硅谷投资家:数据科学大于生物科技对健康行业的贡献!

一年半以前,硅谷的风险投资家Vinod Khosla 在一次会议上发言时成了头条。他说,在下一个10年,数据科学和软件对医学的贡献要比所有生物科学知识加起来都要多得多。Washington Post近日发表了一篇Vinod Khosla的访谈,Vinod Khosla仍坚信他的判断。动脉网将这篇报道编译如下。

Vinod Khosla的这番话在世界上被广泛传播,数不尽的博客帖子也对此进行了仔细剖析,这个技术团体中的很多人都把他的言论当作一种挑战。但是,一些人对这种“技术能够解决一切问题”的观点表示恼火。

在一次采访中,Kholsa表示他依旧坚持自己的言论——事实上,他已经多次重复过这些话了——但也承认应该对这些言论进行更深入的解释。“我坚信我所说的话,”他解释道,“但那并不意味着生物科学毫无价值。”

他说,由于移动技术和廉价计算机硬件的普及,人类势将在健康医疗领域取得重大突破,个人可以借助传感器和数据科学管控自己的健康状况。

为了达到那个目的,Kholsa,这个据福布斯统计净资产已达到16.8亿美元的人,已经把近期投资的一部分集中于医疗技术领域:AliveCor可以使任何智能手机发挥临床心电图的功能,以便检测心脏的健康状况(延伸阅读:[海外互联网医疗创业案例]AliveCor从医疗设备制造到数据价值挖掘);Cellscope,一款依赖于智能手机上摄像机功能的家庭诊断工具;还有Misfit Wearables,它已经成为Fitbits和Jawbone Up这两款健康追踪智能硬件的有力竞争者。

自从2013年关于他的言论的第一波争论出现以后,60岁的Khosla一直致力于阐述自己的观点,定期撰写有关这种趋势的文章。

“某些时候,很多人赚的钱根本用不完,”Khosla作为Sun Microsystems 公司的联合创始人之一,说,“所以他们决定把自己的时间用在更有趣的挑战上。当你能够从事更多意义重大的工作时,为何要把时间耗在无用的事情上?”

问:哪些书籍或论文曾经影响过你对医药业现状的思考?

我所思考的很多东西都始于John Ioannidis博士在Stanford School of Medicine上发表的文章。经过数十年的数据研究,他发现医学研究中的一大半东西都是明显错误的……他的研究焦点在于为何这些东西是错误的以及为何诸多偏见会被带入医学研究和实践中。


问:你认为技术会以哪些方式起作用?

我们所投资的一家公司是Ginger.io。他们都是来自MIT数据分析家,发展了一套关于躁狂症和躁郁症的症状研究的更为精密的方法。他们所做的只是在手机上安装一个App以便监测你的行为。在对个体行为进行自我反馈的同时,它们还能辨别哪些群体需要帮助。他们通过精心编制的算法改编传感器数据,以便更好地监测抑郁症和精神疾病。如果存在问题,它能及时提醒护士。它还能召集医疗机构并对你进行检查。它们还能协助心理学家工作,当一个心理学家使用软件时,他就能知道今天他的300个患者中哪些人处于危险状态。否则没有其他方法能知道这个信息。这是一个非常重大的贡献。

使用数据科学和附加的传感器可以使医生的诊测更精确高效,而这只是我们投资组合里众多公司中的一个例子。

而且随着时间的推移,当这些技术成熟时,它们可以对医生和护士进行培训,在这些技术的帮助下,一个专业技能欠缺的从业者能够比如今的专业医生更好地完成工作。因此,有了Ginger.io,过一段时间之后,护士对病人的看护和照顾的效率能比现有水平提高百倍。

在心脏病学方面,Alivecor借助你的智能手机记录心电图,并通过程序进行解读,这些程序能时刻监测病人状况,随时发现心脏病人出现心房颤动的症状。

在耳鼻喉科方面,手机显微镜设备能直接提供耳内镜功能,能使最专业的耳鼻喉科的医疗资源聚焦在最紧急的患者身上,而不是浪费在日常的耳科检查中。在放射学科方面,Zebra也有类似的功能,它们采集了大量的图像数据,改进了程序和协作研究,能够自动进行评估并很快给出结论报告,免去了焦急等待医学结论的苦恼。它能提高放射学科专家的工作效率,并把精力集中于更紧要的病例上。这仅仅是我们所看到的创新中的一小部分。


问:为何你认为数据科学和软件领域的加速创新足以对抗生物科学?

遍观整个产业群,软件业的创新速度持续领先于其他行业。在传统医疗健康领域(交叉着生物科学)的创新中,例如制药产业,有诸多原因导致它们的创新周期缓慢。

发明一种新药并把它推向市场大概需要10~15年的时间,其中还伴随着难以预测极高的失败率。安全是一个大问题,所以我并不能随意批判这个过程。我认为这是有保证的,FDA的谨慎程度也很合理。但是由于互联网医疗可能的安全隐患通常更少,可以实现在2~3年的周期内进行迭代,创新的速率就会大幅上升。


问:你怎么看待可穿戴设备,它在我们的医疗健康中如何发挥作用?

可穿戴设备的爆炸式增加并不是最重要的。相反,可用数据的暴涨才是关键。随着我们具备越来越多的可穿戴设备,它们能持续观测你的心理活动,你的压力水平和你的情绪状态。我们生活的各方面都开始交叉联系,你就能慢慢理解自己生活中的某个方面如何有意或无意地影响另一个方面。在现今的设备和传感器的使用状态下,关于身体健康如何影响精神敏度一事,我们可以获得很多有价值的数据。

假如你掌握了常人所具备的某项数据,那会如何?Jawbone会告诉你如果你今晚睡得足,第二天你会精力更充沛。

原文发布时间为:2015-06-11

时间: 2024-10-24 21:29:58

硅谷投资家:数据科学大于生物科技对健康行业的贡献!的相关文章

硅谷资深数据科学家教你认清探索性数据分析(EDA)的价值

首发地址:https://yq.aliyun.com/articles/73880 更多深度文章,请关注:https://yq.aliyun.com/cloud 作者介绍 Chloe Mawer:硅谷资深数据科学家,具有地球物理学和水文学的学习背景,精通利用数据进行预测以及提供有价值的见解:她的学术研究和工程经验使她能够解决新问题,创造实用.有效的解决方案. 领英:http://www.linkedin.com/in/chloemawer/ 编者注:Chloe Mawer(SVDS成员)在4月3

硅谷生物科技梦:从产业初长成到经济战略成型

硅谷,一直是不断孕育.产生新兴产业的策源地.与美国汽车之城底特律.影视之都好莱坞不同,硅谷的行业特征不是很明显,只有几十年历史的硅谷一直在变化.在这里,软件.互联网.半导体行业都曾大行其道.20世纪60年代,集成电路产业诞生于此,70年代产生了生物科技产业,80年代个人电脑产业的发端也可以溯源到硅谷的车库当中,进入90年代互联网产业的一波又一波潮流始终离不开硅谷,而进入21世纪之后,清洁技术新能源产业又开始在硅谷聚集.几乎每隔10年,都有一个全新的产业在硅谷出现,并改变着世界的面貌.硅谷成生物科

关于数据科学的那些事

更多深度文章,请关注云计算频道:https://yq.aliyun.com/cloud 请收下这份关于人工智能的根目录--博客整理系列(一) 关于数据科学的那些事--博客整理系列(二) 机器学习必备手册--博客整理系列(三) 扩展眼界的都在这--博客整理系列(四) 深度学习必备手册(上)--博客整理系列(五) 深度学习必备手册(下)--博客整理系列(六) 随着科技的发展,人类社会拥有数据的规模增长很快,每时每刻.从天到地都有大量数据被产生和存储下来.这些数据被积累下来,到底怎么样使用才能创造出我

VC投资风向发生变化:生物科技在华将成新热点

"我很想更多地了解中国."4月25日,在中国风险投资硅谷论坛上,Greg B.Scott用不太熟练的中文跟每一个中国人热情招呼. Scott不久前刚从中国回来,他是 ChinaBio公司的董事长兼总裁.ChinaBio成立于2004年,由设在美国加州圣地亚哥的Centient(r) Consulting, Inc..BIOCOM industry organization,以及帕拉阿图的Life Science Angels, Inc.和上海的Pharma Engine Company

开启数据科学职业生涯的8个基本技巧

更多深度文章,请关注:https://yq.aliyun.com/cloud Nick Bostrom(译者注:Nick Bostrom是牛津大学哲学系的教授,是人类未来研究院的创始人和主任.他的新书< Superintelligence>(超级智能) 在出版后,包括伊隆·马斯克.史蒂芬·霍金以及比尔·盖茨等杰出的科技人士纷纷对其表示了支持,另外Google也成立伦理委员会来监督AI技术的发展)曾经说过:机器学习是人类最后的发明.我是一名刚刚进入数据科学这个"未来科技"行业

从原始数据到数据科学:使非结构化数据结构化,以推动产品开发

数据科学正在快速发展成所有行业开发人员和管理人员的关键技能,它看起 来也十分有趣.但是,它非常复杂,虽有许多工程和分析工具助力,却也难清楚掌握现在做得对不对,哪里是不是有陷阱.在本系列中,我们解释了如何发挥数据科学的作用,理解哪里需要它,哪里不需要它,以及如何令它为你产生价值,如何从先行者那里获得有用的经验. 这是"Getting A Handle On Data Science(理解数据科学)"系列文章中的一部分. 本文要点 从非结构化的机器日志到提供当前特定信息的高度结构化的数据分

微软高级数据科学家教你如何做数据科学

学会获取更多的数据 数据科学的数据源是数字和字段的集合.测量.价格.日期.时间.产品.标题等,都是简单的数据集;你也可以用图像.音频.视频等复杂结构的数据集,这时需要你去降维分解成数字和字段的集合. 数据获取是一个复杂的机制,数据工程师各种被揉捏,但本篇文章重点是讲述数据科学,数据获取将会是下一个topic. 学会聪明的提出问题 简单点讲,就是提出的问题要问到点子上.数据科学是通过对数字和字段组成的数据集合进行处理,然后回答问题.你描述的问题越精确,越容易找到令你满意的精确答案.含糊不清的问法:

13张图看6年来数据科学概念之争

◆ ◆ ◆ 数据科学是一个定义相当模糊的词语.我听到的一些定义有-- "这是一项需要比大多数统计学家更多的编程技巧,和比程序员更多的统计数据技能的工作." "是应用统计,但在旧金山却不是." "有人突然决定在自己的名片上印上'数据科学家'这几字,然后靠着这个涨了工资." 就我个人而言,我最近决定称呼自己为数据矿工来避免争议.(无论如何,数据矿工并不时髦.) 数据科学是一个寻找定义的行业,人们进行着很多不同的尝试来定义它也不足为奇. 作为一个充满着

哈工大携手国双科技 共建大数据科学联合实验室

ZDNet至顶网软件频道消息:5月14日,北京国双科技公司宣布与哈尔滨工业大学签订了战略合作协议,携手共建"哈工大-国双大数据科学联合实验室".哈工大教育发展基金会理事长.校党委书记王树权.北京国双科技有限公司董事长兼CEO祁国晟.联席总裁李峰.助理总裁许云等出席了战略合作签约仪式. "哈工大-国双大数据科学联合实验室"将围绕国家网络安全和信息化需求,依托大数据技术,搭建开放式科研平台,提升双方科研核心竞争力,推动新技术在产业背景下快速发展.国双科技同时还向哈工大教