閔應驊：大數據時代聊聊小數據

　　現在好像人人都愛說“大數據”，就像平時我去開會，不是用大數據分析這個，就是用大數據建構那個。可是我最近看《美國計算機學會通訊》（CACM）上面提到了幾次小數據，我覺得大家也有必要了解一下這個有趣的概念。

　　什么是小數據？小數據就是個體化的數據，是我們每個個體的數字化信息。比如我天天都喝一兩酒，突然有天喝完酒了胃疼，我就想了，這天和之前有何不同？原來，這天喝的酒是個新牌子，可能就是喝了這個新牌子的酒讓我胃疼。這就是我生活中的“小數據”，它不比大數據那樣浩瀚繁雜，卻對我自己至關重要。

　　第一個意識到“小數據”重要性的是美國康奈爾大學教授德波哈爾·艾斯汀。艾斯汀的父親去年去世了，而早在父親去世之前幾個月，這位計算機科學教授就注意到老人在數字社會脈動中的些許不同——他不再發送電子郵件，不去超級市場買菜，到附近散步的距離也越來越短。

　　然而，這種逐漸衰弱的狀態，真到醫院去檢查心電圖，卻不一定能看出來。到急診室檢查的時候，不管是測脈搏還是查病歷，這個90歲的老人都沒有表現出特別明顯的異常。可事實上，追蹤他每時每刻的個體化數據，他的生活其實已經明顯與之前不同。這種日常小數據帶來的生命訊息的警示和洞察，啟發了這位計算機科學教授——小數據可以看作是一種新的醫學證據，它是“your row of their data”（他們數據中屬于你的那行數據）。

　　人們愛說，大數據將改變當代醫學，譬如基因組學、蛋白質組學、代謝組學等等，不過由個人數字跟蹤驅動的小數據，也將有可能會對個人醫療帶來變革，特別是當可穿戴設備更成熟后，移動技術將可以連續、安全、私人地收集并分析你的數據，這可能包括你的工作、購物、睡覺、吃飯、鍛煉和通訊，這些數字追蹤將得到一幅只屬于你的健康自畫像。

　　擁有了這幅專屬于自己的數字自畫像，有什么好處呢？假設你是一名患者，這樣精確個體化的小數據也許可以幫助你回答：我每次服藥應該用怎樣的劑量？當然了，藥物說明書上會有一個用藥指導，但那個數值是基于大量病人海量數據統計分析得來的，但它適不適合此時此刻的你呢？于是，你就需要了解關于你自己的“小數據”。對于慢性病、抑郁癥、記憶力衰退和克羅恩病，很需要日常活動變化的數據。大數據一般是從一個大N的種群里面取得的，而小數據n=me。我們需要數據解放，把移動和網絡服務的數據解放到你我自己。

　　這樣一來，小數據也許可以為我們提供更多研究的可能性：能不能通過分析年老父母的集成數據，進而獲得他們的健康信息？能不能通過這些集成數據，比較不同的醫學治療方案？譬如數據跟蹤能說明你散步可以走多遠，你多早離開家，那就可以表明關節炎藥物治療效果如何。

　　更令人期待的是，小數據或許還將成為人類攻克癌癥的一個好幫手。現在許多人認識到需要用患者的數據進行個性化的癌癥治療。我們要特征化所有患者。腫瘤細胞的DNA引起不同的癌癥病人非常不同的變化。譬如，大致相同的基因變異或刪除只占患者的10%。即使是同一個腫瘤，其細胞的變異也不同。基因之間的相互作用可能引起二次變異，對患者的治療影響很大。所以，對許多患者用同一個治療方法是不可能成功的。個性化或者說層次式的藥物治療是要按照特定患者的條件開出藥方——不是“對癥下藥”，而是“對人下藥”。這些個性化的治療都需要記錄和分析個人行為隨時間變化的規律，這就是小數據。

　　當然，這并不是說大數據就不重要。在醫學上發現治療的一般規律需要大數據。歐美各國都在計劃編制患者信息的數據庫，不但為了癌癥治療，也為開發新的治療方法。集成大量在線數據庫可以推動個性化用藥，減輕他們的痛苦。從大數據得到規律，用小數據去匹配個人。

　　大數據流行，大家就“言必稱大數據”，可這并不是做學問的態度，不要碰到大量的數據，就給它戴上一頂帽子“大數據”。就像20年前，系統工程也很時髦。哪怕是做報告談到一個比較大的工程，都說那是系統工程。可系統工程又怎么樣呢？“那是很難的”，就沒有下文了。我們應該敞開思想，研究實際問題，切忌空談。