笔者对于中国">超级计算机“天河一号”的印象在此之前一直都只有“强大”两个字，所以看到其就要成为“烂尾楼”时，和其他所有人一样，除了叹息，也只有叹息。即便拥有再强大的硬件能力以及软件计算能力，但无法落地实践，那么无论多大的荣耀也将归于零。这个状态与2012年之前的大数据十分相似。
所以，中国首个疾病大数据预测系统——百度疾病预测的上线，可以算得上是中国医疗行业，乃至中国公共卫生管理事业的一件盛事。它宣告了大数据的公共卫生管理能力告别理论，进入实践阶段。
不过，当大数据真的实现大规模以及多流行性疾病预测之后，它的使命只限于预测了吗?不，后面还有更多价值。
疾病预测落地到社会价值上，更深层在于挖掘数据以及调动疾病预防背后存在的企业驱动力，实现前置管理，真正做到大数据的社会公益意义：“取之于民，用之于民”。
疾病预测的管理价值，一来可以实现社会相关服务行业的商业应变管理能力，如相关药品的生产、储备。以大家最为熟悉的流感为例，流感具备很强的扩散性和不确定性，通过大数据预测到其可能爆发的地域、时间和相关人群后，药企、药店等相关企业就可以更有针对性的准备药品，从而减少盲目存储或是缺货的极端情况出现。而在肝炎疾病的爆发地，则能够前置进行餐饮行业的卫生管理，控制患病人群对健康人群的传染。
也就是说，在大数据预测环境下，整个医疗相关行业的管理和商业行为都会实现前置，将用户的需求与企业的供给进行最佳匹配，减少资源浪费。
管理价值第二个方面在于，在群体的公共卫生管理外，可延伸至个人健康管理。疾病预测目前更多的是群体性行为的预测和干预。不过随着个人移动式健康设备的普及，未来这种预测管理能力不仅能实现更加精准的数据采集，更能够实现点对点的个人健康预测和管理。
目前大家熟悉的个人移动式健康设备能够检测血压、血糖、心率等多种健康体征，这些都是高血压、糖尿病和心脏病的相关指标。对于这些数据的掌握和疾病的预测对个人健康管理价值巨大。从发展趋势来看，未来机器深度学习和医疗企业结合将更加紧密。这集中体现在，通过个人长时性健康数据采集，实现自动识别和管理发现突变点，前置预告患者并提供相关医疗解决方案，如药品解决方案、医院选择方案，甚至是家人护理方案。
作为医疗管理者决策的重要参考工具，疾病预测从决策到管理还有更多可适用场景，也只有通过大数据和医疗业者的紧密配合，挖掘更多解决方案，才能让大数据预测不会成为第二个“超级计算机”。