2014年7月底，美国批准投入五亿美元支持有史以来最大的临床试验，涉及三千万人口，研究老生常谈的阿士匹灵。大数据作为医疗体系和社会网络的高度数字化的产物，正悄然改变着医疗与社会的运作方式。
2014年7月底，美国批准总投入高达5亿美元有史以来最大的临床试验之一，这一临床试验涉及3000万人口，而这一试验的药物却是人们最熟悉不过，而且已经上市多年的常用药——阿司匹林。
牵头这一临床实验的是美国患者诊疗结果研究中心(PCORI), 他们旨在利用先进的大数据分析方法，通过这一投入空前巨大的临床研究，研究清楚阿司匹林是否对预防心脑血管疾病有积极作用。这一项目引起了美国医学界的广泛关注，著名的《自然》杂志也对其进行了大篇幅专题报道。引起关注的不仅仅是药物疗效本身，更是在这一研究中科学家们将采用的全新研究方法——大数据。
PCORI计划通过美国成熟的医疗互联网系统，搜集健康人群服用阿司匹林后所有的医疗记录。在隐去诸如姓名，社保号等病人私人信息后，研究人员将随访人群的就诊情况，医疗情况，身体体征指标，并且全部记录在超级计算机中。科学家们将利用先进的计算机学习算法来这三千万份“病例”与服用阿司匹林的相关性。
大数据作为医疗体系和整个社会网络的高度数字化的产物正悄然改变着医疗与社会的运作方式。
在大数据发展初期，在业界流行着这样的一段源自杜克大学教授Dan Ariely博士对大数据的描述“大数据就像青春期的性，所有人都在谈论，所有人都觉得其他人在做，所以所有人都宣称自己也在做”。而短短几年时间的今天，大数据就从清涩的青春期走入壮年。随着数字化和互联网的发展，医疗界的大数据正成几何级数地增长。他们来自于每一份的电子病历，医学诊断扫描图像，治疗回访记录，处方等等。
一旦这些数据得到整合，先进的机器学习算法将智能的提取其中有用的信息，并用作自己的以后做出判断的依据。近日一个惊动业界的大数据和机器学习的例子发生在美国IBM公司，该公司开发超级计算机“华生”（“Watson”）在著名的机智知识问答类节目Jeopardy（类似于央视的开心词典）中，击败所有对手夺得冠军。
这一胜利相比早年的国际象棋的人机大战更具有划时代的意义，因为在这样一个公众类电视节目中，所有的情况无规律可循，而且与其他参赛选手的大脑一样，“华生”做出的每一个判断均需要基于对从前复杂而琐碎的大数据的学习。所以，伴随着先进计算技术的发展，机器学习已有知识的能力已经能达到或者超过人脑的高度。而且与人脑相比，机器海量的存储空间让其学习相对于人脑更加全面和深入(deep learning)。
那么基于大数据的强大的机器学习将如何改变我们的医疗和触动哪些利益奶酪呢？
一个简单而又受到各大医疗厂商和政府机构大力支持的应用就是计算机辅助诊断。传统医学中，临床医生通过大量的临床经验，可以基于临床症状判断出相应的可能病因，通常资历越深的医生越能考虑到更多的可能性，并对疑难杂症给出更准确地诊断。但是，无论经验多么丰富的临床医生，他们一生中从工作实践与资料中，能够接触到的病例总是有限的。
相比之下，伴随着病例的电子化，数以万计的临床案例将被计算机掌握。所有这些案例均有着准确的临床描述和经过验证的病理结果，而这一模式正是机器学习最佳环境。通过比医生更系统，更大量，更深入的对大数据的学习，机器将掌握症状与可能病因的相关性，并且准确给出各种疾病发病可能性。计算机的辅助不仅可以提高诊断的准确性，更能大大降低医疗的社会成本。
当病人在家中通过一个电话和email就能得到帮助时，医院里排队挂号一票难求的情况将不复存在。
对社会来说，医疗系统于大数据的结合为医院带来更加高效的管理，降低了不必要的医疗成本。对病人来说，病人将享受到带来更加准确更加统一而规范的医疗服务。可是对临床医生来说，这一结合无疑将带来前所未有的挑战。人与机器的竞争从工业化的第一天就已开始，如今的信息化和大数据时代，机器将更加深入的改变我们的工作习惯。
与机器比速度，比准确度，比学习能力，比知识容量，我们的人类或许很快将不是对手。机器手臂的外科手术可以精确到1毫米以下，而学习了大数据的机器也将给出比经验丰富的老大夫更加准确的判断。
那么大数据有什么缺陷，我们的医疗如何更好地利用大数据而不是被学习了大数据的机器所取代呢？无论多么先进的算法与计算机都有着自己无法克服的缺点——机器没有情感，更加无法创造。
机器能够给出基于历史知识的最优解，但是新的知识新的体验的创造却只能依靠人际的实践与体验产生的。除此之外，一位好医生对病人的情感支持以及一两句鼓励对于疾病的影响是无法取代的。结尾套用一位医生朋友意味深长的对医疗和医者的描述，“医者，偶尔治疗，时常缓解，总是安慰”（源自Dr. EdwardTrudeau in 1800s)。也许当明白了医疗文化中的人文与人性，我们会发现更多机器永远到达不了的地方。