根据英国医学杂志2013年发表的一篇文章，医疗差错是美国的第三大死因，谨慎的假设是，错误的诊断会导致对患者有害的差错发生率很高。10-15%的诊断是错误的，比购返利，35%的成年人在过去的5年中经历了一次涉及自己、家人或朋友的医疗错误。如果不考虑极端的后果，在整个生命周期中，接受错误诊断的机会几乎是肯定的。

值得花一点时间来考虑为什么这些错误会首先发生。根据世界卫生组织的统计，有超过12000种疾病。从没听说过外国口音综合症或异手综合症？很多医生也不会，他们只是不断出现的许多新疾病中的两种。在导致错误的原因中，疾病的表现方式存在差异。有医生的变量，如专业知识。我们也知道错误的发生要么是由于医生的过度自信。在当前机器学习和大数据时代，自助建站开发，能否提供决策支持工具来修复信息合成的错误？看看汽车工业是如何将这些技术应用于汽车维修的，也许会很有启发性。

现代汽车有许多特点，可以确保驾驶员和乘客的辅助和安全。车辆的车载计算机基于数百个传感器做出数千个决定，其中一个目的是通过监测内部信号来进行故障诊断。数兆字节的数据在引擎盖下处理，用于实时分析，不仅用于审核汽车的当前状态，还用于在实际问题发生之前建议最佳处理方法。从长远来看，这可以减少维护的成本负担。通过在疾病出现之前就及早准确地发现疾病，预测性诊断还能拯救人类生命吗？

这就是迈克尔·斯奈德教授在14个月的筛选过程中结合高通量技术的表现。为什么标准的医学评估只检查少数几个生物医学标志物，而这项技术（在2013年）测量了多达40000个元素，大数据时代，并可能学到更多？他的论文报告了超过30亿个测量数据（50 TB的数据）在受感染和健康的状态。这样做，不仅可以识别出偏离健康状态的生理状态，而且可以在症状出现之前早做。精确医疗（PM）的概念取决于一个关键前提：大多数诊断是为"普通患者"设计的，是一种"一刀切"的方法。但不存在这样的"普通病人"，因此大多数治疗对某些病人是成功的，而对其他病人则不是。取而代之的是，根据人们基因、分子信息、临床数据、饮食、环境、生活方式和其他生物标志物的差异，云服务器服务商，对不同类型的患者进行治疗。斯奈德教授认为基因组学"挽救了他的生命"，因为他很早就发现了糖尿病，并且他能够改变生活方式，尽管他的医疗保险费变得"昂贵得令人望而却步"。然而，他说，这种权衡是值得的。

精确医学已经成为一种计算方法，用于解释生物分子库（组学）的大数据，并促进其在医疗保健中的应用。但并非没有批评者。其中一个是关于成本的。随着新方法的引入，大数据专业怎么样，全基因组测序变得更快，成本更低。然而，保险公司对这些定向筛查的补偿可能仍然是一个问题。PM最强大的障碍之一可能是医生将常规基因组检测纳入日常工作流程的意愿和动机，而临床效益尚未确定。

算法，现在正转向使用信息学方法，如神经网络和先进的聚合技术，在基因和生物分子特征中对患者之间的复杂关系进行建模，以促进这一过程。

在GenomeWeb和Oracle赞助的《精密医学采用趋势调查》中，大多数受访者认为PM为他们的组织带来了竞争优势，而推行PM的最大障碍之一是缺乏支持该计划的信息技术基础设施数字生物标记物）将造成结构性瓶颈，这可以通过相应的向流媒体和大数据处理的转变来缓解，一流的信息服务可以将这一挑战转化为机遇。