? 精準醫療的問題也值得關注。預測疾病雖然有效果，但是并不等于治療。大數據篩查的主要問題是，用高度敏感的技術監測身體的許多特征，必然會發現許多異常，但無法判斷哪些會在臨床上出現。
? 由于生物學和統計學上的原因，對人類生命軌跡的準確預測是有限度的。這顯然限制了預測醫學的前景。大數據要真正推動更好的健康結果，就必須制定標準取舍信息。
“健康是世界上最大的產業，但卻顯得支離破碎。”X獎基金會聯合創始人、奇點大學執行董事長和 Health Longevity生物技術公司的聯合創始人彼得·迪亞曼蒂斯（Peter Diamandis）表示。“你問我Apple 、Google和Amazon能做得更好嗎？我覺得好成千上萬倍。”
迪亞曼蒂斯在即將出版的新書《未來比你想象的要快》（The Future Is Faster Than You Think）中闡述了他認為大型科技公司將在2030年前涉足健康產業的理由。該書將于2020年1月下旬上架。
他表示：“我們會看到Apple、Amazon、Google以及所有的數據驅動型公司，我們的家中現在就有它們的產品，很快它們會為我們提供醫療服務。”
他指的是Google助手、Amazon Alexa和Apple HomePod等智能音箱。雖然大多目前只能從簡單的任務開始，如在線下單和提供烹飪教程，但他們已經涉足家庭健康的業務。
Amazon為Alexa配備健康資源付出了巨大努力。在英國，它與國民醫療服務體系（National Health Service，NHS）合作，可以回答“帶狀皰疹的癥狀是什么?”或者“如感冒了怎么辦?”等基本健康問題。
Alexa符合美國HIPAA（Health Insurance Portability and Accountability Act，健康保險流通與責任法案），與主要醫療保險公司和供應商簽署了合作協議，這樣患者就可以通過Alexa訪問或發送健康信息。迄今為止，它的平臺上提供近2,000條健康專業知識。
類似地，Google助手通過搜索提供關于藥物、癥狀、疾病以及醫生和醫療服務的信息。Google Home和Echo都裝載了梅奧診所開發的急救內容，可以幫助人們處理輕傷。
與此同時，Apple的HealthKit在解決個人健康問題上采取了不同的方式。HealthKit可以連接Apple產品，如HomePod、iPhone和Apple Watch，以及其他公司的設備，如電子秤和血壓計。HealthKit還可以接入電子病歷、其他與醫院和醫生相連的App。本質上，它將成為用戶所有健康數據的單一數據庫。
迪亞曼蒂斯認為，將醫療服務轉移到醫院之外以及家庭醫療設備的介入有可能降低成本，因為醫院的醫療費用可能要高得多。這是遠程醫療背后的總體思路，但迪亞曼蒂斯認為，大型消費科技公司在推動這一愿景方面發揮重要作用。
這些公司已經掌握用戶個人數據，可以預測接下來的行為，利用個人健康數據預測長期健康狀況，并據此提供建議。
迪亞曼蒂斯認為，可用的信息越多（基因、疾病史、早餐構成、糞便細菌、睡眠情況、聽到的聲音），人工智能就能更好地發現潛在疾病，并在問題變得棘手之前提出建議。
這種方法可能會改變醫療結構，從治療疾病，到防患于未然。“這樣做的成本實際上便宜數百甚至數千倍。”
他認為，節約成本將為健康新模式開辟空間。迪亞曼蒂斯預測，Apple和Amazon將推出一項基于用戶的健康狀況和日?；顒拥姆?，用戶向公司支付費用保持健康，而不是付費看病。大型科技公司不僅能影響人們做出更健康的決定，還能強迫用戶這么做。
紐約大學斯特恩商學院的戰略發展教授艾米·韋伯（Amy Webb）談到未來的一種可能性,即Amazon、Google和Apple管理整個家庭及其醫療保健，智能冰箱禁止在兩餐之間吃零食，而智能車庫可以強迫你步行去上班。
迪亞曼蒂斯認為，通過了解一個人的疾病傾向，可以幫助他們形成健康的生活方式。人們可能會突發奇想：“能成功實現治未病嗎？這樣就不會有額外的支出了。”他認為，正是這些服務，將成為壓死傳統醫療保險的最后一根稻草。
1
精準醫療的問題
迪亞曼蒂斯的2030年健康愿景引發了許多問題。首先，這些大型科技公司想成為醫療服務提供商嗎？到目前為止，唯一真正明確表達想成為在線醫生的是Amazon。
除了與Alexa合作外，該公司還為員工開設了自己的健康診所，并與JP Morgan和Berkshire Hathaway合作開展了秘密健康項目Haven。
但至少到目前為止，Apple和Google似乎滿足于將技術與傳統醫療服務提供商整合，深入了解行業。與此同時，保險業更可能調整自身適應預防性健康模式，而不是一觸即潰。
去年的一項調查顯示，保險公司與越來越多的醫療服務提供商簽訂合同，要求以統一費率提供持續的醫療服務，而不是根據特定服務再定費用。
但在某些方面，戴曼迪斯押注人工智能是正確的；人工智能在預測疾病方面已經小有成就。目前尚不清楚的是，這些預測能精確到什么程度，大數據對理解我們的身體如何工作有多大意義。
例如，盡管對每個新生兒的基因組進行測序聽起來就很強大，但迪亞曼蒂斯認為它在檢測某些疾病方面還不如血液測試有效。此外，預測醫療可能只是一個空中樓閣。
在最近的一篇論文中，奧斯陸大學醫學倫理中心的博士后亨利克·沃格特（Henrik Vogt）闡述了為什么大數據可能不會像迪亞曼蒂斯描述的那樣實用。隨著科技進步，會更精確地發現疾病跡象，技術就可以釋放越來越多的信號。
但是預測疾病并不等于確診。“大數據篩查的主要問題是，用高度敏感的技術監測身體的諸多特征，必然會發現許多異常，但無法判斷哪些會在臨床上顯現。因此，就有可能誤診。”
沃格特指出，即使患某種疾病的可能性很高，也可能永遠不會出現癥狀。隨著醫療服務和設備變得越來越復雜，如直接面向消費者的基因測序和心率變化檢測的可穿戴設備，人們對身體的了解也越來越多。
但信息爆炸也造成了泥沙俱下。并不是每一個微小的基因異常都有意義。不同的身體可能有不同的特質。雖然了解自己的疾病風險，就有了更多的預防空間，但沃格特認為也存在過度治療的風險，不僅代價高昂，還可能對患者造成傷害。
沃格特解釋說，過多地投資大數據而不是其他方面可能會產生問題，比如社會或制度變革。
沃格特寫道，這并不是說沒有機會通過數據和智能來減輕疾病，但醫生需要重新考慮風險。沃格特寫道:“我們必須承認，總會存在一定程度的風險、發病率和死亡率。”
這種觀點與精準醫療背道而馳，后者傾向于認為人體就像一臺機器，可以測量、分析并最終加以控制。
“歷史學家尤瓦爾·哈拉里（Yuval Harari）不加批判地將著作《上帝看人》（Homo Deus）建立在這樣一個假設之上，有機體就是算法。”
但人體不是這樣的;它們的組成和環境都是獨一無二的。“由于生物學和統計學上的原因，對人類生命軌跡的準確預測是有限度的。這顯然限制了預測醫學的前景。”
這一觀點至關重要，因為它是一切質疑大數據醫療法的核心。這就是Apple聘請醫生為其醫療硬件開發提供建議的原因。正如沃格特所指出的，大數據要真正推動更好的健康結果，就必須制定標準取舍信息。
迪亞曼蒂斯承認，大數據不是一切，“最好是人類和AI協同合作，我認為，在讀x光片、核磁共振、CT掃描、基因組數據等方面，一旦我們能把人類的自我放在一邊，機器學習就能發揮更大的作用。”
