作者Harry Harry Glorikian 在其2017年出版的《MoneyBall Medicine：在新的数据驱动的医疗保健市场中兴旺发展》一书中规定了数据和分析将如何塑造美国医疗保健交付的未来。在布拉德·皮特（Brad Pitt）的协助下，我们都熟悉Moneyball的概念以及过去二十年来它如何改变了职业体育。Glorikian将相同的思想应用于医疗保健，并指出“当我们拥有用于收集和分析数据的系统时，我们可以利用这些见解来转变医疗保健”stylechina.com。

Glorikian 在观察了数据和技术如何改变了从专业体育到金融服务等行业之后，便开始撰写《速球医学》。他说：“混乱是混乱的。在弄清诸如人工智能和机器学习之类的技术如何影响医疗保健方面存在很多不确定性。看到医疗保健界对使用数据和技术的抵制，我感到非常惊讶”。

转变医疗保健

我问Glorikian，如何采用数据驱动的实践来改善和改变当今的医疗系统。Glorikian将患者管理视为一个可见变化的领域，并评论道：“数据和分析的可用性正在以革命性的步伐改变着患者管理”，从电子健康记录（EHR）开始。现在，医师触手可及的地方就有成千上万的患者数据点。EHR也变得越来越智能，不再只是临床记录，实验室值和放射学报告的海量数据存储库。EHR正在逐步增强，以帮助医生确定应进行常规癌症检查或有疾病风险的患者。Glorikian指出：“数据驱动的医疗保健正在将医学从被动治疗转变为主动治疗”。

数据和分析还改变了医生的医务方式，注意到远程医疗，远程护理以及可穿戴和连接设备的进步。Glorikian指出：“在COVID-19期间，我们已经看到向远程护理和远程医疗的巨大转变”。数据驱动的计划还帮助医疗保健系统和医院提高了基于价值的报销的效率。

药物发现和药物重新定位是受益于数据和分析的其他领域。从历史上看，药物开发可能要花费数十年时间，而代价却是巨大的。如今，使用AI的计算机可以针对库筛选成千上万个虚拟分子，以识别具有最大成功机会的分子。 

COVID-19的教训

尽管科学家，流行病学家和公共卫生专家可以访问大量数据，但是这些模型仅与提供它们的数据一样好。在COVID-19爆发开始时可用的数据既不完整，又不足以说明社会疏远和隔离政策变化的许多情况。毒力尚未确定的病原体将这种情况放大了，这种病原针对的是质量参差不齐的医疗基础设施。Glorikian指出：“当您考虑要准确预测多少住院，多少死亡，社会距离需要持续多长时间，何时结束的确切变量时，这只是头脑而已-令人难以置信”。

COVID-19的最重要成就之一是国际科学界对病毒基因组进行测序的惊人速度。科学界的回应将帮助我们更好地了解该病毒，并根据其与其他病毒的异同来预测其行为。这将对未来的资源分配和物流产生影响。

通过在下一次大流行威胁美国和世界时展示潜在的剧本，COVID-19暴发提供了一些宝贵的经验教训。我们现在捕获的数据，从高峰期医院需要多少个呼吸机，到社会距离对死亡率的真正影响，可以用来帮助科学家将来开发更准确的模型。

4月23日在Becker的Health IT中发表的一篇文章指出：“ COVID-19大流行将对医疗保健行业产生长期影响，Judy认为，数字医疗保健计划和数据共享的新潜力可帮助患者和公共健康监测Eul的创始人兼首席执行官福克纳”。

挑战依然存在

然而，数据和分析采用仍然面临挑战。Glorikian指出：“直到最近，患者才能够通过在线患者门户网站访问病历。当医生被认为是黑匣子时，他们仍然不愿依赖分析模型和AI。”

可以期望医院对数据定义进行标准化，以便CDC等监管机构可以更快速地访问数据，以监控公共卫生紧急情况。Epic的Faulkner在Becker Health文章中指出：“如果人们以不同的方式定义数据，那么您将无法对其进行汇总。仅在未标准化的情况下收集数据并不会使您走得太远。” 经典的数据准备挑战。 

Glorikian对此感到乐观，并指出：“我们在一些意想不到的地方看到了数据驱动的计划，例如乡村医院正在利用数据和分析的力量来帮助应对所面临的难以置信的财务和人员配置挑战。” 他认为，数据和分析将在医疗保健管理的未来中变得越来越重要，并预测未来的流行病将利用基于COVID-19的数据和教训的更好的模型来发挥作用。