包邮精准医疗

本书特色

跨界影响力——全球领/先的生命科学研究云平台Medidata联合创始人格伦·德弗里斯重磅力作，内容涵盖了生物科技、医疗、互联网、社会、政府、保险等多个领域，展现了作者在该领域深耕20余年的独到见解。

革命性与前瞻性——作者围绕精准医疗提出的“患者方程式”模型，并非一个简单、静态的等式，而是以患者为中心，由无数输入变量、输出结果构成的复杂而精密的精准医疗动态模型，预示着一种划时代新型诊疗理念的诞生。

大数据时代的个体生存——本书探讨的精准医疗未来，强调了在大数据时代背景下，生命科学技术与医疗保健改革将如何改善个体的健康水平与生命质量，我们应如何利用智能穿戴装备追踪自己的健康，又应如何利用科技改善医患关系，ZUI终实现延长寿命、提升生存质量。

权威翻译、重磅推荐——中国医学科学院北京协和医学院教授、北京协和洛奇功能医学中心主任何健倾情翻译。百川智能创始人兼CEO、搜狗CEO王小川，清华大学经管学院教授、清华大学互联网产业研究院院长 朱岩，达索系统Medidata及生命科学事业部副总裁、大中华区总经理、APAC国际CRO业务拓展负责人李威，树兰医疗集团总裁、《数字医疗》译者 郑杰，辉瑞中国首/席医学事务官曹峻洋，《中国医院院长》杂志社执行社长张智慧联袂推荐！

特别设计周边——精美的“精准医疗 · 患者方程式”思维导图拉页。

湛庐文化出品。

内容简介

数字化转型正在以惊人的速度改变着医疗保健产业，并在新冠疫情之后进一步加速。在整个医疗保健行业，从生物技术、制药公司到医院系统、保险公司，每一个人都在期待下一次重大技术创新，从而实现研发新药、加强护理、改善疗效，*大限度地提高医疗效率，实现数据驱动的世界中真正个性化、高价值的精准医疗未来。那么，我们应如何实现这个目标，未来世界的医疗将会是怎样的？所有对未来世界的生命科学、医疗保健感兴趣的读者必看之书——《精准医疗》。助你打开精准医学的大门，阐述个体患者到全球人口的健康解释什么是患者方程式，以及医疗数据采集分析的基本原理讨论当前医疗数据化的进展，以及未来实现突破的有效策略掌握利用数字化技术预防、治疗疾病，提升生存质量的方法阐述为什么“价值导向的报销”是未来世界医疗报销的模式如何利用科技战胜从慢性病、癌症、罕见病到大流行性疾病本书作者格伦·德弗里斯是全球领/先的生命科学研究云平台Medidata的联合创始人，他分享了对精准医学和未来医疗数字化图景的深刻见解和宏大展望。本书旨在帮助对生命科学及数字科技感兴趣的所有读者拨开迷雾，驾驭复杂的数据驱动的精准医疗世界。作者用大量真实的数据医疗故事，向读者展示了*尖端的科技公司、科学家做过以及正在做些什么，来确保数据革命能惠及医疗行业的每一种疾病、每一名从业人员及每一名患者。从数量庞大的哮喘、糖尿病等慢性病患者，到等待新药问世的罕见病患者；从监测心率的可穿戴设备到跟踪生育能力的手环，再到有潜力征服糖尿病的智能手机应用程序；从人工智能驱动的败血症警报系统，到突破性的新型临床试验数据管理，都是本书的议题。无论你是一名医药行业领/导者、医疗保健从业者，还是希望更长寿、更健康的普通人或是患者，《精准医疗》都将帮助你洞察变革，了解当前的技术突破并看到未来的发展图景。本书的部分重点内容：慢性病、癌症、急症与罕见病的诊疗新方法如何带动精准医疗的发展数据和数字技术在构建更稳健、有效的疾病管理平台方面的重要作用什么是“价值导向型报销”，它为何正在改变全球的生命科学产业？美国正在进行的价值医疗改革ACO对中国未来的医疗行业有何启迪？付款方式的激励措施如何调整，才能改善患者旅途中每个阶段的结果？

前言

数据共享的未来医疗：打破孤岛，共创健康

郑　杰
树兰医疗集团总裁，《数字医疗》作者

《精准医疗》是一部罕见的、展望未来医学发展的书。它由医学临床研究创业者格伦 · 德弗里斯（Glen de Vries）撰写，作为 Medidata 的联合创始人，德弗里斯先生在过去 20 年中，与全球**的生物医药企业、医疗机构、保险公司、临床学者以及政府监管机构紧密合作，亲眼见证了医学的演进趋势，并从多个行业视角深入探讨了相关问题。
<p><strong>数据共享的未来医疗：打破孤岛，共创健康</strong></p> <p> </p> <p>郑　杰</p> <p>树兰医疗集团总裁，《数字医疗》作者</p> <p> </p> <p>《精准医疗》是一部罕见的、展望未来医学发展的书。它由医学临床研究创业者格伦 · 德弗里斯（Glen de Vries）撰写，作为 Medidata 的联合创始人，德弗里斯先生在过去 20 年中，与全球**的生物医药企业、医疗机构、保险公司、临床学者以及政府监管机构紧密合作，亲眼见证了医学的演进趋势，并从多个行业视角深入探讨了相关问题。</p> <p> </p> <p><strong>精准医疗与 5P 医学模式</strong></p> <p>书中提出的 5P 医 学 模 式 —— 预 防 性（Preventive）、 预 测 性（Predictive）、 个 性 化（Personalized）、参与性（Participatory）和精准性（Precision）——与本书内容高度契合。精准医疗的核心在于，每个患者都有其独特的健康方程式，他们的“输入数据”具有个性化特征，因此“输出结果”也会有所不同。通过提前构建这些方程式，我们可以更早地预防和预测疾病，从而提高生活质量。书中还提出了价值医疗和基于效果的付费模式，这是产业界多年来的呼声，但作者从社会和经济的高度，为我们提供了更深刻的见解。</p> <p>医疗行业演变的背后，伴随着的是对人类生命本质的探索，以及人类科技——Technology的迭代发展。正如经济学家布莱恩 · 阿瑟（Brian Arthur）在《技术的本质》和凯文 · 凯利（Kevin Kelly）在《技术要什么》中所讨论的那样，技术对人类的影响是指数级的。同样地，我个人也感受到*近科技对整个医疗与生命科学行业的影响正在进入一个指数级的拐点，尤其是在数据的丰富度、维度（不同尺度的表型）、深度和频度方面，这些都在以超越摩尔定律的速度发展。科技使得这些成为可能，变得经济实惠，甚至变得无形。还记得**次手环的出现，到现在也不过十几年左右，如今穿戴设备以及智慧家居已经历了好几代的发展。既然今天多组学的深度与采样的频度均已大大提高，它们必然会对临床诊断、临床研究乃至患者的自主性带来深度的变革！因此，作者所描述的未来医疗，将是计算机、算法与患者、医生、科学家共同协同的结果，我对此表示高度认同。</p> <p> </p> <p><strong>从 EHR 到 PDT ：AI 与医疗行业的协同新时代</strong></p> <p>书中还提到了一些与我近年来工作相契合的观点。例如，西奈山健康系统精准医疗执行副总乔尔 · 达德利（Joel Dudley）提出：“人类是一个复杂的适应性系统，我们不能仅通过查看局部来理解整个人。”这是在医疗科普书中难得一见的“复杂适应性系统”的描述，我对这位副教授表示由衷的敬意。作者早期可能也没有预料到，Medidata 公司会被达索系统公司收购，而新公司的使命之一就是建立一个从分子到个体，再到群体层面的生命科学建模和研究平台。达索系统公司核心层提到的“虚拟孪生”技术，也是我近年来关注的方向。从患者的电子健康档案（EHR）到叠加了非医疗如穿戴设备数据的个人健康档案（PHR）、个人生命云（PLC，其</p> <p>因数据量更大，一个全基因组就可达 30GB 的数据量），*终到个人数字孪生（PDT），即从静态的个人健康数据到为每个人进行“精准系统建模”的阶段。这需要医学生物学、数据科学、系统科学（尤其是复杂系统）与计算科学的深度融合和跃迁。只有当我们能够对生命进行建模时，医学生命科学才能实现质的飞跃。巧合的是，这也是本书作者的新使命。我同样认同译者何健教授的观点，那就是作者可能低估了 AI 对医疗行业的革命性影响。患者个人大脑 医生大脑 计算大脑（Agent 智能体）的协同新时代，正在加速到来。</p> <p>这是一个充满变革和想象力的时代。作为地球上唯一能思考“我是谁，我是怎么来的”物种，人类对自我的探索正在以前所未有的速度加速。许多定义正在被赋予新的含义和边界，包括什么是“健康、有质量的生活”。医疗保健的普惠性和经济性对一个国家来说至关重要。精准医疗的目标就是弄清楚如何在*合适的时间，为合适的患者提供合适的治疗；哪些应该干预，哪些不应该干预；如何将前沿的临床研究和新技术更快速地反馈、更新到旧的临床路径中，甚至使用贝叶斯方法提高效率，使普罗大众更快地受益。书中对这些问题进行了精彩的阐述。</p> <p><strong> </strong></p> <p><strong>数据共享与医疗健康</strong></p> <p>与许多其他作者一样，本书在探讨医疗健康数据时，反复提到了如何打破数据孤岛，以及患者数据的完整性、跨患者的群体临床研究与机构间的科研数据共享。我在过去 10 年中所在的研究院建立的 OMAHA 联盟，也在中国医疗健康数据标准化和有效共享方面进行了探索，与作者有很多共鸣。在一切以百姓的健康为*高目标的前提下，全世界越来越意识到，大规模、长期、多维度、高频度且高质量的健康医疗数据对一个国家乃至全球生命科学产业的研究至关重要。中国的传统文化，尤其是中医文化，早已从天人合一的系统观中，为我们提供了许多价值观的指导。人类命运共同体、健康共同体都要求我们采取开放、包容、协作、共享的工作方式。即使在细分的临床研究领域，基于开放原则的思维也将大大加速成果的转化，更有效地让患者受益。</p> <p>*后，作者在美国亲历的新冠病毒感染疫情与我们在中国的经历不同。但有一点是相同的，“平战结合”是所有医疗行业人士需要思考和准备的。从医院的硬件环境、医护人员的水平，到日常的家庭备药和健康科普，都体现了一个国家、一个民族的健康素养和治理水平。</p> <p>健康是人类永恒的话题，医疗也是无国界的主题。感谢本书作者的探索和分享，以及译者的辛勤工作和精彩评论。我很高兴能提前阅读这本译著，从中获益和感触良多。</p> <p>2024年10月19日</p> <p> </p> <p>[译者序]</p> <p> </p> <p><strong>数据技术为精准医疗时代铺路</strong></p> <p> </p> <p>何　健</p> <p>中国医学科学院北京协和医学院教授</p> <p>北京协和洛奇功能医学中心主任</p> <p>美国大型功能医学检验中心前主任</p> <p> </p> <p>人的健康状态与自身和周边很多因素相关，这是一个定性的认知。我从事功能医学已经几十年了，致力于通过全息化收集人体的数据以及人体所处的环境数据进行矩阵分析，找出疾病的根源和功能变化，从而进行更加精准的治疗。换句话说，功能医学就是探索数据之间定量的相关性。在生命科学领域，面对众多数据，*具挑战性的任务是如何找出数据之间，以及数据与疾病、症状之间的相关性。然而，现代西方医学临床指南针对疾病的数据收集能力非常有限，也就限制了疾病诊疗的效果。不知道数据之间的相关性，并不代表它们对于医疗没有价值。本书通篇都在论述数据与医疗的相关性，文中引用的数据及案例之多，实属罕见，让我在翻译与阅读中大开眼界。</p> <p>近年来，关于医疗大数据相关性研究报告有很多，但是数据零散化、碎片化、孤岛化、片面化都是这类研究所面临的问题，因此也很难就这一议题写作成书。本书**作者格伦·德弗里斯（Glen de Vries）从事的学术和商业活动正是围绕生命大数据的，他对数据的理解有相当的深度，梳理的方法也颇具特色。数据本身是枯燥无味的，但加上案例，特别是成功的故事，就非常打动人了。将疾病案例与数据收集、分析和结论融合起来进行描述，诸如癌症、阿尔茨海默病等复杂的疾病，更易唤起人们对数据收集的极大兴趣。如今，我们看到慢性病高发，会察觉它与环境变化，包括现代工业化发展都有关系，一定还想知道具体与哪些因素有关，从而精准地避免患病。本书描述的案例在此背景下就非常有科普性、启发性。</p> <p>本书引用大量文献为依据，论证看似不相干的人体健康数据对于疾病诊断治疗的重要性，并对此提出了很多新颖观点。人们在谈论生活方式、饮食、运动等数据对于疾病的重要性时，往往流于概念性陈述，缺乏数据支持，因此医生很难给予病人具体的指导。从功能医学角度理解健康与疾病的关系，恰恰需要把人们将自我调整的因素变得量化且可执行。本书所提供的大量研究佐证无疑让很多概念得到了支持。比如所有慢性病在发生之前，都有漫长的功能下降过程，这个功能医学论述就得到了本书中大量的数据支持。我阅读和翻译此书时还有一个兴奋的地方，就是作者的观点与我多年前提出的功能医学组学论中的 LED（life style, environment, diet，即生活方式、环境、饮食）组学极其相近。</p> <p>今天，研究大数据的重要工具是数字技术，包括人工智能等。作者的写作思路也非常“数字化”，并非简单的推理模式。因此阅读本书时也会有进入数字世界的沉浸感。作者的职业对于接触数据的优势可谓得天独厚，但是更有价值的是他将这些看似繁杂的数据研究，用数字化的方式串联起来，让读者更加信服全息化的收集数据对于疾病诊疗的重要性。同样作者也犀利地指出，如果缺乏足够的数据支持，一些诊疗是有局限性甚至是错误的。当然历史的局限性让我们得以不断纠正过去的错误，在数据分析方面，不断发展的数字技术无疑正在帮助我们发现错误、纠正错误。这也是作者非常明确的观点。所以阅读此书的医学从业者会升起一种使命感，那就是找到更多的数据相关性，更加精准地诊疗疾病。</p> <p>本书无疑为医学研究指明了一个重要方向，那就是在未来精准医疗中数据的作用。如果我们今天由于不了解数据背后的相关性就断定其是无关数据，那就会陷入多年来科学的误区，那就是“看不见即没有”。医学研究如果遵循传统的线性思维发展，那么在大数据问题面前将会一筹莫展。今天的数字技术，特别是人工智能技术，可以帮助我们分析并找到数据相关性。这类研究可以形象地比喻为“数据显微镜”，也就是通过数据相关性研究找到有效的数据指标。在这方面本书的说服力非常到位。</p> <p>面对日新月异的科技进步，本书的观点也有其时代的局限性。如作者认为数字科技只是为医生提供辅助工具，而不会取代医生。现在仅仅是在本书创作五年后，数字科技突飞猛进，其速度已经彻底改变了人们对人工智能作为辅助工具的看法，算法已进入了挑战人类的智能阶段，当然也包括了可以独立进行诊疗。</p> <p>在大数据时代，人工智能等数字技术不断涌现，本书无疑为数字技术在医学研究和临床实践中的应用提供了独具只眼的思路。数字化思维，特别是具有颠覆性的创新性思维，对于医学研究者大有裨益，因此我特别推荐医学生、数字技术专业的学生阅读此书，它可以帮助你为踏入精准医学时代做好准备。</p> <p>2024年7月29日</p>

相关资料

2024年诺贝尔物理学奖和化学奖已经颁给了AI技术的推动者和使用者,代表一个新范式的开启。同样,医疗的范式也即将改变，我们将进入精准医疗时代。精准医疗不只是基因技术代表的个性化，而且是通过数字技术和人工智能分析带来的对疾病和病程的理解。本书有助于我们一窥精准医疗的愿景和路径。王小川百川智能创始人兼 CEO，搜狗 CEO 本书作者的写作思路非常“数字化”，因此阅读本书时也会有进入数字世界的沉浸感。作者的职业对于接触数据的优势可谓得天独厚，但是更有价值的是他将这些看似繁杂的数据研究，用数字化的方式串联起来，让读者更加信服全息化的数据收集对于疾病诊疗的重要性。何 健中国医学科学院北京协和医学院教授排卵追踪手环：帮助女性成功孕育

在一个正常的月经周期中，女性怀孕概率较大的时期只有不到 10 天。对想要备孕的夫妇来说，确定这些日子可以说是一项至关重要的任务，但是长期以来，可以用来准确预测这些日子的工具或方法存在严重的缺陷。如日历推算法，女性用过去的月经周期来预测现在的周期长度，这种方法大概只有 30% 的概率可以确定怀孕的日子，这几乎和碰运气没多大区别。再如体温推算法，为了准确预测怀孕时间，女性早上醒来**件事就是测量直肠体温，期待看到升高的 0.4℃。这种温度升高通常出现在女性排卵期的末段，但此时基本上已经太晚了，女性无法采取有效的行动。还有宫颈黏液法，它需要女性解读宫颈黏液从黏稠变为浑浊再变为油滑的细微变化。
无论女性采取哪种方法，都是在试图将一个复杂的、涉及多个变量的过程简化为一组测量数据，且只有一个数据源。再加上收集这些数据的不便和解读上的潜在困难，女性真的很难得到有用且准确的信息。因此女性无论选择哪种方法，都无法保证她们能确定尝试受孕的*佳日期。
从患者方程式的角度来看，虽然排卵受到多个输入的影响，但它比我们在医疗保健中处理的大多数问题更接近于 Nest。它是一个闭环系统，只有一个“是或否”的输出：是否有卵细胞被释放。虽然为了得到比传统单变量测量更准确的结果，需要解一个复杂的患者方程式，但它远比后面章节所涉及的内容要简单。预测排卵期是迈向患者方程式世界的一小步，但在迈出这一步的过程中，我们可以学到很多如何将新技术成功应用于实践的知识。

女性排卵追踪手环 Ava
Ava 是 Ava Science 公司于 2016 年上市的一款女性排卵追踪手环，已经获得 FDA 的批准，并已在 36 个国家进行销售。随着目前全球*大的女性健康测量数据库的建立，Ava 手环的预测能力和洞察力正在逐步改进。Ava 手环是无侵入性的，女性可以戴在手腕上。睡觉时，它通过使用温度传感器、加速度计和光学体积描记（检测皮肤不同层的变化），收集关于脉搏、呼吸频率、心率变异性、睡眠持续时间和阶段、皮肤温度和血流灌注指数（反映组织的血流供应情况的指标）等信息，以及女性通过智能手机应用程序输入的关于自身月经周期和性行为时间的数据。Ava 手环使用这些多变量数据来预测女性月经周期中的排卵日，对女性参与度和耗费精力的需求相对较少。*新报告显示，Ava 手环的预测准确率为 89%。

排卵追踪手环：帮助女性成功孕育

在一个正常的月经周期中，女性怀孕概率较大的时期只有不到 10 天。对想要备孕的夫妇来说，确定这些日子可以说是一项至关重要的任务，但是长期以来，可以用来准确预测这些日子的工具或方法存在严重的缺陷。如日历推算法，女性用过去的月经周期来预测现在的周期长度，这种方法大概只有 30% 的概率可以确定怀孕的日子，这几乎和碰运气没多大区别。再如体温推算法，为了准确预测怀孕时间，女性早上醒来**件事就是测量直肠体温，期待看到升高的 0.4℃。这种温度升高通常出现在女性排卵期的末段，但此时基本上已经太晚了，女性无法采取有效的行动。还有宫颈黏液法，它需要女性解读宫颈黏液从黏稠变为浑浊再变为油滑的细微变化。

无论女性采取哪种方法，都是在试图将一个复杂的、涉及多个变量的过程简化为一组测量数据，且只有一个数据源。再加上收集这些数据的不便和解读上的潜在困难，女性真的很难得到有用且准确的信息。因此女性无论选择哪种方法，都无法保证她们能确定尝试受孕的*佳日期。

从患者方程式的角度来看，虽然排卵受到多个输入的影响，但它比我们在医疗保健中处理的大多数问题更接近于 Nest。它是一个闭环系统，只有一个“是或否”的输出：是否有卵细胞被释放。虽然为了得到比传统单变量测量更准确的结果，需要解一个复杂的患者方程式，但它远比后面章节所涉及的内容要简单。预测排卵期是迈向患者方程式世界的一小步，但在迈出这一步的过程中，我们可以学到很多如何将新技术成功应用于实践的知识。

女性排卵追踪手环 Ava

Ava 是 Ava Science 公司于 2016 年上市的一款女性排卵追踪手环，已经获得 FDA 的批准，并已在 36 个国家进行销售。随着目前全球*大的女性健康测量数据库的建立，Ava 手环的预测能力和洞察力正在逐步改进。Ava 手环是无侵入性的，女性可以戴在手腕上。睡觉时，它通过使用温度传感器、加速度计和光学体积描记（检测皮肤不同层的变化），收集关于脉搏、呼吸频率、心率变异性、睡眠持续时间和阶段、皮肤温度和血流灌注指数（反映组织的血流供应情况的指标）等信息，以及女性通过智能手机应用程序输入的关于自身月经周期和性行为时间的数据。Ava 手环使用这些多变量数据来预测女性月经周期中的排卵日，对女性参与度和耗费精力的需求相对较少。*新报告显示，Ava 手环的预测准确率为 89%。

Ava 手环幕后的算法既是诊断性的，又是处方性的。它能识别出女性受孕的日子，然后告诉夫妻双方什么时候应该发生性行为，以*大限度地增加怀孕的概率；而如果用户用它来避孕，它就可以告诉他们何时不要发生性行为。进行诊断，然后采取可行的干预，这两方面都是数据技术的有效应用。例如，如果仅仅告诉某人他可能有患阿尔茨海默病的风险，而不告诉他应该采取的行动，也不告诉他可以改变结果的干预措施，那么这样的诊断价值非常小。

《纽约时报》的一篇文章称，一位女性发现她的受孕时间大约提前了一个星期，因为她的月经周期比大多数女性的要长，而常规的经期追踪应用程序无法检测到这一点。A 在戴上 Ava 手环几个月后，她怀孕了。毫无疑问，还有无数其他类似的事例。2019 年，Ava Science 公司宣布，已有20 000 名佩戴 Ava 手环的女性生下了宝宝。但 Ava 手环只是个开始，当前的算法也只是个开始。随着该公司从世界各地的女性身上收集和追踪到越来越多的信息，其数据科学家有了两个目标：一是继续提高排卵预测的准确率；二是能与女性健康建立更广泛的联系。这是在 Ava 手环出现之前因为数据不足而无法考虑的。

举几个例子：女性的生理周期如何影响情绪波动、头痛问题和整体健康状况；如何理解、管理女性在怀孕期间和更年期的激素波动问题；以及如何使用这些数据来发现女性患心脏病、癌症等疾病的早期征象。该公司已经启动了一项研究，追踪一组患有未足月胎膜早破的住院女性，试图研发一种能在传统方法检测到感染前就提示感染的数据模式。

从 Ava 手环旨在帮助夫妻备孕的*初目标开始，公司长期以来的规划就是拓展其功能，使 Ava 手环能给所有年龄阶段和有生育目标的女性带来实质性的帮助。在一次采访中，该公司的联合创始人兼首席执行官帕斯卡尔·凯尼格（Pascal Koenig）告诉我：“我们的愿景是了解激素变化对女性一生的影响：从初次月经开始，一直到更年期，甚至可能到更年期之后。”

凯尼格还说道：“这涉及整个生育过程，从帮助备孕的夫妻解决问题，到为使用激素的人提供避孕建议，再到为孕期女性提供监护，甚至包括更年期问题，这是一个尚未得到充分研究的领域。我们的目标是提供能在这些关键阶段影响人们生活的产品和服务。”

数据创建了一个让持续改进成为可能的反馈循环：收集的数据越多，我们就能越精细地改进算法，使预测变得更精确，从而可以测试更多的假设，*终可以得到更多的知识和信息。当然，如果新的数据源在算法中能增加附加值，或技术能使它们更容易被捕获，那就有机会添加更多的数据源了。

凯尼格还解释道：“我们从一个较小的数据集开始，然后深入研究这些数据，试图真正理解它们，看看能添加什么，以便让预测更准确。现在，我们使用了越来越多的要素，这是之前的人从未预料到的。当然，我们的数据科学家需要确认所发现的相关性是真实的，而不仅仅是我们应该过滤掉的误导性因素或噪声……我们看到了许多令我们意想不到的联系。”

凯尼格告诉我，其中一些联系很容易理解，而有些则很难解释。他们已经研究了跨时区旅行、夜间锻炼、睡眠质量不佳等对激素的影响，这一切都是为了试图找出产生影响的因素，以及设备能在哪些方面为用户带来价值。

该公司在其网站上引用了一项来自 2000 年的研究，那是一篇关于血压和心率如何影响女性月经周期的论文。A而在 20 年前，我们并没有在家中进行相关测量的实用技术手段，也就是说，让 Ava 手环变为现实的技术当时并不存在。上一章中提到，我们正处于历史的拐点：我们拥有了收集数据的传感器，并且有计算能力将这些数据转化为可操作的信息。在许多领域，我们都有可收集数据的传感器，但只是不知道需要寻找哪些特定的数据或指标。在女性健康和生育领域，我们很早就知道一些相关的数据层面和指标，但直到*近，才研发出了必要的可穿戴设备，使日常持续收集数据成为可能。

患者角色的转变

Ava 手环这类设备使患者能以前所未有的精确度来掌握自己身体的情况。患者不再只是信息的被动接收者。在医患关系中，不再是只有生育专家掌握所有信息，即不再是他们单方面告诉患者其身体发生了哪些变化，以及何时采取行动才能*大限度地提高怀孕的概率，患者也可以参与自己的护理，掌握自己的信息流。患者能积极地做出决定，治疗自己，而不仅仅是去看医生。Ava 手环让患者可以在家中追踪一些原本只能在医院或诊所获取的信息，这只是一个例子，当我们探索其他健康状况时，这种自我监测和管理的方式便能得到更广泛的应用。

当然，这一转变同时也带来了新的责任。为了获取所需的信息，患者会被迫承担更多的护理责任。在一个依赖技术的医疗环境里，仅仅去看医生是不够的。患者需要持续使用 Ava 手环，查看结果，并根据信息采取行动。对 Ava Science 公司来说，它不仅要让受过教育的医学专业人员能理解这些信息，也要让相对不那么精通医学知识的终端用户能理解。这并不是说医生的角色被消除了，如果有位使用 Ava 手环的女性成功怀孕，那么她**步依然是去看妇产科医生。换言之，患者的工具箱中有了更多的工具。

从行业角度来看，我们过去从未真正考虑过信息的呈现问题，即设备的形式和设备的可访问性。从某种程度上说，从前的医疗设备产品使用起来有些困难也没关系，因为它们是由训练有素的专业人士操作使用的。但现在，情况不一定是这样了。

在以前，检测女性的宫颈黏液或基础体温是侵入式的，很耗时，女性必须将之作为早晨起床后**件要做的事情，这会打乱她们的生活节奏。而 Ava 手环使用起来就方便多了，用户可以进行设置，让它自动与手机同步。更值得称赞的是，Ava 手环的设计者还巧妙地构思出了一种用户互动模式，让它能保持充足的电量——每次用户为 Ava 手环充电时，数据会自动同步到手机。这一构思，使得充电、数据同步和继续使用 Ava 手环形成了一个良性且合规的循环。当然，这在诊所里并不成问题，因为当患者已经身处医生的办公室时，没有人会担心验血太麻烦。但是在家中，在患者没有医疗服务提供者监督的情况下，这就显得极其重要。

从商业角度来看，一系列不同的模型正在发挥作用。Ava Science 公司不仅考虑到了潜在用户，还考虑到了医疗专业人员。如果有人有生育方面的问题，医生可能会从工具箱中拿出 Ava 手环，让患者在进行进一步治疗前先尝试使用它。从付款方角度来看，保险公司可能会说，在他们支付试管婴儿或其他昂贵的干预费用之前，患者必须先充分尝试各种方法，以排除无法怀孕仅仅是怀孕时间计划错误造成的问题。

作者简介

[美]格伦·德弗里斯
Glen de Vries
全球知名临床研究平台、生命科学研究云平台Medidata Solutions联合创始人，达索系统生命科学与医疗保健部门前副主席。该公司的软件已为从疫苗到癌症和罕见病等各个领域超过700万名患者的超过25000项临床试验提供支持。
毕业于卡内基梅隆大学，卡内基梅隆大学受托人。曾是哥伦比亚大学前列腺癌研究科学家，学术成果发表于《癌症》《泌尿学杂志》《分子诊断》《应用临床试验》等期刊。

[美]杰瑞米·布莱克曼
Jeremy Blachman
作家，毕业于普林斯顿大学和哈佛法学院。

[美]格伦·德弗里斯

Glen de Vries

全球知名临床研究平台、生命科学研究云平台Medidata Solutions联合创始人，达索系统生命科学与医疗保健部门前副主席。该公司的软件已为从疫苗到癌症和罕见病等各个领域超过700万名患者的超过25000项临床试验提供支持。

毕业于卡内基梅隆大学，卡内基梅隆大学受托人。曾是哥伦比亚大学前列腺癌研究科学家，学术成果发表于《癌症》《泌尿学杂志》《分子诊断》《应用临床试验》等期刊。

[美]杰瑞米·布莱克曼

Jeremy Blachman

作家，毕业于普林斯顿大学和哈佛法学院。

[译者简介]

何 健

北京协和洛奇功能医学中心创始人,洛奇健康集团创始人，上海交通大学国家健康产业研究院功能医学分院执行院长，北京大学生命科学华东产业研究院微生物组学研究所所长，中国医学科学院北京协和医学院教授、博士生导师，中国功能医学网创始人。

毕业于北京大学医学部,获得美国维克森林大学博士学位以及美国梅奥诊所博士后学位，曾任香港大学医学院荣誉教授。

CCTV《健康Idea》节目主持人，CCTV《健康之路》、北京电视台《养生堂》现场医学专家。与知名主持人杨澜创办的《天下女人》合作推出大众健康课程《何来健康》。