潘越向记者表示，通过大数据和分析的手段来加速医学的猜想、发现到医疗实践的转化。像Watson这个计划2011年第一次参加比赛，2012年IBM的warepoint，花旗银行已经开始实践，对于大数据的处理分析使得这个技术可以很快地从一个领域移植到另外一个领域。

　　目前大数据有一个前提就是数据。医疗领域的数据有几种类型，比较完整的是医学影像的数据，像X光、CT，甚至还包括B超、脑电。这个领域有一些研究，比如说如何通过医学影像的自动分析来确定病变的位置，现在有很多放射治疗要对癌细胞的位置进行辐射，范围越小，接受的辐射量就越小，对病人本身的损害就越小，利用大数据的分析方法可以确定这个范围。这个技术现在刚刚产生，按照刚才的推断，医学技术的产生到使用的时间段越来越短，我们预测到2025年，一个技术的产生到使用基本上可以在一年之内完成。这是医学影像的数据。

　　还有一类数据是电子病例、电子健康档案。这类数据的获取还是非常多的，有些技术是基于病人的相似度，比较两个患者的病例，如果相似的话，可以找到一群相似的病人，然后分析有效的治疗手段是什么。像这样的技术，IBM已经把它变成了产品。这依赖于大量的数据积累，要依靠电子病例、电子医疗档案的完善，需要搜集准确的信息。中国的医改已经有很好的目标，需要顺利实现电子病例的完善过程。

　　第三个领域是跟基因组学、蛋白组学新的治疗技术相关。这些技术已经发展到了应用的边缘。像人类的基因组测序，以前人类基因组花了十年的时间研究，现在只要花一千美元，不到一周的时间就可以测出一个人的基因组。这些数据就可以应用到个性化诊断治疗。这个对大数据的推动也是非常大的。

　　潘越同时说道一些未来关于大数据的应用方面，比如通过监控交通流量去判断可能会造成的拥堵，提前改变交通信号，或者是对拥堵路段实行不同的收费政策，调整人们对路线的选择。这是在交通上的典型应用。我记得可能是斯德哥尔摩用了这个系统。在我们国家，我记不清是南京，还是镇江的智慧城市项目，也是用了这个智能交通系统。

　　记者提问到关于大数据应用在医疗领域的成本问题时，潘越表示医疗成本增加是必然的，但是当使用的人趋于广泛的时候，医疗的价值就逐渐体现对一个医院来讲都是无价的。

　　医疗成本这个跟规模有关系，应用规模越大的话，开发建设的成本就可以分摊。当然我们一般做医疗领域的问题，可能是比较侧重在某一个具体的用法，像warepoint判断一个手术是否有必要。按照现在的时间计算，一年的时间可以把这个系统做出来，这是一个系统的成本