大数据在医疗领域的发展

大数据与AI的结合，会令人产生无限的遐想。但对于相对保守的医疗行业，大数据的发展又是如何？

1

2015年国务院发文《关于印发促进大数据发展行动纲要的通知》明确把大数据作为国家的发展战略，并写入十三五规划纲要，专栏中也对医疗健康服务大数据提出了确切的要求。

2

2016年国务院办公厅发布的《关于促进和规范健康医疗大数据应用发展的指导意见》是针对医疗大数据的首个顶层文件，首次提出医疗大数据是国家级的战略资源，明确医疗大数据发展目标。

3

2018年国务院办公厅《关于印发深化医药卫生体制改革2018年下半年重点工作任务的通知》文件也明确指出：促进“互联网+医疗健康”发展，推进健康医疗大数据中心与产业园建设国家试点。

近年来，国家频繁发布医疗大数据相关的政策文件，体现了对其重视程度，以及国家战略意义。那么到底什么是医疗大数据？大数据的发展、应用场景有哪些？

1

医疗大数据的定义

定义

医疗大数据是基于多平台、跨机构的数量极其庞大的医疗数据的集合。

特征

医疗数据要成为大数据，不管信息来源何方，有何价值，都应具备4个重要特征即4V特征：

大量性（ Volume）：数据量极大，至少达到TB、PB量级。据统计，一个患者一次普通检查基础数据为几百KB，如有影像检查，则数据量飙升为2GB左右。按照人均1GB的数据量，每年全国就诊人次近80亿，将产生800万TB的数据。

多样性（Variety）：数据的种类、来源多且复杂，包括各级医疗机构的基本健康数据、可穿戴设备产生的健康数据和临床研究产生的数据，涉及文字、图像、音视频等多种形式。

快速性（Velocity）：数据产生和更新的速度很快，大数据的产生是一个动态的过程。每天检查的患者人数都在快速增加，其数据也在快速更新。

价值（Value）：大数据之所以有意义，正是因为其具有巨大的潜在价值！数据收集只是第一步，更为重要的是对其进行定向筛选、清洗后发掘的价值。

2

医疗大数据的从0到1

医疗数据其实早已存在。只不过早期，大部分医疗数据都是以纸质化的处方、病历等形式存在，而非电子化数据存储模式。

随着计算机技术的发展，医疗数据逐渐向数字化方向转换。从最早的单机或科室级的系统开始，到各个医疗机构普遍应用的以收费管理为中心的HIS、LIS、PACS，再到以病人为中心的全院化电子病历系统。院内信息化系统为医疗大数据的收集提供了可能性。

移动互联网、物联网、云计算等最新技术的应用，推动着区域医疗大数据的形成。区域平台可将各个医疗机构的数据进行有效整合，建立以患者为中心的数据平台。同时可穿戴、移动便携设备更是将数据的收集路径进行最大的延伸。区域平台、移动设备为医疗大数据的收集提供最佳通道。

3

医疗大数据的范围

医疗大数据以健康为中心，涉及居民健康的方方面面，主要包含以下四点：

医疗记录：主要由患者电子病历系统产生，包括：患者的基本数据、既往史、过敏史、检验数据、影像数据、用药数据、手术数据、诊疗数据、康复数据、随访数据等临床医疗数据。

公共卫生服务数据：包括卫生部门行政数据、疾控中心监测数据、出生和死亡等公共卫生数据。

可穿戴设备数据：通过各种穿戴设备（手环、衣服、鞋子、起搏器等），可收集到的人体的心率、血压、睡眠等健康数据。

临床研究数据：主要来源于实验室产生的数据，包括循证过程中研究的与患者用药相关的用药量、用药时间、用药成分、实验对象的反应时间、症状改善程度等生命制药数据以及与患者手术、诊断等相关的新技术的研究数据。

4

医疗大数据的挑战

标准不一：各医疗机构缺乏一致的医学术语标准，难以进行数据间的统一。我国于2002年开始采用国际疾病编码和国际手术编码，但在中国医疗的实际情况下，还不能覆盖医疗记录中所有相关信息，医疗机构都会根据自身的需要进行临床编码的重新制定与修改。数据标准的不统一为大数据的整合带来难度。

数据保护：医疗机构出于利益、患者隐私、数据安全等考虑，往往不愿公开自己医院的医疗数据，且医院内部的临床信息系统都运行在独立、封闭的局域网中。

隐私安全：医疗健康行业正在成为网络黑客攻击的一个热点目标。医疗数据的泄露将会导致患者隐私的暴露，医疗隐私对个人而言是最为敏感的数据，会影响工作、生活，甚至生命安全。根据“美国身份窃盗资源中心”发布的一份报告，2014年，在美国所有发生的网络攻击和数据被窃事件中，医疗和健康行业占比超过42%。曾经轰动一时的美国第二大的医疗保险服务商Anthem公司信息系统被黑客攻破事件，造成近8000万员工和客户资料被盗，包括个人基本信息、医保ID、就诊记录、疾病数据等。

5

医疗大数据的应用

区域协同：在大数据的基础上，区域医疗将催生新的业务模式。利用医疗大数据，根据患者的病情及健康数据，实现智能问诊、智能预约，远程医疗等服务。

辅助诊断：通过人工智能算法对海量数据进行机器学习和深度挖掘，一方面可协助医生获取类似疾病的治疗方案，全面把握患者的诊断和治疗，另一方面可自主进行临床诊断，减轻医生工作压力。2017年北京友谊医院举办国内首届人机读片竞赛，由AI（甲状腺结节超声图像诊断）对阵北京三甲医院组成的84名专家团队。结果人类大败，在答题过程中，准确率排名前25名的医生，平均耗时1000秒，而AI耗时仅为专家的1/5，且正确率高于所有医生。在团体赛中，AI以73%的综合正确率获胜，且100道题仅用时514秒，而有着8年“读片”经验的301医院超声诊断科主治医师张明博则用时909秒。比赛结果充分说明大数据 + AI在医疗领域的应用潜力及广阔前景。

临床研究：我国人口众多，地域广袤，疾病谱丰富，医疗资源具有领先国外的先天优势。但目前大量临床数据被浪费，没有得到充分有效的利用。医疗大数据可为临床研究提供数据基础，助力科研发展。

流行病预测：利用大数据，公共卫生研究机构可以更早地预测传染病传播途径及范围等。2008年Google推出一款预测流感的产品Google流感趋势（Google Flu Trends，GFT），主要基于对相关搜索词的大数据分析，创建地区流感图表和流感地图。在2009年，甲型H1N1流感暴发的几周前，GFT成功预测了流感在美国境内的传播，其分析结果甚至具体到特定的地区和州，令公共卫生官员备感震惊。因为传统上，相关机构需要在流感爆发一两周后才能形成这些地区病情分析。GFT对流行病的成功预测，其中社会意义不言而喻。

个性化医疗：每个人的健康状况都不相同，同一疾病在不同的人群中也会有不同的反应，因此针对患者独有特征定制治疗方案越发重要。利用大数据可将患者的全部诊疗信息、体检信息整合，并结合历史数据、当下病情等加以分析，从而针对该患者制定出个性化的医疗服务和精准治疗方案。

慢病管理：通过大数据对慢病进行智能管理。整合医疗就诊、基层卫生、家庭医生、患者等多方数据，为不同慢病患者建立精准画像，从饮食、运动、用药等全方面提供个性化管理方案。

END

90s杂谈

每周·一篇·医疗观点