發(fā)布日期：2017-03-31

“發(fā)展醫(yī)療大數(shù)據(jù)不是為了緊跟熱點，而是真正有太多實際的需求。所以它的前景是很廣闊的，但任重道遠(yuǎn)，既要仰望星空，也要腳踏實地。”近日，在“醫(yī)療大數(shù)據(jù)應(yīng)用與實踐研討會”上，解放軍總醫(yī)院醫(yī)學(xué)信息研究所高級工程師薛萬國從具體的場景對醫(yī)療大數(shù)據(jù)應(yīng)用的潛在需求做了深入的前瞻性分析。

目前，國內(nèi)很多醫(yī)院已經(jīng)上線了不少數(shù)據(jù)應(yīng)用，但大多都是描述性的數(shù)據(jù)統(tǒng)計。那么到底什么樣的醫(yī)療場景才需要大數(shù)據(jù)？會上，薛萬國給同行帶來了一些實戰(zhàn)性建議，并從醫(yī)療大數(shù)據(jù)的特點、臨床的需求以及面臨的技術(shù)挑戰(zhàn)等三個方面，深刻剖析了當(dāng)前醫(yī)療大數(shù)據(jù)在臨床診療領(lǐng)域、醫(yī)學(xué)研究、醫(yī)院管理等各個環(huán)節(jié)中的應(yīng)用前景和挑戰(zhàn)。

不限于4V特征  大數(shù)據(jù)核心在于分析

薛萬國表示，傳統(tǒng)大數(shù)據(jù)有4個大家普遍接受的特性：Volume(大量)、Velocity(高速)、Variety(多樣)、Value(價值)。但實際上，當(dāng)前涉及的大數(shù)據(jù)已經(jīng)有了很多深層次的演繹。這些演繹不是簡單地強調(diào)大數(shù)據(jù)的4V特性，也不一定完全符合4V的特點，但是它們有一個總的特征：一定要具有分析的特點。

“以前，我們關(guān)注數(shù)據(jù)量是否足夠大，分析速度是否足夠快，數(shù)據(jù)成分是否復(fù)雜多樣，其實在現(xiàn)在這些變得不那么重要了。”薛萬國引用了一句國外行業(yè)俗話：Big data is nothing without big analysis.（如果沒有分析的話，大數(shù)據(jù)什么也不是）。這其實強調(diào)了大數(shù)據(jù)的根本特性：核心在于分析。而大數(shù)據(jù)分析，不僅是傳統(tǒng)意義的統(tǒng)計，一定是深層次的分析，包括：相關(guān)分析、聚類分析、建模、趨勢預(yù)測等。

醫(yī)療大數(shù)據(jù)具有四大獨特性

醫(yī)療大數(shù)據(jù)與其他行業(yè)大數(shù)據(jù)相比有共性，也有一定的獨特性。它的特點具體在四個方面。

第一，數(shù)據(jù)量大。醫(yī)院信息化最初管理的數(shù)據(jù)量并不是很大，但由于醫(yī)學(xué)的持續(xù)進步，包括檢查手段的進步，如各類檢查手段的數(shù)字化、大容量的CT掃描等，病歷的數(shù)據(jù)呈現(xiàn)爆炸式增長。此外，精準(zhǔn)醫(yī)學(xué)、全基因組測序的興起，使得一個人的數(shù)據(jù)量可以達到幾十個GB。從這些角度來分析，一個三甲醫(yī)院每年有幾百萬的門診量，如果在未來幾年都要管理起來的話，有可能數(shù)據(jù)量就要達到PB級。

第二，從橫向看，醫(yī)療數(shù)據(jù)非常寬泛。醫(yī)療大數(shù)據(jù)的研究對象是人，由于人的復(fù)雜性和診療的多樣性，導(dǎo)致了數(shù)據(jù)的類型多樣性和結(jié)構(gòu)復(fù)雜，這其中包括：結(jié)構(gòu)化數(shù)據(jù)、半結(jié)構(gòu)化數(shù)據(jù)和非結(jié)構(gòu)化數(shù)據(jù)。醫(yī)療數(shù)據(jù)中很多都是對非結(jié)構(gòu)化數(shù)據(jù)進行處理，比如：病歷的檢索、影像的識別，這都要對大量的非結(jié)構(gòu)化數(shù)據(jù)進行特征提取和識別處理，處理難度非常大。

第三，數(shù)據(jù)集成要求高?？床∫匀藶橹行?，醫(yī)學(xué)視角需要查看人的方方面面數(shù)據(jù)，所以對數(shù)據(jù)整合式的展現(xiàn)、管理以及融合式的分析要求都特別高。

第四，從縱向來看，周期長。與其他行業(yè)不同，面向患者需要管理的醫(yī)療數(shù)據(jù)生命周期特別長。從人出生開始到死亡，期間的數(shù)據(jù)都要能夠保存。這也是區(qū)域醫(yī)療共享以及連續(xù)醫(yī)療現(xiàn)在所提倡的核心內(nèi)容。

醫(yī)院對醫(yī)療大數(shù)據(jù)的四大需求

薛萬國認(rèn)為，從醫(yī)院角度來看，對醫(yī)療大數(shù)據(jù)的需求分為四個方面：臨床診療、醫(yī)學(xué)研究、醫(yī)院精細(xì)化管理和基礎(chǔ)性應(yīng)用。

第一，臨床診療。用大數(shù)據(jù)直接幫助醫(yī)護人員開展臨床活動，包括：個性化的診療、疾病的早期診斷、不良事件的預(yù)警（如感染等）。以美國癌癥協(xié)會CancerlinQ項目為例，該項目把美國20多家醫(yī)院乳腺癌的病例都收集起來，共有17萬份。經(jīng)過整理后，按照腫瘤類型、病人年齡、個體情況、腫瘤治療方法、藥物使用進行分組，形成一個路徑以及生存周期結(jié)果，最后得出不同人群的治療路徑。以前看病治療依靠的是臨床指南，而現(xiàn)在把病人信息錄入數(shù)據(jù)庫中分析，基于真實世界的研究，從而量體裁衣，找到更加合適的個性化治療方案。

針對早期診斷的大數(shù)據(jù)應(yīng)用，薛萬國提到了缺血型心臟病案例。該病種可以根據(jù)心電波形、檢驗結(jié)果、心臟血管成像提煉大量相關(guān)癥狀因素建模，形成早期疾病的預(yù)判和干預(yù)。雖然現(xiàn)在還不能代替人類去做診斷，但是在篩查時候可以形成高效的輔助作用。

而對于不良事件預(yù)警方面，如心臟介入手術(shù)后，可能會發(fā)生一些不良事件，也可以通過相關(guān)因素分析，找到一些提前預(yù)警和干預(yù)的因素來建模分析。

第二，醫(yī)學(xué)研究。大數(shù)據(jù)可以幫助醫(yī)學(xué)界更加深入認(rèn)識疾病，包括：對疾病相關(guān)因素的分析、對疾病的精準(zhǔn)分析、對于疾病診斷的一些生物標(biāo)記的篩選等。傳統(tǒng)上，醫(yī)學(xué)界對病人的分析都是來自于臨床上的癥狀、檢查結(jié)果、病理分析。有了生命組學(xué)大數(shù)據(jù)后，則可以對病人更加細(xì)化，形成個體性的同類病不同治療方法。而對于生物標(biāo)記篩選，大數(shù)據(jù)可以聚類分析，并反映出一些疾病檢驗結(jié)果的臨界區(qū)間，通過多參數(shù)、多個生物標(biāo)記更準(zhǔn)確確定病情，給出更優(yōu)的治療方案。

第三，醫(yī)院精細(xì)化管理。大數(shù)據(jù)可以提供全方位的、精細(xì)化的、個性化的績效評價體系。以美國為例，為了減少再住院率，美國特地建了一個模型來評估再住院風(fēng)險。有些醫(yī)院靠這個模型預(yù)測準(zhǔn)確性可以達到79%，減少30%的再住院病例，給醫(yī)院和病人節(jié)省了大量開支。再如感染監(jiān)測，其實就是典型的大數(shù)據(jù)應(yīng)用。它把病人的方方面面數(shù)據(jù)，包括檢驗、生命體征、護理措施、用藥等融合在一起，建立模型來分析病人是否發(fā)生感染，這比人為事后發(fā)現(xiàn)更為及時。

第四，基礎(chǔ)性應(yīng)用。包括：大數(shù)據(jù)的檢索、?？茢?shù)據(jù)庫建立、隨訪數(shù)據(jù)手段建立?，F(xiàn)在醫(yī)護人員直接利用計算機來檢索自己所需病例的工具還很不完善。例如，腫瘤的化療病歷，醫(yī)生在寫病歷時會寫下腫瘤的分期，但是在結(jié)構(gòu)化的數(shù)據(jù)里很難有關(guān)于分期的描述，所以利用計算機找某個腫瘤分期病歷時很困難。另外，隨訪的需求也是難點。隨訪在各個科室是散亂的，沒有統(tǒng)一的系統(tǒng)，數(shù)據(jù)源沒法共享。調(diào)研發(fā)現(xiàn)，很多科室都有數(shù)據(jù)庫，大部分是用Excel表管理，不能解決統(tǒng)一管理問題，導(dǎo)致數(shù)據(jù)檢索使用滯后。

打破小米加步槍模式

薛萬國認(rèn)為，醫(yī)療大數(shù)據(jù)應(yīng)用涉及三方面要素：好的思路、好的數(shù)據(jù)支持，以及好的技術(shù)手段。當(dāng)前發(fā)展醫(yī)療大數(shù)據(jù)，在這幾方面都較為欠缺。“很多醫(yī)院和科技公司還是采取小米加步槍的方式在做大數(shù)據(jù)的研究。”他進一步指出，當(dāng)前醫(yī)療大數(shù)據(jù)面臨三方面的挑戰(zhàn)。

第一，醫(yī)學(xué)的自然語言（NLP）的處理。它是非?；A(chǔ)性的需求。比如要查找吸煙的患者，如果僅僅簡單做一個關(guān)鍵詞檢索的話，結(jié)果很可能將吸煙和不吸煙相混淆。所以系統(tǒng)設(shè)置至少應(yīng)把語義以及簡單基本的否定語義識別出來。

第二，病歷檢索工具。醫(yī)務(wù)人員需要非常靈活的檢索工具，雖然很多企業(yè)在做醫(yī)療搜索，但目前還沒得到理想的的解決方案。比如，醫(yī)務(wù)工作者想要檢索查找化療后白細(xì)胞下降的患者。這個問題在系統(tǒng)設(shè)置上其實并不好表達。

第三，專科專病數(shù)據(jù)庫的構(gòu)建現(xiàn)在很多還靠手工操作。這是因為很多數(shù)據(jù)需要從病歷找出來，然后填進去。據(jù)了解，科室整理一份科研病歷需要2-3個小時，工作量太大，所以整理病歷很難持續(xù)下去。就目前來講，還沒有很好的智能化工具去做病歷收集?，F(xiàn)在需要的是通用化隨訪平臺，做到集中管理、隨機隨訪、醫(yī)患互動。讓患者參與到醫(yī)療過程中來，提供足夠有用的隨訪結(jié)果。要實現(xiàn)這一目標(biāo)，既需要技術(shù)的支撐，更需要機制的配合。

來源：HIT專家網(wǎng)