王 蒙
(安徽醫科大學第一附屬醫院,合肥 230000)
本文研究的主題大數據時代下的醫學信息化創新的建設思路,所以必須了解大數據的概念及其特征,通過對其的分析而得到其與醫學結合的可能性。大數據的概念在引言中已經做了一個初步的導入,在維克托·邁爾-舍恩伯格及肯尼斯·庫克耶編寫的《大數據時代》提出了大數據的5大特征(即5V 特點)。
所謂大數據,大量只是其最基礎的特征。大數據技術就是通過對大量的調查數據進行分析,從而討論某一事件并給出結論的。如果不采用大量的數據,那么一方面它缺少了公信力,另一方面他也不是所謂的“大數據”了。因此我們必須了解到大量的數據后再做出結論。
要想將海量的信息進行整合,并以一個集中數據的方式,那么就必須采取高速的數據整合方式,高速是完成大數據技術的另一個基本要求。試想調研(不限定方式)得到的基本數據并不能極速的進行處理,那么根本就無法應對海量信息的來襲。而如果只能收集到海量的信息而不能高速的處理,那么所謂的大數據技術也只能最后成為空中樓閣。
除了大量的信息來源和高速的處理模式之外,所收集到的信息必須具有多樣性,而一旦所收集到的信息不具備多樣性,只是一種單元化的信息,所造成的結果就是其數據不具有代表性,從而喪失了本次大數據收集的目的。因此必須保證信息的多樣性。
這里的低價值密度是一個特殊概念,有別于物理學上的密度,但又與其有許多的相通之處。低價值密度是指用較低的成本獲得較高的信息價值收益。將其成本比作質量,而將其收益比作體積,成本越低收益越高,則價值密度越低。
上文曾經提到過,許多高校已經開設了大數據相關專業。但總的來說這依舊是個新興專業,而且大學之間的學習是要4年才能完成的,這就說明在短暫的時間內,很難集聚足夠多的專業化人才。而且如果要將大數據技術應用在醫學上進行信息化創新,所要求的不僅僅是大數據人才,還要求其在醫學上具有一定造詣。這直接導致了專業人才的缺乏。
這一直都是一個非常現實的問題,醫學到底有無標準?醫學當然應該有標準,但是當下各國、各地區醫學治療水平的差異導致了對于同一種類的疾病,不同的地方其評判標準是不同的,如果在這種情況下就進行數據收集,那么其數據并不具備足夠的真實性,或者說是并不具備足夠的公信力。
不可否認的是,當下跟醫院之間其實并不團結,且不要說國家之內的醫療機構,以中國和美國為例,美國醫療機構并不愿意與中國分享醫療技術,而以美國為首的資本主義國家團隊,掌握著更加先進更加全面的數據,但是其卻拒絕與發展中國家分享。這是大數據所面臨最大的挑戰。
如果說第3點是最嚴峻的挑戰,那么網絡安全和隱私保護的問題將是大數據技術所面臨的最直接的問題。事實上我國關于網絡安全并沒有成文法律,網絡信息安全在我國一直是個大難問題,從網絡暴力的接受程度就可見一斑,隨著一些網絡新技術的發展,網絡安全隱私越來越存在隱患。
這無疑是要實現大數據技術在醫學應用上最關鍵的一點,21世紀最寶貴的資源就是人才,只有足夠多的專業化醫學信息人才參與到大數據意識的建設中,才能夠完成醫學信息化創新的建設。針對這點中國的高校能夠起到最大的作用。因為高校就是培養人才的地方。
數據共享可以讓更多的從醫者了解更多的專業知識,然后要想解決國外的缺乏數據共享渠道的問題仍然存在許多困難,但是我國可以通過政府資金投資,讓國內各大醫療機構之間建立聯系渠道,利用APP 平臺實現數據共享,從而保證了醫學數據的共享性。而共享性的實現,能夠直接為日后醫學大數據信息化創新提供根本上的保證。
要進行大數據技術建設,就必須加強醫院的信息化管理程度,從體制上保證大數據的可行性。只有加強了醫院的信息化管理程度,才有可能對醫院進行信息化創新,并最終實現大數據技術在醫學上的廣泛應用。
在一夕之間要求中國的網絡安全問題得到解決是不現實的,針對醫療機構專業化部門進行專業化網絡安全優化則是可以做到的,加強網絡安全建設,加強網絡防護墻,將患者隱私作為加密文件,只有將網絡安全的問題解決,才能為大數據技術在醫學上的應用打開門道。
總的來說,大數據技術是大勢所趨,其能夠幫助醫療機構改革,事情更加專業化,分工更細化,并可以為之裁剪陳冗人員。對于醫療機構的幫助不可謂不大,其中非常存在著一些問題面臨的一些挑戰,但其解決方式也是呼之欲出的。總的來說大數據時代下的醫學信息化創新是可行而且必行的。