完成個性化醫療需要做到哪幾方面?　　首先，帶路衣食服務方可以使用物聯網和數據分析來遠程監測患者，在癥狀嚴重前就及時進行干預和調整。

最后，住行也是最關鍵的一環，就是為每位患者匹配個性化的治療方案。大多數制藥企業在從動物試驗到I期臨床試驗期間，帶路衣食使用預測模型來優化給藥，帶路衣食但數據分析還沒應用于后期的試驗中，如各類藥物臨床試驗入組和排除標準。

幾家保險公司也因此盈利，住行比如聯合健康集團的一個業務板塊Optum就通過梳理處方藥的索賠記錄幫助雇主節約醫療支出。也就是說，帶路衣食它們之間的差距在越拉越大。數據分析在醫療領域內的潛在機會我們強調的機會有五大類：住行臨床、報銷、研發、商業模式創新和公共衛生。

將數據分析用于醫療的未來狀態應該是：帶路衣食醫生對患者持續進行監測和給予個性化治療方案，并在最佳時機完成健康干預。在世界上許多國家，住行尤其是美國，信息透明度的缺乏導致醫療健康系統機能失調。

但2011年只能實現10~20%，帶路衣食也即產生300~600億美元的價值。

在將來，住行隨著深入學習的進步，尤其是自然語言和視覺技術的發展，可能有助于醫療活動的自動化，節約勞動力成本。如，帶路衣食美國中西部地區的一個醫療保健系統EssentiaHealth，就正在對充血性心力衰竭患者進行家庭監護，將30天再住院率降到2%，遠低于全國25%的平均水平。

這可以由人工智能驅動的臨床決策支持系統來完成，住行人工智能系統可以通過梳理數百萬患者病歷、住行基因組序列以及其他健康行為數據來確定對個體最有效的治療方案。制藥企業和醫療設備企業大數據和先進的分析方法可以讓制藥企業的藥物預測建模更為精準，帶路衣食加速藥物開發過程。

一個形象的場景是，住行今天醫生看到的是一位哮喘患者。在整個醫療健康系統中，帶路衣食當前狀的態是：患者沿著一個統一化、標準化的治療流程進行診療。