醫療大數據：以“提質”促進“增效”

文/姜疆

醫療大數據：以“提質”促進“增效”

文/姜疆

探索提高醫療大數據的處理與分析質量，不僅對于疾病治療、新藥物研發有重要意義，還將對經濟、社會、科技等多方面產生積極影響。

黨的十九大報告明確指出,中國特色社會主義進入新時代,我國社會主要矛盾已經轉化為人民日益增長的美好生活需要和不平衡不充分的發展之間的矛盾。

當前，廣大人民群眾在健康方面的需求更加迫切和多元。高效利用大數據技術，充分挖掘醫療和健康大數據的價值，無論對于疾病治療、臨床實效研究、新藥物研發,還是對于基礎醫學、公共醫藥衛生等,都有著至關重要的意義，不僅有利于擴大醫療資源供給、降低醫療成本、提升醫療服務運行效率，也對國家經濟、社會、科技等方方面面產生積極而深遠的影響。

和其他領域的大數據一樣，醫療大數據的核心問題是數據的處理與分析。而如何提高醫療大數據處理的質量則是現在和未來我們面臨的一項重大課題。

處理和分析質量的提高愈受重視

數據每天都在源源不斷地產生，如今，全世界健康醫療數據已經達到了150EB，而且每73天就翻一倍。IDC預測，至2020年，醫療數據量將達40萬億GB，是2010年的30倍。同時，數據生成和共享的速度迅速增加，數據積累加劇。

在我國，隨著經濟社會發展與人民生活水平的提高，居民的就醫和健康需求不斷增加，同時，信息化建設持續推進，相關技術創新不斷升級，醫療衛生領域積累了規模可觀的“大”數據。

目前，我國醫療大數據主要由醫院臨床數據、公共衛生數據和移動醫療健康數據三大部分組成，各數據端口呈現出多樣化且快速增長的發展趨勢。

這首先要歸功于我國的醫療衛生信息化建設，在近幾年里得到了長足的發展。各醫院從單純以財務為中心的信息系統發展到以病人為中心的信息系統，各地相繼建設了區域衛生信息平臺，建設了數據中心。我國目前擁有了涵蓋90余萬家醫療機構的信息庫，輻射到了疾病報告與健康監測等各個領域。目前全國超過20%的醫院都擁有病人、電子病歷為核心的一體化管理系統。

如今，醫院信息系統（HIS）、電子病歷系統（EMR）、影像采集與傳輸系統（PACS）、實驗室檢查信息系統（LIS）、病理系統（PS）等，甚至包括手術管理系統、耗材及物流管理系統，等等，每日產生大量的數據。

與此同時，各種醫療穿戴設備企業、基因檢測機構、體檢單位也都投身于醫療和健康大數據的搜集應用中來，為我國醫療和健康大數據行業的發展奠定了基礎。

尤為值得一提的是可穿戴智能設備的普及。2010年我國可穿戴智能設備的市場規模僅為0.9億元，到2015年市場規模就迅速增加到了107.9億元，由此可見，可穿戴智能設備的普及速度極為驚人。可穿戴智能設備的普及，可以實現大規模、實時、持續收集患者數據，從而助力醫療大數據的大發展。

更為重要的是，相關信息技術的進步，不僅使健康醫療大數據的存儲、分析、應用成為可能，并且進一步豐富了健康醫療大數據的內容。

支撐健康醫療大數據的IT技術的進步主要為：數據融合、數據挖掘、圖像處理識別、機器學習、自然語言處理、數據可視化、人工智能等技術取得進步。例如，數據融合可將多個醫療子行業的數據整合分析以產生新的更加精確、連續、有價值的信息。

當前，大數據的快速增長已經超出了傳統的信息處理能力，因此醫療大數據需要不斷引入新技術、新概念，提升對運行數據的分級管理和分析能力，為管理者和臨床醫務人員做出準確的工作決策提供依據。

對此，來自國際方面的醫學專家建言：第一，確保數據的質量、采集、和諧、處理、可視化和互操作性；第二，利用計算工具來改善數據存取，促進數據分析；第三，在決策支持上應有容易使用的、直觀的設備與兼容的格式；第四，對于個人醫療，使用能夠跟蹤患者信息并快速提供反饋的工具；第五，制定并落實隱私保護和數據分享政策；最后，健康數據很多，但健康數據分析人員數量不足，應加強相關培訓與教育。

醫療健康大數據與其他領域的大數據一樣，擁有4個重要特征，即Volume（大容量）、Velocity（快速更新）、Variety（多類型）和Value（高價值）。

除了具備大數據“4個V”的特點之外，醫療大數據還有多態性、時效性、不完整性、冗余性、隱私性等特點。多態性指醫師對病人的描述具有主觀性而難以達到標準化；時效性指數據僅在一段時間內有用；不完整性指醫療分析對病人的狀態描述有偏差和缺失；冗余性指醫療數據存在大量重復或無關的信息；隱私性指用戶的醫療健康數據具有高度的隱私性，泄漏信息會造成嚴重后果。

談到大數據，業界僅僅關注“4個V”是不夠的，重要的是針對“4個V”后面用什么新技術解決數據的處理和分析問題。

當今之所以叫數據時代，或許是因為數據已經夠多了，但是人類的分析數據能力還遠遠不夠。美國Gartner公司的研究表明，人類有史以來90%的數據是計算機在最近兩年產生的，其中只對1%的數據進行了分析。

IBM副總裁兼沃森健康首席創新科學官Shahram Ebadollahi指出，這些數據已經不能再使用傳統的編程方式進行數據分析，我們必須使用更自動化的模型與方式和數據進行溝通。

Shahram Ebadollahi認為，眼下，隨著人工智能已進入認知計算時代,通過機器學習等算法，可以使得計算機更加理解各類健康醫療大數據，如基因數據，理解醫學影像數據等，通過不斷加入的數據可以學習數據發展和結局之間的關系等，并能使用友好的界面與人進行交互。未來的醫療會以知識和數據同時作為驅動點，從而達到縮小知識轉化的鴻溝，以及利用數據和算法提供出真實世界的證據。

相關經濟社會效益

大數據除了帶來存儲、管理、處理數據的挑戰，也帶來了發掘數據中新的價值的機遇。目前已經有多個行業已經利用大數據改善業務，例如金融業、零售業、生命科學、環境研究。在醫療和健康領域，醫療大數據的發展可以彌補和解決諸多問題（見表）。

高效利用大數據技術，充分挖掘醫療和健康大數據的價值，不僅對于疾病治療、臨床實效研究、新藥物研發,等等,有著至關重要的意義，并且還將對整個國家的經濟、社會、科技等方方面面產生深遠的積極影響。

我國政府對健康醫療大數據的發展不斷加大支持力度。2016年6月，國務院辦公廳印發了《關于促進和規范健康醫療大數據應用發展的指導意見》，將健康醫療大數據應用發展納入國家大數據戰略布局，提出到2020年，初步形成健康醫療大數據產業體系等目標，并從夯實應用基礎、全面深化應用、規范和推動“互聯網+健康醫療”服務、加強保障體系建設等四個方面部署了十多項重點任務和重大工程。

之后，國家衛生和計劃生育委員會統一牽頭組織組建了以國有資本為主體的三大健康醫療大數據集團公司。

國家衛生和計劃生育委員會副主任金小桃指出，健康醫療大數據是涉及到國家戰略安全、群眾生命安全以及隱私保護安全的重要戰略性資源。健康醫療大數據以其廣泛的應用性和特殊性未來將對經濟發展產生重大貢獻，必將成為我國國民經濟的重要支柱產業。

前瞻產業研究院發布的相關報告顯示，我國健康醫療大數據行業現在尚處于起步階段。根據行業生命周期理論，未來我國健康醫療大數據行業增長空間較大，這一藍海市場有待進一步挖掘。

從市場需求增長率來看，近幾年健康醫療大數據行業市場增速超過20%，市場增速較快。隨著應用領域的不斷深入與增加，我國健康醫療大數據行業市場規模將會實現快速增長，預計到2020年，我國健康醫療大數據行業市場規模將突破800億元。另一方面，從市場競爭來看，布局健康醫療大數據的企業數量不斷增多，行業競爭格局初步成型。

同時，從技術變革來看，數據融合、數據挖掘、生物檢測技術正在發生快速變化，健康醫療大數據行業技術更新換代速度較快。綜合來看，目前我國健康醫療大數據還屬于比較新穎的概念，仍有一些技術上的難題和障礙。

中國工程院王辰院士指出：開展健康醫療大數據的研究，盡快實現數據集成、管理、分析、共享和價值呈現，已經成為迫在眉睫的首要任務；開發轉化大數據的內在價值，通過互聯網合理共享，也成為促進優質醫療資源下沉、醫學智慧輻射到基層，助推分級診療實現新業態的重要任務。

提高處理質量從源頭開始

發現蘊含在歷史數據中的從前未知的模式，可用來預測一種疾病什么時候可能會突然變得格外地危及生命。通過這些模式的計算，能夠建立可以預測患者何時處于將要轉為高風險狀態的計算機模型。這樣的模型還是初步的，還需要進一步開發和測試。

獲得當前和以往的患者信息，是用數據分析來預測未來醫治情況的關鍵要求之一。旨在發現至關重要隱含模式的健康數據分析（通過所有的噪聲找準明確的信號）需要盡可能豐富的數據資源。

利用先進的數據分析可以揭示蘊含在數據中的確定模式，以用來發布危險提示信號。由于最初并不知道哪些危險信號可能出現，因此需要看到模式是否會自行出現。這就需要一個全新的數據分析能力。

數據分析是大數據的核心問題，而在數據分析之前，要經歷數據的清洗、標準化、結構化和存儲等環節才能達到分析的程度。

與其他醫學領域的權威和專家一樣，王辰院士非常強調要注重大數據處理的質量。王辰院士同時亦指出，為了更好地推動醫療大數據的發展，首先要注重數據的來源和采集的質量。

數據反映的是“事實”，但是數據又不一定是“事實”。數據的這個特點，健康醫療大數據體現得尤為顯著。比如，醫生在給患者診治的時候，醫生對病的“事實”認識是不一樣的，并且需要記下來。而從“事實”到醫生做判斷，是需要一個過程的。在這個過程中，有些數據可能就丟掉了，有些數據可能是誤解。既是事實，又不是事實，這就是大數據的特點。

以往，為了某種研究目標，人們去收集一些有質量控制的數據，目標是很準確的。但是到了大數據時代，情況就不一樣了。數據不是由人來把控的，在不真實數據中，即便有再好的模型和算法，也算不出有價值的結果。

大數據的來源是多元的，質量是不受控制的，有些數據是拿來也不可用的，比如：不可及的碎片化數據，可及但又是錯誤的數據，可及、正確但是殘缺、無法修補的數據。

王辰院士明確指出：數據的質量建立在源頭的規范上，因此，如果要對數據做分析，來源必須可靠，同時，對數據的采集方法也要有講究，大數據不是“紊亂”數據，要建立標準化、規范化的原則，才能使數據變得能夠分析和可用。

實際上，數據的采集非常困難。醫療數據通常來自“院內”和“院外”，“院外”數據包括線上和線下采集。

“院內”是“信息孤島”，因為怎么把院內數據打通，現在沒有明確的解決方案。在“院外”方面，能用什么方法與服務去采集到數據，也還在艱難的探索當中。

業內人士表示，線上會有掛號需求、陪診需求、問診需求等，但是終究這樣的數據采集質量，包括采集的維度，都是極為有限的。像電子的健康檔案、體檢報告，這樣級別的數據，對于線上來說都是極為困難的。

即便是這樣數據的質量，最終做健康管理質量或許是夠的，但是，對于更高一層級的，比如說，做更深度的醫療服務，再往上說，作為能夠提供給醫生科研的依據，像這樣的數據就達不到要求。

關于數據采集，業內人士表示盡管做出了框架，但是沒有人往里面填數據，也沒有往上上傳數據。如果希望用戶自發上傳，但是用戶有什么動力來上傳他的數據呢？嘗試為用戶提供更多的基于數據服務來驅動他上傳數據，成本非常高。所以數據采集是目前一個非常大的難點。

業內人士呼吁，應進一步推動醫療服務機構信息化建設，為醫療數據的收集提供采集入口。實施健康醫療中國云服務計劃，促進“互聯網+健康醫療”的創新發展，積極探索開放健康醫療數據資源的途徑和機制。

醫療大數據的發展可以彌補和解決諸多問題

共享與治理也很重要

毫無疑問，數據的搜集必須遵循嚴格的規程，包括傳統的數據收集方法和不斷改進的統計分析方法。現實中，采集的很多數據，尤其是在線收集的數據，局限性太大，這樣的數據必須按照嚴格的規定搜集、具有精準性，才能有價值。

行業專家指出，問題的解決方案是：綜合使用所有數據分析方式，包括結合傳統數據和統計方法，加入新數據輸入結果和新算法。這樣才會獲得最精準的結果。所以，重要的是，在將傳統的醫療和科研數據的存儲和分析處理方法與大數據結合使用的同時，不斷引入可用的新數據，并且，使受眾能夠廣泛共享和瀏覽數據。

試想，如果將所有醫療與患者的數據向數以千計，甚至數百萬具有創新思維的群體，以及相關人員開放，那樣會呈現出巨大的經濟和社會效益。可是，知易行難,不在于大家看不到數據開放共享的好處，而在于以下原因。

一方面，很多業內人士掌握專利信息數據，極具競爭力，與現有和潛在的競爭對手分享這些信息會令他們極度不安。

另一方面，健康醫療數據大多數是“能夠識別公民個人身份和涉及公民個人隱私的電子信息”。這樣的數據一旦開放共享，必然伴隨著個人身份和隱私信息泄露的風險。大多數國家的衛生保健機構都不公開患者的健康信息，在西方國家，披露這些數據可能會觸犯法律法規。

行業專家和有關人士長期呼吁推進健康醫療大數據有條件地開放共享，以提升健康醫療服務效率和質量，不斷滿足人民群眾多層次、多樣化的健康需求。

2016年6月，國務院辦公廳印發的《關于促進和規范醫療大數據應用發展的指導意見》提出:到2017年底，實現國家和省級人口健康信息平臺以及全國藥品招標采購業務應用平臺互聯互通，基本形成跨部門健康醫療數據資源共享共用格局；到2020年，建成國家醫療衛生信息分級開放應用平臺。

全國政協委員、復星集團董事長郭廣昌建言，在確保數據安全的前提下，加快推進惡性腫瘤、高血壓等領域的健康醫療大數據開放共享，以提升大數據的采集和分析挖掘能力，切實發揮大數據在有關疾病精準防治中的作用。

還有業內人士呼吁全面加快醫療大數據聚合平臺的建設：應大力推進健康醫療數據集聚，加快國家人口數據庫、電子健康檔案、電子病歷相關健康醫療服務數據整合，形成國家健康醫療大數據中心；建立國家級慢病、傳染病等健康醫療專項疾病大數據中心……

可喜的是，近年來，我國醫療云平臺建設步伐加快。全國各地各類醫療云平臺布局全面、層次豐富，在建設主體和運營模式上也形成了政企合建、市場運營的良好局面。我國智慧醫療云平臺的構建主要是以人口信息數據庫、電子病歷數據庫和電子健康檔案數據庫等三大數據庫為支撐，并通過平臺支持公共衛生、計劃生育、醫療服務、醫療保障、藥品供應和綜合管理等六大類業務應用，正逐步形成國家、省、地市和縣的四級區域人口健康信息平臺。

特別需要注意的是，沒有新的數據治理方式，解決不了數據共享問題。現在是社會化的數據采集、分享方式。原有的自給自足的數據治理方式，必須采用新的數據治理方式。

中國科學院陳潤生院士就指出，個人醫療健康信息的激增、醫療數據互聯融合的發展趨勢，對隱私安全和數據質量提出新的挑戰，對醫療健康大數據進行治理必然引發醫療行業各機構的共鳴。技術的進步與發展為醫療健康大數據治理提供可能，但治理意識的培育和強化、參與主體的能動性才是實現醫療健康大數據治理的根本保障。