大數據這概念在近年已經應用在很多行業及專業界別，那麼在醫療界又可以如何應用？先問大家一個問題，猜一猜哪個機構最先能夠預見流感潮爆發？答案可能是Google、Facebook、一些類似有大量用戶的科網公司、或社交媒體大數據分析的機構，因為在流感潮初期或期間會有越來越多人在Google搜尋有關藥物及醫生的資料，或者越來越多人在Facebook分享自己的病情，例如上載一些藥物或探熱針照片的發帖。這些公司或機構只要進行一些用戶行為大數據分析就可以看到大概趨勢。

解決人手短缺　有效應付疫潮

要有較準確數字反映疫潮趨勢的話，優質數據應該是來自醫療界，例如求診個案的數字、診斷內容、藥物應用成效等。當然，先要兩大假設成立：（一）有一個系統或平台將整個醫療界裡的持份者所儲存的數據整合，產生醫療界大數據；（二）持份者願意將其數據分享，持份者包括病人（及其家人）、醫生、醫療機構等等。當有清晰的醫療服務供求數據，對於人手編配及資源配套上，無論在經常性或非經常性的情況下，也能達致更準確的效果。對於整體來說，這會促使更有效應付疫潮。

不能忽視的隱患

醫療大數據當然有隱患，例如數據資料外洩、被公開、被盜用、被錯誤刪改等等，但是如何避免和將其發生的機會盡量降低，也就關乎網絡保安、風險管理、使用守則的設計與執行。這部分主要屬於剛才提到兩大假設的備註事項，保證沒有隱患相信是不可能，但不再好好整合分析醫療大數據就不行，因為醫療界要面對的挑戰越來越嚴峻，大數據的協助不可或缺，應用人工智能、機器學習、深度學習、區塊鏈等技術是在所難免，區塊鏈的技術亦有助解決那些隱患，要討論的應該是如何在私隱處理上取得平衡。

陳繼宇博士太平紳士

現為香港理工大學專業及持續教育學院資訊科技總監，負責制訂IT政策及規則、管理理大紅磡灣及西九龍校園的IT設施和服務、數據中心運作、網絡系統、電腦中心及電子學習平台。亦為通達網絡主席、中國人民政治協商會議上海松江政協委員、香港司法機構律師紀律審裁團成員等公職；成立了電子智庫「通達網絡Totaltact」e-think tank，運用人工智能大數據，集民間智慧於大成！他喜愛思考、善於結合跨領域知識、實現專業通才。

http://www.jasonchan.net https://www.facebook.com/Dr.Jason.Chan/