發(fā)布日期：2017-03-31
“發(fā)展醫(yī)療大數據不是為了緊跟熱點，而是真正有太多實際的需求。所以它的前景是很廣闊的，但任重道遠，既要仰望星空，也要腳踏實地。”近日，在“醫(yī)療大數據應用與實踐研討會”上，解放軍總醫(yī)院醫(yī)學信息研究所高級工程師薛萬國從具體的場景對醫(yī)療大數據應用的潛在需求做了深入的前瞻性分析。
目前，國內很多醫(yī)院已經上線了不少數據應用，但大多都是描述性的數據統(tǒng)計。那么到底什么樣的醫(yī)療場景才需要大數據？會上，薛萬國給同行帶來了一些實戰(zhàn)性建議，并從醫(yī)療大數據的特點、臨床的需求以及面臨的技術挑戰(zhàn)等三個方面，深刻剖析了當前醫(yī)療大數據在臨床診療領域、醫(yī)學研究、醫(yī)院管理等各個環(huán)節(jié)中的應用前景和挑戰(zhàn)。
不限于4V特征 大數據核心在于分析
薛萬國表示，傳統(tǒng)大數據有4個大家普遍接受的特性：Volume(大量)、Velocity(高速)、Variety(多樣)、Value(價值)。但實際上，當前涉及的大數據已經有了很多深層次的演繹。這些演繹不是簡單地強調大數據的4V特性，也不一定完全符合4V的特點，但是它們有一個總的特征：一定要具有分析的特點。
“以前，我們關注數據量是否足夠大，分析速度是否足夠快，數據成分是否復雜多樣，其實在現(xiàn)在這些變得不那么重要了。”薛萬國引用了一句國外行業(yè)俗話：Big data is nothing without big analysis.（如果沒有分析的話，大數據什么也不是）。這其實強調了大數據的根本特性：核心在于分析。而大數據分析，不僅是傳統(tǒng)意義的統(tǒng)計，一定是深層次的分析，包括：相關分析、聚類分析、建模、趨勢預測等。
醫(yī)療大數據具有四大獨特性
醫(yī)療大數據與其他行業(yè)大數據相比有共性，也有一定的獨特性。它的特點具體在四個方面。
第一，數據量大。醫(yī)院信息化最初管理的數據量并不是很大，但由于醫(yī)學的持續(xù)進步，包括檢查手段的進步，如各類檢查手段的數字化、大容量的CT掃描等，病歷的數據呈現(xiàn)爆炸式增長。此外，精準醫(yī)學、全基因組測序的興起，使得一個人的數據量可以達到幾十個GB。從這些角度來分析，一個三甲醫(yī)院每年有幾百萬的門診量，如果在未來幾年都要管理起來的話，有可能數據量就要達到PB級。
第二，從橫向看，醫(yī)療數據非常寬泛。醫(yī)療大數據的研究對象是人，由于人的復雜性和診療的多樣性，導致了數據的類型多樣性和結構復雜，這其中包括：結構化數據、半結構化數據和非結構化數據。醫(yī)療數據中很多都是對非結構化數據進行處理，比如：病歷的檢索、影像的識別，這都要對大量的非結構化數據進行特征提取和識別處理，處理難度非常大。
第三，數據集成要求高?？床∫匀藶橹行?，醫(yī)學視角需要查看人的方方面面數據，所以對數據整合式的展現(xiàn)、管理以及融合式的分析要求都特別高。
第四，從縱向來看，周期長。與其他行業(yè)不同，面向患者需要管理的醫(yī)療數據生命周期特別長。從人出生開始到死亡，期間的數據都要能夠保存。這也是區(qū)域醫(yī)療共享以及連續(xù)醫(yī)療現(xiàn)在所提倡的核心內容。
醫(yī)院對醫(yī)療大數據的四大需求
薛萬國認為，從醫(yī)院角度來看，對醫(yī)療大數據的需求分為四個方面：臨床診療、醫(yī)學研究、醫(yī)院精細化管理和基礎性應用。
第一，臨床診療。用大數據直接幫助醫(yī)護人員開展臨床活動，包括：個性化的診療、疾病的早期診斷、不良事件的預警（如感染等）。以美國癌癥協(xié)會CancerlinQ項目為例，該項目把美國20多家醫(yī)院乳腺癌的病例都收集起來，共有17萬份。經過整理后，按照腫瘤類型、病人年齡、個體情況、腫瘤治療方法、藥物使用進行分組，形成一個路徑以及生存周期結果，最后得出不同人群的治療路徑。以前看病治療依靠的是臨床指南，而現(xiàn)在把病人信息錄入數據庫中分析，基于真實世界的研究，從而量體裁衣，找到更加合適的個性化治療方案。
針對早期診斷的大數據應用，薛萬國提到了缺血型心臟病案例。該病種可以根據心電波形、檢驗結果、心臟血管成像提煉大量相關癥狀因素建模，形成早期疾病的預判和干預。雖然現(xiàn)在還不能代替人類去做診斷，但是在篩查時候可以形成高效的輔助作用。
而對于不良事件預警方面，如心臟介入手術后，可能會發(fā)生一些不良事件，也可以通過相關因素分析，找到一些提前預警和干預的因素來建模分析。
第二，醫(yī)學研究。大數據可以幫助醫(yī)學界更加深入認識疾病，包括：對疾病相關因素的分析、對疾病的精準分析、對于疾病診斷的一些生物標記的篩選等。傳統(tǒng)上，醫(yī)學界對病人的分析都是來自于臨床上的癥狀、檢查結果、病理分析。有了生命組學大數據后，則可以對病人更加細化，形成個體性的同類病不同治療方法。而對于生物標記篩選，大數據可以聚類分析，并反映出一些疾病檢驗結果的臨界區(qū)間，通過多參數、多個生物標記更準確確定病情，給出更優(yōu)的治療方案。
第三，醫(yī)院精細化管理。大數據可以提供全方位的、精細化的、個性化的績效評價體系。以美國為例，為了減少再住院率，美國特地建了一個模型來評估再住院風險。有些醫(yī)院靠這個模型預測準確性可以達到79%，減少30%的再住院病例，給醫(yī)院和病人節(jié)省了大量開支。再如感染監(jiān)測，其實就是典型的大數據應用。它把病人的方方面面數據，包括檢驗、生命體征、護理措施、用藥等融合在一起，建立模型來分析病人是否發(fā)生感染，這比人為事后發(fā)現(xiàn)更為及時。
第四，基礎性應用。包括：大數據的檢索、專科數據庫建立、隨訪數據手段建立。現(xiàn)在醫(yī)護人員直接利用計算機來檢索自己所需病例的工具還很不完善。例如，腫瘤的化療病歷，醫(yī)生在寫病歷時會寫下腫瘤的分期，但是在結構化的數據里很難有關于分期的描述，所以利用計算機找某個腫瘤分期病歷時很困難。另外，隨訪的需求也是難點。隨訪在各個科室是散亂的，沒有統(tǒng)一的系統(tǒng)，數據源沒法共享。調研發(fā)現(xiàn)，很多科室都有數據庫，大部分是用Excel表管理，不能解決統(tǒng)一管理問題，導致數據檢索使用滯后。
打破小米加步槍模式
薛萬國認為，醫(yī)療大數據應用涉及三方面要素：好的思路、好的數據支持，以及好的技術手段。當前發(fā)展醫(yī)療大數據，在這幾方面都較為欠缺。“很多醫(yī)院和科技公司還是采取小米加步槍的方式在做大數據的研究。”他進一步指出，當前醫(yī)療大數據面臨三方面的挑戰(zhàn)。
第一，醫(yī)學的自然語言（NLP）的處理。它是非?；A性的需求。比如要查找吸煙的患者，如果僅僅簡單做一個關鍵詞檢索的話，結果很可能將吸煙和不吸煙相混淆。所以系統(tǒng)設置至少應把語義以及簡單基本的否定語義識別出來。
第二，病歷檢索工具。醫(yī)務人員需要非常靈活的檢索工具，雖然很多企業(yè)在做醫(yī)療搜索，但目前還沒得到理想的的解決方案。比如，醫(yī)務工作者想要檢索查找化療后白細胞下降的患者。這個問題在系統(tǒng)設置上其實并不好表達。
第三，?？茖２祿斓臉嫿ìF(xiàn)在很多還靠手工操作。這是因為很多數據需要從病歷找出來，然后填進去。據了解，科室整理一份科研病歷需要2-3個小時，工作量太大，所以整理病歷很難持續(xù)下去。就目前來講，還沒有很好的智能化工具去做病歷收集?，F(xiàn)在需要的是通用化隨訪平臺，做到集中管理、隨機隨訪、醫(yī)患互動。讓患者參與到醫(yī)療過程中來，提供足夠有用的隨訪結果。要實現(xiàn)這一目標，既需要技術的支撐，更需要機制的配合。
來源：HIT專家網
