医疗大数据 助力大健康

张靖雪

北京大学健康医疗大数据研究中心博士生

专业方向为基于机器学习的精准医疗临床决策支持系统研发

我们科研团队利用多家知名医院的数据库，研发针对肿瘤和心脑血管等重大疾病的综合应用平台，具有庞大可靠的知识库和严格的管理维护制度。研究项目由多家医院、企业、高校协作，数据来源、数据管理、交叉人才培养和多部门协作，是我们独有的优势。

以肺癌为例。肺癌首先要通过肺部X射线影像来判断是否有结节，以往人工读片存在很高的误诊率，且耗费大量的人力。CDSS通过对肺结节的识别，准确识别病灶，可以在第一时间给予临床医生指引。医生可以快速认识临床相对少见的病种，给出规范化、个性化的诊疗方案，比如提示手术操作要点及术前检查等。在诊治过程中，CDSS为医生提供治疗支持，提示药物适应症等，包括手术并发症、术后综合治疗和评估方案等。在诊后，CDSS帮助医生挖掘患者既往的医疗信息等，预测患者未来的健康状况，为医疗质量评估提供依据，提升医院管理水平，规范医疗行为。

与肺癌类似，乳腺癌早期筛查的标准诊断也是X射线检查。乳腺癌早期5年生存率在90%以上，因此，乳腺癌的早期诊断和治疗至关重要。根据哈佛大学医学院和贝斯以色列女性医疗中心的联合研究表明，如果把人工智能和病理学家的分析结合起来，乳腺癌的准确率可以从96%提升到99.5%

专家在远程会诊时，由于会诊信息不对称，导致患者资料达不到专家的要求，而CDSS保证了偏远地区专家和医生提供的信息质量。

然而，CDSS的研发并不容易，我们依然面临着诸多挑战。把大量的数据从纷繁复杂的医疗数据源中采集存储、汇总和融合都不是一件容易的事。

虽然我国拥有庞大的数据样本量，但是数据质量却有待提高，这需要耗费巨大的人力、财力。当建立数据库时，因为大数据库往往没有现成的数据库模型，数据来源不同使数据存在缺陷，因此对大数据的分析和建模不能遵循传统结构化数据的分析方法。数据库的管控、使用和数据的隐私保护，为数据的使用带来了重大隐患。

此外，健康医疗大数据在我国是一个新兴学科，人才非常缺乏，而人才培养的周期又很长，多数高校尚未开设相关的跨学科课程。北京大学、清华大学、中国人民大学等正陆续成立大数据研究院，国家健康大数据研究院于2018年5月在北京大学医学部成立。同时，它又是一个交叉学科，涉及数学、计算机科学、临床医学、影像学、病理学和公共卫生学多学科交叉，需要和各个部门、各个层面的机构合作交流。因此，发展医疗大数据，助力我国的大健康的使命依然任重道远。

作者：张靖雪 编辑：徐玲玲