“互聯網+”醫療環境下的健康醫療大數據應用

隨著“互聯網+”戰略的不斷推進，我國的醫療行業迎來了“互聯網+”醫療時代。“互聯網+”是互聯網在醫療領域的創新應用，以互聯網為載體，以新信息技術為手段，涵蓋了醫療的健康教育、信息查詢、健康檔案、疾病風險評估、在線咨詢、遠程會診、遠程醫療、疾病康復等諸多方面。醫療大數據是在醫療服務過程中產生的與臨床和管理相關的數據，除了具有大數據的“5V”特點外[1]，還包括時序性、隱私性、不完整性等醫療領域獨有特征[2]。2016年6月21日國務院辦公廳發布的《國務院辦公廳關于促進和規范健康醫療大數據應用發展的指導意見》中，提出健康醫療大數據是國家基礎性戰略資源，國家將從財稅、投資、創新等方面支持其在多領域的應用[3]。2018年4月29日國務院辦公廳正式發布《關于促進“互聯網+醫療健康”發展的意見》，提出“健全基于互聯網、大數據技術的分級診療信息系統，推動各級各類醫院逐步實現電子健康檔案、電子病歷、檢驗檢查結果的共享，推動大數據在不同等級醫療衛生機構間的授權訪問和利用。”目前，醫療大數據已在優化資源配置、解決信息孤島問題、輔助決策應用等方面呈現出巨大作用，進一步探討和分析其在“互聯網+”醫療環境下的價值和潛力將更具意義。

1 “互聯網+”醫療產生的影響

1.1 提升就醫體驗

“就醫難”是國內醫療面臨的最大問題。以互聯網為載體的就醫過程，不但能夠優化就診流程，縮減等待時間，還能有效提升患者就醫體驗，必將成為“互聯網+”醫療關注的重要問題。因此，這項服務會一直存在并貫穿醫療服務的全過程，具體涵蓋醫療資源查找與匹配、網上掛號、在線問診、遠程診療、醫藥電商、移動醫療等領域。

1.2 推進精準醫療

精準醫療已成為醫療產業關注的熱點，美國等西方發達國家已紛紛啟動精準醫療戰略。精準醫療強調以個體化醫療為基礎，包括精準診斷和精準治療兩個方面。互聯網環境下，醫療服務的逐步數字化將極大地促進醫生與患者之間的相互了解。精準診斷通過先進的影像獲取和存儲技術，利用大數據分析，獲得特定人員的病灶變化情況及同類病例治療的比較結果，為精準治療提供決策依據。

1.3 促進體系協同

分級診療制度是當前衛生行政部門深化醫藥衛生體制改制的重要內容。分級診療能夠合理配置醫療資源、促進基本醫療衛生服務均等化。“互聯網+”醫療環境下，借助互聯網手段實現分級診療成為醫改的核心。醫院的“信息孤島”問題在很大程度上阻礙了分級診療制度的推進，因此打破醫療信息孤島是“互聯網+”醫療發展的基礎。

1.4 推動個性化醫療發展

互聯網與醫療健康大數據的結合，將實現精準的個性化醫療。未來將建成各種數據無縫流轉，以患者為中心的覆蓋全生命周期的醫療健康管理服務，多個機構、多個角色可基于個體的完整健康數據實施共同管理，實現對患者的個性化治療。這在當前技術發展現實下，已經不是技術創新問題，而只是模式創新問題。

2 醫療大數據應用取得的成就

2.1 服務理念變遷

根據醫療服務信息共享模式理論，醫療應更偏重于信息共享的具體應用，解決實際問題。該理論以用戶為主體，以信息共享為核心，連接醫療機構、衛生行政部門、醫保部門、用戶之間的信息資源，并提供各方數據的共享，以實現醫療服務信息資源的實時公開和共享。

2.2 數據共享復用

醫療數據的共享和復用仍是當前面臨的重要問題，無論分級診療、雙向轉診、疾病預防與監測還是個性化健康管理都需以數據共享為基礎。各級醫療機構間需基于患者健康信息、診療過程信息、醫師處方、醫技信息實現數據共享[4]。只有打通了數據通路，規范了數據標準，才能真正走通醫療服務創新模式，使大中型三甲醫院的優質醫療資源作用于邊遠地區，擴大醫療服務半徑，強化基層醫療服務[2, 5]。

2.3 疾病輔助診斷

互聯網相關技術特別是AI技術的快速發展，深刻影響其在醫療領域的應用，輔助診斷便是互聯網相關技術的一個切入點。認知計算、深度學習、計算機視覺、自然語言處理等技術針對科室或疾病領域的不同，主要應用于影像輔助診斷、病理輔助診斷及全科輔助決策等。據報道，AI在全科輔助決策的準確率已達85%左右，在影像和病理輔助診斷的準確率已超過90%[6]。現階段，輔助診斷的核心在于為醫生提供病灶性狀描述、自動生成報告、精準定位病灶，降低漏檢風險等。

2.4 其他方面的應用

除上述應用外，“互聯網+”醫療在醫學研究、藥物研發、傳染病預測、藥物副作用監測等領域也展現出巨大潛能。

2.4.1 提高藥物研發效率

據報道，百度公司與協和醫學院合作開展食道癌相關研究。它整合醫學研究優勢和公司大數據、人工智能技術優勢，通過密切關注食管癌早期診斷和標志物，為食管癌的早期篩查提供科學依據,為有靶標針對性的食管癌藥物研發提供數據支持[7]。

2.4.2 傳染病預測準確進行

2009年，Google Flu Trends在甲型H1N1流感爆發幾周前成功預測了其在全美范圍的傳播。雖然在2013年英國《自然》雜志刊文稱，在最近一次預測流感爆發趨勢時，谷歌所預測的流感病例數目幾乎是美國疾病控制與預防中心統計數據的2倍，但仍不可否認“互聯網+”在傳染病預防領域應用的巨大潛力[8]。

2.4.3 及時發現藥品毒副作用

多年以來，很多制藥公司和醫藥衛生監管部門依靠各種就醫報告跟蹤監測藥品的毒副作用。據相關研究報道，高于90%的藥品的毒副作用沒有得到及時報告。一般情況下，藥品監管部門發現一種藥物的毒副作用，并因此改變醫生不合理用藥方式需要花費數年時間，這無疑需要“互聯網+”提供支持。來自波士頓大學、FDA、哈佛醫學院等研究機構的研究人員報道，在Twitter上約有6‰的發帖包含有價值的藥物毒副作用，即“不良事件”信息[9]。

3 大數據利用中的不足之處

3.1 信息仍難以互聯互通

首先，雖然“互聯網+”醫療在一定程度上促進了醫療大數據信息共享，但業內的某些大型醫療機構仍將這些醫療大數據看成“自家東西”，不與其他醫院共享，數據共享只能寄希望于衛生行政部門出臺具體政策，現階段各醫院的信息仍難以互聯互通；其次，目前市級醫院雖與縣級醫院簽訂幫扶協議，而具體措施僅依靠市級醫院以指令性行政任務方式定期或不定期向縣級醫院派專家組進行輔導、授課、門急診或開展基于網絡的遠程會診、遠程授課等，低層級醫院一般不會在管理上考慮做出相應調整，導致幫扶效果甚微；再次，由于高層級醫院與低層級醫院信息化水平不均衡，數據格式標準不統一，信息更新無法同步，不同層級的HIS系統無法對接，很難實現患者診療數據的互聯互通。

3.2 醫療大數據利用率低

各大型醫療機構經過長期的診療活動積累了豐富的個人健康、醫療信息數據資源，特別是通過健康普查、體檢等方式積累了包含患者的家族史、既往史、診療方案等信息的個人健康數據。但目前對這些數據的深入、有效分析較少，數據挖掘分析效果欠佳，導致醫療大數據在醫療信息化過程中的利用率較低，數據分析、數據挖掘的作用尚未充分體現。

3.3 大數據下醫療信息存在安全問題

一方面，患者的個人信息是法律規定的個人隱私，數據共享過程中泄露患者個人隱私是重大的安全問題；另一方面，在面對海量數據時，衛生行政部門無法保障和驗證所收集數據的真實性、可信性、完整性，衛生行政部門關注的一些有關醫療大數據分析的敏感結果是否會泄露也是必須要考慮的問題。

3.4 大數據醫療信息人才緊缺

由于受到體制、編制的限制，國內各醫療機構從事醫療信息化建設的工作人員普遍不足，人員學歷普遍偏低，相關人才的職稱普遍偏低，更缺少既有醫學知識專業背景又掌握計算機數據處理技術的復合型人才。

3.5 醫療大數據平臺建設缺陷

全國范圍內大型三甲醫院和大型專科醫院的政策、資金投入、環境建設與中小型醫院的醫療大數據建設差距較大。由于基礎數據、基本需求不同，中小醫院無法套用大型三甲醫院的平臺建設經驗，大型三甲醫院信息化平臺分析處理后的數據、模型、醫療質量管控體系也不能在中小醫院呈現和復用。中小型醫院醫療信息化水平根本無法與大型三甲醫院相匹配，沒有HIS系統層面的對接和數據共享，三級診療制度難以三甲醫院為中心展開。導致這種現狀的原因主要有兩個：一是缺乏頂層設計。目前衛生行政部門未出臺大數據環境下醫療信息化建設具體規范和政策，宏觀戰略尚未落地。二是相關技術發展不平衡。由于大數據背景下醫療大數據建設需要多種技術配合，目前這些技術發展參差不齊，雖然在計算、安全、存儲方面技術優勢突出，但在挖掘分析、解決具體問題、政策制定輔助等方面還存在明顯不足，無法實現系統有效集成應用。

4 “互聯網+”醫療環境下醫療大數據應用

4.1 推進醫院精細化管理

通過收集大量的信息數據將醫院管理目標中的問題從多個角度展現，通過精細化分析研究提高醫院發展動力，是醫院提升核心競爭力的有效辦法。醫療機構需定期進行質量考核和評價，獎優罰劣，用質量和效益評價人員和科室工作[10-11]。以典型單病種為切入點，由一段時間的經費管理分析，逐步擴展到醫務人員接診和收住院人次分析，住院情況分析，臨床用藥、化驗、高值耗材、水電氣消耗分析等，更能發現醫院整體的運營情況，克服典型病種治療的盲目性和隨意性，變經驗管理、粗放管理為基于數據可控的科學管理。

4.2 推進疾病精準治療

精準診斷、精準治療與精準藥物是精準醫療服務的3個主要方面。目前臨床精準醫療、個性化靶向治療均以大數據為基礎，實現疾病診治的科學性和精度。

4.2.1 精準診斷

精準診斷主要是指分子診斷，即從基因層面幫助醫生預測疾病的發生、發展和結局。首先，需建立完整的生物樣本庫(為知識庫而非傳統意義的關系型數據庫)。它不但能夠完整表現“基因-突變-蛋白質分子-生物屬性-疾病-藥物治療”全過程的因果關系，還能體現不同蛋白質分子之間的相關關系。通過基因測序儀器采集、分析、檢測患者基因序列信息，利用生物信息學分析工具對生物信息進行整合、分析、可視化呈現，得出精確的臨床診斷報告。

4.2.2 精準治療

利用組學和大數據分析技術對樣本人群與特定疾病進行隊列研究，獲取帶有特定生物標記物樣本的分析，精準定位致病基因和疾病治療的藥物敏感性作用靶點，為臨床治療提供精準輔助決策支持[7, 12]。

4.2.3 精準藥物

根據不同的致病基因，按照疾病類別進行靶向特異性藥物研發[13-14]，根據基因組個體差異精準用藥。目前，靶向特異性藥物在提高肺部腫瘤、血液腫瘤的治療方面已取得巨大進展。雖然精準藥物治療在藥物毒副作用和治療抵抗領域面臨巨大挑戰，但其高特異性的優勢潛力巨大[15]。

4.3 創新醫療模式

“互聯網+”醫療將創新醫療服務模式。創新醫療服務模式的本質并非新技術在原有模式的互聯網化，而是應用互聯網觀念對醫療服務模式的跨界融合和應用創新，是對醫療健康生態的再塑造。在各級衛生信息平臺支撐下，借助“云計算”“大數據”“物聯網”“移動互聯網”“AI”等先進信息技術，統籌建設統一的云數據中心，實現數據的集中存儲和共享復用。云數據中心的存在方式可以是公有云或私有云，依托云數據中心的高級別等級保護既可以有效保障數據安全，降低安全防護重復建設成本，又可方便實現基于策略的數據共享和復用，最終形成創新醫療模式的應用場景。醫療模式創新最終將改善醫患的健康生態，繼而改變人的健康觀念。目前結合互聯網的應用已經可以實現網上預約掛號、費用支付、報告查詢等，改善掛號、繳費、取藥排隊時間長、就診時間短的醫療狀況[2]。衛生行政部門已經試點分級診療平臺，建立起“基層首診、雙向轉診、急慢分治、上下聯動”的分級診療模式。在國家相關政策驅動下已形成了以慢病管理、醫聯體、家庭醫生簽約為切入點的多種分級診療模式。“互聯網+”醫療向健康服務的深入發展，將迭代優化現有的醫療衛生體系，催生出以互聯網醫院、云醫院、智慧醫院為代表的新的醫療衛生產業形態[16]。作為新生模式的智慧醫療與智慧健康管理將逐漸成為趨勢。

4.4 推進健康管理

傳統的醫療模式以疾病、醫院、醫生三要素為核心，在此過程中，患者完全被動，一旦離院，其健康狀況則無人監管，出現病情反復、并發癥等情況屢見不鮮。此種健康管理模式已遠遠不能適應當前居民日益增加的健康需求。伴隨人口老齡化及多種慢性病的復合健康需求壓力，公眾的健康管理模式也需逐步升級。在“互聯網+”醫療大數據相關技術驅動下，數字化和個性化的醫療健康服務模式成為可能，“人”已然成為健康管理解決方案的中心。一方面，患者能時刻查詢自己的體征指標，并根據身體情況與專屬的專業健康管理人員交流，獲得就醫指導，全面了解自身健康狀況；另一方面，專業健康管理人員能夠通過數據分析、挖掘、了解服務對象全面持續的健康指標，有利于主動提供個性化醫療決策。如InterSystems在紐約州實施的項目已積累了十億條的醫療信息，改善了當地260萬人的慢性病診斷、干預和監測，同時InterSystems正在與紐約衛生局針對糖尿病患者的登記和慢性疾病的干預、臨床研究、高血壓患者的登記和質量管理開展合作。美國規模最大的公共醫療信息交換系統Healthy通過自動化識別患者身份及不同干預方式進行人口健康管理[17]。截至2017年3月，每個月會有將近60萬條臨床事件通知，InterSystems通過把各種不同醫院或數據庫聯系在一起，實現不同醫療機構之間的數據共享。

4.5 拉動產業發展

據報道，2015年全球“互聯網+”醫療市場規模達513億美元，并將保持25.9%的復合年增長率，預計到2024年移動健康市場規模將達2 050億美元。國內，2016年“互聯網+”醫療市場規模約為223億元，該領域電子商務僅B2C市場就約為203億元，市場增速達40%[16]。市場規模高速發展的連鎖反應導致大量資本流入，據Rock Health統計，僅2016年全球就有585家數字健康公司被投資，投資總額超79億美元[16]。

5 結語

當前，大數據相關研究與醫院自身業務結合相對較少,對臨床工作的需求還不明確,導致現有的大數據系統的業務工作無法按照醫生的思維方式和醫院的管理方式開展,使大數據技術仍處于“懸空”而不能在醫院落地實施。醫療大數據系統如何與現有的信息系統協作,還沒有明確有效的解決方案。如何集成海量、異構的數據,實現有效的挖掘,還需要結合醫療信息行業自身的特點加以研究。“互聯網+”醫療環境下的醫療大數據建設是一項龐大的系統工程，需要衛生行政部門進行前瞻性統籌部署，自上而下整合各大醫院、醫療機構和相關部門的信息資料，打破壁壘，實現共享，同時注重保護數據安全。