大數據醫療的應用與分析

黃順富 尚志會 謝小芳 董利

摘? 要： 在醫療領域中，對海量數據進行數據挖掘，獲取價值信息是大數據分析決策的重要手段，可以提升醫療服務水平。文章以大數據在臨床醫療、生物制藥等方面的應用為切入點，分析了大數據技術在醫療領域中的應用優勢，對大數據醫療的未來發展趨勢進行深入地剖析。最后總結了大數據醫療的應用現狀，提出了大數據醫療應用中潛在的安全問題，希望能給研究人員提供一些借鑒與幫助。

關鍵詞： 大數據醫療; 臨床醫療; 生物制藥; 安全

中圖分類號：TP30? ? ? ? ? 文獻標志碼：A? ? ?文章編號：1006-8228（2019）08-01-03

Abstract： In the medical field， to obtain value information by data mining of massive data is an important means of big data analysis and decision-making， which can improve the level of medical services. Starting from the application of big data in clinical medical treatment and biopharmaceuticals， this paper analyzes the advantages of big data technology in medical field， and deeply analyzes the future development trend of big data medical. Finally， the application status of big data medical is summarized， and potential security problems in the application of big data medical are put forward， hoping to provide some reference and help for researchers.

Key words： big data medical; clinical medical treatment; bio-pharmaceutical; security

0 引言

大數據（big data或稱mega data）指的是需要新處理模式才能具有更強的決策力、洞察力和流程優化能力的海量、高增長率和多樣化的信息資產[1]。大數據處理主要針對海量數據的存儲、管理、分析、計算以及應用等統籌[2]。醫療健康大數據就是基于現代信息技術與醫療技術相結合的產物。

大數據在醫療健康應用領域中，具有數據量巨大、數據類型多、處理速度快、價值密度低、真實性高等特點。如何將醫療中產生的海量數據通過數據挖掘技術從中抽取出有用的信息，是當前醫療大數據需要解決的問題。例如，大數據分析用于預測癌細胞的增長趨勢、定量分析血小板數量以及異常病變細胞的游動速度等問題。

1 大數據在醫療中的應用

1.1 在臨床方面的應用

大數據的崛起，使大數據應用分析技術在醫療中發揮巨大的價值。病案系統（EMR）、實驗室信息系統（LIS）與影像歸檔和通信系統（PACS）等數據信息系統的出現，為醫生提供了更有效的診斷服務，有效地簡化了醫療診斷流程，保證了醫療臨床診斷結果更加準確，大大節約了病人和醫護人員的時間，提高了醫護人員診斷的準確率[3]。對醫務人員來說，通過合理應用EMR、LIS與PACS等數據信息系統，使得醫療數據得到全面利用才能夠有效、快速解決臨床中難以及時處理的問題[4]。基于大數據技術的臨床醫療系統的應用，能夠使醫療效率加快，并幫助醫護人員解決更多病人問題。

大數據在臨床方面的具體應用。例如，醫護人員給女性患者做疤痕子宮剖宮產手術時，在手術期間根據臨床出血情況，并結合多名患者的歷史數據進行臨床應用探討。最后，可依據大數據技術提取粘連率、手術持續時間、術后出血量、進腹到胎兒娩出時間等價值信息，該信息與首次剖宮產術的關系可得出最佳手術解決辦法。

與傳統的臨床醫療相比，大數據分析為醫療提供更多價值信息，對醫療數據進行分析、綜合，并做出最大概率的預測，為醫護人員提供最優建議。利用大數據分析技術能夠更好地提升醫療臨床系統決策的合理性，使得醫療臨床觀察數據更加科學，為醫生提供準確的決策數據，保證醫療臨床診斷水平、診斷效率得到有效提升[5-7]。

1.2 在生物制藥方面的應用

通過大數據技術分析公眾疾病的藥品需求情況， 所得信息反饋給醫藥研發部門， 使其對有限的資源進行更有效的配置與管理。通過日常醫護人員對就診病人的相關數據匯入到數據倉庫中，該數據與歷史記錄匯集、分類，最后應用數據挖掘技術從數據倉庫中獲取有效信息，進行行為預測與判斷，為生物制藥提供有力依據，所以大數據在生物制藥中能夠全面地發揮出藥物的生產與治理效果。通過追蹤相關藥物并分析判斷與決策，幫助醫護人員及時準確地了解病人身心健康的實際狀況，并根據病人的實際狀況及時調整治療藥物的用量問題。

與傳統的生物制藥相比，大數據醫療生物制藥能夠實時監測藥物的效果，及時檢測藥物的使用情況。通過比對標準藥物的成份及含量，檢測所含成分是否出現制造假藥等情況，為促進健康中國創造有利的基礎條件。

1.3 在穿戴醫療產品方面的應用

大數據以及物聯網的不斷發展使市場出現大量智能產品，如智能穿戴測心率、監控血壓等產品。可穿戴設備依據身體所發出持續性信息可及時發現身體異常癥狀。該醫療設備主要運用大數據技術對其收集到的數據進行科學地、正確地、及時地分析，并做出高效率和準確的反饋，根據反饋的信息，分析健康狀況并做出調整。根據大數據智能產品測出血脂數據與正常數據進行比對，若發現異常，可及時發出警報信息進行反饋，從而依據價值信息做出合理的判斷與調整。大數據還可以改善公共健康監控，公共衛生部門通過大量數據收集對公共衛生做出整合處理，快速檢測流行性傳染病的擴散速度、流感病毒細胞的繁殖速度，以便及時做好防范措施。

與傳統的醫療設備相比，大數據醫療分析可根據數據庫中已有的歷史數據，如集合健康數據、生命體征的指標來形成個體化數據庫及電子健康檔案。最后，通過把對應數據庫及電子健康檔案信息植入電子設備中，然后可隨時監控血壓、心率等生命體征指標進行健康管理及疾病提示。建立健康管理檔案，實現數據共享，具有比較強的關聯能力。

2 大數據醫療與傳統醫療的對比

傳統醫療與大數據醫療存在較大差別，如診斷錯誤概率、信息處理速度、醫療資源配置、個人醫療信息管理等問題。

2.1 運作效率快、出錯概率小

在傳統醫療中，各種數據指標都需要人為操作、汲取和整合信息，人為處理數據的速度較慢且容易出錯，更新速度慢，同時不宜做出科學的預測。而大數據醫療能夠快速處理醫療數信息，并且出錯概率小，可以對數據進行及時更新，信息處理速度快。同時，大數據可以根據數據的整合、總結，做出科學地行為預測與判斷。

2.2 優秀醫療資源分配更加合理

由于傳統醫療資源受各方面因素影響，如：醫護人員受教育程度、所處地理位置、所在硬件環境等。醫療專家相對集中在大中城市，而鄉鎮等偏遠地區則較為稀缺，醫療資源產生“兩極分化”，時常出現看病難，大醫院人滿為患，小醫院得不到良好的醫療資源，由此缺少優質的醫療資源。然而基于大數據的醫療資源分配則更加合理，病人可以通過互聯網平臺提前預約知名醫療專家為其提供服務，可以實現在線遠程指導和醫療幫助，同時很多醫療基礎設施可以實現遠程共享。所以，醫療大數據資源共享極大地提高了優秀醫療資源的利用率，提高醫療效率，緩解“看病難，看病貴”等問題。

2.3 個人醫療信息更加完善

在傳統醫療服務中，由于醫療費用較為昂貴，使得貧困病人到醫院就診受到限制，所以醫院缺少很多關鍵信息來源。同時在偏遠地區鄉村中互聯網尚未得到普及，電子病歷檔案尚未歸一化。大數據時代下，由于大數據醫療資源的共享應用，更多人建立了自己的電子病歷檔案和醫療信息。對于個人信息采集與識別、醫療行為與費用支付等問題，大數據資源已在不同醫療系統、醫療機構、地域之間的提供便捷醫療共享服務，進一步助力醫療信息共享變為可能。

3 大數據醫療發展趨勢

3.1 大數據、云服務數據共享

依托大數據、云服務構建大型醫學數據倉庫， 同時建設互聯互通的國家、省、市、縣四級人口健康信息平臺， 并在此基礎上完成各級醫療機構間數據共享的工作。將物聯網、移動互聯網等關鍵技術逐步應用到醫療服務中，加強數據挖掘管理與有效信息的應用， 為管理決策工作提供重要信息， 進一步推動醫療健康發展，深化醫療資源配置均衡的利用。

3.2 大數據醫療平臺化

為了實現對醫療領域中海量數據的存儲、管理與共享，從而建設大數據平臺已成為時代不可缺少的應用。黨的十九大報告提出要“建立全國統一的社會保險公共服務平臺”，其內涵是運用“互聯網+”、大數據等信息化手段，為群眾提供無地域流動邊界、無制度銜接障礙、參保權益信息更加公開透明、社保服務更加便捷高效、各服務事項一體化有機銜接的社會保險公共服務。建立強大的大數據平臺需要強大的數據支持能力，由此需要建設適合社會需求、監管、決策、服務的安全大數據醫療共享平臺，同時這些也是實現大數據匯集、存儲、分析與應用的基礎。實現統一標準、統一管制，提升管理效率，為管理層應用決策提供安全合理的保障。

4 大數據醫療安全問題

4.1 信息安全問題

隨著大數據與智能化的深入發展，會產生海量數據。由于醫療數據的龐大性，并且每位患者的電子健康醫療檔案中的數據信息共享具有較強的關聯能力，從而導致安全數據泄露甚至被販賣，個人隱私得不到保障。數據庫中的數據較多，會出現數據的冗余，使得在進行數據更新時造成數據丟失。數據資源共享的權限設置問題，病人數據由醫務人員錄入，可能涉及醫務人員主管上的隨意修改，造成數據不正確并與實際癥狀結果數據不一致的情況。

4.2 安全審計問題

大數據安全審計有助于發現自身的安全漏洞，但很少有醫療企業花費財力、物力去做大數據安全審計工作。由于醫療數據審計環節的疏漏，導致在處理醫療大數據的遷移、同步、挖掘時，會出現大數據的丟失。安全審計較為復雜并且增加了數據的檢測負擔，需要專業人才結合具體問題進行分析，這增加了操作難度。因此，醫療大數據資源的安全審計問題顯得尤為重要。但是隨著大數據技術的突破性進展，大數據安全審計問題會不斷被解決。

5 總結

通過分析大數據在醫療中的應用，找出大數據醫療與傳統醫療的區別，進而闡述大數據發展趨勢以及發展過程中存在的缺陷與問題。醫療大數據的普及使得醫療管理得到重大改變，從而改善了管理和服務水平。醫療大數據的應用為醫務人員節約了寶貴的時間，給醫務人員及患者帶來極大的便利，減少醫務人員“誤診”問題等現象的發生。

參考文獻（References）：

[1] 黃婧，王云光，皮冰斌.健康醫療大數據的安全保障技術研究[J].計算機時代，2018.317（11）：49-52

[2] 大數據戰略重點實驗室.大數據概念與發展[J].中國科技術語，2017.4：43-50

[3] 周立廣.醫療領域中大數據分析技術及應用[J].通訊世界，2018.25（12）：42-43

[4] 段雯瓊，任亞麗，薛然.基于“互聯網+”和大數據分析的社區老人智能醫療服務系統[J].中國新通信，2017.19（8）：157

[5] 尚志會，李洪進，謝小芳.大數據環境下醫療資源調度算法研究[J].網絡安全技術與應用，2018.9：49

[6] Wong H T， Yin Q， Guo Y Q， et al. Big data as a newapproach in emergency medicine research[J]. Journal of Acute Disease，2015.4（3）：178-179

[7] 申曙光，張勃.分級診療、基層首診與基層醫療衛生機構建設[J].學海，2016.2：48-57