信念坚定
特纳和温伯格不是在宣传高科技乌托邦，不是在说大数据可以根除癌症的负担，但是他们希望，这可以带来有意义的成果。“我们只是在说，如果我们从其他行业学到了一个经验，那就是数据具有价值，”特纳说。“这个价值究竟有多大，我们还不知道。”即使成果很小，那也可能会影响数以百万计的人。
“如果整体来说，我们能对癌症产生5%的影响......”他没有继续说下去。2014年美国新诊断出的癌症患者有将近170万人，如果患者的生存率整体提高5%，相当于仅在今年就拯救了数以万计的生命。
特纳的父亲是一名地球物理学家，在石油勘探行业工作。特纳年少时在德州、路易斯安那州、荷兰和苏格兰居住过。虽然浅棕色的头发已经开始后褪，露出他宽阔的前额，但特纳的面庞看上去仍像是个研究生。
成功的连续创业者往往相当招摇，成功的创新者也常常带着一种自信可以改变世界的专横，但特纳既不招摇也不专横。他和在曼哈顿上西城长大的温伯格拥有一个共同的坚定信念：在挽救癌症患者的生命方面，技术可以发挥重大作用。“当你对医疗领域和肿瘤学有所了解，你就会发现，一个谦虚精干的团队，可以帮助解决那里存在的很多问题。”温伯格说。
特纳最初对癌症产生兴趣是在2009年，当时他和家人到北卡罗来纳州度假的时候，他7岁的表弟布伦南-西姆金斯（Brennan Simkins）生了病，经过一系列测试，他被确诊患有急性髓系白血病。接下来的一年中，这个孩子经历了骨髓移植、复发、再移植，再复发。总之，西姆金斯不仅忍受了4次痛苦的骨髓移植，还经历过一些误诊。不过2011年之后，西姆金斯的病情得到了缓解。
表弟这段令人痛苦的求生经历，让特纳和温伯格开始思考，他们可以做些什么来帮助其他有类似遭遇的人。他们考虑创办一家新公司，最初的想法是通过互联网提供治疗的参考意见。两人花了六个月时间来了解癌症。他们在克里希纳-耶斯万特（Krishna Yeshwant，是名医生，也是谷歌风险投资公司从事生命科学领域投资的合伙人）的不时陪伴下，走访了60多家癌症中心，与专家们交谈，和医生们一起查房，并和他们讨论各种商业理念的可能性。
经过数十次这样的交谈后，特纳和温伯格产生了一个新想法。有大量临床数据散落在全国各地肿瘤治疗中心的备案系统中，他们想收集这些数据——通过数字和其他方式——然后整理它们，聚合它们，并把他们反馈给医生，帮助医生在如何治疗患者方面做出更好的决定。
迎难而上
对于特纳和温伯格这样的数据极客来说，临床肿瘤学在数据方面的问题既明显又熟悉。尽管医疗机构多年前就开始说服医生和医院接受电子病历（简称EMR），但是要获得和使用肿瘤数据仍然十分困难。
“EMR的数据太烂了，”特纳说。同一个病人的数据可能分散在很多地方：内科、肿瘤科、放射科、外科、实验室和病理报告处等等。即使进行了数字化，数据也往往采用的是非结构化格式。它会以不同的格式，出现在不同的实验室报告和记录中，而不是有条理地归整在数据库中。
更糟糕的是，仍然有大量数据隐藏在手写和扫描的报告中，隐藏在没人会去听的音频报告中，或者以低分辨率的PDF文件格式印在传真纸上。此外，五花八门的不兼容的系统，以及严格的关于个人健康信息的隐私法规，更是让数据在数以千计的肿瘤治疗者之间共享变得难上加难。
从理论上讲，电子病历应该让这样的数据聚合和整合变得容易。但实际上没有这么简单，就拿癌症患者经常要做白蛋白测试来说，同一家癌症诊所采用的同一种电子病历中就存在30多个不同格式。乘上100多种不同的蛋白质和基因测试、切片，以及癌症诊疗中使用的其他诊断方法——然后再乘以不同的电子病历系统，不同的癌症中心的数量——这下你知道有多复杂了吧。
Flatiron Health把这些信息综合到一张表格中，方式是（a）对于不同的癌症中心和实验室，创建一个通用的数据模型，（b）通过匹配算法处理数据；对于这些数据使用的术语，该算法可以识别出其中90%，（c）使用一个数据处理引擎，实时转码术语，及（d）标出任何不匹配的术语，由医生或护士进行人工识别。
一开始，特纳和温伯格花了两年多时间来研发他们所说的数据模型，这个模型可以把海量临床信息整理成有条理的类别。他们很快就意识到，同时对每种癌症都采用这个方法太过复杂。因此，他们在一些医生的帮助下，把侧重点放在了结肠癌上。他们从已经发表的临床试验报告中提取一切信息，比如人口统计内容和居住地，癌症的分期，对疗法的反应等等，一共有350多个数据类别。然后他们在其他类型的癌症上重复这个过程。
为了能自动从电子病历提取数据，Flatiron Health采用的多种计算机技术，比如从实验室报告中寻找数值的匹配算法。他们还微调了自然语言处理技术，让计算机能够“读取”文件，并从中提取数据。由于这种系统非常容易出错，所以Flatiron Health又开发了一个混合人机学习系统，以便捕捉和纠正错误。
公司还聘请了50名护士，手工输入了500名患者的数据，从而获得了特纳所说的“训练集”，它可以用来检测自动收集的数据中的错误。然后把差异反馈给系统，以便完善这个自动收集过程。从理论上说，这是一个动态的系统，可以持续提高自身精度。
