一次寻常的就医经历
近期深圳持续低温，很多人都染要感冒，我也没有幸免。这是近几年经历的最为严重的感冒，高烧持续5天，前后两次去医院就诊。
第一天，在完成了常规检查，医生A确诊为细菌引起的感冒，开了一些药。但第二天高烧仍然未退。
第三天，病情仍然未得到改善时，又一次来到医院复诊。这时医生B重新开了一个新的处方。这个新处方的刚开始两天，病情仍然没有明显好转。就在即将再次失去信心的时候，第三天病情突然快速好转。
目前，虽然高烧基本退了，但是仍然还有一些咳嗽等症状。但总体上也基本没有大碍。
这次感冒的经历是最近几年非常少见的还要二次就诊的。往常都是一次就诊，两到三天就可以恢复。
医生——永远无法收到足够的反馈
医生A将永远不知道自己写给我的那个处方是无效的，也更没有修改自己处方的机会了。同时，医生B也一样永远无法收到反馈，将自己的处方可以在改进一些，补充一些治疗咳嗽的药物。
临床医生虽然每年面对着各色病人，但是其中可以得到的反馈确实非常有限的。大多数都病人在首次诊断后，病情转好后就不在复诊；病情没有好转就转投其他医生。所以，真正地区复诊比例是比较少的。
因此，临床医生其实很少可以收到病人的反馈，尤其是负向的反馈。而医生因为缺少负向的反馈，自己却少了大量的改进机会。自己的能力提升空间也收到了制约。
但是，医生可以冲住院的病人处获得比较全面、及时的反馈信息。病人在住院期间每天，甚至是每个小时都会有护士进行例行检查，这些信息为医生的治疗过程提供了详细的数据支撑。
但毕竟住院病人的占比比较低，并且病情都比较严重，并不能代表大多数病人的情况。所以这些数据的代表性明显不足。
所以，在现在的工作环境下，医生永远无法得到足够的反馈样本数据，也就缺少对自己工作及时修正的机会。
医学数据的幸存者偏差
大多数病人如果感觉处方没有任何效果时，将会转投其他医生。而只有那些感觉有所改善的病人才会再去复诊。所以，医生接到的复诊病人大都是那些有效果的。而那些没有效果的病人再也没有复诊的机会。
所以，医生自己的诊断病例明显就觉有幸存者倾向。如果使用这种具有幸存者倾向的数据优化自己的处方，并不能降低自己的诊断能力。
医学数据的这种幸存者偏差，主要是因为没有医生的数据样本少导致的，如果将全社会的诊断病例都汇总后，这个幸存者偏差的倾向就会明显下降。
医学数据——未来的突破口
现在一进入大数据时代，AI技术也在各个领域得到了广泛的应用。但是医学领域的使用一直都是小心翼翼的前行。而数据是其中非常重要的瓶颈。
那些病人的病例数据，以及相关的身体健康基础数据，都对未来医学的诊断技术有着非常重要的指导意义。只有解决了病人的健康数据的采集简易性，提高健康数据的收集效率，医疗领域的人工智能时代才可以说是到来。
