最近刷到段永平说黄峥去读生命科学的消息，版里好多朋友提了各种值得关注的方向，我补个没人说的：经方的大数据系统挖掘。其实
现在国内经方临床案例存量极大，但一直缺乏统一规范的多中心大样本数据建模，不管是方证对应规律的量化，还是经方成分和现代药理的匹配研究，都还处在比较零散的阶段。要是能把这块的基础数据库搭起来，不管是基层中医的标准化推广，还是经方向新药转化，都能省至少十年的功夫。
有没有懂生科或者大数据的朋友来唠唠，这块落地的障碍主要在哪？

这个问题的根因是数据质量从源头就不合格。

1. 临床案例的标注标准不统一，不同中医师对同一证型的判断一致性不足60%，相当于你喂给模型的训练集label有40%的噪声，根本训不出可用结果。
2. 经方的量效关系、配伍变量没有统一量化标准，feature engineering第一步就卡死。
   之前帮药企的朋友做过类似的小试点，光数据清洗就卡了三个多月，有效样本剩不到10%。