怎样评价罗氏收购Flatiron
谢邀 @云海
商业上的事情不太了解，但之前一直对医疗大数据方面有所关注，说点我自己的一些想法吧，若有错误烦请指正。
医疗大数据在我看来主要分两种：一种是基于海量生物医学文献的大数据；一种是基于临床的大数据。
基于两种大数据的创业公司都有，第一种的比如名声在外的独角兽BenevolentAI ，这个公司主要做的事情就是（来源自我的专栏文章）：
Benevolent AI希望能够利用AI和机器学习的技术对科学数据进行深度挖掘，并迅速产生和验证新的科学假说，这样以前所未有的规模和速度对人体生物系统进行深度理解，进而加快基于此的药物研发速度。简单来说就是基于发表的公开科学文献数据，进行深度挖掘，产生novel and deep insight，助力新药研发。
第二种比如题目中的Flatiron Health，国内的森亿智能，例子很多不一一列举了。
但是个人更看好专注于临床大数据的公司，原因有二：
生物医学文献数据的可靠性、可重复性太差 关于这一点，相信生物医药行业的朋友应该不会陌生，关于这个的调查和研究也有很多，推荐几个链接，大家可以自己去看看客观情况：
生物学实验的可重复性有多差？为什么这么差？科学网-自然网关于"科学实验可重复性"的调查结果 - 吴炬的博文Rigorous replication effort succeeds for just two of five cancer papers而临床数据由于监管规则的存在，相对来说比科研界应该是好很多了。至于科研界，特别是生物医药领域，数据质量差的原因，个人认为一方面是监管不严、目前很多测试手段本身灵敏度不够，还有就是很多实验其实没有建立严格的实验规范，往往是不同实验室有自己不同的独门绝技，一些小tips往往很能影响实验的成败，而这些很多实验室其实是不会在文献中公布的。最终就导致数据参差不齐，很多的实验数据是不可信的。在这种数据质量堪忧的情况下，不知道技术手段如何甄别，我个人感觉是挺为难的，毕竟这种“数据噪音”其实不在少数。
相比于体内数据，体外实验数据对医药研发、用药建议等指导性低这里说的体内是指人体内的数据，一些动物实验如小鼠、狗之类的虽然在科学文献上称为in vivo实验，但是其实跟人体实验数据相比还是有差距。虽然研发过程中标准流程都需要走一遍动物实验评价，但是很多动物实验数据非常漂亮的项目最后上人体后完全就不work了，所以数据方面的金标准只有一个，那就是人体数据。生物医学文献中的体外数据简直不要太多，就算100%准确，最后也很有可能出现人体结果与预期不符的情况，指导性相对更差些。
总结 【怎样评价罗氏收购Flatiron】 目前AI应用于医疗方面的创业公司还是挺多的，特别是海外，不过真正落地应用并被确认AI能产生很大帮助的case还是不太多，特别是药物研发领域，没听说过非常成功的案例。就个人有限的了解而言估计就医疗影像方面算是很成功的例子。不过这一领域也才这几年才火起来，具体如何观望中，也期待更多的成功案例出现。
推荐阅读
- 聪明人养花，这3种“花”怎样也要养一盆，每年能省不少医药费
- 互联网怎样解决“家政服务上门速度慢”的问题
- 怎样看待从1月8号起，QQ钱包开始提现收费
- 银行it人怎样转型
- 汽车|冬天怎样让车内温度快速升高？座椅加热的最佳使用方式二，外循环的作用总结
- 怎样进入通信行业
- 怎样评价扶他柠檬茶的小说《云养汉》的结尾
- 怎样成为一名合格的Python程序员?
- 怎样评价华为、诺基亚、中兴中标中国移动高端路由交换设备扩容集采
- 怎样评价类似前橙会、百老汇、南极圈这样类型的离职帮抱团，对企业的积极意义和消极意义