医疗大数据四大临床价值，实施阻力显著

[ 亿欧导读 ]医疗大数据在临床辅助决策等四方面正在发挥临床价值，而真正让数据“闪光”十分不易，数据采集及标准化等问题造成较大阻力。医疗信息化需对大数据技术拥有清晰的认识，不能贪大图快，需按步骤实施。

近年来，卫生行政管理部门和各大医疗机构均纷纷投入到医疗大数据的建设之中，医疗大数据在提升医院的运营效率、医疗质量监管、临床决策支持、辅助科研、个性化治疗等方面都能发挥较大作用，但真正让数据“闪光”非常不易，需克服诸多困难。

本文作者：王志勇；文章转载自“HIT再出发”。

医疗大数据对临床的价值

一、实现临床辅助决策，减少医疗差错

一位患者在做了肺部手术后，转氨酶升高，手术医生想知道这种情况是不是正常现象，利用临床大数据搜索引擎，在数据库里进行高级检索，发现确实有一些病例在肺癌手术后，转氨酶超过了预警线。虽然这种例子为数不多，但的确存在这种情况，对医生的下一步治疗方案就起到了辅助决策的作用。

目前通过临床决策支持系统（CDSS，Clinical Decision Support System），通过建立医疗文献及专家数据库，依据临床、病理及基因等特征，为医生提出规范化诊疗及个体化治疗建议。该技术不仅提高了医生的工作效率和诊疗质量，也可以减少不良反应和治疗差错。在美国儿科重症病房，CDSS系统可以减少40%的药品不良反应，美国疾控还向公众公布了不同医院的医疗质量和绩效数据在内医疗数据，可以帮助病人自己选择治疗方案，并且有助于督促医院改进医疗服务质量。

另外，通过对基因组数据的分析，可以实现个性化医疗。针对不同患者采取不同的诊疗方案，或根据患者的实际情况调整药物量，可以减少副作用并节约医疗费用。随着基因测序成本的显著降低，精准医疗的普及将逐渐成为可能。

基于疗效的比较效果研究表明：对同一病人来说，医疗服务提供方不同，其医疗护理方法和效果也会不同，在成本上也存在这较大的差异。通过分析病人体征数据、费用数据和疗效数据等大数据集，可以帮助医生确定临床上最有效的治疗方法，并可减少过度治疗以及治疗不足。

二、实现远程监护诊疗，提高家庭护理质量

医院信息化建设应该让数据从院内向院前、院后延伸，从医疗向健康管理延伸，最终实现全生命周期的数据覆盖，医疗服务模式应该有所创新，构建覆盖全生命周期的医疗健康服务体系。

通过结合手机APP、微信、物联网监测等方式，可以远程展开心率、血压、体温及血糖等参数的检测，并将结果反馈到监控设备及人员。通过对生理数据的收集和分析，可实现计算机远程监护，从而对慢性病进行管理。这样可以减少病人住院时间和门诊复诊次数，提高家庭护理的比例及质量，缓解大医院“门庭若市”的现象。

三、充分利用临床医学资源，提高医学科研水平

利用海量的医疗大数据建立疾病、症状、检验检查结果、用药等信息之间的关联关系，构造医疗知识图谱，称为“疾病星系图”，核心是利用医疗大数据发现关联关系，未来可用于疾病探查、辅助诊断、辅助用药等。

美国一份医学杂志曾发表过一篇学术文章：因肺炎住院的老年患者，随后出现心血管、脑卒中或死亡的风险可能显著增加。这是研究人员走访了22000人，随访十年得出的结论。把肺炎输进“疾病星系图”，发现肺炎周边关联的疾病除了呼吸道疾病，就是心脑血管病或脑卒中。随访十年得出的结论和大数据分析得出的结论类似，这也许可以成为新的一种研究范式。在疾病星系图中，发现便秘和高血压、冠心病、中风等心脑血管疾病有非常强的关联关系，这对于普通大众来说看似诧异。但通过进一步研究医学文献，我们发现便秘和心脑血管疾病之间确实有比较强的关系：一方面，心脑血管疾病容易引起便秘；另一方面，由于老年人便秘时腹部用力，腹腔压力增强，心脏收缩加强，血压升高，容易引发中风等疾病。类似的关联关系在疾病星系图中还可以发现很多。

大数据时代，临床研究工作者需要针对海量的临床资源进行收集、整理和利用，并开展基于大样本、多中心合作的临床病例、诊断、治疗及药物的研究。使用大数据技术，还可以提高临床实验设计水平。基于大数据预测建模还可以帮助选择新药研发的最佳资源组合。

四、快速监测传染病，控制院内外感染

公共卫生安全是全民关注的热点问题。通过大数据可以预测出常见疾病爆发区域，使民众可以针对疾病提前做出预防。主管部门也可以通过监控卫生大数据，快速监测传染病、院内感染等情况，并进行快速响应。Ps：想到最近的流感大爆发，笔者感受到这块工作迫在眉睫。

医疗大数据实施难点

一、数据采集及标准化问题

使用大数据技术，首先要有足够的病人、药物等相关信息，这是数据分析的基数。然而许多病人、药企、医疗机构可能因为各种原因不愿分享这些信息。另外，很多新兴数据较难采集，如基因信息、传感器数据等。

临床数据包括患者信息、医生信息、药品信息、收费记录、病例记录、处方记录、影像检查记录与图像信息，以及检验信息等。这些数据可以细分为结构化数据、半结构化数据，其中非结构化数据占比达85%以上。虽然国际、国内制定了HL7、DICOM3.0等多种医学信息标准或协议，但各机构之间、各系统之间仍不能做到标准统一、信息共享。每家医院信息化建设都涉及十几个甚至几十个公司的不同产品，而每个公司的数据标准、采集存储方式都不尽相同。因此，即便是在同一家医院，也会出现多个信息系统之间信息无法分享、系统难以交互的情况。

二、大数据分析能力

大数据的独特性对传统的统计方法发出了挑战，促进了适用于大数据分析的统计方法的发展。具体如数据异质性、偏差累积、羊群效应等问题，均需采用相应的大数据方法做出适当的处理。大数据分析并不仅仅是提取、汇总。数据本身的复杂性，使得分析的过程充满了误区。没有统计方面的知识结构，就会导致出分析上的偏差或错误，事实上，这方面的人才非常奇缺。

此外，随着可穿戴式设备、健康APP、远程医疗的普及，海量数据如何实时分析与相应的问题变得更加突出。从产品角度来看，大数据产品单一，行业成熟度不高。多数是通过通用型数据处理，专业的解决方案较为少见。

三、观念与数据透明问题

医院管理者、医护人员与患者是医疗大数据技术服务的主题。让管理者、医护人员接受大数据理念、愿意运用大数据技术，才是让其真正落地的前提。当然，只有解决大数据录入和访问的方便与快捷问题，同时真正帮助到管理者和医护人员，才能得到他们的支持。

大数据技术真正发挥作用，也需要患者的参与和配合。如何去调动患者的参与度与积极性、如何鼓励患者更多的进行健康记录与自我管理，都十分重要。有研究表明如果患者都能将自己的医疗记录分享到网上，便可以挽救数万人的生命。

四、信息安全与患者隐私问题

随着数据量的不断增加，对数据备份系统与容灾机制都提出了更高的要求，以解决数据的物理安全、黑客入侵、病毒感染等问题。另外，病人的隐私问题也值得关注。在保护病人隐私的前提下，提供足够详细的记录来支持大数据分析并非易事。

结语

在医疗信息化建设中，应充分利用大数据技术，在一些热点问题上有所作为，如百姓看病难、人口老龄化等问题。通过大数据结合云计算等技术，可以实现网络预约、异地就诊、医疗保险即时结算等，从而缓解看病难问题；医疗机构之间也能够实现检查结果互认，从而节省医疗资源。

要让数据产生价值，需要一条完整的价值链，包括数据的采集、存储、分析、应用四个环节。但目前医院投入较多的是在采集和存储环节，而分析和应用还比较薄弱。很多专家认为，新时代医院信息化建设的标准是“无纸化”、“精细化”、“智能化”。其中精细化与智能化都离不开对大数据的分析与应用。

总之，医院信息化应从大处规划，小处着手，让大数据“摸得到”。大数据还处于发展初期，还存在许多潜在的问题。但是医院信息化建设绝不能忽视大数据的存在，必须在信息规划中对大数据技术予以充分重视和考量。同时，对大数据技术应有清晰的认识，不能贪大图快，需按步骤实施。另外，在进行大数据部署时，如何平衡各种现有技术，设计合理架构，组成高效系统也很重要。

2018年3月23日，亿欧将在广州举办GIIS 2018第三届医药未来领袖峰会，就跨界玩家、创新药研发、产业基金、CRO、两票制、处方外流、医院和药店管理运营等热门话题，携手业界大咖进行交流分享，以期在认知层和方法论给行业带来新思考、新启发。