爱华网按照生、长、壮、老、已的自然规律，人的一生可以少得病或者不得病，所有的疾病都和衰老有关。父母给你的基因会产生15%的影响，这是得病的机率，营养调理等后天因素有60%的影响，但现代人很会“作”自己，吃喝嫖赌，抽烟酗酒，所以健康的不多；再去掉10%的社会因素和7%的自然环境因素，最后还有8%就是疾病期了，即你必须要去看医生。衰老是一个逐步走向死亡的过程，人到了70岁的时候，心脏的功能降低到壮年时的30%，脑功能降低到20%，肺活量只有壮年时的60%。人的各种疾病都会在衰老时发生，所以在衰老还未来临时，及时地将自己的健康交由专家来管理，不失为一种选择。目前健康管理的一般模式是由一个“N对1”的健康管理团队及其背后的百名专家组构成，服务内容包括疾病风险评估、健康状况分析，其方法是通过基因检测、专病体检、季度复检跟踪以及以周为单位的跟踪随访而实现健康指导。如果你已经到了“治已病”（到人患病了才进行诊疗）的阶段，健康管理团队会在建立了你的专病管理档案后，与国内10家大型三甲医院的专家沟通，为你提供就医的绿色通道。这些类似于美国私人医生的服务，以前在国内只有高级领导人才能享受，今天已经在中产阶级中开始普及。这可能是5年后的一个场景：你把一个手动装置夹在手指上，“咔”的一声，装置抽出了可用于2000多种生化检测的血量，再经由该装置，将用于检测的这些数据自动以无线的形式发往远处的电脑。几分钟后，你通过电子邮件获得了检测结果，同时你的私人医生也得到了一份结果的拷贝。检测报告说，你的检测指标正常，身体很健康，医生让你半年后在家再做一次同样的检测。健康管理的预测性就是根据每一个人独一无二的生物状况（例如基因），来评估其罹患各种疾病的可能性，并在患病之前制定出诊疗预案。这就是现代医学发展的趋势，医学从被动等待客户生病趋向于理性预防。卫生部长陈竺博士说过，正是由于人类基因组计划的完成以及系统生物学的进步，使得人类可以对疾病进行更有效的早期预防和干预，从而产生了预测性、预防性和个体化的3P医学模式。最近又提出了第4个P，即参与性，每个个体均应对自身健康尽责，积极参与疾病防控和健康促进。医学的重点从怎样治病转变为怎样维护健康，这种突破性思维代表了医学发展的方向。未卜先知的基因检测健康管理专家可以通过两方面实现预测的目标，一是基因检测，二是人血中蛋白质的检测，后者可以得到I型糖尿病、乳癌、前列腺癌等多发疾病的相关信息。癌症是全世界范围内的第二大死因，全球有1/3的癌患男性死于前列腺癌，近1/2的癌患女性死于乳腺癌。目前健康管理专家正在通过研究血液中的蛋白指标，更好地确定癌症在人体上的概率曲线，从而指导癌症预防。(本文来自:) |/darticle3/list.asp?id=159287 | 10比血诊断更全面的是基因检测，也是目前公认的疾病预防中最重要的环节。专家可以从基因检测中准确解读出人体的健康状况，包括受损基因和易感基因对目前环境的反应结果。我们每一个人的基因图谱都可以确定患病的机率，当一个人的基因图谱显示他在50岁患乳癌的可能性是40%，那么在35岁时就开始服用某些药物，这样在50岁患乳癌的可能性就会下降到5%。基因是生命的密码，记录和传递着生物体的遗传信息，决定了生老病死等一切生命现象。诺贝尔奖获得者、美国科学家詹姆斯·沃森预言：“在今后10年内，对个人进行基因检测将成为诊断疾病的常规手段之一。”人类的一切疾病都与基因受损有关，现代科学证明，基因健康，细胞活泼，则人体健康；基因受损，细胞变异，则人患病。随着人类基因图谱的发现，基因检测成为了健康管理的源头性检查。基因引起疾病有3个原因：基因突变，可能是环境的关系或者化学物质的干扰；先天缺失，是基因的局部突变，生下来就会得病，比如地中海性贫血、白化病等就是因为缺乏一种酶；后天的获得性基因病变，像高血压、冠心病、糖尿病、多晶遗传性疾病等。虽然遗传学研究有很多年了，但直接面向消费者进行个体的基因检测，还是在人类基因组计划完成之后。2003年4月14日，中美日德法英6国科学家正式宣布，人的基因组序列图绘制成功，完成的序列图覆盖人类基因组所含基因区域的99%，精确率达到99.99%。2005年出现的大规模“全基因组的关联分析”，是和健康管理直接相关的一个项目。它针对500万人群中抽样的50万人进行长期跟踪，从个人的生活方式、环境变化等来看基因突变和健康变化。全基因组群的观察分析陆续揭示了很多某一特征人群、某些人种、某些疾病和基因突变之间明显的关系。2007年5月31日，DNA之父沃森拿到了一张装有他本人基因图谱的DVD光盘，他的个人生命信息一览无遗。通过研究，可以找到被认为与基因相关的疾病、智力、冒险精神、信仰和性格等问题的“密码”。个人遗传基因检测，就是给你复制一张自己的“生命天书”。健康管理的第一步，就是把这些基因群的特征检测出来，通过分析判断，找出更强易感性基因和发病的可能性。生物芯片北京国家工程研究中心的谢红鹰博士向记者举例说，有一位在华做投资的美籍华人，通过检测知道自己有患脑癌的易感风险后，他开始定期到专科医院去做相关检测和检查，例如生化指标、MRI等，密切与神经内科医生交往，向他们学习解除疾病风险的保护机制。为了保证大脑的供氧量，他逐渐加强身体的有氧锻炼，平时避免用脑过度，从而减少脑部耗氧——大脑的重量只有人体总重量的2%，而耗氧量却是全身耗氧量的25%。他给自己规划了积极的生活方式，找到爱好和兴趣，争取每天都心情放松。保证全身心的平衡和动向，是对抗无处不散的肿瘤的法宝。“他的目标是力求延缓5年发病的可能性，而5年之后人类对这个疾病的诊疗会有更有效的方法。”基因一生不能改变，其中一些易感基因在一定的环境条件下就有可能导致生病。北京金海上方健康管理公司的刘为重博士表示，他们每年对会员进行监控，根据每个人的情况提出解决方案，并配合饮食和运动等调理的手段。基因检查，有的项目一生检查一次就可以了，在一般情况下，“我们5年进行一次有疾病针对性的基因检查。”对于消费者而言，基因检测的过程就是去采采血，20天后出检测结果。基因检测分为精确结果和大体评估，最好的是检查9大疾病和68种常见病，包括冠心病、肿瘤和脑血管疾病等。还有个别的可以做到1000多种检测，包括了一些免疫系统和精神方面的疾病。在美国和欧洲有几百家的基因检查公司，检测一次花费4000到8000美元，中国是新兴起的，目前检测一次大约是2万元。美国的基因诊断临床实验室1999年有114个，2007年就增至1147个，涉及检测的疾病1351种，其中106种应用于临床。可见美国遗传检测应用于临床已经非常普及，不过好在“中国的基因研究水平与世界水平基本同步”。但是基因检测毕竟是作为临床诊断的辅助手段，检测结果只能说明基因里是否携带可能致病的特征，以此提供疾病预测。通过基因检测，对许多“生命现象”有了科学的依据，比如有的人一辈子抽烟也不得肺癌，但有的人一辈子小心翼翼不吸烟，却得了意想不到的肺癌，在“基因”发现之前，连医生都讲不清楚到底为什么。也经常会有一些病，诊断结果与其基因检测的结果背道而驰。谢红鹰说曾经有一位民企高管，她本身有甲亢，但基因检测却测出她患甲亢的风险并不高。这只能说明，其甲亢诱因不是遗传基因做主导，可能更多取决于不良的生活习惯等其他诱因。“这就帮助我们分析她的生活环境、生活方式等等，从那些遗传之外的因素中找出原因，并加以改变。”
立体的数据管理预测性、个性化、预防性和参与性医学的发展，数字技术是基础，它保证了医疗数据的实时、准确、全面和远程传输的能力，在数据挖掘中找到健康的价值金矿。处在IT最前端的医学博士周祺目前在微软任职，他提倡Life Cycle理念，“从小孩开始，跟着他的成长，到年老，在整个生命周期都能够跟踪，并能够获得从点、线到面的立体数据。”“点”数据由个人或家庭提供，“线”数据可由第三方保留其记录，“面”数据则是建档后，由专家提交给数据管理机构，经过分析对比，逐步优化，协助改善的过程。数据管理以时间或者以疾病为链条，例如糖尿病的管理，高血压的管理等。数据来自于医院的检查，也来自于平常人们的生活起居。中国目前有1.6亿高血压病人，病人们每天在家测量一次血压，记录这个瞬时的点数据，多个点数据的记录形成为一个线数据，这些数据就有了参考价值。但还不能够对疾病定性，只有当医生了解了“点与线”的全面记录以及患者的家族史、工作性质、生活习惯、个人爱好等后，才能得到面数据。据此医生才能得出结论，你的高血压是属于什么性质的，从而对症下药。当数据汇总到一个平台上，既可以在此进行开发应用，又可以像门户一样进行健康管理，当然在后台还需要接驳医疗服务。在医疗过程当中还会产生新的数据回到这个平台上来，不断地循环。近年来微软投入比较大的一个方向就是医疗解决方案，集中在数据的个性化上。比如你在不同的医院看病，可以共享的数据跟着你走。数据个性化就是要让医院和你的网络联网，你在回家的路上时，医院已经把你的数据发到你的邮箱里了。而且“我们有软件帮助你解读这些数据，并提些建议和指导意见。当然，这些机械的数据建立在相对的规律上。”周祺说。但是现在很多医院对数据的理解比较片面，例如II型糖尿病实际上是和肥胖有直接的关系。“我们采集你的数据，从体重、身高比得到BMR（基础代谢率），患者要注意控制体重，加强运动。如果我们做一个治疗方案的话，不光是看你的药物治疗，还要有运动方面的数据。但医生只会告诉你，你太胖了，应当锻炼减肥。至于怎样锻炼，锻炼的强度，如果我们有持续的数据跟踪就能知道，你的运动和你的体重之间的关系是否合理。体重上升的原因，是因为你运动没有配合好，还是其他原因？再如血糖升高，是否与你体重及运动的方法及强度有关系？把多个数据放在一起才能看得出它的价值。现在IT就是想解决这种问题，多维度连续的数据组合，从而对指导你的健康产生意义。”有些数据沉睡了多年，可能在一定的时候会产生价值。一个典型的例子是，印度曾经在50年前爆发过一次肝炎。当时诊断为丙肝，50年以后专家们再去看那个血库，重新做诊断时发现它不是丙肝，而是戊肝。戊型肝炎的病症和丙肝很相像，但它的迁移性更长，致癌率更高。这就是说，同样的数据，在不同的时候去访问它，意义也就不一样了。“所以我们希望很多数据不要让它变成死去的数据，而是灵活的。这些数据可以根据需要进行不同的查询，当然数据分析要靠专业的知识。我们可以提供必要的手段，但怎么分析，这是医学专家的任务了。同样的数据，在不同的时间和阶段，其意义是不一样的。”
