国动物学家埃利·梅契尼科夫（Elie Metchnikoff）提出，酸奶中发现的细菌可以增强健康并延缓衰老。
1959年——在不锈钢和塑料隔离装置中饲养无菌动物（小鼠、大鼠、兔子、豚鼠和雏鸡），以研究无微生物环境下的健康影响
1970年——Thomas D. Luckey博士估计，每克人体肠液或粪便中含有1000亿个微生物菌落。
1995年——Craig Venter及其研究团队对流感嗜血杆菌（Haemophilus influenza）进行基因组测序，使其成为首个完成全基因组测序的生物体。
1996年——首个人类粪便样本通过16S rRNA测序完成测序。
2001年——“microbiome”一词被认为由科学家Joshua Lederberg创造。
2005年——研究人员在剖宫产出生婴儿的羊水中发现细菌
2006年——首次对人类肠道微生物组进行宏基因组分析
2007年——美国国立卫生研究院（NIH）资助的人类微生物组计划（HMP）启动研究，旨在明确微生物物种如何影响人类及其与健康的关系
2009年——首项研究显示瘦型成人与肥胖成人的肠道微生物组之间存在关联
2011年——德国研究人员在人类肠道微生物组中鉴定出3种肠型：Baceroids、Prevotella和Ruminococcus
2011年——Gosalbes首次对健康人体肠道微生物群进行宏转录组分析
2012年——HMP公布首张健康人体所含微生物的“图谱”。来自80家合作科研机构的结果显示，超过10,000种微生物物种栖息于人体生态系统中，其细胞数量达数万亿，约占人体质量的1%至3%。
2012年——美国肠道项目（American Gut Project）成立，为公民科学家提供一个向公众开放的平台，以分析自身微生物组，并与他人的微生物组进行比较。
2014年——启动“综合人类微生物组计划”（iHMP），旨在研究3种与微生物组相关的疾病。
2016年——弗拉芒肠道菌群项目是全球规模最大的人群肠道微生物群变异研究之一，发表了对1100多份人类粪便样本的分析结果。
2018年——美国肠道项目发表迄今规模最大的微生物组研究。研究结果包括来自美国、英国、澳大利亚及其他42个国家的11,336名参与者提供的15,096份样本的微生物序列数据。
这一数据集已经能够（或可能）衍生出哪些解决方案？
基于微生物组数据的生物技术解决方案已经开发出来，或正在研发之中。以下重点列举几个关键例子：
益生菌。益生菌是有益细菌，可能预防或治疗某些疾病。它们于1908年首次被提出理论，现已成为常见的食品添加剂。从酸奶到保健品，各种益生菌可在超市和药店购买，并宣称具有多种益处。例如，已有研究表明，益生菌VSL#3可降低肝硬化患者的肝病严重程度并减少住院次数。
诊断。特定微生物组成的变化被视为潜在的生物标志物，其中一个例子是双歧杆菌（Bifidobacterium）与肠杆菌科（Enterobacteriaceae）的比值，称为B/E比值。B/E大于1提示微生物组健康，B/E小于1则可能提示肝硬化或某些类型的感染。
粪便微生物组移植（FMT）。虽然尚未获得FDA批准，粪便微生物组移植（FMT）是一种被广泛使用的方法，即通过结肠镜、鼻肠管或胶囊，将健康捐献者的粪便制剂移植到患者的结肠中。FMT已被用于治疗艰难梭菌（Clostridium difficile）感染，治愈率为80%–90%（疗效远优于抗生素）。
治疗方法。微生物组数据集也正在催生多种创新疗法。菌群组合及单一菌株（包括天然和经工程改造的菌株）正处于临床开发阶段。研究人员也正在努力识别并分离具有重要功能的微生物组代谢产物，例如通过对人类肠道微生物组进行初步测序而发现的耐甲氧西林类抗生素。
通过持续扩充微生物组数据集，并深化我们对宿主与微生物组相互作用的认识，我们或许能够纠正多种疾病状态，改善人类健康。
免责声明：上述作者的观点不一定代表其所属机构的政策或立场。
临床数据的作用，以及医生的“第六感”
Pam Randhawa，Empiriko Corporation首席执行官兼创始人；Andrew Steinberg，布朗大学沃森国际与公共事务研究所；Elizabeth Baca与Elizabeth O’Day
几个世纪以来，医生获取数据的途径仅限于对个体患者进行外部检查或尸检。
近年来，技术进步使临床医生能够识别并监测那些过去隐藏于活体患者体内的内部过程。
最早的技术应用之一出现在1890年代，德国物理学家威廉·伦琴（Wilhelm Röntgen）发现了X射线的潜在医学应用。
此后，新技术不断拓展了影像学、基因组学、生物标志物、药物反应和微生物组等领域的临床知识。这些积累的高质量、精细化信息共同增强了医生的诊断能力，并转化为临床疗效的改善。
如今，临床医生越来越依赖医学影像和其他基于技术的诊断工具，以非侵入方式探查体表之下的情况，监测治疗效果，并常常在临床症状出现之前筛查病理过程。
此外，电子数据采集系统、交互式语音应答（IVRS）、可穿戴设备、远程监测系统、传感器和iPhone应用程序，也延伸了临床医生的感知能力。尽管有了这些新技术，医生仍需实时采集患者病史，随后进行实际体格检查，而这一方式可能受限于沟通障碍、时间以及医生收集或整理数据的能力。
临床数据收集、整合与分析方面最大规模的例子之一出现在1940年代，当时《国家心脏法案》设立了国家心脏研究所，并启动了弗雷明汉心脏研究。弗雷明汉原始队列始于1948年，纳入5,209名年龄在30至62岁之间、无心脏病发作或中风史的男性和女性。
在随后的71年中，该研究不断发展，历经数代人收集心血管及其他医学状况的临床数据。在此之前，预防医学和风险因素（这一术语由弗雷明汉研究创造）尚未进入医学词汇。弗雷明汉研究使医生能够利用从个体体格检查结果、生物标志物、影像学及其他生理数据中获得的观察，其规模前所未有。
电子病历的普及有助于改善数据获取，但其早期版本仅部分解决了数据分割和互操作性（信息孤岛）的问题。
人工智能应用、电子病历数据结构及互操作性方面的最新进展，使临床医生和研究人员能够改进临床决策。然而，全球互操作性标准的可及性、成本以及实施延迟，限制了来自不同系统的数据可获取性，并延缓了电子病历在医学界部分领域的推广。
时至今日，有限的互操作性、学习曲线以及实施成本，仍被认为是导致医生挫败感、职业倦怠以及医疗服务提供者提前离开患者护理岗位的主要原因。
然而，一种名为快速医疗互操作性资源（FHIR，发音为“FIRE”）的互操作性平台正在开发中，用于交换电子健康档案并打破信息孤岛。FHIR的目标是促进传统医疗系统之间的互操作性。该平台便于通过多种设备（如电脑、平板电脑、手机）访问健康数据，并允许开发者提供可轻松集成至现有系统的医疗应用程序。
随着信息收集能力变得愈发重要，临床数据的收集、整合、分析及提交格式亟需标准化。1990年代后期，临床数据交换标准协会（CDISC）成立，旨在“开发并支持全球通用、与平台无关的数据标准，以实现信息系统互操作，从而改善医学研究”。过去几年间，CDISC已开发出多个模型，用于支持临床试验数据的组织。
临床数据与技术发现/发展的里程碑
公元前500年——《圣经》中的《但以理书》记载了世界上首个有据可查的临床试验
1747年——林德的坏血病试验，包含了大多数 对照试验的 特征。
1928年——美国外科医师学会致力于提升临床环境中的记录标准
1943年——英国医学研究理事会首次针对patulin治疗普通感冒开展双盲对照试验
1946年——英国医学研究理事会开展首次针对链霉素治疗肺结核的随机对照试验
1946年 - 美国物理学家爱德华·珀塞尔和费利克斯·布洛赫各自独立发现核磁共振（NMR）。
1947年 - 首个关于涉及人体受试者的医学研究伦理的国际指南 – 《纽伦堡法典》
1955年 - 苏格兰医生伊恩·唐纳德开始研究妇科超声的应用。
1960年 - 首次使用内窥镜检查患者胃部。
1964年 - 世界医学协会关于医学研究中使用人体受试者的指南（《赫尔辛基宣言》）
1967年至1971年 - 英国电气工程师戈弗雷·豪斯菲尔德构思出计算机断层扫描（CT）的设想。首台CT扫描仪安装于英国温布尔登的阿特金森·莫利医院。首例患者脑部扫描于1971年10月完成。
1972年 - 首个电子健康记录被设计出来
1973年 - 美国化学家保罗·劳特伯尔利用核磁共振数据和计算机断层成像计算，生成首幅磁共振成像（MRI）图像。
1974年 - 美国人迈克尔·菲尔普斯研制出首台正电子发射断层扫描（PET）设备，以及首套用于人体和动物研究的全身成像系统。
1977年 - 美国医生雷蒙德·达马迪安、拉里·敏科夫和迈克尔·戈德史密斯研制的MRI设备完成首例人体全身MRI扫描。
1990年 - 超声检查成为常规程序，用于检查胎儿发育情况并诊断异常。
1990年代初至中期 - 开发用于临床试验的电子数据采集（EDC）系统（电子病例报告表）
1996年 - 国际协调会议发布《良好临床实践》，该标准已成为临床试验伦理实施的通用标准。
1990年代末 - 临床数据交换标准协会（CDISC）成立，其使命是“制定并推广全球通用、独立于平台的数据标准，以实现信息系统互操作，从而促进医学研究”
2009年 - 《2009年美国复苏与再投资法案》获得通过，其中包括为医院和医生采用电子健康记录提供的192亿美元资金
2014年 - HL-7国际组织将FHIR发布为“试用草案标准”（DSTU）
新兴解决方案
在数字时代，科学知识、可靠的临床数据与工程技术的融合，催生了各类动态医疗技术，使得个体和群体能够更早、更准确地检测疾病，并评估治疗效果。
手持式超声、睡眠追踪、心脏监测以及芯片实验室等小型化技术的出现，很可能会加速这一趋势。在数据采集领域进展最为迅速的领域之一是临床实验室医学，其中持续床旁检测、便携式质谱仪、流式分析、PCR，以及利用MALDI-TOF质谱进行病原体鉴定等技术，为众多与临床相关的生物标志物提供了洞察。
结合高分辨率和功能性医学影像，对这些生物标志物的追踪可以呈现疾病的代谢指纹，从而开启“精准医学”的新前沿。
除上述能力外，人工智能（AI）应用正在被开发，以借助医学图像重建和降噪来增强人类的感知与分析能力。用于计算机辅助检测和放射基因组学的AI解决方案，使临床医生能够更好地预测风险和患者预后。
这些技术可将患者分层为不同队列，以实现更精准的诊断和治疗。随着AI技术的发展，“虚拟放射科医生”的出现可能成为现实。由于人类无法收集、整理并快速分析如此大量的细粒度信息，这些创新将以更具成本效益的分析方法取代耗时的数据收集工作，从而支持临床决策。
随着人口老龄化、寿命延长，越来越多的人将同时患有多种慢性疾病，并需要同时服用多种药物。理想情况下，这些疾病将在家中或医院以外的其他远程环境中接受监测。
目前正在开发的平台，将下一代实验室技术整合为可互操作的系统，其中包括小型化仪器和生物传感器。这将与AI驱动的临床转化模型相结合，用于评估疾病进展和药物疗效。
这些数字数据将被实时传输至患者的电子病历中。此类系统将推动临床医学从被动应对转向主动防护，并提供更精准的临床决策。
随着获取更精细、更高质量临床信息的能力增强，既带来了机遇，也带来了挑战。未来，借助计算建模的力量，人工智能将推动与临床相关的关联呈指数级增长。
这将有助于发现新疗法和新型标志物，使临床医生能够更精准地管理个体和群体的风险。这种精准医学与预测建模的形式很可能会贯穿疾病的整个周期，甚至可能在出生前就已开始。
随着患者数据在不同平台和设备之间流动，利益相关方需要密切关注数据隐私与安全的维护。
然而，这种互操作性带来的潜在益处远大于风险。这将引发一系列伦理问题，但也带来一系列效率提升的可能，从而使更多人能够更便捷、更负担得起地获得医疗服务。
免责声明：上述作者的观点不一定代表其所属机构的政策或立场。
生活方式与环境数据
Jessica Shen，皇家飞利浦副总裁；Elizabeth Baca及Elizabeth O’Day
在医学和公共卫生领域，遗传因素与环境因素对健康结果的影响孰轻孰重，常常存在争议。但科学研究表明，这两类因素并非非此即彼，而是同时发挥作用，共同影响健康与疾病。
例如，一个人可能在遗传上有患糖尿病的风险，但若饮食和运动良好、生活方式健康，仍可避免患病。
事实上，许多新近确诊或处于糖尿病前期的人，可以通过改变生活方式来逆转病程。另一方面，有哮喘风险的人若暴露于空气质量差的环境中，可能会发病，但若处于诱因较少的环境中，则可能相对无症状。
关于生活方式、行为、压力源、社会、经济和环境因素（后者也被称为健康的社会决定因素）重要性的研究文献日益增多，但这些因素一直难以被实时纳入临床信息之中。
将所有数据整合在一起以获得更深入的洞察一直极具挑战。然而，这一状况正在改变。在这一新的数据前沿，生活方式和环境领域数据的增长，为弥合差距、增进对日常生活中健康状况的理解以及为精准健康方法量身定制治疗方案提供了巨大潜力。
里程碑
1881年 - 血压袖带问世
2010年 - Asthmapolis成立，推出可追踪哮喘/慢性阻塞性肺疾病（COPD）急救吸入器环境数据的传感器
2011年 - 首款数字化FDA批准血压袖带问世，并可连接手机
2012年 - AliveCor获得FDA批准，推出可与iPhone配合使用的心电图（EKG）监测设备
2017年 - 移动健康应用程序达325,000款
2017年 - FDA发布《数字健康创新行动计划》
2018年 - FDA批准首款通过植入式传感器和移动应用界面实现持续血糖监测的设备
使用生活方式数据有哪些可能带来的益处？
移动技术使人们能够在诊所之外、现实生活环境中进行更持续的日常监测。例如，一百三十多年前发明的传统血压袖带，直到最近十年才得以升级，实现了可数字化采集的远程读数。
目前，传感器已被用于测量空气质量、湿度和温度等环境因素。其他创新还能够实时捕捉情绪、用于生物反馈的脑电波，以及其他生物特征指标，从而改善健身、营养、睡眠乃至生育状况。
用于收集生活方式数据的设备所具备的个人分析能力，有助于预防性护理，并有助于管理持续性健康问题，从而对健康产生积极作用。
通过常规监测识别健康问题，可能会发展为涵盖多种生理功能的广泛系统，例如：
睡眠障碍（严重打鼾；呼吸暂停）
神经肌肉疾病（通过分析肌肉运动识别早期帕金森病）
心脏问题，例如包括心房颤动在内的心律失常
通过语音变化检测早期阿尔茨海默病的传感器
Apple Watch已提供有关该设备用于心律失常检测的文档资料，其第4代产品可生成与标准肢体导联I心电图相似的心电图；与这些功能相关的声明已获FDA批准（II类，De Novo途径）。未来，更多可穿戴技术很可能会整合此类功能。
可穿戴传感设备提供的即时反馈，可辅助管理多种慢性疾病，包括但不限于糖尿病、肺部疾病和高血压。
大量研究已证明终身体力活动对心血管健康的益处。若干旨在追踪活动并提供分析反馈工具的生物技术解决方案，为鼓励体力活动以促进健康、甚至改变行为提供了机会。Cochrane系统综述（Bravata，2007年，PMID 18029834）得出结论：有短期证据表明，使用计步器可显著增加体力活动，并带来相关的健康改善。与简单的机械式计步器相比，当今数据驱动的健康改善应用所提供的反馈应能提高成效。目前多个场景中的研究正在进行，以支持活动追踪器和提供反馈的分析工具对长期健康有益。
在研究场景中的应用
在许多情况下，通过网络连接的传感器系统进行直接观察，有助于为正式试验或纵向研究收集临床数据。
未来的发展可能支持哪些方面？
“智能服装”、集成可穿戴科技的珠宝以及植入式设备的发展，将带来侵入性更低的观测工具，从而记录更多生理指标。
固定与移动无线网络的速度持续呈阶梯式提升，这种容量增长（5G和支持百兆比特互联网的Wi-Fi 6）将支持可管理数据量的大幅增加。
将传感器观测结果与病史和基因等其他健康指标相连接，将进一步增进我们对疾病的理解，以及如何过上最健康生活的认识。
然而，要实现这一潜力，必须首先解决重大的技术和伦理问题。
免责声明：上述作者的观点不一定代表其所属机构的政策或立场。
如何使患者成为创新的核心
Elissa Prichep，世界经济论坛精准医学负责人；Elizabeth Baca及Elizabeth O’Day
未来生物技术全球理事会审视了各领域数据的指数级增长，这些增长推动了改变人类健康与医学的突破性技术。但需要明确指出：促成这些解决方案的，并非某种抽象的数据理解，而是来自真实个体的真实数据——个体如您一般。您的数据，或与您类似的人的数据，促成了这些解决方案。您是否知道这一点？您是否同意这样做？
我们相信，个人应因为对这些数据集作出贡献而感到被赋权。您正在改变人类健康——或许没有比这更重要的事情。然而，在进行此项分析的过程中，我们一再关注这一问题：“数据贡献者”是否已被“数据收集者”充分告知，并同意其使用自身数据？
正如我们在此所记录的，这些数据集可以产生令人惊叹的突破性技术和药物。然而，也可能出现有害的情况。
我们认为，若要使数据继续推动改善人类健康的生物技术解决方案的发展，就需要在“数据收集者”与“数据贡献者”之间建立新的规范。
我们对隐私的看法将发生改变
尽管通过电子健康记录、移动应用程序、云存储等方式产生的数字数据带来了巨大益处，但也存在隐私风险。
随着更复杂算法的发展，识别与“匿名”数据相关方的可能性将越来越大；今天安全且私密的数据，未来未必如此。数据隐私问题、数据窃取以及设备被黑客入侵，如今已是严重隐患，并且随着所收集数据的数量和类型增加，这些问题只会愈发严重。
随着数据被更多地合并，重新识别或隐私泄露的风险随之增加。例如，一位哈佛大学教授成功重新识别了匿名基因研究“个人基因组计划”中超过40%的参与者。
此外，当其他类型的数据因健康目的被纳入时，例如在零售领域，也存在重新识别从而暴露私人健康信息的风险。例如，Target公司曾识别出一名少女怀孕的情况，并将其告知了她的家人。
这些解决方案必须具备足够价值，才能抵消数据合并带来的风险。让患者和参与者置于设计核心，可确保知情同意，并提高实现价值的可能性，从而在风险与权衡之间取得平衡。
纳入多元化人群，对于新洞察产生积极影响至关重要
患者从某项干预中可以预期获得的益处和风险，很大程度上取决于其独特的生物学构成。一项2015年的研究发现，在前六年获批的新药中，大约20%在不同种族和民族群体中表现出不同的疗效反应。
然而，由于临床试验中并未评估不同患者在疗效和安全性方面的差异，药物往往在缺乏此类认识的情况下即被推向市场——原因可能在于试验缺乏多样性、未提出正确的问题，或二者兼而有之。据估计，在美国，尽管美国食品药品监督管理局（FDA）努力扩大招募，但 80%至90%的临床试验参与者为白人。
如果不有意识地努力，通过生物技术解决方案积累的新知识，若未基于多元化人群获得，将无法产生准确的洞察。如果生物技术解决方案不能代表人群，就有可能加剧健康不平等。
例如，由于遗传学研究的数据主要来自盎格鲁人群，相关研究曾错误地推断非裔美国人患肥厚型心肌病的风险更高。
研究参与度长期偏低的原因有很多，但真诚的参与、对历史背景的理解，以及有意识地投入资金以提高参与度并改善转化研究中的多样性，已经在推进之中，例如“我们所有人”（All of Us）队列和加州精准医学推进计划。
包容性参与将有助于了解人们在健康历程中的真实所处位置
在临床环境中，同样需要以患者为中心。健康人群正在积累越来越多关于自身的数据，慢性病患者也开始依赖应用程序追踪从睡眠到环境暴露再到情绪的各类信息，但目前这些数据尚未被用于增进对健康与疾病的洞察。
随着患者和健康人群开始掌控自身数据，只有在他们同意共享的前提下，这些数据才能被使用。随着生物技术解决方案的发展，整合各个领域的数据对于真正产生影响至关重要。
生物技术健康解决方案的下一步
在本系列之初，我们提出了一个问题：如果您的医生能在您心脏病发作之前就预测到，会怎样？目前的研究正在通过整合蛋白质组数据、患者自述症状以及生物传感器数据来实现这一目标。
大数据分析也已在分析肿瘤基因信息方面，为儿童癌症带来新的线索。未来，这很可能超越更好的治疗，实现更好的预防和更早的检测。而在需要治疗的情况下，还可以提供更具针对性的治疗方案。
这些数据对改善健康的影响令人振奋，并与我们每个人息息相关。随着数据增长，我们的认识也随之加深。我们每个人都有机会成为新数据前沿的合作伙伴。
免责声明：上述作者的观点不一定代表其所属机构的政策或立场。
参考文献：
- 《生物技术史》，《自然》杂志，1989年2月
- Allan T. Bull、Geoffrey Holt 和 Malcolm D. Lilly，《生物技术：国际趋势与展望》（巴黎：经合组织，1982年）
- https://www.bio.org/what-biotechnology
- https://insidebigdata.com/2017/02/16/the-exponential-growth-of-data/
- Goodrich 等，2014年。《人类遗传学塑造肠道微生物组》。《细胞》（Cell），159(4)：789-99。
- https://ghr.nlm.nih.gov/primer/traits/longevity
- https://www.forbes.com/sites/adamtanner/2013/04/25/harvard-professor-re-identifies-anonymous-volunteers-in-dna-study/#203da9c992c9
- https://slate.com/human-interest/2014/06/big-data-whats-even-creepier-than-target-guessing-that-youre-pregnant.html
- https://www.healio.com/cardiology/genetics-genomics/news/online/%7B006969bb-6ca2-44aa-843a-31c12874b0dc%7D/genetic-tests-may-be-misdiagnosing-hypertrophic-cardiomyopathy-in-black-americans
- http://opr.ca.gov/ciapm/https://allofus.nih.gov
- http://opr.ca.gov/ciapm/
- http://opr.ca.gov/ciapm/projects/2016/Early_Prediction_Cardiovascular_Events.html
- http://opr.ca.gov/ciapm/projects/2015/California_Kids_Cancer_Comparison.html
