精准医疗是一种将个人基因、环境与生活习惯差异考虑在内的疾病预防与处置的新兴方法。那么精准医疗最需要什么呢?大数据，特别是基因组学和生物医学数据。
美国精准医疗计划测量100万个自然人的遗传密码;欧盟精准医疗研究测量10万个肿瘤和罕见病人的遗传密码;日本精准医学在2015年建立疾病的全基因组数据库，识别日本人的标准基因序列和有利于疾病预后的基因……
从各国对精准医学的布局可以看出，所有的核心都绕不过“数据”这个关键词。
一个问题在于，掌握大数据之后该如何分析?
大数据支撑起精准医疗还有多远
不可否认，精准医疗计划是一个复杂的工程，如何科学、智能地解读相关大数据，成为精准医疗发展的前提。
不管是英国10万人基因组计划、韩国万人基因组计划，还是澳大利亚零儿童癌症计划、美国百万遗传基因密码，在全球性的精准医疗热下，精准医疗仿佛呼之欲出。但一个不争的事实是，精准医疗的真正落地还要面临很多困阻。
首先，对于现行的医疗制度来说，精准医疗还需要很多规则或者习惯的改变。在医疗信息记录上，要按照高水平科学研究所使用的样本规范来收集记录。除了病人基本信息外，还需要家族病史、饮食、运动习惯等。这一切，落实到精准医疗层次，都需要通过数据的方式体现出来。
其次，目前的医疗IT架构内对精准医疗的支撑也存在问题。全国政协委员、福建省立医院主任医师侯建明就表示，精准医学是近年来医学研究的热点，但目前我国数据共享方面还存在很大问题，临床样本和健康人群的信息收集、临床资料的分析、个体化医疗的实施等方面，我国数据共享机制仍不健全。
他建议由卫生行业权威机构牵头，联合相关部门及各医疗机构、大学等共同实施数据整合共享计划，以此夯实精准医疗的数据资源基础，实现医疗资源集约化管理与利用。
除了数据共享外，如何借助IT系统最终实现将医疗大数据提取出知识，以及最终应用到对患者的治疗上，对医院信息中心也提出了巨大挑战。
夯实精准医疗的大数据基础
知易行难，落地永远比概念来得更重要。精准医疗应用到临床，提高临床治疗效果，有赖于对基因数据和生物医学数据的智能分析和解读。而大数据是否能得到有效处理和充分利用的关键，则依赖于标准化体系的建设。
在中国科学院院士陈润生看来，精准医疗的大数据基础有其二：
第一，要奠定组学大数据的基础。陈润生表示，精准医疗建设首先要获取海量人群的组学数据，而且所有组学数据必须是大数据，否则将没有效果。此外，还必须用大数据分析的手段挖掘组学数据中蕴含的跟疾病有关的信息。
因此，第一个基础就是获取组学数据，并进行大数据处理获得分子水平和疾病相关的知识。
第二，建立分子水平上获取的知识和宏观临床疾病之间的桥梁，“也就是建立基因型与表型之间的关联，这需要发展一系列的医学信息解读和生物学信息解读等方法。”
“有了这些基础，才能够使组学数据能够应用到诊断的治疗当中来，并与影像学、检验以及医生的临床诊断结合起来。”陈润生总结。
