健康醫療大數據要與應用緊密結合

薛魯寧

大數據產業發展是一項創新的、填補空白性的工作，沒有任何成熟的實踐經驗可以照搬照抄，其產業鏈條復雜，涉及面廣。只有打通上中下游產業鏈，即數據擁有方、技術提供方、數據應用與服務方，三者聯合創新，總結經驗教訓，才能打造共建共贏的健康醫療大數據生態系統。

應用突破需結合場景

不斷深化

目前我國健康醫療大數據應用領域覆蓋面較廣，包括公共衛生、臨床科研、疾病診斷、行業治理等相關領域。但能夠結合應用場景取得很好的落地效果的不多，主要在醫保控費、行業監管、輔助診斷等方面實現了突破。在醫保控費方面，針對社保，主要以知識庫、規則庫等為依托，實現了醫療保險事后監控為主，逐步向事中監控、事前提示過渡的立體化監管模式。此外，對于商業保險公司已經實現了根據個人的健康狀況和運動習慣進行醫保費用的精準定價。例如眾安保險以用戶運動量作為重大疾病保險的定價依據，用戶的運動步數還可以抵扣保費。將保險產品與運動場景相結合，吸引大量熱愛運動的健康群體，降低出險和理賠概率。

在公共衛生方面，我國的公衛管理機構已經開始運用大數據技術來提升公共衛生監測評估和決策管理能力。例如中國疾控中心啟動了區域人口健康信息平臺公共衛生綜合應用試點工作。試點地區之一寧波市鄞州區已實現從區域到市、省、國家傳染病和慢病數據實時交換共享。通過建立區域人口健康信息平臺，以居民健康檔案為核心，匯集每個患者個體的所有臨床診療、公共衛生隨訪資料等信息，并在此基礎上整合了計劃免疫、婦幼保健、慢性病直報、傳染病直報等公共衛生業務應用，實現公共衛生各業務領域間、公共衛生與其他行業間的業務協同和信息共享服務。

在臨床輔助診斷方面，利用海量信息的輸入分析，包括醫學期刊、論文、文獻、教材、臨床病歷等，集合自然語言和機器學習算法，打造臨床決策輔助系統。根據患者已述癥狀，協助醫生完成問診與體格檢查流程，并可以智能識別患者病歷與檢驗指標，提醒醫生可疑的疾病范圍，針對可疑疾病，快速查詢病因與診斷標準，提示診斷措施。該應用的核心場景是賦能基層，幫助基層全科醫生實現高水平診療。

雖然我國的健康醫療大數據的應用模式已經在多個領域開展了實踐，但應用的種類不夠豐富、應用的層次不夠深入。

隨著人工智能技術的發展，醫療大數據公司在引入人工智能上具有天然優勢，探索大數據+人工智能的應用將是未來的發展趨勢。

整合共享亟須突破瓶頸

數據標準難統一

其一，國家標準、行業標準多樣，如ICD10疾病編碼就存在國際版、國內標準版、北京版等幾個版本；其二，不同機構不同醫院甚至不同科室之間對標準的使用存在不一致的情況，以同一醫院從臨床系統和財務系統兩個口徑分別統計科室收入為例，也存在科室名稱標準存在差異的問題；其三，各省市縣在國標基礎上進行的本地化拓展各有不同，如藥品目錄、收費項目，導致不同區域平臺對接也存在標準統一的問題；此外，標準在數據產生過程中，執行情況不理想。標準不強制執行沒動力，部分標準還未真正落地應用。

數據整合匯聚荊棘叢生

一是各個地區醫療機構的信息化水平參差不齊。二級醫院、基層醫療機構中電子病歷使用尚未全面普及，數據無法有效收集。二是原始數據質量良莠不齊。一方面由于醫護人員的使用習慣存在差異、內容填寫不規范、質量缺乏監管等原因，導致關鍵數據項缺失、亂填、不符合規范等問題。另一方面，存在一人辦理多張就診卡，多人共用一張就診卡現象，對后期數據分析利用造成很大干擾，需要專業人員對數據進行過濾。三是數據的后結構化效果不理想。尤其是電子病歷中留存著大段的自然段落，包含了最完善的臨床數據，如何將這些存量數據進行準確地結構化處理，是現階段的一大難題。四是非臨床的健康數據整合利用難。隨著移動健康醫療的興起，運動手環、睡眠枕、睡眠床墊等新興可穿戴或家用健康設備所采集的非臨床健康數據日益增多。但由于各廠商的算法和標準不統一，以及缺乏共享開放機制的支撐，這些數據的有效整合利用還存在巨大阻礙。

數據共享開放面臨多重障礙

因政策、管理、歷史現狀以及商業利益等因素，積累的數據主要集中在醫院內部或第三方醫療信息化廠商，即使建立全民健康信息平臺的地區也很難做到數據的共享開放。

對數據擁有者而言，“不愿、不敢、不會”共享與開放數據。所謂“不愿”，指的是有些醫療機構將數據視為自己的私產，擔心一旦將數據共享開放，自身的利益會受到損失，又無法看到明顯的收益；所謂“不敢”，是因為健康醫療數據涵蓋了大量的個人隱私等信息，一旦泄露，風險極大；所謂“不會”，指的是政府和醫療機構不知道如何開放數據，包括如何開發數據接口，如何進行數據的清洗和匿名化處理等等諸如此類的技術性和規范性問題。這些都成為目前健康醫療大數據難以共享開放的重要瓶頸。

數據安全與隱私保護堪憂

目前我國沒有從國家層面出臺針對健康醫療大數據應用發展的專項法律法規、配套政策及監督機制等，造成數據的歸屬權與使用權不明確、數據共享開放的管理制度缺乏、數據授權使用與全程管理機制尚未建立等問題。另外，我國現行法律對隱私權的保護較為滯后，僅在一些相關的法律中有些零散的規定，我國尚未出臺統一的保護隱私信息的法律法規，對于侵犯隱私的懲罰機制沒有具體規定，對隱私權的保護以及侵害隱私權的訴訟也沒有形成專門的法律制度。這些都制約了我國健康醫療大數據的健康發展。

健康醫療大數據人才缺失

由于健康醫療大數據是生物醫學與信息技術、數據統計、管理等學科相結合的交叉學科，因此需要跨學科、跨領域的高、尖、精的健康醫療信息化復合型人才。而目前我國缺乏相關統一的國家人才培養戰略，還未建立與產業發展需求相適應的多層次、多類型的人才培養體系。我國很少有高校設置生物醫學與大數據技術相關的交叉專業，人才培養缺乏與產、學、研相結合。因此造成目前我國健康醫療大數據信息化復合型人才供給與存量不足，數據應用缺乏人才推動的困境。

商業模式未成熟

數據價值難釋放

目前國內健康醫療大數據企業的盈利方式主要包括：數據收入、搭建平臺或系統收費、軟件收入、提供服務收費、免費提供服務換取流量之后靠流量變現。真正實現盈利的或者說真正實現變現的企業仍然是少數，絕大多數仍然燒資本的錢，盈利模式不清晰。如何構建完整的產業鏈與生態系統，還需多方共同努力探索。綜上，未來幾年健康醫療大數據市場將進入高投入和高速發展階段。

首先是政府政策的引導以及重點工程的推進，包括各級全民健康信息平臺以及產業園數據中心的建設，將會帶動區域內醫療大數據投資不斷增長。

其次是醫療服務創新需求的推動。現在很多三甲醫院已經建成或在建院級平臺和數據中心，這是未來醫院信息化發展的趨勢，也是大數據應用的基礎和起點，醫院需求的增強也必將帶動企業的投入。

在產業大力發展的同時，也應平穩心態，切勿急功近利。一方面，人才、標準、法規等當前面臨一系列問題的解決不可能一蹴而就，各種政策和機制的建立推廣需要時間逐步磨合完善。

另一方面，健康醫療大數據中心以及產業園等基礎性的建設工作短期內很難看到效果，不是“一次設計一次投入一次建設”所能完成的，需要持續投入。

此外，大數據產品和應用場景需緊密結合，如果產品功能并非剛需，使用者很難愿意為此付費，和用戶需求結合起來才能體現大數據的價值。endprint