杨旭表示，精准医疗是数据驱动的科学，是生命科学、医学技术和计算技术融合的前沿领域。作为一家数据公司，英特尔可以为精准医疗提供大数据、云计算、人工智能以及网络存储等方面的技术支持。

目前，在基因检测领域，计算依旧是瓶颈。据英特尔公司医疗与生命科学集团总经理Kay Eron介绍，目前，精准医疗领域存在四大数据方面的挑战，这也是英特尔要着力解决的问题。

数据规模。基因组涉及的数据量是TB级的，要实现这些数据在不同用户之间平滑、及时地传输和分享，对很多数据科学家来说都是挑战。

解析速度。通常情况下，全基因组分析需要花几周的时间，这个时间对很多临床医疗服务来说太长了，所以必须要加速临床或者门诊对基因组的分析速度。

信息分享的安全。基因信息关系到人最根本的隐私和个人的数据，所以一定要保证它的安全性。

数据的可扩展性。基因组数据爆炸式的增长速度已经超过了摩尔定律的速度。因此，产品的后台技术需要确保有足够的扩展性来支撑超过摩尔定律的爆炸增长速度。

目前，数据处理正是华大基因所遇到的瓶颈之一。“我们国家基因库现在每年要处理的数据由10PB（较高级的存储单位，等于250个字节），这么大的数据量处理起来非常困难，但是自己建一个巨大的计算机机房，时间、精力又都不够。” 华大基因副总裁王洪琦表示，这种困难一方面是存储困难，另一方面是解读的困难。正是基于这样的考虑，华大基因与英特尔成了合作伙伴。

过去几年，为了解决上述提到的四个问题，英特尔在中国 精准医疗 领域做了很多尝试。

“从2015年10月份发布1．0产品，到2016年底， BGI Online已经完成了170TB数据的处理，并将平台上的170余个应用程序进行开放。” 李亚东提到。在提高数据分析速度方面，2015年，英特尔与华大基因、阿里云成为合作伙伴，共同打造基因组数据分析云计算平台BGI Online。

2017年5月，英特尔宣布与博德研究所 （Broad Institute）、华大基因及阿里云达成协议，将通过BGI Online为用户免费提供最新版的基因组分析工具箱GATK4（Genome Analysis Toolkit 4）使用授权。据了解，过去完成3000份的全基因组数据分析至少需要6个星期，而通过GATK4，在两个星期内就可以同时完成1．5万个全基因组的数据分析。

产品再好，不合水土也是不行的。为了能够使产品更加本土化。2017年6月，英特尔精准 医疗 伙伴计划的下属联盟“基因组一体机联合实验室”宣布成立。浪潮、UEC、华大基因、聚道科技、阿里云、Falcon和安诺优达等上下游公司将与英特尔合作，为医院和研究机构开发基因组学设备，以便处理本地数据分析需求。

李亚东表示，“与国外不同的是，中国的基因数据大多存储在本地，我们的产品必须要适应中国特色。”

对于英特尔来讲，产品的本土化不仅体现在数据分析方面，更体现在数据的交换方面。

“数据量越来越大，数据拥有者不太愿意或者不太方便进行数据完全共享。”李亚东表示。在这种情况下，怎么样才能不移动数据，却可以实现最大程度上地分析数据？这是英特尔在数据交换方面要着力解决的问题。

目前，英特尔在这方面的尝试就是与上海市儿童医院共同启动儿童健康协作云中心。据了解，儿童健康协作云中心是一个开放式平台，是双方针对儿童遗传基因组研究和数据交换应用于临床的范例。目前，这个数据交换框架已在上海市儿童医院、联盟医院和上海交大生物医学转化中心上线。上海市儿童医院和联盟医院利用该框架，在不同站点之间对儿童发育迟缓案例进行基因变异识别和比较。

具体来说，在这个数据交换框架内，各医院的数据仍然保留在本地，但可以根据自身要求通过查询的方式，异地发起查询。

上海市儿童医院院长于广军表示，“这个方式大家可以接受，既建立了相应的数据库，又可以通过分布式共享查询解决临床问题，推动了不同儿童医疗机构间在基因组分析方面开展协作。”

速度和成本是实现“24小时 精准医疗 ”目标的两座大山。

从基因数据的解读流程上来看，大多数 基因测序 的解读都需要一个月左右。由于技术和管理双重因素的影响，基因数据的解读速度还很慢。

管理方面的因素对速度产生了很大的影响。于广军提到，“解读的前提是已经有测序的结果，但是目前大多数测序时间比较长，都要积累到一定数量才能启动测序机器。”

所以，目前很多医院自己是不做测序的，往往是将这份工作交由华大基因来做。其流程是：医院抽好血，将标本送到华大基因的实验室，华大基因将测序分析结果返回医院后与临床医生进行沟通。这个过程中，样本的运输时间是比较长的。另外，和医生反复沟通也需要很长时间。于广军表示，上海市儿童医院目前正在尝试建立基因知识库，帮助医生更好地理解测序分析结果，从而节省时间。

如果要在2020年实现“24小时精准 医疗 ”，成本是另一个很重要的指标。李亚东告诉健康点记者，如果不计成本，英特尔现在已经实现了24小时内完成基因数据的采集、分析、解读等。但成本太高，却并不适合产品的大规模推广。

“我们希望最终实现基因信息解读的普惠，但我们在成本上还有很大压力。”李亚东举例，“24小时精准医疗”产品目前的使用成本超过1000美元，对普通民众来说还是比较贵的。“怎么样将成本进一步降至200美元到500美元，需要看最终医保怎么覆盖这部分费用。”

怎样才能更好地提速与控制成本？在于广军看来，“专业化＋有效集成”是最好的办法。但基因检测的复杂度在于，还没有完全实现流水线化、标准化，尤其是数据分析方面。于广军表示，“如果完全标准化就简单了。”