为医疗数据插上科技的翅膀——医疗大数据建设推动临床诊疗水平提升

8月17~19日，2018肿瘤学大会在“盛京”沈阳隆重召开，大会首次设立的人工智能专场在期间惊艳亮相，备受瞩目。中山大学附属肿瘤医院院长助理孙颖教授在会上作了“医疗大数据助力临床科研”的主题分享。在会议期间，我们特别对孙颖教授进行采访，就大数据在健康医疗领域的应用问题进行了详细、深入的剖析，希望为广大关注大数据建设的医疗同道带来思考和启发。现将采访内容整理如下。

孙颖教授

搭建数据平台，提升医疗诊治水平

大数据建设和人工智能应用是实现我国医疗诊治水平飞跃发展的必经之路。首先，患者的就医需求和医生的诊疗需求是最原始的驱动力；其次，国家出台的一系列优化政策是方向性的催化剂；最后，中国的科技实力已经达到了相当水平是最重要的保障。由此，现阶段医疗大数据和人工智能才能如火如荼开展，并且有希望“落地开花”。

建立完善的大数据平台，有如下优点。

其一，能进一步优化、规范诊疗流程，把医生从繁复冗杂的重复劳动中解放出来，专注于提升专业技能和关注患者心理。当前大医院的治疗水平已经不低于国际先进水平，进一步给患者提供全周期的服务、改变信息不对称的现状，方可提升患者就医体验、避免医患矛盾的发生；

其二，整体上来看，我国不同地区医院诊疗水平差异大，通过借助大数据、人工智能、互联网+，方可将大医院的先进经验和服务模式，快速、高效地传播到基层医院，实现医疗水平同质化；

其三，医学模式将逐步从循证医学驱动转为数据驱动，以克服临床试验有适应证限制的缺陷，“真实世界”研究有利于手术等以操作为特点的学科开展高质量研究。

由此可以看出，借助医疗大数据解决临床难题、提升科研水平既是可行的，也是必须的。

医疗与科技互补，携手合作共赢

医院在建设信息化平台时，应该以开放的心态选择与科技公司合作，同时也要以“挑剔”的眼光选择合作对象。

医学和数字化建设是两个专业划分非常明确的领域，医生和技术人员的专业性都非常强，而医院作为专业的医疗机构，配置过多从事大数据建设的专业人员显然也是不现实的，要实现“医疗+技术”的融合，有效地挖掘临床数据，亟需医院与科技公司进行合作。而选择合适的合作对象，并且在合作过程中加强各自的融合性，是医院在大数据建设过程中首先要解决的问题。

具体来看，在选择合作伙伴时有几个重要的标准。

①有创造力的本土公司。当前正处在中美贸易战这样的形势下，实质上就是科技竞争力之战。而医院作为国家重要的社会公益事业单位，有责任跟本土的初创公司一起成长，共同开发我国的技术和软硬件。

②领域内较为专业。这个公司的业务中需要60%~70%是专注于某一件事情，而不是遍地撒网，因为只有专注于自己擅长的板块，才有可能做到优秀。

③拥有懂医疗的科技人才。医院和科技公司之间要开展高效率对话，需要依靠连接彼此的“桥梁”，这样的跨学科人才，能正确理解医生的需求，并梳理成科技人员能听懂的语言，从而实现不同领域的无障碍沟通，这也是开展良好合作的基础。

这样合作的过程中，医院的医生一方面应该积极在临床工作中找到患者的痛点，另一方面也应该在合作的过程总结出与科技专业人员沟通的有效方式；科技工作人员在享受到为医生和患者解决问题的成就感后也会更愿意聆听医生的想法，这样就形成了一个正向循环，促进医工合作共赢。

另外，在合作中不可避免要面对信息安全问题。医院和技术公司要明确好自己的职责和义务，在国际信息安全标准的规范下，以推动医疗大数据建设、服务广大患者为共同工作目标，展开深入合作。

中山大学附属肿瘤医院大数据建设

应用经验分享

中山大学附属肿瘤医院的大数据建设起源于一个良好契机，即在2014年，中山大学附属肿瘤医院徐瑞华院长带领团队拿到了国家高技术研究发展计划(863计划)项目中一项大数据重大专项课题，其后孙颖教授等也先后得到了广州市科技创新委员会、中山大学的项目支持。肿瘤医院的大数据建设既是科研项目，也是医院建设项目，由此具有两大优势——科研项目保障项目高质量完成，医院建设同步保障项目设计能落地，这也是能成功建设大数据和人工智能的根本原因。

为了保障高质量的大数据建设，中山大学附属肿瘤医院选择医渡云作为合作伙伴，双方医学与技术高度融合，在又“脏”又“累”的数据基础治理工作后，目前医院的大数据建设已取得非常好的成果，梳理下来可总结为以下几点。

01

建立了鼻咽癌、结直肠癌等多个瘤种的数据标准。今年6月，医院与徐瑞华院长为代表的中国临床肿瘤学会（CSCO）结直肠癌专家委员会联合医渡云共同发布了《结直肠癌标准数据集》。从杂乱、庞大的临床数据中提炼出一个通用的标准不是一件容易的事情，需要工作人员耐得住寂寞、经得起诱惑，通过团队整整一年的时间，每天学习文献、不停梳理，从而将数据标准总结而来。

其次，在已有标准的基础上，对临床数据进行集成，而这也需要投入大量的时间、人力、技术和资金，经历了漫长的探索过程后，研究团队把分散的50多个系统集成到了一条总线上。

并且在收集这些历史数据的同时，也将前端业务系统进行了优化，如建立一体化工作站、放射治疗信息整合平台，目的就是要保障能收集到大量高质量的数据，并对这些数据进行分析和利用。

02

临床应用需求所驱动的创新才能够落地生根，大数据成果已有效应用于临床工作中。经过1年半的反复探索，成功将患者的就诊资料以时间轴的形式呈现在一个界面里，医生在门诊看病的时候就通过这个大数据平台来了解患者过往所有的诊疗信息，目前点击量每天达5000多次，这从侧面反映，医生在看病时已离不开大数据。

03

此外大数据建设成果也被广泛应用于科研、教学和医院管理当中，甚至为国家政策部门提供疾病诊治的依据。医院目前已经对28个疾病建立了科室数据库，涵盖了肺癌、ICU、生物治疗等几乎所有科室，为医生提供大量的信息，也为开展科研工作提供了极大的便利。在此基础上，双方团队进一步对优势鼻咽癌和结直肠癌进行深挖，借助神经网络、语义分析等大数据分析技术，将大量的文本转为上百个结构化数据。目前，医院已建成有1万多病例的鼻咽癌数据库，并实现了几十家医院结直肠癌数据的集成和共享。

这些数据集为科研工作提供了强大支撑，科研的效率大幅提高，以往需要1个月时间完成病例筛选，现在只需要几分钟；以往需要1年甚至几年时间完成数据收集、录入，现在只需要2~3个月完成数据校验和补充。近期的目标是基于鼻咽癌数据库，在3~5年内产出30~50篇高质量的文章，争取3-5项研究结果被国际指南采纳。

04

这些数据库也成为患者管理和医院管理的强大工具。每一位患者的治疗数据都以时间轴的形式被收集起来，医生可以从患者治疗的时间切入，了解患者的诊治过程和疾病变化趋势。通过比较同一疾病不同治疗方式下患者的五年生存率、疑难病例Ⅳ期患者的比例等指标，可以评估治疗疗效，此外，耗材比例、药品比例、住院日等指标也可以通过数据库分析出来，这些都可以纳入医生的评价体系和医院管理体系当中。

基于以上多方面收获，所谓“有多少智能，就有多少人工”，可以看出前期的大数据建设集合了研究人员的大量心血，背后更是隐藏了无数医生、学生、技术人员的辛勤劳动。为此，后期更应该持续加强应用增值，通过人工智能转化为具体的成果，院内辅助诊疗决策系统就是其中一个很好的案例：其一，这个系统直接连接真实数据库，只需医生加以判断和分析；其二，在应用过程中以最符合医生逻辑的方式展示，如通过时间轴切入某一个点，生成临床路径的界面；其三，可以从数据产生、逻辑判断、监测拦截、后端分析步骤形成医疗行为的“闭环”。孙颖教授表示，中山大学附属肿瘤医院有信心在徐瑞华院长的带领下，做出超越Watson的辅助诊疗决策系统，让各级医院的中国患者受益。