在人工智能时代，如何更好地发挥大数据的价值？

近年来，云计算、大数据、物联网、移动互联网、人工智能等新兴技术的不断发展和成熟，加速了我国传统医疗行业与这些新兴技术的融合，其中以健康医疗大数据为代表的医疗新业态，激发出医疗行业发展新潜力。

政策相继落地 推动医疗大数据行业发展

截至目前，国家在健康医疗大数据行业发布的政策如下：

2015年

《关于积极推进“互联网+”行动的指导意见》——支持第三方机构构建医学影像、健康档案、检验报告、电子病历等医疗信息共享服务平台。

《促进大数据发展行动纲要》——发展医疗健康服务大数据，构建综合健康服务应用。

2016年

《关于促进和规范健康医疗大数据应用发展指导意见》——拓展健康医疗健康服务大数据、全面深化健康医疗大数据应用。

《“健康中国2030”规划纲要》——加强健康医疗大数据体系建设，推进基于区域人口健康信息平台的健康医疗大数据开放共享。

2017年

《“十三五”全国人口健康信息发展规划》——实现全国人口健康信息平台和32个省级平台互联互通，初步实现基本医保全国联网和新农合跨省异地就医即时结算，形成跨部门健康医疗大数据资源共享的良好格局。

2017年1月

《国家卫生计生委关于印发“十三五”全国人口健康信息化发展规划的通知》——到2020年，依托现有资源基本建成健康医疗大数据国家中心及区域中心，100个区域临床医学数据示范中心；加快推进健康危害因素监测信息系统和重点慢病监测信息系统建设，传染病动态监测信息系统医疗机构覆盖率达95%。

2018年9月

《国家健康医疗大数据标准、安全和服务管理办法（试行）》 ——鼓励医疗卫生机构、科研教育单位、相关企业或行业协会、社会团体等参与健康医疗大数据标准制定工作，同时对大数据医疗安全管理、服务管理和管理监督做出明确规范。

医疗大数据领域正在发生着巨大的变化

5G时代的来临，不仅意味着速度的提升，而是各个方面的互联互通，大数据时代迈进一个全新天地：5G让数据分析的结果更具普遍性和通用性，为机器学习乃至深度学习、技术的普及提供了发展空间，进而使得大数据开放平台快速发展，随之相关的数据可视化技术正快速崛起。

院内数据创新场景蓝图

医疗大数据领域将发生如下变化：

1

信息收集 & 处理

随着信息收集以及处理技术的进步，使基于人体全生命周期的数据的分析、挖掘成为可能，而且数据更加真实、精准、完整。

2

AI 技术发展

大量完整、真实的数据，以及快速的数字服务器之间的连接，可以为机器学习提供更好的条件，促进医疗AI的快速演进。

3

数据价值应用

医疗大数据平台建设变得更加高效，有利于打造开放共享的医疗大数据应用生态环境，促进大数据对外变现和产业合作能力，能让数据产生更大价值。

医疗海量数据本身价值有限，其中蕴含的商业价值是大数据产业的核心资源、财富，利用大数据技术实现数据价值化是大数据概念落地的重要方向。

目前遇到的问题

1

数据复杂多样

01

临床诊疗大数据

临床诊疗大数据即医院医疗大数据是医疗健康大数据中最主要的数据之一，其多以医学专业的方式记录，是最原始的真实临床记录，它们在成为医疗大数据前需要清理。

02

区域健康大数据

区域健康大数据部分来源于区域健康服务平台的大数据，平台数据收集前经过了科学的论证和规划，较原始的医院数据更为规范和标准化；区域健康大数据还可以从互联网医疗、可穿戴设备、手机等多渠道获得，还包含患者的自我量化数据，社交媒体数据等。

03

生命组学数据

生命组学数据来源包含基因组、转录组、蛋白组、代谢组、微生物组等，其数据量大，数据计算和分析困难。

04

医保费用数据库

医保费用数据有两大特点，一是医疗费用数据较分散，难以收集；二是不同地区的医保数据互补联通且缺乏细节数据。

05

其他类型数据

其他类型数据有环境公共数据：如气象、温度、水质及其他公共数据。

2

院内系统林立，数据交互困难

01

数据量大、种类多

从GB到PB（计算机系统的存储单位）势不可挡，系统越做越多，孤岛问题就越明显。

02

数据生产快、处理快

医疗信息服务中需对数据进行实时或准时的处理、秒级的查询需求响应，核心系统（HIS/EMR）不堪重负。

03

数据价值密度低

各个区域内不同医疗机构中患者的基础信息和各种临床信息资源分散、重复、孤立导致有效信息闲置、信息重复或不一致、很难得到有效利用。

想象中的数据

现实中的数据

如何在海量的数据中快速发现业务价值，并通过大数据、智能技术进行实验，验证价值，变成数据服务，快速提供给业务，是数据驱动的关键挑战。

1

数据获取

全面高质量实时采集价值数据，跨越数据孤岛，实现数据开放共享。

2

数据治理

数据资产的管理者靠性能处理多样化海量数据，治理企业数据质量及数据安全挑战等问题。

3

数据分析

多源数据分析能力，多种数据分析技术，智能技术应用等需要进一步提升。

4

业务价值

数据创新的不确定性、数据创新价值优先级确定、数据创新可行性验证等这些都是摆在业务价值面前需要首先考虑的问题。

5

数据服务

数据服务指提供数据采集、数据传输、数据存储、数据处理（包括计算、分析、可视化等）、数据交换、数据销毁等数据各种生存形态演变的一种信息技术驱动的服务。

6

数据生态

打造企业数据生态，实现数据资产变现、数据服务的分享交易。

大数据与人工智能赋能新医疗

人工智能目前正在成为医疗健康领域的增长引擎，AI正在超高速重构我们现代的医疗健康服务概念，医疗领域中的AI代表了使机器能够感知、领悟、行动和学习的多种技术的集合。

AI+医疗是人工智能技术实现落地应用的重点方向，健康医疗大数据的有效开发则是实现AI赋能医疗的前提。

人类是“智慧”的代名词，我们希望智能医院就像人体一样：全面感知、思考决策、协调行动。医疗机构是研究如何更好保障和修复人类这个智慧体健康的场所。以下将以人体的构成作为类比，分析智慧医院应该具备的基本构成元素和特征。

a

智慧大脑：思考和指挥

大脑融汇了大量信息（大数据）和知识（知识库），并能不断学习和进化（人工智能、深度学习）。面对外部刺激，大脑可以迅速对信息进行有效组织和组合，作出决策并指挥人体行为。

b

感知器官：感知和采集

大脑的思维判断需要众多信息输入作为依据，这就依赖于人体的感官：视觉（摄像头）、听觉（智能语音助手）、嗅觉、触觉（各种智能设备及传感器）对医院各种数据的采集，既包括人员的行为数据（患者动线、医护人员动线、医院物质运送动线）、医疗过程及结果数据， 也包括空间环境的信息（能耗、空气质量）。

c

血液循环：数据驱动

不断汇聚临床表型数据和科研组学数据，并以个体行为数据为补充，形成临床研究大数据。这些数据传送到大脑进行学习和决策， 从而指挥人体的行为动作（各种应用软件系统的相应）。

d

人体骨骼：软硬件设施

医疗机构的软硬件设施互联互通形成一套整体体系支撑人体行为动作。

e

人体四肢：医疗科研服务

医疗机构提供的医疗及科研服务（预约、检查、治疗、康复、随访等）。

医学转化中心人工智能赋能大数据平台建设案例：

受试者筛选

欧先生是一位苦逼的上班族，一直苦恼于自己200多斤的体重及糖尿病给生活工作带来的诸多不便，虽然多方寻医，但一直没有有效的治疗方法，某天接到某医院的邀请，被告知可通过实验为自己量身定制饮食和运动方案，于是欣然同意立即前往报到。

临床科研人员

R医生是一名从事代谢性疾病研究的资深专家，目前正在转化医学中心开展关于人体代谢的研究。

来源：第20届全国医院建设大会(CHCC2019)【院内信息化创新技术应用论坛】中国医药物资协会智慧医疗分会副秘书长车慧《开启AI新时代，医疗大数据平台》主题演讲。

END

往期干货

如果您想成为医建高手，关注此公众号

国内案例 国外案例

医建资料 医建干货

医建前期筹备计划书

医院建设人进阶手册

CHCC专题动态

· 用大数据说话 CHCC2019展后报告强势来袭

· 面对不断深化的健康诉求，院方应如何打造主动健康型医院

· CHCC全国医院建设大会正式通过UFI国际展览业协会认证