发展大数据在检验医学中的应用

作者：冯汉斌，浠水县人民医院检验科

二十一世纪是数据爆炸的时代，医学也不例外。医学在广度和深度方面日新月异，循证医学深入人心，信息化医疗迅速发展。另一方面，计算机技术的飞速发展使得存储容量不断扩大，成本不断下降。医学知识、医学信息呈现几何级数增长。“大数据”（big data）这个近年来的热词，在各行各业得到了广泛应用，在医学检验领域的应用尤其具有现实意义。然而，我们现实应用并不很多，有待我们检验工作者逐步开发应用。大数据指的是巨大的数据量，但无法通过目前主流软件工具，在合理时间内达到管理、提取、并整理成为有用信息，值得我们思考。

既往医疗机构均采用纸质文件记录医疗数据及医疗活动，这些纸质文件数据属于非结构化数据，利用起来非常困难，虽然有较大的数据量，但无法利用。近年来，我国卫生行政部门大力推进以健康档案、电子病历和公共服务信息平台为基础的区域卫生信息化建设工作。随着卫生信息化建设的不断成熟，医疗相关的大数据也在急剧增加。医院信息管理系统（HIS）、实验室信息系统（LIS）、医学影像系统（PACS）等，这些系统几乎每分每秒都在产生电子化数据，数据量实在是太大，增长太快，数据量从MB到GB，从TB 到PB，对数据处理的实时性、有效性提出更高要求，传统的分析技术无法应对。

面对如此巨大的信息量，如何衡量信息的价值，如何处理信息资源，如何及时有效地筛选出对医疗工作有用的信息成为重要课题。在我国，庞大的患者数量使中国跃居成为世界上拥有潜在规模最大临床数据资源的国家，如何有效地存储并利用数据的问题更为突出。医学检验科在各个医院是产生大数据的主要科室，例如，在我们医院的实验室信息系统中，2015年，共有6948022个检测报告数据，2016年，共有8072194个检测报告数据，2017年共有10856725个检测报告数据，2018年共有11797682个检测报告数据；这些数据，在它产生的早期，常常作为疾病的诊断参考，在储存意义上，似乎没有多大作用，称为数据巨大，信息贫乏。如果把这些数据，用来进一步的挖掘和分析，可能找出有价值的知识和规则。对病人的大数据进行分析，可以精准地分析病人的体征、制定治疗方案和分析疗效数据，也可避免过度医疗。本人初步综合认为，可以有以下几方面的应用。

一，疾病趋势预测。比如，对一个不同年龄组或者亚健康体检者的某些项目历史结果的分析，可能找出某些疾病的前兆特征，进行疾病发作预测和评价估计，例如，血液系统疾病，肿瘤性疾病，糖尿病等代谢性疾病，均可应用大数据进行分析，为检验医学，可提供一个新的应用方向。

二，利用大数据合理科学的制定参考区间。参考区间的制定，有直接法和间接法方式，但直接法建立参考区间的操作过程复杂、耗时长、成本高，难以大规模推广至全部检验项目及各实验室。有学者提出利用实验室存储的大量临床日常检验结果数据，基于数学统计模型，建立生物参考区间，就是间接法方式建立，既节约又实用，可应用广泛。

三，应用于室内质量控制。上世纪70年代，英国质量控制专家怀特海德最早就提出过“病人的结果统计应用”理论方法，其实就是一个很有用的质量控制措施，因为观察患者平均值对发现测定结果准确性的下降要比用质控材料法更为敏感，可以应用更广。

四，关联分析。数据挖掘理论中的多维数据关联分析技术，旨在发现数据中存在的隐含知识，两个或多个变量的取值之间存在某种规律性，就称为关联，有简单关联，时序关联，因果关联。把某些检验结果数据进行关联分析，可灵敏、准确的诊断某些疾病。

五，聚类分析。也叫集群分析，利用统计学方法，把数据化分为一系列有意义的子集，即在数学上称为聚类，增强人们对客观现实的认识。临床实践中，危急值的制定，临床医学决定水平的制定，质量指标的应用，检验项目的合理配置与组合，检验仪器的设计开发，应该是聚类分析的有用例证。

总的来说，大数据的出现一定程度上满足了人们对信息量的追求。笔者认为，大数据有以下几个创新：首先，对于一些以前看来杂乱无章的无用数据，大数据似乎能够化腐朽为神奇。其次，大数据的出现使人们不再满足于样本抽样计算，而追求样本总体本身。最后，海量数据结合飞速发展的计算机技术以及统计学方法，可以更精确、更全面地进行临床诊断，预测临床疗效、临床结局等。然而，大数据也有其显而易见的局限性。对于大部分临床检验人员来说，目前大数据仍然是比较新鲜的事物，也没有大数据在临床检验实践中成功应用的显著案例。因此，我们既要保证有开放的思维和态度，也要有慎思明辨的意识，不要趋之若鹜，从现在开始进行数据治理，重视数据的前瞻性管理，这样才能够淘沙捡金，发掘出对提高人们健康水平和临床实践的有用信息，促进检验医学的发展。

检验视界网微信平台独家首发，转载请注明来源及作者！