第四个难题是精准医疗的支付问题。精准医疗的价格能否被普通的老百姓们所接受，这个也是需要考虑的。如果大多数的老百姓买不起精准医疗药物，那么精准医疗最终就难以走向大众市场。此外，医疗保险能否覆盖精准医疗也是很关键的一步。
第五个难题则是精准医疗如何区分病人群体的异质性。即便区分开了，还需要涉及到制药业的切入，如何才能够开发出针对特异群体的靶向乃至基因药物，这并非那么轻松，且药物从临床到应用的诸多环节也需要考虑。
而精准医疗所面临的一个最核心最根本的难题实际上还是源于技术本身，如何对大数据进行更准确的分析，还需要更高的效率来实现。比如在基因检测运用最为成熟的NIPT领域，就面临着精准度、检测周期、假阴、假阳现象等诸多难题，这也是目前全球各国精准医疗所面临的一个共同难题。
行业急需不断创新变革，精准医疗才有希望
要想推动精准医疗逐渐走向普及，就必须推动精准医疗的医疗技术水平不断提升，如此一来才能解决精准医疗的基因测序、数据分析、区分病人群体的异质性问题等，而精准医疗的治疗费用也就可以逐渐下降。
2000年，人类第一个基因组开始，基因检测以摩尔定律的方式进行快速革新，这加快了基因检测的个体化精准医疗运用进程。
2015年，为了能够满足复杂的基因测序数据处理和高性能计算能力需求，英特尔推出了至强融核协处理器(Xeon Phi)，它能够提供多达61个内核、244个线程、1.2万亿次浮点运算性能。但基因序列分析具有高IO密集和高计算密集的特点，还需要常规加速方法以外的特殊手段。
2016年，精准医疗进入到了算法阶段，高效的数据分析变得越来越重要，它也是精准医疗所面临的一个最核心最根本的难题。人和未来生物科技公司推出的基于FPGA的GTX One生物计算加速平台，从某种程度上来说，有效地解决了这个难题，他们通过高能算法极大的提高了基因检测样本的比对和分析效率。
从速度上来说，GTX One加速产品能够让无创产前DNA检测(NIPT)的数据比对分析效率提升100倍。比如，GTX One处理器(FPGA芯片)能在一个超过20亿个条目的海量数据字典(近90GB的数据量，即超过22张DVD数据量)中，创纪录的完成每秒860万次的查询，比一台运行Redis(公认最快内存数据库)的20核Intel Xeon E5 CPU 的服务器的查询速度快17倍。
从成本上来说，GTX One系统可以将一台拥有20核Intel Xeon E5 CPU的高性能服务器24小时的计算任务，压缩至半小时内完成。这不仅极大地降低了数据分析的时间成本，还能极大降低服务器集群的采购和运维成本。与此同时，GTX One整机满负荷功耗只有89W，是20颗Intel Xeon E5 CPU 物理核服务器整机功耗的1/5，大大降低了运行成本。
从效率上来说，GTX One处理器也带动人类精准医疗向前迈进了一大步，它专门针对序列比对和突变分析算法的并发和访存瓶颈，面向FPGA高计算性能特性，充分考虑算法各阶段流水，重新设计了生物信息分析的核心算法。其优化设计甚至细化考虑其访存可能引发的DDR控制器事务数量、DDR3颗粒内部Open Page的时间特性等，使得 GTX One处理器能够在一个双通道的8G板载DDR3内存中，从压缩的海量数据记录里，辗转腾挪，仅仅通过最多不超过4次访存的情况下，在30亿碱基长度的基因组上定位序列片段。
不过GTX One加速平台还仅仅只是人类精准医疗战略实现的第一步，人和未来正将这项新的技术运用到全基因组、转录组、表观遗传等数据分析上，持续不断丰富GTX One加速平台上的分析应用产品。只有不断提升高能算法和大数据分析的能力，才能真正全面提升基因检测全产业链条的整体效率，从而大幅降低检测成本、时间以及精准度，真正建立大数据健康管理解决方案。
