信息化建設中醫療大數據現狀

，

隨著信息技術的發展，大數據成為新時代的代言詞，并被給予“未來新石油”的評價。對大數據的開發利用已成為國際競爭及國家整體實力的重要體現，世界各國先后制定和實施了大數據相關的戰略計劃，在醫療衛生領域大數據的研究應用也逐漸增多。

1 大數據在國內外的發展現狀

1.1 國外現狀

美國是大數據發展的引領者，2013年5月，奧巴馬政府宣布了“大數據的研究和發展計劃”，希望利用大數據在生物醫藥、科研教學、環境保護、工程技術、國土安全等領域實現突破。2012年7月，英國商業創新技能部成立數據戰略委員會，2013年即投資1.89億英鎊，其建成的英國國民醫療服務系統(National Health Service)擁有龐大而完備的英國醫療數據，被英國社會譽為20世紀最偉大的成就[1]。2013年6月，日本安倍內閣正式宣布了新IT戰略，即“創建最尖端IT國家宣言”，將大數據應用于新醫療技術開發、社會化媒體等智能技術開發、傳統產業IT創新等公共領域。同年，韓國數據庫研究院與韓國國名健康保險公司公司合作完成了國名健康數據認證(DQC-V)和國民健康數據管理認證(DQC-M)兩個系統的建設工作，憑借該數據庫，可以對1.3億條全體國民醫療信息進行管理[2]。此外，德國、法國、歐洲多國也展開了大數據建設。

1.2 國內現狀

2013年，我國發改委與中科院啟動了“基礎研究大數據服務平臺應用示范項目”；2014年《政府工作報告》明確提出，設立新興產業創業創新平臺，在大數據等方面趕超先進，引領未來產業發展；2015年第十二屆全國人民代表大會提出“互聯網+”，進一步推進大數據的發展。我國正處于醫療改革，衛生信息化建設的關鍵時期，2015年3月國家衛生計生委網絡安全和信息化工作組全體會議明確提出將積極推進健康醫療大數據應用示范，研究制定促進健康醫療大數據應用的指導意見，健全完善國家衛生計生統計制度，推動健康醫療大數據依法有序安全開放。可見，醫療大數據的“春天”已經來臨，衛生信息化進程將加快。

2 醫療大數據的特點

大數據通常是指所涉及的資料容量規模巨大到無法通過目前主流軟件工具，在合理時間內達到擷取、管理、處理并整理成為人類所能解讀的信息，具有容量大、多樣性、速度快、價值高的特點。醫療大數據由大數據衍生而來，是指在一切與健康相關的活動中產生的所有與生命健康和醫療相關的數據。除了擁有大數據的特點外，還具有以下5個特點。

2.1 數據的多維性

在整個醫療行為中，雖然各種數據的記錄都以患者為中心，但不同數據使用者(如醫生、護士、醫技)所需信息不一、要求不一，我們不可能針對不同對象分別采取不同的格式記錄患者信息，只有依靠需求者自己摘取，導致醫療數據具有多維度的特點。

2.2 醫學術語的復雜性

醫學中常見一詞多義、多詞一義現象，并且隨著醫學發展，醫學術語更新快速，各術語集不斷更新版本，再加上醫院信息系統不同、標準不統一等原因，導致醫學術語復雜，數據獲取困難，在我國中醫藥大數據發展方面尤為明顯。

2.3 數據不完整性

大量醫療數據來源于醫務人員人工記錄，搜集者和處理者往往不同，導致數據記錄出現偏差和殘缺；而隨訪丟失，許多數據的表達不確定，造成了醫療大數據的不完整性。

2.4 數據的時序性

病人初次就診、治療、復查，疾病的發生、發展、治愈或死亡，醫學檢測的波形、圖像都是時間函數，各數據產生都具有一定的時序性。

2.5 數據的冗余性

我國信息化建設尚未完成，信息孤島、煙囪還普遍存在，一人在不同醫療機構就診會產生相同醫療數據，同一醫療機構也存儲大量重復、無關緊要的信息。

3 醫療大數據的來源

3.1 醫療服務方

醫療服務方主要指開展疾病診斷、治療活動的衛生機構(圖1)。這些機構各信息系統產生的數據由醫務人員以醫學專業方式所記錄，是最原始的臨床記錄，包括記錄不完整或錯誤的數據，都具有價值，都可能隱藏了有待發掘和利用的重要醫學信息。除此之外，還有醫院運營產生的數據。

圖1 醫療服務機構數據來源

3.2 醫療保險方

醫療保險大數據主要來源于醫療保險部門和商業保險公司。我國基本醫療(新農合、城鎮居民、城鎮職工)保險參保人數超過13億，覆蓋率在95%以上[3]，各商業健康保險隨著人們健康意識的增強購買率也增加。患者在就醫過程中將產生大量的費用信息、報銷信息，使醫療保險部門和商業保險公司積累了大量病種、費用等數據。

3.3 衛生行政方

各醫療機構通過統計直報系統上報的疾病、手術、醫院業務、衛生人力等數據形成衛生資源與衛生服務利用、疾病報告與監測、衛生人力資源等大型數據資源庫[4]。例如基本藥物監測評價管理系統、國家傳染病與突發公共衛生網絡直報系統、國家衛生監督信息系統、婦幼保健業務信息系統都積累了大量醫療數據；國家正在建立的人口健康數據中心和各區域衛生服務平臺也是醫療大數據來源之一；衛生行政部門基于大量人群的醫學研究和疾病監測大數據，如各種全國性抽樣調查、全國營養和健康調查、出生缺陷監測研究、傳染病及腫瘤登記報告數據等也是醫療大數據。

3.4 醫藥和醫療器械生產和流通方

藥物及器械的研發是一個數據密集產生的過程，很多中小型企業產生的數據都會在TB量及以上；藥品流通和銷售環節也會產生大量產品流通和消費者購買行為數據。

3.5 互聯網

首先，各大網站中關于疾病、健康、尋醫、購藥等搜索內容，健康網站的訪問、在線咨詢等產生的大量音視頻、圖片、文本數據；其次，各商業公司開發的移動醫療產品，便攜式生理設備產生的血壓、心跳、血糖、呼吸、睡眠、體育鍛煉等數據；最后，各種網站的網絡掛號、網售藥品器材、網售健康服務等產生的數據。

3.6 生命科學研究

在生命科學研究領域，生物信息大數據是關于生物標本和基因測序的信息，一個基因組序列文件大小約為750MB，人類基因測序一次，產生的數據就可高達600G[5]。隨著生物信息學的發展，生命科學已經成為大數據科學。

4 大數據在醫療衛生領域的應用

4.1 藥品研發

大數據可以應用于藥品研發的每一個階段。藥品研發前，利用大數據對患者乃至大眾的行為和情緒進行測量，挖掘患者癥狀特點、行為習慣、喜好等，找到符合患者癥狀的藥品和服務，針對性地調整和優化藥品[6]；研發成功后，通過大數據分析公眾疾病藥品需求趨勢，利用大數據確定最優的投入產出比，從而實現最優資源組合和節約成本。藥品上市前，通過大數據擴大樣本數和采樣分布范圍，分析藥物副作用以及藥品不良反應，克服傳統臨床試驗和副作用報告分析中樣本數小、采樣分布受限等因素的影響，使結果更具有說服力，有利于縮短藥品上市時間，降低企業成本；藥品上市后，通過整合上市后各研究階段可獲得的所有數據，全面把握上市藥品的安全性、有效性和經濟性，為臨床合理用藥提供更有價值的參考。醫藥公司還可以通過大數據技術優化物流信息平臺，提高管理效率。

4.2 疾病診療

通過大數據挖掘分析建立臨床決策支持系統和用藥、醫囑的自動報錯系統；利用大數據全面分析患者特征數據和診療數據，比較多種干預措施的有效性，可以找到針對特定患者的最佳治療途徑[7]；對大量電子病歷中的數字化信息進行分析處理，發現最有效的臨床路徑以及單病種等。利用互聯網、云計算等技術來打破點對點的傳統醫療，構建靈活性強、數據全面、決策迅速、關聯能力強遠程醫療服務體系，減少病人的住院時間，實現醫療資源的最優配置，有效緩解當前醫療資源緊張、看病難、看病貴的情況。大數據對循證醫學也有著巨大的作用，利用大數據技術分析個人數據集，為循證醫學提供最堅實的證據，發現小樣本無法發現的細微差別，為醫生提供最新的證據，指導臨床實踐[8]。

4.3 醫療保險

利用醫療保險大數據，建立定價環節的自動化系統模型，改進費用補償方式和降低醫療成本；通過對大量數據分析，確定病人健康保險優惠計劃的補償額度，更加有效地利用醫療資源，改進醫療成本管理；利用軟件識別出高度使用醫療保險患者，分析某個社區或衛生系統的醫療成本趨勢，使醫療服務提供者針對某類患者或某類疾病狀態制定成本控制策略，降低再入院率和控制成本，改善患者生活質量。醫療保險部門根據醫療大數據的分析，發現哪些醫療機構存在騙保、套用保險資金等不法行為，商業保險公司和社會保險之間可以共享數據，形成互補的合作模式。成都市就利用大數據建立了智能輔助審核系統對住院治療費用單據進行審核，能篩出疑似過度醫療行為，初步判斷治療、用藥是否符合“臨床規則”。

4.4 智能決策

傳統決策模式以人的意志為主導，容易偏倚，通過大數據分析可實現智能客觀決策。衛生管理部門可整合各部門上報的數據，加強宏觀管理，優化衛生資源配置，為制定公共衛生政策和評估醫療政策的有效性提供準確依據。隨著醫療規模的擴增，各類信息系統的應用，醫療數據爆炸性增長，各醫療機構可通過大數據分析技術找到醫院醫療質量不足的環節和醫療資源分配不合理的地方，對醫療質量和效益指標進行精確計算，監控醫療行為過程中的各環節，提高過程質量管理、監控，實現終末的質量評價，并進行醫生績效分析、成本核算和控制、供應鏈分析、市場數據挖掘等。

4.5 個人健康管理

個性化醫療中的移動醫療產品，如可穿戴設備、APP應用等可實時收集使用者的血糖、血壓、呼吸、心跳等數據，及時分析并反饋給使用者，干預用戶的行為，改善身體狀況，特別是針對慢性病患者和老年人進行實時監控，有效減少突發意外。生命科學研究中也可以利用基因測序完成個人健康的精確治療，例如喬布斯就在患胰腺癌以后通過基因測序，找出DNA中有缺陷的片段。

5 挑戰與思考

大數據時代，我們的思維方式也發生了重大的轉變。首先，分析與某事物相關的所有數據，而不是依靠分析少量的數據樣本；其次，樂于接受數據的紛繁復雜，而不再追求精確性；最后，關注的焦點發生了轉變，不再探求難以捉摸的因果關系，轉而關注事物的相關關系[9]。因此，我們要更快速地處理數據，從而有效地利用大數據。

5.1 數據整合

醫療數據包含大量的結構化、非結構化、半結構化數據，傳統的方法只分析結構化數據，已經不能滿足需求。而且這些數據以不同形式散布于不同系統和平臺中，數據結構千差萬別。因此必須解決數據的異構性、質量問題，進行有效的整合[10]。

5.2 數據存儲

不斷膨脹的醫療數據中混雜著大量異構數據，目前的存儲架構已經無法滿足大數據應用的需求。其中，最大的挑戰就是建立一個可以存儲和實時處理的數據平臺，并且能夠隨著醫療系統的升級而滿足數據模式的更新，具備水平擴展能力[11]。

5.3 數據共享

我國已經開始建立一些數據共享中心，例如國家人口與健康科學數據共享平臺，對基礎醫學、臨床醫學、公共衛生、中醫藥學、藥學、人口與生殖健康方面的數據進行共享，但目前并不成熟。一是平臺內數據共享范圍有限，二是平臺之不同區域間的數據不能共享。此外，大量醫藥廠商、醫學研究成果等數據并沒有納入共享體系。因此，在我國開展醫學大數據研究數據共享還言之尚早。

5.4 人才缺乏

人才是核心競爭力，HIS需要數據庫、統計、數據分析技術方面的人才，同時還需要對醫療衛生以及管理需求有比較深的了解。醫務人員必須提高對醫院信息化建設的認識，支持醫院信息化建設，才能有效利用醫療大數據。

5.5 隱私保護

醫療個人數據是一種極具特殊性及敏感性的個人數據，其使用面臨一系列法律和倫理問題，因此大數據環境中如何保護個人隱私將是一個亟需解決的問題。網絡信息平臺的應用以及網上問醫的推廣，使隱私保護的難度上升，除通過技術手段在數據使用和傳遞過程中保護隱私外，法規制度也重要。

6 結語

大數據作為一種新的技術進入醫療，必然會對醫療衛生領域產生巨大的影響和推動，同時會出現一系列技術、應用方面問題。依靠技術、政策、資金同時推進，才能構造完整的大數據應用技術，希望本文能夠給研究醫療大數據的學者提供一些參考。