火箭军总医院卢敬泰:互联网+医疗大数据辅助诊疗研究

以下为火箭军总医院信息中心主任卢敬泰在2018中国企业互联网CEO峰会的演讲实录,内容略有删减。

火箭军总医院信息中心主任 卢敬泰

1

互联网+医疗

目前医院信息化发展已经20多年,随着医院业务不断拓展、规模不断扩大,信息化的支撑作用也在飞速的发展。

“互联网+医疗”,是互联网在医疗行业的新应用,“互联网+”是以互联网为载体,以信息技术为手段(包括移动通讯技术、云计算、物联网、大数据、人工智能等),与医疗行业服务融合而形成的一种新型医疗服务业态,这就是传统医疗产业与互联网紧密结合,形成的“互联网+医疗”模式。

目前这种模式下主要开展健康教育、医疗信息查询、电子健康档案、疾病风险评估、在线疾病咨询、复诊电子处方、远程会诊及远程治疗和康复等多种形式的健康医疗服务。

2

医疗大数据的利用

首先,我们能看到通讯技术、云计算、物联网、大数据、移动互联和人工智能等技术应用在医疗行业,对医院信息化的发展既带来了机遇,同时也面临着巨大挑战。

应该说医院具有大数据多样性特性典型的的应用场景,医疗数据产生的类型非常繁杂。

从病人到医院就诊之后会产生大量的数据,门诊到住院的各类检查、检验、病历等,有些是结构化的,有些是非结构化的,比如CT、核磁、X片、超声、内镜、心电图以及电生理等,都会产生大量的图像和报告文本。

还有一些视频资料,比如,在内窥镜下采集视频,在脑卒中介入治疗下采集动态影像,观察心脏24小时动态心电图等。还有一类就是组织学数据,包括微生物、基因序列、组学蛋白等,这些数据量都非常大。

总之,随着医院信息系统上线数量的增加,信息系统就会产生大量的异构数据,这些数据相对独立,形成另一种形式的“信息孤岛”,为了解决这个问题我们上线了集成平台,实现了数据融合,形成术语标准化、结构化的数据库,称之为临床数据中心(CDR)。

我们数据中心建成以后之后,我们要将医院业务系统与应用流程优化相结合,把标准化的数据用于辅助医生诊断和治疗,叫集成融合利用。

从我们通过对临床和组学检测数据分析,把主业务系统、临床业务系统等产生的结构化和非结构化的数据,生成标准化临床数据库,依据CDR建立临床数据利用的数据模型,再经过人工智能(AI)深度学习,生成知识图谱,比如文献收集、临床指南、诊断路径和用药指导等,存入知识库。

这个过程循环往复为临床累积知识库,反过来辅助指导临床。

主要用于一是辅助医生诊疗,比如预测生存期、发现新疗法、治疗方案和预后方案等;二是辅助医生医学研究,比如致病基因、肠道菌群、药物代谢或靶向用药以及肿瘤驱动基因等;三是临床用药指导,比如治疗药物推荐、联合用药指导以及药物不良反应评估等。

我们有这些数据以后,基于云计算,通过数据清洗、大数据挖掘等技术,对数据进行分析利用,形成知识库,通过再学习,建立数据模型进行临床的辅助诊疗以及临床的科研,这正是医院信息化目前经历的场景。

3

医疗数据挖掘技术

我们做医疗数据挖掘,分为六步。

一是对业务进行理解,通过对决定业务目标、评估现状、决定数据挖掘目标以及制定项目计划书等业务流程的理解;

二是数据理解,通过收集原始数据、描述数据、探索数据及检查数据质量等,了解掌握数据分类交换的逻辑关系;

三是数据准备,通过选取数据、清洗数据、构建数据、整合数据及标准化数据等;

四是数据建模,通过选择数据建模技术、核查检验设计、构建模型及评估模型等;

五是结果评估,通过评估结果、回顾流程和制定下一步计划等;

六是模型部署,通过计划部署、计划监控和维护、撰写最终报告及总结项目报告等。经过六步法将临床诊疗需要的基础数据抽取出来,为基于大数据辅助诊疗提供支撑。

4

大数据辅助诊疗

大数据诊疗的最关键的一点,就是从这些大量的临床数据里面,把它抽取出来通过诊断模型,明确疾病诊断,同时对于癌症患者预测生存期,并发现新疗法、治疗方案和预后方案等。

我们正在研究胰腺癌的大数据,利用诊断模型,通过构建疾病知识库图谱,为门诊医生实现辅助诊疗,依据临床症状提供一些合理化诊断建议,结合医生经验得出正确的诊疗方案,数据再反馈回来,形成良性循环,使我们的数据库不断的完善,不断的再学习,构成一个标准化、结构化的数据库,为未来诊疗数据的大样本库积累有价值数据。

5

胰腺癌大数据辅助诊疗

1.胰腺癌大数据辅助诊疗现状及解决方法

有了大数据挖掘技术作支撑,我们重点做了是胰腺癌诊疗研究。因为医院积累了大量的临床数据,怎么样让这些数据说话?有很多企业转行医疗行业时间很长,由于没有找到应用点,几年投入未见成效,什么原因?就是因为对医院的数据没有深入了解和分析。这就是为什么我们国家临床数据样本很大,却比西方国家落后很多的原因。

国内关于胰腺癌手术量大,但基础科研水平不高,表现勤于动手,而不善于勤于动脑;导致结果是国内医院一年做1万台手术,反倒听从国外一年做500台手术的医院指导;

国外写美国国立综合癌症网络(National Comprehensive Cancer Network,NCCN)指南的专家,很多手术做的比中国医生少。结果:我们处处要向人家学习,时时刻刻要向人家学习。

针对这些问题,我们专家逐步找到了解决方法。

一是建立完善的临床数据库,培养数学思维模式和严谨认真作风;

二是高度重视基础和临床科研,培育科研人员;

三是加强学术修养和人文修养,善于思考、总结;四是参考指南,但更要敢于突破指南,实事求是的说话和做事。

2. 胰腺癌大数据辅助诊疗和随诊

依据胰腺癌临床诊疗规范,建立专注的研究型数据库,表单按各专科专家的经验定制,提供面向医院主任医师和各专科医生专业的统计分析工具,可分析出个人数据变化曲线和群体数据统计分析结果,以满足医生科研与临床的需求。

通过随诊APP面向患者个体,跟踪患者术后恢复情况,并及时完善EMR的后期数据完整性,提高专业分析效果。也方便了患者康复期各类咨询,有利于进行慢病管理。还可以提供VIP服务,满足患者个性化服务,提高患者满意度。

未来以构建私有云的方式,通过手机APP和网上社区,把各胰腺癌患者的情况,通过医生随诊与患者聊天方式,采集出院后患者病历样本。利用语义识别技术,把这些样本标准化和结构化存入到我们数据库。使得我们的数据库样本量持续更新增加,利用诊断模型辅助诊断结果指导临床辅助诊疗。

3.胰腺癌预后分析

胰腺癌预后(prognosis)分析,对胰腺癌各种结局发生概率及其影响因素的研究,预后分析是非常实用、很有指导作用的临床研究,对比病因学分析和治疗学分析。

预后分析一般包括各种“率”的估计,比如发病率、生存率、治愈率、复发率、死亡率等。还有影响因素的研究,比如筛选影响预后的指标。

预后分析作用,主要包括一是选择治疗方案,根据疾病的诊断和临床指标,判断其预后,以选择合适的治疗方案;二是消除负面因素改善预后,在临床治疗中设法消除影响预后的因素,改善疾病的预后。

所以我们建立了胰腺癌大数据中心,主要解决胰腺癌的生存期预测、治疗方案和预后方案。通过这些积累了十几年的胰腺癌样本量数据挖掘分析,实现胰腺癌大数据辅助诊疗。

4.胰腺癌预后分析的基本方法

胰腺癌预后分析的一般步骤,一是先从回顾性的临床资料中进行筛检,然后通过病例对照研究 ;

二是进一步进行前瞻性队列研究加以论证,从而确定是否为预后因素。

从单因素分析开始,然后进行多因素分析。得出生存分析的方法是预后研究常用的统计学方法。研究结局可以是死亡、痊愈、完全缓解等,同时为计算时间生存率,每个研究病例均需进行随访。

6

构建胰腺癌诊疗云平台

建设线上社区

医生社区可以分享医疗资料、手术方案、手术视频等,组织线上线下活动,如手术在线直播等;

患者社区可以成立患者互助小组,分享治病经验,树立抗击病魔信心;

科普社区可以把常见疾病预防、诊断和治疗知识科普及用药指南等。

人工智能(AI)影像诊断

辅助诊断,对上传的影像进行病灶自动识别和标注,为影像科医生阅片提供参考,大幅度减少误诊、漏诊;

辅助手术,平台提供器官3D模型自动构造,帮助医生术前规划和设计,确保手术更加精准;

辅助放疗,自动勾画出放疗靶区,辅助放疗科医生制定放疗方案,大大缩短时间。

构建影像云

实现对数字影像的存储、展现和处理,以支持影像远程诊断服务;

基于多中心的影像云实现,采用最新的边缘计算技术,保证数据安全和系统效率。

医院在这个课题研究基础上,我们把它“云化”,前期先建立私有云,随着形成规模和影响力增大,建成公有云。安全问题主要做好脱敏处理和患者隐私处理。

  • 发表于:
  • 原文链接https://kuaibao.qq.com/s/20181205A0907W00?refer=cp_1026
  • 腾讯「腾讯云开发者社区」是腾讯内容开放平台帐号(企鹅号)传播渠道之一,根据《腾讯内容开放平台服务协议》转载发布内容。
  • 如有侵权,请联系 cloudcommunity@tencent.com 删除。

扫码关注云+社区

领取腾讯云代金券