高端对话二：健康医疗大数据发展的机遇与挑战

ink="">高端对话二：健康医疗大数据发展的机遇与挑战

ink="">神州数码医疗科技股份有限公司总裁史文钊

ink="">美国医学信息学院院士、美国梅奥医学中心生物医学信息学系主任刘宏芳

ink="">国家“千人计划”首批特聘专家、北科生物董事长胡祥

ink="">中国科学院院士、第三世界科学院院士、上海交通大学教授贺林

ink="">美国医学信息学会主席道格拉斯·弗里斯玛（Douglas Fridsma）

　　新浪科技讯 9月21日消息，2017深圳国际BT领袖峰会和生物/生命健康产业展览会在深圳会展中心5楼梅花厅正式拉开帷幕，大会以“发展智慧大健康，打造产业新引擎”为主题，囊括两大主题演讲、两场高端对话、十二个专业论坛等重点活动，邀请了多名中外科学院院士和世界知名生物企业CEO在内的近百位重要嘉宾，围绕生物科技、产业发展中的热点问题，开展学术交流、政策研讨和产业合作，加速生物资源、科技、产业、资本大融合、大发展。

　　第二场高端对话神州数码医疗科技股份有限公司总裁史文钊主持，中国科学院院士、第三世界科学院院士、上海交通大学教授贺林，美国医学信息学会主席道格拉斯·弗里斯玛（Douglas Fridsma），美国医学信息学院院士、美国梅奥医学中心生物医学信息学系主任刘宏芳，国家“千人计划”首批特聘专家、北科生物董事长胡祥就“健康医疗大数据发展的机遇与挑战”这一主题交流意见，围绕国内外生物医学大数据的发展趋势，共同研讨生物医学大数据产业发展中的共享和转化、数据安全、标准建设、社会伦理等热点问题，探讨加快生物医学大数据产业发展的政策措施，为促进全球生物医学大数据产业发展搭建学术交流、产业合作、政策研讨等综合性平台。

　　以下为对话实录：

　　简 介：对话围绕国内外生物医学大数据的发展趋势，共同研讨生物医学大数据产业发展中的共享和转化、数据安全、标准建设、社会伦理等热点问题，探讨加快生物医学大数据产业发展的政策措施，为促进全球生物医学大数据产业发展搭建学术交流、产业合作、政策研讨等综合性平台。

　　主 持 人：北京协和医科大学八年制毕业，我在国家精准医学项目罕见病队列研究做一些管理工作，我在神州数码医疗科技股份有限公司担任副总裁，主管精准医学和大数据的业务。

　　主持人-弓孟春：尊敬的大会主席，各位在场的嘉宾，首先非常感谢这次大会提供这样的机会，让我们邀请在国际和国内医学信息学领域非常有建树和生物信息学领域、新药研发等探索领域颇有建树的几位专家就健康医疗大数据发展的机遇与挑战这个话题进行研讨。

　　上一场讨论非常精彩，我们也向上一场的嘉宾学习，首先很诚挚的邀请今天参加高层对话的几位嘉宾做一个自我介绍。

　　贺林：中国科学院院士、第三世界科学院院士、上海交通大学教授。 我最近几年做得比较多的是遗传咨询的工作，如果有什么值得探讨的我们等会儿聊。

　　道格拉斯·弗里斯玛：大家好，我的名字是道格拉斯·弗里斯玛（Douglas Fridsma），我是美国医学信息学会主席，我们代表来自我们美国信息学、医疗信息学专家、实践者，我自己是美国信息学院的主席，我还是健康IT协调委员会的负责人，在美国也在不断的发展电子病例，之前是70%，现在90%的一生都在使用电子病例。

　　刘宏芳：大家好，我到美国学了计算机，主要是计算机在临床应用和科研，我自己把自己称为数据科学家，目前任美国梅奥医学中心生物医学信息学系主任。最主要的还是想帮助梅奥多年积累下来的数据用起来，开发、研究大数据方面和人工智能方面的运用，谢谢。

　　胡祥：大家好，我是胡祥，是深圳市北科生物科技有限公司创始人，国家“千人计划”首批特聘专家，深圳北科生物主要致力于细胞治疗的临床转化，也包括现在的免疫治疗，大家都知道上个月底里程碑批了基因修饰的靶向治疗，把淋巴细胞白血病达到83%的完全缓解，是里程碑式的。深圳市北科生物科技有限公司是这方面全球的先行者，研发和临床转化方面。十几年走下来我们遇到太多的困难，这也是创新带来的，必须要面对的，我们作得太早，我们的观念、理解、政策法规、技术都没有匹配，一路走过来，今天的北科生物和生物技术公司和传统的制药公司发生了很大的区别，是我们遇到很多困难和问题，新的细胞治疗、免疫治疗技术滚滚而来的时候，我们希望把我们经历的困难和问题建立一个平台，进行个体化、有别于产品模式的技术推广，为大家铺平道路，我们有一个平台战略，尤其是在中国全球最多人口、最大需求的市场，如果我们能加速这些新的药还是治疗技术推广和提高效率的话，我们认为对整个产业的意义是重大的。

　　主持人-弓孟春：我们和深圳同仁之间在几个月前碰面的时候碰撞出的火花，我们应该邀请什么样的国际国内专家来做研讨？在想的时候就觉得现在是精准医学的时代、大数据的时代，我们有从遗传学顶尖的专家，也有代表国际上医学信息学顶尖的学术团体和专家，转化上也有非常有实力的代表，今天会组成非常精彩的对话。

　　健康医疗大数据是最近的网红词，随着国务院47号文件的出台，以及三大国家级健康医疗大数据公司的成立，健康医疗大数据受到政府、医院、科研机构和学术界越来越多的重视，今天我们从组学数据的生成采集和分析、临床系数据的整合包括未来大数据的应用等各个方面会展开一些探讨。

　　首先切入我们设定好的议题，关于健康医疗大数据的定义和概念，我跟几位嘉宾探讨的时候，我们更愿意讲成我们个人的理解，讲到概念，书本上大家都能查得到，我们更想听听专家们自己的理解和见解，非常荣幸有请贺院士谈一下他自己对医疗健康大数据的理解。

　　贺林：感谢邀请，很高兴和大家聊聊这个事。这个时候听到大数据不怎么新鲜了，大家已经谈很多，说起来容易做起来不那么容易，为什么这么说？大数据、大数据，言下之意就是把数据放在一块越来越多，多得称不下就往云里放，最后就变成大。简单说就是这样的含义，怎样建设这个数据，怎样使用这个数据？这是两个必须搞清楚的概念。建这个数据，首先我就考虑这样的问题，我平时喜欢把热的问题从冷的方面进行思考，咱们健康大数据和平时说的交通大数据、气候大数据确实有根本性的区别，区别在哪里？一个是活的，一个是死的，这个区别就非常大了。咱们生命科学的内容大家仔细看一看，仔细想一想，全是孤岛型的，一个一个小岛屿，没有联系，从来没有谁制定过标准，没有哪一个权威机构组织大家做了这个事情，这么去考虑的话，谈何容易？把这些数据都放在一起的时候，他是不是我们要的大数据？还是一堆垃圾？这是值得深思的问题。

　　还有这些数据到底干嘛用？我们就是简单的堆放在一起进行统计学分析吗？其实那就错了，真正要这个数据的含义是，我们希望把同类的，比如说相关的数据放在一起以后得到一个位点，相关网络的位点，不相关数据之间有什么关系呢？我的理解是形成一个相关性，我们真正想知道的是这批数据中能给我们带来什么新的观点、新的思想、新的内容，我们想不到的一些新的事情。比如说我刚才提到的交通也好，或是气候也好，以及健康也好，他们放在一起能够形成什么样的结论、结果出来。

　　平均温度提高两度会带来健康的什么问题？我们深圳市每年多了100辆、1000辆汽车的时候，癌症的发生率又多了多少，这是我们要知道的一些内容，这些事情怎么去解决，我先打个问号，先放在这儿，大家先接着谈，等一下我再谈我的想法，谢谢。

　　道格拉斯·弗里斯玛：事实上一个非常经典大数据的定义，大数据首先要有量，要有非常强的流动性，同时要有真实性。我们的数据要是多种多样的，而且流速要非常快，对于我个人来说，我认为医疗健康大数据是我们谈到最大的挑战，量和流转的速度之快，对我个人来说，我认为健康行业谈大数据最难的一点是我们数据收集多种多样性，我们如何把这些数据进行分类，什么样的语言形容这些数据，这些数据的准确性能真正帮我们展示出病人的状况。

　　每次我们谈到健康医疗方面的大数据，最大的发展和挑战不是量，也不是数据收集速度，最大的挑战是我们如何将不同类型的数据能整合在一起，这样我们可以降低我们的数据种类性，同时保证数据的真实性。我认为这才是我们健康大数据领域面临最大的挑战，如果我们没有在健康医疗行业实现大数据的整合，之后像天气和交通行业就更做不到了，这些对于我们来说也是非常重要的，我非常同意您刚才的说法，我认为未来更重要的是能了解数据，了解数据是我们的第一步。

　　刘宏芳：医疗大数据我体会的收集端的复杂性，医疗数据、临床医疗数据的收集方式是医生，目前仪器生成的数据，以前没有大数据集成的平台收集它，大数据现在发展我们才开始重视影像出来的数据，最主要的是数据的价值，大数据我们收集了，能用的部分在哪儿？必须和应用结合起来才可以体现大数据的力量。这是我的看法。

　　胡祥：首先我认为我们定义医疗健康大数据，大数据大家都熟悉，一个是数据的来源、产生源，刚才也谈到，有医院产生的数据。现在是各种组学的数据，产生的方法和人的相关性更好，数据从质量来说，有更贴近于人，或是重复性更高、价值更大的，也有和我们相关性逐渐减弱的数据。未来我们希望更高效，大数据的特点是最低的成本发掘出最高的价值，我们是可以分类的。

　　大数据产生之所以这么关注，一个是数据产生量大，另外是我们计算能力的提高，我们有高效的计算和算法的时候，开发各种算法时我们能更好的把数据的意义挖掘出来。医疗和健康首先应该围绕人体来说，这是最高效的，核心还是人，而且人是进化得很好、有规律可循的体系。今天有更高效的工具、更高效的数据采集手段和更高效的数据计算和分析能力、方法学的时候，我们把这块用好的话，我认为我们能给疾病治疗、健康管理、社会效率都带来过去我们做不到不可替代的价值。

　　主持人-弓孟春：感谢位专家的见解。对于这个问题我去年年底在中国某个杂志上发了关于健康医疗大数据的综述，我写完以后，发现医疗健康大数据什么时候叫大数据？现有技术没有办法处理的时候就变成了大数据，这是比较同意的定义，今天也是从各位专家这儿学到很多内容。

　　下面进入下一个问题，我们严格按照之前设定的讨论议题，我们是想看一下西方国家，他们不一定比我们发达多少，现在做了很多尝试的国家有没有哪些经验我们可以借鉴？

　　刘宏芳：对健康医疗大数据的方向，有很多国家级的项目，推进电子病例系统在美国普及性到了90%多，在各个医院里。还有医疗机构、研究机构，像国家自然科学和NH有一些根据大数据相应的数据投入。

　　我在梅奥有切身的经历，梅奥本来是以病人为主，当时收集数据的目标是为病人提供最佳的治疗，怎么样提供资料，梅奥收集数据是传统，我们并不是收集临床的数据，还有各种政策，以前是提取作用，把数据能拉出来，并没有真正用在大数据分析上，2011年梅奥开始在大数据方面进行大量的投资，我们收集了数据，收集数据的过程我们做了标准大厦，做各种各样的语言处理，我们并没有实际用起来，用在临床研究，用在决策过程中，还有支持挖掘方面，2011年梅奥投资了一个大数据平台，主要的目的是要把海量数据储存下来，有一个计算平台能实时、即时的把产生的数据用在临床决策上，我们投资了大量的自然语言处理的平台。我们又开始加大各个方向的数据平台开发者和研究者的投入，我们成立了一些健康IT，上次和国内同仁分享，由于3500人。还有一个做得比较多的是影响传统专业的看法和技术。

　　临床病学对大数据是比较排出的，我辛辛苦苦做的研究和收集的队列，花了那么多人力和财力，你跟我说收集数据就可以做我做的研究。后来我们把大数据出来的，必须通过传统研究才能实现。

　　大数据必须应用起来，不是目前一两年就能看到效果的，是一种长期的投入。收集的数据可以帮你做数据决策，也可以建造机器学习的系统，既可以是国家级的，也可以是各个医院，可以根据你收集的数据做些决策性的变化。

　　我就分享到这儿。

　　胡祥：刚刚说到数据、数字化，美国一直都在引领，得天独厚，整个信息革命也是美国引领，IT系统的建设，美国的医疗也是做得比较好的，这就是数字源，对于整个医疗健康大数据来说历史都不长，过去的数据主要来源于医院的信息系统，大数据是机器可读的，主要是影像学、实验室和一些其他的医院信息系统，接下来的发展会比较快，主要强调一些相关性比较强的数据，这些数据的应用我们已经看到了，虽然有限已经带来了非常大的价值。IBM的机器人可以迅速做出诊断，医生很难做到，CancerLin也是一样，FDA把300万种药物的副作用指标公布以后，药厂可以更好的做开发，这些都是有非常大的价值，我认为这仅仅是个开始。

　　道格拉斯·弗里斯玛：梅奥确实做了非常好的关于大数据方面的一些探索，一百多年前梅奥一直做疾病治疗方面的工作，现在又成功转型成为大数据方面的引领者我们的最终目的不是大数据本身，而是通过大数据来帮助治疗疾病，因为每个数据、每个病人身上攫取的数据越来越多，我们诊治下一个病人的成功率就越来越高。

　　电子病例，如果我们能把电子病例上的数据进行分析，最终的目标是病人，我们需要整合数据资源，不光是病人的电子病例重要，数据的健康程度，以及各方各面的信息全部汇集起来，这些会成为未来诊治其他病人很好的根据。我不知道现在的大数据是不是在云端和未来云的技术结合起来，我想提醒大家云的根本是患者本身，我们的数据是帮我们验证我们的发现，提供更好的疾病治疗的方法。

　　主持人-弓孟春：我们非常想听一听贺院士和胡博士对于健康医疗大数据未来在中国发展的前景预期，特别是如何充分利用组学数据，现在国内在这方面的优势进一步推动中国健康医疗大数据的发展？

　　贺林：我简单谈一下自己的想法，刚才听了前面几位的讨论，我个人认为，他们强调的后端多了一些，偏多，前端没有这个问题，中国要面对这个问题，标准化的问题，谁来制定标准，怎么样制定标准化，比哪一步都重要，标准化步没在，生命科学不仅是医学，生命基础科学研究，各个单位之间从来没有树立一个标准的东西，都是各做各的。我们拿一个简单的例子，量血压，就是这么简单的量法，用的血压剂不同，带出来的结果是不一样的，而且不同的情绪下，不同的感情状态下得出的结果也是不一样的，这种情况下怎么考虑问题，如果要的话谁敢要？

　　我们再说一个例子，中国的中医是不是医学？我们算不算我们需要的数据？如果中医也算在里面的话，怎么样去标准化中医的问题？我们看看舌苔、把把脉、针灸两下，能标准化吗？怎么标准化呢？这个事情非同小可，必须引起我们高度关注。我把这些数据加上前期条件大数据，或是泛大数据可能更准确一些，不然的话悟道非常大。

　　有的不是大数据，明明是小数据都觉得小，他也说成大数据，都赶时髦。比如说为了这个会我专门查了一下例子，其中有一个例子谈到大数据解除暴力伤医的案例。若干天前出现一个例子，这个例子最后的结果，这边是原因，比如说医生态度不好，或是用药用错了，另外一边是例数，一共八十几例。小数据也谈不上，怎么变成大数据了？我就不理解了。这些事情值得我们深思。

　　最终是要做解读的问题，这么多数据在这儿，怎么考虑它、怎么解读它？数学家在这儿用数学的方法，统计学家用统计学的方法。我这块要用遗传咨询的方法，遗传咨询的包括内容就很多了，所以要系统化的展开，还有一个实例我再谈一下，比如说精神疾病也牵涉到大数据的问题，这些数据怎么收集？这个精神疾病有阴性和阳性，在同一个人身上体现，这次测是阴性，下次测是阳性，怎么统一化、标准化出来，这也是一个问题，我们要认真搞清楚以后再往下走可能更好一些。谢谢。

　　胡祥：我认为中国现在人口多，既然是医疗健康大数据，还是基于人的，这是人的优势，数据分成几大块，贺院士谈到标准化，标准化临床积累的这些东西需要标准化，每个医生了描述不一样，我们怎么把这些关键词汇抓出来，做企业的想的是解决方案，这块我也是投资了一个公司，用标准统一的方式做病例的清洗和语音、语义识别，这是医学专业人士判断得到的数据，也是有非常大的价值。做队列研究就会有一些基础。

　　未来重要的是组学的数据，这些数学测出来不管是基因组、蛋白组、微生物组，读出来就是机器可以高效识别的，这个数据和人类健康相关性是很强的。

　　随着各种传感器和可穿戴设备的应用，24小时持续采集的数据也是非常有价值的，会围绕这些进行做，这些都是刚刚的开始，中国这么大的人口、这么多了基数，这么多病人的情况下，如果把标准做好，方法学找到，高效的方法把资源集中起来，系统、高效的做，我们不会输给别人，而且算法和计算能力在快速进步的时候，我们能把核心数据高效的整理起来，用这个作为起点，用这些数据快速的训练人工智能，下一步抢的是AI、人工智能，在大健康医疗领域，人工智能才是未来的制高点，现在我们所做的，用数据，训练人工智能的前提是要有数据训练算法，人工智能一旦成熟以后，可能各种各样的可穿戴设备，我们采集的各种数据送上去以后会高很多，将来要围绕这方面进行思考。

　　主持人-弓孟春：各方都有自己的见解，中国有很强了测序能力，组学数据的生成每天都以很大的量在积累，国家也在布局临床数据的整合收集平台，未来希望能看到生物组学的数据和临床数据、表型数据能走在一起。

　　下面一个问题更有意思一些，大家都在讲大数据的应用有多好，对于它在应用上有什么样的前景和展望？我们特别想从两个方面了解：一是从学术或是走得比较快的这些国家已经做的工作上能看到什么结果。二是药品药物的研发上，这是我们一直非常感兴趣的，认为大数据可能有所突破的点，想轻道格拉斯·弗里斯玛和胡博士分别做一些阐述。

　　道格拉斯·弗里斯玛：您提到大数据的应用是在什么地方，特别是科学和技术，每次都非常挣扎，和其他的国家也是一样的，希望把这个沙漏打破，我们提到数据的孤岛，我们希望能打破，在研究的过程中，这些数据也是研究者所拥有的，他们不愿意把数据拿出来分享，相信随着开放性科学不断的推动，同时有了越来越多的平台让人们公开他们的数据，最终能带来有效的数据池高效的数据、有价值的数据。比如说美国精准医疗行业，精准医学的发现，如果我们没有大数据是没有办法做到精准医学的成功，我们只有做完标准化，也只有了解数据的复杂性，找到一些方法，将这些数据进行有效的整合才能带来精准医疗和精准医学。

　　就像您提到很多的组学，比如说蛋白组学包括我们的遗传组学等，这些组学的数据如何能够最终帮助我们实现不断的收集，最终能得到有效的使用，相信今后在我们的科学和研究过程中，我们仍然在苦苦挣扎，希望能找到好的方法，将人们手中的数据贡献出来进行分享，我相信我们现在已经开始打破数据孤岛和数据隔离，希望在今后有更多的合作，这样的话能让我们更好的了解，大家应该如何从各个国家和相互学习的角度可以更好的使用这些数据达到更好的应用。

　　胡祥：医疗健康大数据在中国的应用前景我是非常乐观的，基于几点：一是我们有全世界最多的人口和病人，数据的产生没有问题，医疗需求在那儿，数据源是很充分的。就像我们感受到移动互联在中国的发展，我们的阿里巴巴，我们的腾讯都已经发展起来，中国有这样的市场基础。

　　二是需求也是在那儿的，由于中国的医疗改革，医疗公平性，还有很多问题在中国是比较突出的。要解决这些问题，除了机制体制，很重要的是要靠科学技术，这些更先进的工具和技术来解决这些需求。需求也是很迫切的，这块我也是寄予厚望。

　　三是技术解决方案，有什么样的技术，而在算法和人工智能方面，实际上引领全世界的就是中美，占了大半壁的江山，语音识别、人脸识别等各种算法和人工智能技术，这些是核心和关键，在这些专利和投入、发展上，中美是引领全世界的，几乎是一半一半各领千秋的。

　　基于市场、基于技术本身和基于未来的迫切性，我对中国的前景是非常看好的。

　　贺林：我谈两个实例：最近提出一个计划，单靶基因组计划，英国有十万基因组计划，美国有百万基因组计划，这些都太泛，不是那么准确，是带有回顾性的进行分析。单靶标一开始定死，人类有一万多种遗传疾病，其中六、七千种是单基因的，还有多基因的，多基因和单基因都适合，针对一种疾病，比如说法式四联症的疾病，找出2000例出来，全基因组测序，跑不掉，和做全基因组关联分析的时候一样，会得出最合理的，比十万人、百万人计划要合理得多。

　　人工智能我们在做，我们做的人工智能、遗传咨询，帮着遗传咨询起到助手的作用，用简单的话，Alpha Go也有它的名字，我们是I艾（音）机器人，他可以不断学习，不断把大数据的内容整合进行进行分析，给遗传咨询师进行帮助，这个效果非常好。

　　主持人-弓孟春：贺院士很多研究方向在这里生成。

　　根据各位都已经反复提到现在在大数据发展方向上的技术上面临的难题，今天我们有幸有两位在医学信息学方面全球顶尖的专家，我们希望他们两位能各自谈谈在技术上的挑战。

　　接下来邀请两位专家和我们探讨一下医疗健康大数据方面的挑战。

　　道格拉斯·弗里斯玛：我们做了大量的实验，我们确实遇到了很多的挑战，我谈三个大数据方面的挑战。我认为标准化和数据的整合性，特别是来自于不同的临床、不同实验的技术整合是非常不容易的，我们最终才能达到数据的一致性，到那个时候才能实现对数据有效的使用。我们谈到的不仅是地区性的标准，国际标准也是很重要的。如果我们能作为科学和健康相关的行业，我们建立起国际性的标准，能为我们带来更多的机会，让我们真正的、更好的使用健康大数据。

　　第二个挑战我想提到的是我们必须要确保我们有非常正确的流程和好的流程，能保证数据的准确性，有很多时候研究都在探讨顾客的设备反馈，比如说来了解他们的脉搏和心率的变化，有些时候这些数据是准确，有些时候并非如此，如果数据的质量比较低，最终的结论肯定不会好到什么地方，这些数据能客观反映相关的症状。

　　第三个挑战，我们能非常成功的让大数据成为我们医疗健康研究的部分，我们必须要培训研究员和医疗健康的从业者和医生，让他们采取与众不同的方法，来采取新的态度来交付医疗服务。

　　人们在这样的医疗环境中可以真正借力医学技术不断提高他们的医学服务水平，给了大数据就给他们医学的学生，这个学生不了解心内科，是不能很好的使用工具，有了工具没有知识也是没办法的。我们不仅要给医生数据，同时我们还要教他们如何能够去消化这些数据，让他们能真正了解如何能够成为这些数据好的使用者。

　　刘宏芳：道格拉斯·弗里斯玛已经把我想说的都说了。中国并没有落后多少，美国在用数据方面也在摸索。

　　统计方向我不是太了解国内的发展，我觉得专业人员的培训美国也是在摸索，和传统统计的方法是不一样的，和传统计算机的方法也是不一样的，因为他是跨学科的方法研究。国内有很大机会建立统一平台和标准化，既然我们能造高铁，我们也可以造医疗上高铁的基建。数据有了，但是隐私也得注意。

　　数据应该是团队合作，我们现在强调一个理念，提供给基础研究人员和临床研究人员。

　　主持人-弓孟春：刘老师已经讲到我们下一个话题，我们想请各位在结尾对我们如何利用中国体制了优势完成我们在健康医疗大数据的跨越式发展提一点想法，道格拉斯·弗里斯玛不一定对我们的体制有一些理解，可以对医疗健康大数据做一些解读。

　　贺林：补充一个小的事情，上海交大研究院的情况，确实这些年进展不错，我的一个博士生毕业以后去了加州理工，他做了世界上最小的DNA机器人，这是我们极为感兴趣的专长。

　　中国没有用多少的时间跨到世界老二的位置，经济上跨到老二的位置，确确实实多亏了体制的原因，过去西方不理解，现在不管怎么说，结果说明一切，应该理解了，这样的体制下能做出成功的事情。现在核心的，大数据的指挥家们、管理层们还没有深深的认识到他们的关键点在哪里，还没有对症下药，这个药如果能下准的话，我相信不要多少年，中国在这个领域会完全起到引领作用，谢谢大家。

　　道格拉斯·弗里斯玛：你讲得对，我对中国法律法规、大环境缺乏了解，我举一个例子，我们中国有哪些原则和实践，我们需要这样的体制，如果这个体制我们从来都没有使用过，这个体制就不需要进行变化，现在要使用大数据的体系，就需要对这个体系进行全面的改革，我们的体系、我们法律法规的系统应该是灵活的，能允许我们在政策空间上进行更改，同时我们不希望我们的法律法规体系是固化的、僵硬的。

　　我们能很容易的通过我们的法律法规，让人们去做正确的事情，如果我们有了好的数据，通过这样的灵活体制，我们就能产生出极大的影响力。

　　我们现在解决的问题跟建大楼是不一样的，就好象是规划城市一样，所以规划城市和建大楼之间的区别在什么？不光是要技术上，同时更重要的是要打造这样的环境，在这样的大环境里人们可以创造发明新的东西，找到新的机遇，现在我们的政府除了给我们打造道路交通、大的基础设施之外，他们还需要去打造这样的氛围，让别人也能加入这个系统让一起去创新。所以我们的框架应该是灵活的，而且政府应该去激励所有的参与者都去勇敢追求他们想要的东西。

　　刘宏芳：我想说一下，大家可能不知道，我们说梅奥是共产主义，那个体制下他们建造了世界排名第一的医院，我觉得中国也可以。因为中国的发展基本上是以人为本，我觉得大数据的发展也是要以人为本，怎么样能够帮助普通老百姓向分诊、导诊、各种各样的数据收集平台，我觉得国内很有发展前景，有大量的人才，工业界非常重视，有投入，政府也非常重视。它有一个优点，别人走的弯路你可能不需要走了，一个弯路是收集数据要全方位收集，收的时候没有看到哪方面可以用，你用的时候如果你没有收，你再去收这些数据就是非常痛苦的事情。

　　胡祥：我认为这一轮中国的优势和体制机制的优势是是非常明显的，我们有巨大的市场，又有很好的机制，又有高效决策的体系，组织这样的大项目往往要快速决策、整合资源一起来做，我个人是非常乐观的。我们这轮的定位不是要跟在别人屁股后面跑，我们这轮定位的就是要做引领，不管从国家还是企业来说我们都要这样思考问题，把自己放在这个位置才会有前瞻式的思考，才会整合各种资源，不是中美之间的竞争啊，医疗健康是全人类的事情，不管谁做得好，都是造福人类的事情。

　　我给大家举个例子，我在纽约和儿基会讨论深圳是不是能引领性的把世界健康论坛永久性的会址放在深圳，医学健康引领新一轮的革命，如果有高效的交流平台，全球的科学家、企业家、投资家、政治家掌握决策权的人都能在这个平台上对话效率会非常高，也会受到整个社会和产业科学界的欢迎，我们准备引领这个事情，倡议这个事情。我和联合国各个机构讨论的时候，耶鲁大学是全球150多所健康高校的轮值主席，他已经全力以赴和我们签协议做这个事情，联合国的很多部门和我们签了协议做这个事情，我提到请做主旨发言人，比尔·盖茨在艾滋病的预防，在非洲做了很多贡献和工作，我建议请盖茨做主旨发言的时候，你知道联合国的人和耶鲁大学的人异口同声的反对我，他说最应该请的是马云，作为企业界和公益界的代表，中国企业的国际影响力也在上升，当我们觉得微软的盖茨很好的时候，实际上美国引领性的人已经觉得中国的企业家已经在引领科学的发展，引领社会的进步，所以我们要有这样的思维。

　　第二，我举个例子，每个人、每个企业在这里面都是有机会的，不是只有传统的大药厂有机会，不是只有IT巨头有机会做这个事情，这是新一轮的革命，工具已经如此先进又是全新的领域，每个企业都有可能成为下一个谷歌和阿里。

　　深圳市北科生物科技有限公司是以平台的思维做这个事情，生物治疗成为未来已来，成为医学最重要的方式，接下来最主要的方式，用人体自身的修复能力。上个世纪我们学会化学合成有了很多的化学药。我们有了组学知识，会以细胞治疗、基因治疗为主要的方式，这个来临的时候，我们会发现每个人都应该把自己最年轻的细胞存起来，我们提供这样的服务，为每个人存细胞。存细胞如果简单的按照传统的思维做，把几十毫升血给我，我把细胞分离出来存储起来，这就是传统的商业。如果能把组学的数据检测，我们拿到这些数据是不是非常有价值的？我不会测基因组，基因测序很多人做了，而且成本下降非常快，今天100美金，明年可能100人民币。

　　我和德国的合作，大家给我100毫升血，我可以提前好几年把肠癌分开，我们拿到数据给每个人手机上装上应用，形成很好的关联，可以做健康管理就有很好的起点，有了这样的数据可以训练人工智能，按照非传统的方法思考是完全不一样的，如果用平台思维在中国全世界最大的人口、最大的市场上，把最高效的，不管是淘宝的体系还是结合实体我们提出区域制备中心国家网络，为个体化细胞治疗的实体，后面的平台结合在一起会使全球的研发变成中国的研发，这就是我们体制机制的优势，相信中国企业在新一轮里会像互联网企业、会像移动互联网公司一样有机会在这个领域引领全世界，谢谢。

　　主持人-弓孟春：非常感谢几位精彩的发言，前两天在朋友圈我写出“扎实做好国际工作，勇于引领国际潮流”，正好契合大会的场景。

　　非常感谢几位嘉宾，几位嘉宾提到技术上面临的难题，和大会主办方协商的时候，我们不仅组织这次高层对话，也在下午组织了一场技术论坛，下午接着进行讨论，再次感谢到会的各位来宾，祝愿大家午餐愉快，下午再见。

　　前插行后插行删除复制剪切