在这个衣食住行、相亲交友都要用到大数据的年代，医疗行业也日益明确了这样一个认识：在治疗判断、信息搜寻等很多方面，大数据干的活，是任何人工的分析方法都干不来的。更进一步，还可以用大数据“喂养”人工智能，机器在用大量信息做了万亿次的自我修正训练之后，能一眼看出你的病该采用何种治疗方法，或者预测某种药在人群中的反响。

GNS Healthcare就是这样一家做医疗行业数据化分析的公司，他们把大数据、机器学习和仿真技术结合起来判断疾病预后效果，以及辅助医疗供应商进行市场决策。2000年成立于马萨诸塞州坎布里奇市，现在GNS已拥有物理学家、精算师、基因学家、工程师、商务人员、计算机科学家等多学科专家。

GNS Healthcare的模式是把计算机模型应用到复杂生物系统中，建立在系统生物学、混沌理论、统计物理学、人工智能以及贝叶斯统计原理的理论根基之上。GNS的因果关系机器学习模型REFS（Reverse Engineering and Forward Simulation，逆向工程和正演模拟）由此诞生，服务于精准医疗和人口健康。

GNS Healthcare：计算机建模用“对的药”治“对的人”

REFS平台的运行流程是这样：第一步，广泛地收集患者与医疗系统互动环节中产生的每一块数据“边角料”——电子医疗记录、医疗设备数据、医药赔付、基因信息等。每一次用药不良反应都是值得收藏的数据点；同样，流程中任何治疗干预产生的好作用和副作用，统统都可以收进REFS的数据库。

第二步，数据投入计算机模型。这里REFS采用的是一种叫“因果关系机器学习”的方法，摒弃常规机器学习对数据的依赖性，从数据相关性的因果构造中逆向推导适合个体的医疗干预和用药。由于能模拟出最优方案，REFS就可以让医疗机构在各类疾病治疗、用药依从等方面降本增效。

大数据+因果机器学习，使人们能够更高效地从医疗数据中理清关系，去预测不同医疗场景中的“如果”，而非过去那样笼统地推测一种疗法是否产生某种疗效。

逆推，平台能有力进行因果追溯；再顺演，又能精准模拟各变量会产生什么样的结果。REFS模型这样的能力，让它对医疗科研、医药企业和个人患者都有很好的指导意义。

在医学科研上，REFS模型给出的精准医疗洞察可以结合患者信息来推导治疗效果，省去临床试验中很多非必要的部分。前段时间，GNS与多发性骨髓瘤研究基金会（MMRF）合作研究多发性骨髓瘤治疗，就是用REFS系统分析了历时8年时间收集的、近800名患者的临床和基因数据。除此之外，GNS还与丹娜法伯癌症研究院、西奈山医学院、哈佛医学院等合作过多项医学研究。

在医药市场上，REFS的人口健康分析能力又很适合制药公司观察产品或者疗法的前景。据最新消息，GNS与新基医药在今年11月底达成协议，准许他们使用REFS系统来辅助药物研发、临床药物开发、产品商业化及市场进入。这项合作能大大增强新基医药在管理和研发中的灵活性，实现整个产品周期的全程数据监测。同样REFS模型将用于药品市场的，还有GNS与诺华制药、哈佛大学在今年10月宣布的合作，将分析预测芬戈莫德药物的市场表现。

 “机器学习追踪因果关系的方法和产品发布前数据相结合，可以预先测试某种产品的前景，未来的新药发布可能都会采纳这种形式；不充分了解市场反应时就贸然发布产品的做法，则极有可能成为历史。”GNS的联合创始人、首席商务官、执行副总裁Iya Khalil说道。

在医疗参保大众方面，GNS公司还推出了通过个人数据筛查疾病的服务。2013年10月，他们宣布与Aetna保险公司合作，独创了用医疗保险数据来进行生物特征筛查的方法，来预测参保用户出现代谢综合征和早期糖尿病的风险。

GNS Healthcare早就开始把计算机模型用于医疗分析，但走上大数据、人工智能的道路，还有一个创始人自己的故事在里面。这件事，让GNS的创始人之一Colin Hill在大数据技术还未普及医疗行业的4年前，就深刻体会到智能的治疗选择对医护的必要性。

2012年，Hill的父亲被诊断为晚期前列腺癌，基因分析表明他有一种基因突变，会导致他对利普安激素治疗前列腺癌的常用方法不耐受；但医院仍然日复一日给他做着这类治疗。幸好父亲病情最终有所好转，Hill却从这件事坚定了一个观点：一种病只有一种治疗、无个体差异的医疗做法是大错特错的，他要让GNS Healthcare公司用数据为每个患者预测最佳治疗方法。

现在的GNS已经基本实现了这个想法，并走在了一场数据革命的前面。大数据运动的引领人之一、斯坦福大学的Atul Butte博士就表示，最能让GNS Healthcare公司脱颖而出的就是其结果预测能力。用从数千个病例集合而来的数据来决策哪种治疗会产生关键性的突破，直接把预后最好的方法用到病人身上，省时省钱效果也好——反观医疗行业缺乏技术含量的普遍做法，一种疗法不奏效再换另一种，白白耽误治疗时机。

然而GNS发现，随着这类数据的收集难度逐渐降低，最能深入揭示健康信息的基因数据却还是因成本的原因而较难获取。“要真正对我父亲这类的癌症患者实现精准治疗，就需要大量从分子层面上收集医疗信息。”Hill说道。不过基因测试的费用也有逐年降低的趋势，倘若大量基因信息插上因果模型的翅膀，必将会为医疗行业带来更大的飞跃。

CEO Hill说，起初创办GNS的时候，他们只是在凭直觉想把一些概念性的东西黏合到一起：混沌理论、数据、医疗健康。但当2005年左右人类基因组计划宣告收尾时，他们突然被这个旷世工程背后的意义所激励——就像人们曾经对基因一无所知一样，虽然我们做的东西都太理论化，但迟早有一天，一切都会跨越常识的限制而连接在一起。

GNS Healthcare从十多年前就开始研究医疗数据分析处理技术，但公司的数据技术得到全面发展，之前那些概念理论的充分黏合，可以说还是从大数据、人工智能成为潮流开始。最直观的改变可以从融资行为看出——GNS正是从大数据概念刚盛行的那几年开始融资的。去年12月，公司完成1000万美元的C轮融资，至今已融资超过4400万美元。