在最一开始，我还以为F426是迈巴赫，因为他们说：“人不会同时拥有自卑和F426。”后来，我以为F426是新晋的路易·威登，因为他们说：“我的女朋友，跟一个穿F426的小子跑了。”然而，在气温回暖的春

最后，也是最关键的一环，就是为每位患者匹配个性化的治疗方案。大多数制药企业在从动物试验到I期临床试验期间，使用预测模型来优化给药，但数据分析还没应用于后期的试验中，如各类药物临床试验入组和排除标准。

几家保险公司也因此盈利，比如联合健康集团的一个业务板块Optum就通过梳理处方药的索赔记录帮助雇主节约医疗支出。也就是说，它们之间的差距在越拉越大。数据分析在医疗领域内的潜在机会我们强调的机会有五大类：临床、报销、研发、商业模式创新和公共卫生。

将数据分析用于医疗的未来状态应该是：医生对患者持续进行监测和给予个性化治疗方案，并在最佳时机完成健康干预。在世界上许多国家，尤其是美国，信息透明度的缺乏导致医疗健康系统机能失调。

但2011年只能实现10~20%，也即产生300~600亿美元的价值。

在将来，随着深入学习的进步，尤其是自然语言和视觉技术的发展，可能有助于医疗活动的自动化，节约劳动力成本。如，美国中西部地区的一个医疗保健系统EssentiaHealth，就正在对充血性心力衰竭患者进行家庭监护，将30天再住院率降到2%，远低于全国25%的平均水平。

这可以由人工智能驱动的临床决策支持系统来完成，人工智能系统可以通过梳理数百万患者病历、基因组序列以及其他健康行为数据来确定对个体最有效的治疗方案。制药企业和医疗设备企业大数据和先进的分析方法可以让制药企业的药物预测建模更为精准，加速药物开发过程。

一个形象的场景是，今天医生看到的是一位哮喘患者。在整个医疗健康系统中，当前状的态是：患者沿着一个统一化、标准化的治疗流程进行诊疗。