可穿戴设备的大数据医疗如何在中国更好“落地”？

可穿戴、大数据、健康，三者看起来如此接近，但离我们构想的未来似乎还有些遥远。这个领域在中国的梦想者也越来越多起来，但目前还有哪些尚未解决的问题？它们如何结合才能释放出价值？怎样才能让基于可穿戴设备的大数据医疗在中国更好地“落地”？ 

 前些天，国内首款基于百度云的可穿戴手环设备咕咚手环曝光。在国外，Jawbone和Nike等厂商早已从个人健康管理方面切入了可穿戴设备领域。不同领域的巨头开始施展拳脚，这已经是消费电子领域的下一个蓝海所在，它又与大数据技术紧密结合。

大数据是近年来信息技术领域的研究热点，利用大数据监测人的健康状况正在美国医疗行业渐渐升温。可穿戴、大数据、健康，三者看起来如此接近，但离我们构想的未来还有些遥远。这个领域在中国的梦想者也越来越多起来。目前在这个领域还有哪些尚未解决的问题?它们如何结合才能释放出价值?怎样才能让基于可穿戴设备的大数据医疗在中国更好地“落地”?

以下为一有志于大数据医疗的创业者供稿。文章的上篇介绍了可穿戴设备的行业现状以及将来会面临的问题，下篇则对这一领域的未来进行了展望。全文编辑整理如下：

这两天，Jawbone以1亿美金的价格收购了Bodymedia这条新闻让大家对可穿戴市场充满了期待，大家似乎看到了普通人利用可穿戴式设备可以管理自己的健康状态远离医院的时代已经来临。殊不知可穿戴式设备和让人们管理自己的健康之间还隔着100个Bodymedia Fit，这条路任重而道远。

本文就从穿戴式设备、大数据、用户使用习惯等不同角度来分析5-10年后健康管理可能以什么样的方式被激活。整篇文章分上下两部分，上篇主要是描述目前让人们兴奋的市场前景和现状之间相隔的鸿沟，下篇主要是讲我们可能突破鸿沟的路径，在医院以外形成一个“发现-处置-评估”的闭环服务，让人们能通过自我管理的方式将“未病”发现于萌芽，结合自身独特的体征节律状况得出个性化的康复方案，并进行周期性的评估和方案微调来把“未病”拒之门外。

理想丰满、现实骨感

市场状况

移动医疗和移动健康的话题在今年越来越热，很多公司都纷纷进入这个领域，原因有两个：一个是这个产业体量很大，在中国医疗服务大概是2-3万亿人民币的规模，占GDP 5%-6%的比例左右，在美国是2-3万亿美金的规模，占到美国GDP比例的17%左右;其次是互联网和移动互联网对现有行业的影响相对较小，存在着较大的突破空间。

随着医疗服务成本高企，从政府、社保、保险公司和个人都将越来越难以承担，并且中国逐渐进入老龄化社会，健康管理的领域应会在5-10年内由现在2000-3000亿人民币的市场成长成为一个接近甚至超越医疗服务市场的规模。

在中国家庭结构成4-2-1的倒金字塔结构，一对年轻夫妇上面要赡养4个老人，下面要抚育一个孩子，任何一个人突然的健康变化都会带来难以承受的金钱和时间以及精力的损失，所以大家也会越来越关注健康管理相关的产品和服务。

移动医疗领域由于我国的体制限制，信息和数据共享化很难实现突破，所以很多技术领域的成果在现实中很难推广，这就让更多人把眼光移到医疗服务的前端市场：健康管理。尤其当爱康国宾4月中旬融资一个亿美金的消息，更是让这个领域成为了关注的焦点。

在健康管理领域中需要解决的问题就是及时发现身体的健康异常和重大疾病风险预警，传统情况下我们会通过年度的体检来实现这一要求，但是体检时间跨度大，同时地域的覆盖能力也不足够，人们纷纷把眼光转移到可穿戴式设备上，希望能够通过这样的设备来实现跨地域大人群身体异常实时发现。

目前市场上与健康相关的可穿戴式传感器主要有两大类：

一个是体外数据采集，主要通过带G-sensor的三维运动传感器或GPS获取运动状况、运动距离和运动量，来帮助用户进行运动和睡眠的管理，同时在帮助用户引入社交平台概念让用户之间进行数据衡量和对比来推动用户持续产生行为改变用户的健康状况，并且在后端服务领域引入专业的运动和睡眠实验室的数据分析模型来对个体的运动和睡眠的改进提供收费建议。在这个领域国外Fitbit，Jawbone，Nike是这个领域的领头羊。

这类设备面临的问题只能满足用户自我量化的需求，并激发用户通过锻炼等预防行为来改善身体状况，但无法发现健康异常状况并做出风险预警。

第二是通过体征数据(如心率、脉率、呼吸频率、体温、热消耗量、血压、血糖和血氧、激素和BMI指数，体脂含量)监测来帮助用户来管理重要的生理活动。现阶段可以利用的体征数据传感器包括：1、体温传感器;2、热通量传感器，用来监测热量消耗能力，可以用于血糖辅助计算和新陈代谢能力推算;3、体重计量传感器，用于计算BMI指数;4、脉搏波传感器，推算血压，脉率等数据;5、生物电传感器，可用于心电、脑电数据采集，也可用来推算脂肪含量等;6、光学传感器，推算血氧含量，血流速;

这些数值交叉分析的结果可以用来分析用户现在体质状况，主要健康的风险评估，并结合数据可以给出几项关键生理活动：睡眠、饮食、运动和服药的个性化改善建议，让用户保持在一个稳定的身体健康状况。

为什么还没有大公司?

但是在这个领域还没有大的公司，原因有几个：

1、 体征数据较难采集，血压和血糖现阶段多是用有创或有感的方式进行数据采集，虽然无创式采集有理论基础，但是只能用间接式的推算方式得出近似模拟数值，并且设备成本高企；

2、 用户检测的时间随机和随意性带来的数据噪点，用户自发检测的问题是无法排斥意外因素带来的数据干扰，比如：运动、情绪、服药、睡眠状况甚至天气异常变化带来的影响。这些数据远不能反应用户体征真实情况，会形成数据噪点。

3、 设备检测精度的问题，家用设备的检测精度无法与医用级设备达到同样的精度，数据量大同时检测精度不够，医生不愿意投入精力分析，是数据价值降低。

4、 缺乏处置服务和手段，数据虽然显示了每个单个个体的体征情况，但是缺乏对应的个性化处置方案，也降低了数据价值。

5、 缺乏体征数据的动态评估机制，无法有效提前发现异常。

6、 缺乏权威专业机构的分析判断，无法督促用户在没有体征感受前很难重视数据并持续改变自己的生活习惯和规律来预防。

7、 设备的采集频率和功耗、数据传输、数据分析能力的矛盾，数据采集密度越高，分析价值越高，但是功耗和数据冗余大大增加，数据采集密度低又降低了异常状况的敏感度。

上面的问题其实是大量准备进入这个行业的移动互联网创业者经验没有覆盖到的地方。其实在这一波浪潮之前，远程体征检测设备已经经过一轮兴起和衰落，也是基于同样的原因。换上可穿戴式设备的新概念，同样要面临去解决这些问题。

在下篇中我们会集中探讨如何通过可穿戴式设备持续采集数据，结合大数据分析预测有效解决上面的所提出的问题，我个人认为这几年的发展路径一定是：

1、 传感器小型化、集成化，让体征检测设备采集数据用户无创无感化，不妨碍用户日常的生活习惯；

2、 体征数据可连续采集和传输，同时可以通过双向智能调节采集频率；解决功耗和数据冗余的问题；

3、 体征连续数据的分析能力，用户通过纵向的自身数据比较了解健康变化的情况，通过横向的大人群数据比较来对中长期异常提前风险预警，同时能获得个性化的处置方案；

4、 不同数据相结合的交叉分析能力，既能提高对异常情况的敏感度，也能提高分析的准确性。并且对人体情况的判断更智能，需要人工干预的情况越来越少。

解决入口：数据密度决定价值

在上篇中我们提到了很多的问题，那么如何解决这个问题呢?我们需要先从产生的问题的场景入手，只有发现问题的根源，才能明白解决的方法。

传统的不足

在传统的医疗服务领域，当我们有感觉体征不适的时，我们前往医院去做检查，在医院里会有各种的精密检测设备，设备会设定一个普遍性的基准值，你检测的数据会和这个基准值进行比较，超越某个界限可能会被判断异常。同时医生可能会要求我们空腹少喝水去检测，提前一天停止服用药物，有些体征检测会要求反复测量，同时会检测者保持心静的状态，深呼吸。所做这一切都目的都是希望检测数据尽量精准，尽量排除外界干扰带来的数据差异引起误判。

可是当我们在家中检测，用户检测的随意性就出来了，用户可能会在任意一个想起的时间进行检测，这个时间可能是刚饱餐一顿，刚喝完酒，刚爬完楼梯，刚吵完架;也有可能刚服完药，这些因素都会极大的影响检测的数据。同时普通的家庭式检测设备，为了追求用户可接受成本，无法达到医疗级设备的精度，这样得出的数据和用户真实的体征情况存在相差十万八千里的可能。

当体征数据不能反应真实的体征状况的时候，不要说发现“未病”，发现既得疾病都成疑。

在今天所有做穿戴式设备的公司都在抱怨，这个市场不成熟缺少足够用户，所以我们的设备成本降不下来。同时先锋用户和意见领袖们体验又不好，他们不但弃用了我们的产品还到处抱怨，这真是一个慢热的市场。要想改变这种市场必须有资金去做一个从产品外观、易用性、到数据检测精度都优秀的革命性产品，而且技术发展使生产成本降低，可穿戴式设备才有机会。

我听到这样的言论都愿意和他们去讨论；你增加的功能解决了传统设备那些无法解决的问题了吗？或当市场发生变化的时候你满足了那些新增的需求？当你没有对需求或痛点有深刻理解的时候，闭门造车做出来的产品一定得不到用户的持续追捧。

为了解答上面的疑问，我们来看看Fitbit 来怎么改变计步器的市场的，在Fitbit 09年进入计步器这个市场，普通人大概并不知道世间还有个产品叫计步器，也不知道在这个领域有一个30年的市场：欧姆龙，它占据了这个市场的绝对份额，新兴产品面对它只能采用低价策略，但是效果并不明显。为什么Fitbit 能够颠覆这个传统市场，原因在于市场的消费主体和需求在发生变化。

在以前，这类设备多是中老年人购买，因为人进入中老年，即需要每天保持足够量的运动减缓机体快速老化，提升新陈代谢的能力，但又不能过度运动，以防过度运动对机体和心脑血管系统带来的伤害，因此走路是中老年人近的运动方式，而计步器则是控制运动在合理范围的有效工具。

KK案例的借鉴意义

随着KK(凯斯·凯利)推动的自我量化(Quantified Self)的风潮普及，年轻人在日常运动的过程中也需要对自己运动的数据有记录的功能，同时如何克服懒惰的人的天性成为需求之一，只有让更多朋友参与监督，以及为运动量设定目标并朋友比较才能有些克服懒惰天性。计步器不再只是承担一个数据记录的功能，还要把数据联网化能让使用者进行纵向和横向的比对，并满足人天生的展示的天性，很快可以数据联网化的计步器产品成为年轻人的新宠。

我们可以通过这个案例学习到什么：

、价格永远不是核心的问题，因为Fitbit的产品卖99美金，而传统的计步器价格只有29-59美金，你必须要发现市场的消费主体和消费需求的变化，满足他们需要解决的问题，你的产品就有机会。

第二、也是核心的一点，硬件的价值不再由硬件成本本身来决定，而是由每天产生的数据量和数据的流动性能力以及通过数据的对比分析得出价值来决定。硬件将只扮演的一个数据采集工具的角色，我们可以把它当作一个数据源。硬件+数据传输+数据分析+数据反馈形成一个完整的服务平台，从整个平台来讲，它的价值与数据源的数量成正比关系。

从上面的例子我们可以做出总结，在未来可穿戴式设备一定无法和大数据脱离，单纯的硬件设备和建立在设备上的模式化数据分析即没有解决问题，又徒然增加了成本。用户不再看重可穿戴式设备的计算能力，更重视设备的外观(作为个性化的品味的展现)，轻薄程度和数据采集对正常生活的无妨碍性，这些决定了数据采集的密度。

只有足够的数据密度，才能让设备体现出价值。而对于厂商来说，要从根本抛弃硬件时代的盈利模式。硬件销售将不再是盈利的来源，如何让用户认可服务、持续提供数据，并根据用户数据给出个性化的改善建议吸引用户持续付费才是持续利润的源泉。

在新的模式里，硬件和服务都要具备快速迭代的能力，硬件将更舒适、更方便、更小型化、更无感化同时集成更多的传感器，数据来源将越来越丰富，而数据分析服务将利用更多种类的数据来交叉分析，无需用户干预而通过数据智能化学习就能把人一天重要的生理活动描绘出来，通过数据把行为量化。用户把数据进行对比寻找自己的健康状态在同状态人群中的位置感，强化他的反应行为，也可以让平台提供优化他生活规律的个性化方法。当用户接受并依赖它时，持续为服务付费将成为收入的主流。

数据误差的解决

这时会有读者提出，在上文中提到的关键性的问题还没得到解答，怎么避免外界因素造成的数据误差和设备精度带来的数据误差?其实在前面虽然没针对性的解答这一问题，但是还是给出了答案：那就是用全新的分析方式去看到数据，不再对单一数据进行解读，而是继续连续数据的波动性规律(以下简称：节律)来进行分析并寻找异常。

因为人是一个精密的组织体，任何体外和体内的异常变化，中枢神经感应到后都会分泌激素，调节体征对意外情况产生应激性反应，所以发现异常的关键在扑捉到体征的有异于自身规律的变化。

不同年龄和性别的人群，健康人的体征有稳定的节律，建立不同年龄性别人群的基准节律情况，当任何使用者通过监测连续体征数值得出自己的体征节律后可以跟基准节律进行对比来发现异常情况;同时建立的自己的基准体征节律后，在体征数据捕捉过程中的意外因素影响形成的零星噪点很容易通过算法剔除掉，而短暂的体征波动变化则可以反应临时的健康变化情况，持续的长期体征节律异常则能反应中长期的疾病风险。

所以在连续数据的分析模型下，可穿戴式设备数据采集的一致性的就非常重要，因为分析的基础不再是单点的体征值而是体征的变化规律，对精度的需求就没有那么强烈。这样在硬件设计的过程中我们可以平衡采集精度和成本之间的关系了。

通过可穿戴式设备结合大数据的分析模型，我们就有机会在形成病症之前发现体征节律的异常并及时介入进行调整，避免疾病的形成。而介入方案则是通过传感器协同描述重要生理活动的数据化特征进行调整，改变自己的运动、饮食和睡眠以及服药的时间点来用低成本代价恢复到稳定的健康状态。

并且可穿戴式设备采集用户体征数据频率在数据分析的基础上可以进行双向调节，当用户某些体征显示异常征兆和外界环境发生剧烈变化时，可以提高设备的采集频率提高发现的敏感度，而用户身体状况稳定，可以降低数据的采集频率。这样用户在家中就能随时通过自己体征节律的变化情况来评估身体健康状况的变化情况，来原来只有在医院才能实现的“发现-处置-评估”的完整闭环。让人少生病、不生病，比提高医疗服务的质量更有积极意义。

同时我们也能感受到，在医疗服务的前端市场：健康管理的市场的主体消费人群和消费需求正在形成。因为4-2-1的家庭结构，年轻人将越来越无力承担家中老人突然生病带来的巨大经济成本压力和生活秩序的混乱，他们会对疾病前兆判断的工具和服务形成越来越强的依赖，而满足这种需求有效方式之一将是可穿戴式设备结合大数据分析，这个市场的爆发指日可待。

在过去的十年，互联网把所有提供标准信息的传统市场进行了颠覆，人们开始改变了自己读书看报、购物、交友的方式，在下一个十年，对非标准化信息的市场，将由移动互联网带来改变，我们重新设计硬件捕捉那些非标准化的信息，对获得的数据进行规律性分析来预测并提前做出准备。那些传统的行业的改变终将来临。