大數據技術在醫療領域的發展與應用

宮立恒 張曉 茍吉祥

摘 要 近年“大數據概念”正刮起一陣強勁颶風，大數據在各行各業都有廣泛前景，尤其醫療領域這種數據量大，數據種類多，數據來源復雜的狀況，更具有得天獨厚的優勢。本文首先概述基于云計算的醫療大數據技術，然后分析醫療大數據的共享及遇到的挑戰，最后綜述大數據在醫療領域的相關應用，以期為進一步研究提供參考。

關鍵詞 大數據 醫療 開發 利用

中圖分類號：TP311.1 文獻標識碼：A DOI：10.16400/j.cnki.kjdkx.2018.06.022

Abstract In recent years， the "big data concept" is spurring a strong hurricane. Big data has a wide range of prospects in all walks of life. In particular， this type of data in the medical field has a large amount of data， a variety of data， and a complex data source， which is uniquely advantageous. This article first summarizes the medical big data technology based on cloud computing， and then analyzes the sharing of medical big data and the challenges encountered. Finally， it reviews the related applications of big data in the medical field in order to provide reference for further research.

Keywords big data； medical； development； use

隨著信息科學技術的發展，大數據已成為熱點話題。早在1980年，未來學家阿爾文 托夫勒在其代表作《第三次浪潮》中預言大數據的光輝未來。在2011年5月，以云計算著稱的EMC公司在“云計算相遇大數據”的年會上拋出大數據的概念。國際頂級學術期刊Nature和Science均出專刊探討大數據。大數據在醫療領域的作用正受到越來越多的關注。

1 醫療大數據

國際數據公司（International Data Corporation，簡稱IDC），對大數據如下定義：大數據是一種數據形式，一般會涉及到兩種或兩種以上。它要收集高速、實時數據流，超過100TB的數據；或者從小數據開始，但是數據每年會增長高于60%。由此可總結出大數據的四大特征：數據規模大；數據種類多；數據要求處理速度快；數據價值密度比較低。[1]

2 基于云計算的醫療大數據開發管理技術

基于云計算的醫療數據挖掘模式是一種分布式并行模式，這種模式采用的是云計算模式，同一個算法可分布在多個節點上，多個算法之間是并行的，多個節點間資源實行按需分配，是解決大量的數據挖掘任務時的行之有效的方法。可采用如下算法：

（1）關聯規則。關聯規則能夠發現醫療數據中隱藏的關聯模型。其目的就是在醫藥數據庫中發現能夠滿足指定的最小支持度和最小可信度的關聯規則。在做這項工作的時候，引入了一項搜索約束，從而達到發現在醫學上有意義的關聯規則的目的。

（2）決策樹方法。決策樹和流程圖的樹結構很相似，是一種十分典型的分類方法。先通過對數據的處理，通過歸納算法生成可讀的規則和決策樹，再用決策對新數據進行分析。常用的決策樹算法有：ID3算法、C4.5算法，應用到醫藥數據處理中。這些算法可以用來處理高維的醫藥數據，也可以用來處理海量的醫療數據，并且速度也很快。

（3）人工神經網絡。人工神經網絡是由大量簡單處理單元連接而成的自適應動力學系統，可對非線性、不精確的數據進行智能處理，具有并行性，分布式存儲，自適應學習等功能。因為人體和疾病具有復雜性、不可預測性的特點，所以在獲取數據和信息的分析與決策等方面都存在復雜的非線性聯系，這種特點適合應用人工神經網絡。

3 大數據的共享

3.1 現狀

在醫療領域，大數據還處在起步階段。數據的采集直接關系到后續的挖掘，因此采集工作至關重要。就目前狀況而言，在此階段遇到的極大挑戰，將從兩方面進行分析。

首先，從醫療機構角度分析。我國仍有大部分醫療機構對患者病例、資料進行書面記錄，有的醫療機構即使推行使用電子病歷，但這些醫療機構也沒有一套統一的電子病歷系統，使得現階段各醫療機構之間無法進行數據和信息的流通。高質量的電子病例系統是獲取優質大數據的根本基礎，然而目前醫院信息孤島問題嚴重，這在很大程度上制約了大數據功能的發揮，長期的數據割裂導致我國醫院信息系統共享水平較低。

其次，從生物醫學科研角度分析。我國的生物醫學研究機構中存儲的大量科研數據不會在社會和同行之間公開，因為其自身的利益，各研究機構對自己積累的大量醫學科研數據往往會持保守態度，致使在醫學科研界無法完全實現數據共享。

3.2 實施中的挑戰

（1）醫護人員缺乏意識：醫療信息技術運用一般需要外力進行驅使，如刺激計劃或監管要求。大部分醫生，尤其資歷較深、年齡較長者，習慣了傳統診療的手寫記錄方法，并且未能意識到這些系統的意義，導致他們疏于學習這些新生事物，因此信息系統上線困難。

（2）信息孤島普遍存在：大數據用戶在醫療領域使用范圍很廣，比如醫院、區域醫療中心、醫療保險公司等，[2]相應的數據資源分散在不同的數據池中，彼此之間并沒有太多聯系。

（3）標準化難以實施：如果要建立一體化協同的醫院集成信息平臺，其關鍵是整合數據，并要降低共享數據的技術門檻。集成難的根本原因之一是缺乏標準，[3]雖然近幾年醫療衛生信息標準化工作無論是對方法學的認識還是標準的制定都有所發展，但總體上仍處在學習和模仿階段，制定的一些標準落地困難。

3.3 建議

在以大數據為焦點的信息化時代，容易出現低水平重復建設這一問題，所以，頂層設計極其重要。在國家層面需大力推進數據信息標準化，為電子病歷等信息系統廠商制定法規，并對其實施規范化管理。在保障數據安全和保護個人隱私的前提下，將所有信息通過云計算物聯網聯系起來，對數據進行數據存儲和數據挖掘。并且制定相應政策和措施，建立開放共享的機制，實現生物醫學科研機構與醫療機構之間的數據共享，在生物醫學科研、國民健康檔案與醫藥信息之間成立大數據平臺。同時，建立第三方評價機構，對數據質量控制：建立人才隊伍激勵機制。

4 大數據在醫療領域的應用

（1）支持臨床決策。對于臨床中遇到的一些疑難病癥，由于缺乏經驗，專家會很難做出正確的診斷和治療。據研究顯示，目前國際誤診率達到30%，而我國的臨床誤診率已達到27.8%。專家對病情的誤診不僅會帶來患者家庭的經濟負擔，更會加重醫患矛盾。然而，大數據在醫療領域的應用，通過臨床決策支持系統給出最準確的診斷和最佳治療方案，將醫護人員的診斷經驗與大數據的優勢高效結合起來。[4]在美國Metropolitan兒科重癥病房的研究過程中，臨床決策支持系統避免了40%的藥品不良反應事件。

（2）研發藥品。通過大數據技術分析互聯網上的公眾疾病藥品需求趨勢，可以在醫藥研究開發部門或公司的新藥研發階段，從而對有限的資源進行更有效的配置。一般來說，新藥從研發到推向市場的時間為13年，而使用數據分析技術進行預測可以幫助醫藥研發部門或企業將新藥推向市場的時間縮短。

（3）個人健康管理新模式。隨著互聯網的普及和可穿戴智能產品的廣泛應用，健康管理領域已逐漸形成“量化自我運動”與個人健康管理的全新模式。目前，全民健康領域最值得關注與解決的困難是：及時地發現自身健康狀況的異常變化以及一些重大疾病，傳統的年度體檢時間周期長，具有一定的局限性。然而可穿戴智能設備可以及時發現自身身體出現的異常狀況，運用大數據技術對設備收集的身體情況與體格指數等數據進行大數據分析，是用戶不僅可以對自己的健康風險指數一目了然，而且能接收到相關醫療建議以改善健康狀況。同時，設備會根據用戶的實際情況進行調整，一旦數據異常，就會加大檢測密度，反之會加長檢測間隔，隨時進行動態調整。[5]

（4）公共衛生監管。大數據挖掘可改善公眾健康監控。公共衛生部門通過廣泛的數據采集技術，以此對衛生狀況進行數字化的整合分析，快速檢測出傳染病，對疫情全面監測，防止疫情爆發，從而達到降低傳染病發病和節約醫療支出的目的。

（5）遠程醫療。遠程醫療指利用現代通信技術實現對遠地對象的醫療服務。傳統遠程醫療用點對點方式進行，側重于技術和設備，投入大但是利用率低且不靈活。大數據時代可利用物聯網、云計算等來打破點對點的遠程醫療束縛，形成基于移動通信及物聯網的服務模式，在這種模式下能夠發揮個體的作用，決策快，數據全面，靈活性強，關聯能力強。

（6）大數據預測醫學中的應用。在醫學健康領域運用大數據興起了一項強大技術即預測醫學，此技術能同時對患者的健康狀況和遺傳信息進行深入解析，讓醫生能跟準確的預測出某些疾病在特定個體上的發生情況，同時預測出患者在一些特定的治療方式過程中的病理反應。

5 結語

總之，大數據已成為一種新型戰略資源，無疑對醫療衛生領域產生巨大影響和推動，它能幫助醫生優化治療方案、削減醫院開支。通過數據開放，改變患者在醫療機構的被動位置模式，患者住院期間的醫療信息會直接傳送給患者。未來大數據在醫療領域的運用，將會使更多的患者參與到對自己健康的管理中，未來會給人類帶來更大的價值。

參考文獻

[1] 李紅艷，劉蓉.MOOC與大數據技術在大學計算機基礎教學中的應用[J].教育現代化，2017.4（10）：85-86.

[2] 史紫薇.布局“點”與“面”大數據落地醫療行業[N].中國計算機報，2013-04-15（22）.

[3] 數據標準化將是未來醫療大數據融合的基礎[J].醫學信息學雜志，2013.6：96.

[4] 姜奇平，馮海超，古福.數據業務主營化大趨勢[J].互聯網周刊，2013（7）：26-46.

[5] 鄒北驥.大數據分析及其在醫療領域中的應用[J].計算機教育，2014.7：24-29.