大数据时代聊聊小数据

    现在好像人人都爱说“大数据”，就像平时我去开会，不是用大数据分析这个，就是用大数据建构那个。可是我最近看《美国计算机学会通讯》（CACM）上面提到了几次小数据，我觉得大家也有必要了解一下这个有趣的概念。

    什么是小数据？小数据就是个体化的数据，是我们每个个体的数字化信息。比如我天天都喝一两酒，突然有天喝完酒了胃疼，我就想了，这天和之前有何不同？原来，这天喝的酒是个新牌子，可能就是喝了这个新牌子的酒让我胃疼。这就是我生活中的“小数据”，它不比大数据那样浩瀚繁杂，却对我自己至关重要。

    第一个意识到“小数据”重要性的是美国康奈尔大学教授德波哈尔·艾斯汀。艾斯汀的父亲去年去世了，而早在父亲去世之前几个月，这位计算机科学教授就注意到老人在数字社会脉动中的些许不同——他不再发送电子邮件，不去超级市场买菜，到附近散步的距离也越来越短。

    然而，这种逐渐衰弱的状态，真到医院去检查心电图，却不一定能看出来。到急诊室检查的时候，不管是测脉搏还是查病历，这个90岁的老人都没有表现出特别明显的异常。可事实上，追踪他每时每刻的个体化数据，他的生活其实已经明显与之前不同。这种日常小数据带来的生命讯息的警示和洞察，启发了这位计算机科学教授——小数据可以看作是一种新的医学证据，它是“your row of their data”（他们数据中属于你的那行数据）。

    人们爱说，大数据将改变当代医学，譬如基因组学、蛋白质组学、代谢组学等等，不过由个人数字跟踪驱动的小数据，也将有可能会对个人医疗带来变革，特别是当可穿戴设备更成熟后，移动技术将可以连续、安全、私人地收集并分析你的数据，这可能包括你的工作、购物、睡觉、吃饭、锻炼和通讯，这些数字追踪将得到一幅只属于你的健康自画像。

    拥有了这幅专属于自己的数字自画像，有什么好处呢？假设你是一名患者，这样精确个体化的小数据也许可以帮助你回答：我每次服药应该用怎样的剂量？当然了，药物说明书上会有一个用药指导，但那个数值是基于大量病人海量数据统计分析得来的，但它适不适合此时此刻的你呢？于是，你就需要了解关于你自己的“小数据”。对于慢性病、抑郁症、记忆力衰退和克罗恩病，很需要日常活动变化的数据。大数据一般是从一个大N的种群里面取得的，而小数据n=me。我们需要数据解放，把移动和网络服务的数据解放到你我自己。

    这样一来，小数据也许可以为我们提供更多研究的可能性：能不能通过分析年老父母的集成数据，进而获得他们的健康信息？能不能通过这些集成数据，比较不同的医学治疗方案？譬如数据跟踪能说明你散步可以走多远，你多早离开家，那就可以表明关节炎药物治疗效果如何。

    更令人期待的是，小数据或许还将成为人类攻克癌症的一个好帮手。现在许多人认识到需要用患者的数据进行个性化的癌症治疗。我们要特征化所有患者。肿瘤细胞的DNA引起不同的癌症病人非常不同的变化。譬如，大致相同的基因变异或删除只占患者的10%。即使是同一个肿瘤，其细胞的变异也不同。基因之间的相互作用可能引起二次变异，对患者的治疗影响很大。所以，对许多患者用同一个治疗方法是不可能成功的。个性化或者说层次式的药物治疗是要按照特定患者的条件开出药方——不是“对症下药”，而是“对人下药”。这些个性化的治疗都需要记录和分析个人行为随时间变化的规律，这就是小数据。

    当然，这并不是说大数据就不重要。在医学上发现治疗的一般规律需要大数据。欧美各国都在计划编制患者信息的数据库，不但为了癌症治疗，也为开发新的治疗方法。集成大量在线数据库可以推动个性化用药，减轻他们的痛苦。从大数据得到规律，用小数据去匹配个人。

    大数据流行，大家就“言必称大数据”，可这并不是做学问的态度，不要碰到大量的数据，就给它戴上一顶帽子“大数据”。就像20年前，系统工程也很时髦。哪怕是做报告谈到一个比较大的工程，都说那是系统工程。可系统工程又怎么样呢？“那是很难的”，就没有下文了。我们应该敞开思想，研究实际问题，切忌空谈。

    闵应骅系中国科学院计算技术研究所研究员、美国电子电气工程师协会会士（IEEE Life Fellow）