發(fā)布日期：2017-03-31
“發(fā)展醫(yī)療大數(shù)據(jù)不是為了緊跟熱點(diǎn)，而是真正有太多實(shí)際的需求。所以它的前景是很廣闊的，但任重道遠(yuǎn)，既要仰望星空，也要腳踏實(shí)地。”近日，在“醫(yī)療大數(shù)據(jù)應(yīng)用與實(shí)踐研討會(huì)”上，解放軍總醫(yī)院醫(yī)學(xué)信息研究所高級(jí)工程師薛萬(wàn)國(guó)從具體的場(chǎng)景對(duì)醫(yī)療大數(shù)據(jù)應(yīng)用的潛在需求做了深入的前瞻性分析。
目前，國(guó)內(nèi)很多醫(yī)院已經(jīng)上線了不少數(shù)據(jù)應(yīng)用，但大多都是描述性的數(shù)據(jù)統(tǒng)計(jì)。那么到底什么樣的醫(yī)療場(chǎng)景才需要大數(shù)據(jù)？會(huì)上，薛萬(wàn)國(guó)給同行帶來(lái)了一些實(shí)戰(zhàn)性建議，并從醫(yī)療大數(shù)據(jù)的特點(diǎn)、臨床的需求以及面臨的技術(shù)挑戰(zhàn)等三個(gè)方面，深刻剖析了當(dāng)前醫(yī)療大數(shù)據(jù)在臨床診療領(lǐng)域、醫(yī)學(xué)研究、醫(yī)院管理等各個(gè)環(huán)節(jié)中的應(yīng)用前景和挑戰(zhàn)。
不限于4V特征 大數(shù)據(jù)核心在于分析
薛萬(wàn)國(guó)表示，傳統(tǒng)大數(shù)據(jù)有4個(gè)大家普遍接受的特性：Volume(大量)、Velocity(高速)、Variety(多樣)、Value(價(jià)值)。但實(shí)際上，當(dāng)前涉及的大數(shù)據(jù)已經(jīng)有了很多深層次的演繹。這些演繹不是簡(jiǎn)單地強(qiáng)調(diào)大數(shù)據(jù)的4V特性，也不一定完全符合4V的特點(diǎn)，但是它們有一個(gè)總的特征：一定要具有分析的特點(diǎn)。
“以前，我們關(guān)注數(shù)據(jù)量是否足夠大，分析速度是否足夠快，數(shù)據(jù)成分是否復(fù)雜多樣，其實(shí)在現(xiàn)在這些變得不那么重要了。”薛萬(wàn)國(guó)引用了一句國(guó)外行業(yè)俗話：Big data is nothing without big analysis.（如果沒(méi)有分析的話，大數(shù)據(jù)什么也不是）。這其實(shí)強(qiáng)調(diào)了大數(shù)據(jù)的根本特性：核心在于分析。而大數(shù)據(jù)分析，不僅是傳統(tǒng)意義的統(tǒng)計(jì)，一定是深層次的分析，包括：相關(guān)分析、聚類(lèi)分析、建模、趨勢(shì)預(yù)測(cè)等。
醫(yī)療大數(shù)據(jù)具有四大獨(dú)特性
醫(yī)療大數(shù)據(jù)與其他行業(yè)大數(shù)據(jù)相比有共性，也有一定的獨(dú)特性。它的特點(diǎn)具體在四個(gè)方面。
第一，數(shù)據(jù)量大。醫(yī)院信息化最初管理的數(shù)據(jù)量并不是很大，但由于醫(yī)學(xué)的持續(xù)進(jìn)步，包括檢查手段的進(jìn)步，如各類(lèi)檢查手段的數(shù)字化、大容量的CT掃描等，病歷的數(shù)據(jù)呈現(xiàn)爆炸式增長(zhǎng)。此外，精準(zhǔn)醫(yī)學(xué)、全基因組測(cè)序的興起，使得一個(gè)人的數(shù)據(jù)量可以達(dá)到幾十個(gè)GB。從這些角度來(lái)分析，一個(gè)三甲醫(yī)院每年有幾百萬(wàn)的門(mén)診量，如果在未來(lái)幾年都要管理起來(lái)的話，有可能數(shù)據(jù)量就要達(dá)到PB級(jí)。
第二，從橫向看，醫(yī)療數(shù)據(jù)非常寬泛。醫(yī)療大數(shù)據(jù)的研究對(duì)象是人，由于人的復(fù)雜性和診療的多樣性，導(dǎo)致了數(shù)據(jù)的類(lèi)型多樣性和結(jié)構(gòu)復(fù)雜，這其中包括：結(jié)構(gòu)化數(shù)據(jù)、半結(jié)構(gòu)化數(shù)據(jù)和非結(jié)構(gòu)化數(shù)據(jù)。醫(yī)療數(shù)據(jù)中很多都是對(duì)非結(jié)構(gòu)化數(shù)據(jù)進(jìn)行處理，比如：病歷的檢索、影像的識(shí)別，這都要對(duì)大量的非結(jié)構(gòu)化數(shù)據(jù)進(jìn)行特征提取和識(shí)別處理，處理難度非常大。
第三，數(shù)據(jù)集成要求高?？床∫匀藶橹行模t(yī)學(xué)視角需要查看人的方方面面數(shù)據(jù)，所以對(duì)數(shù)據(jù)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(lái)看，周期長(zhǎng)。與其他行業(yè)不同，面向患者需要管理的醫(yī)療數(shù)據(jù)生命周期特別長(zhǎng)。從人出生開(kāi)始到死亡，期間的數(shù)據(jù)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(nèi)容。
醫(yī)院對(duì)醫(yī)療大數(shù)據(jù)的四大需求
薛萬(wàn)國(guó)認(rèn)為，從醫(yī)院角度來(lái)看，對(duì)醫(yī)療大數(shù)據(jù)的需求分為四個(gè)方面：臨床診療、醫(yī)學(xué)研究、醫(yī)院精細(xì)化管理和基礎(chǔ)性應(yīng)用。
第一，臨床診療。用大數(shù)據(jù)直接幫助醫(yī)護(hù)人員開(kāi)展臨床活動(dòng)，包括：個(gè)性化的診療、疾病的早期診斷、不良事件的預(yù)警（如感染等）。以美國(guó)癌癥協(xié)會(huì)CancerlinQ項(xiàng)目為例，該項(xiàng)目把美國(guó)20多家醫(yī)院乳腺癌的病例都收集起來(lái)，共有17萬(wàn)份。經(jīng)過(guò)整理后，按照腫瘤類(lèi)型、病人年齡、個(gè)體情況、腫瘤治療方法、藥物使用進(jìn)行分組，形成一個(gè)路徑以及生存周期結(jié)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(shù)據(jù)庫(kù)中分析，基于真實(shí)世界的研究，從而量體裁衣，找到更加合適的個(gè)性化治療方案。
針對(duì)早期診斷的大數(shù)據(jù)應(yīng)用，薛萬(wàn)國(guó)提到了缺血型心臟病案例。該病種可以根據(jù)心電波形、檢驗(yàn)結(jié)果、心臟血管成像提煉大量相關(guān)癥狀因素建模，形成早期疾病的預(yù)判和干預(yù)。雖然現(xiàn)在還不能代替人類(lèi)去做診斷，但是在篩查時(shí)候可以形成高效的輔助作用。
而對(duì)于不良事件預(yù)警方面，如心臟介入手術(shù)后，可能會(huì)發(fā)生一些不良事件，也可以通過(guò)相關(guān)因素分析，找到一些提前預(yù)警和干預(yù)的因素來(lái)建模分析。
第二，醫(yī)學(xué)研究。大數(shù)據(jù)可以幫助醫(yī)學(xué)界更加深入認(rèn)識(shí)疾病，包括：對(duì)疾病相關(guān)因素的分析、對(duì)疾病的精準(zhǔn)分析、對(duì)于疾病診斷的一些生物標(biāo)記的篩選等。傳統(tǒng)上，醫(yī)學(xué)界對(duì)病人的分析都是來(lái)自于臨床上的癥狀、檢查結(jié)果、病理分析。有了生命組學(xué)大數(shù)據(jù)后，則可以對(duì)病人更加細(xì)化，形成個(gè)體性的同類(lèi)病不同治療方法。而對(duì)于生物標(biāo)記篩選，大數(shù)據(jù)可以聚類(lèi)分析，并反映出一些疾病檢驗(yàn)結(jié)果的臨界區(qū)間，通過(guò)多參數(shù)、多個(gè)生物標(biāo)記更準(zhǔn)確確定病情，給出更優(yōu)的治療方案。
第三，醫(yī)院精細(xì)化管理。大數(shù)據(jù)可以提供全方位的、精細(xì)化的、個(gè)性化的績(jī)效評(píng)價(jià)體系。以美國(guó)為例，為了減少再住院率，美國(guó)特地建了一個(gè)模型來(lái)評(píng)估再住院風(fēng)險(xiǎn)。有些醫(yī)院靠這個(gè)模型預(yù)測(cè)準(zhǔn)確性可以達(dá)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(kāi)支。再如感染監(jiān)測(cè)，其實(shí)就是典型的大數(shù)據(jù)應(yīng)用。它把病人的方方面面數(shù)據(jù)，包括檢驗(yàn)、生命體征、護(hù)理措施、用藥等融合在一起，建立模型來(lái)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(shí)。
第四，基礎(chǔ)性應(yīng)用。包括：大數(shù)據(jù)的檢索、專(zhuān)科數(shù)據(jù)庫(kù)建立、隨訪數(shù)據(jù)手段建立?，F(xiàn)在醫(yī)護(hù)人員直接利用計(jì)算機(jī)來(lái)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(xiě)病歷時(shí)會(huì)寫(xiě)下腫瘤的分期，但是在結(jié)構(gòu)化的數(shù)據(jù)里很難有關(guān)于分期的描述，所以利用計(jì)算機(jī)找某個(gè)腫瘤分期病歷時(shí)很困難。另外，隨訪的需求也是難點(diǎn)。隨訪在各個(gè)科室是散亂的，沒(méi)有統(tǒng)一的系統(tǒng)，數(shù)據(jù)源沒(méi)法共享。調(diào)研發(fā)現(xiàn)，很多科室都有數(shù)據(jù)庫(kù)，大部分是用Excel表管理，不能解決統(tǒng)一管理問(wèn)題，導(dǎo)致數(shù)據(jù)檢索使用滯后。
打破小米加步槍模式
薛萬(wàn)國(guó)認(rèn)為，醫(yī)療大數(shù)據(jù)應(yīng)用涉及三方面要素：好的思路、好的數(shù)據(jù)支持，以及好的技術(shù)手段。當(dāng)前發(fā)展醫(yī)療大數(shù)據(jù)，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(shù)據(jù)的研究。”他進(jìn)一步指出，當(dāng)前醫(yī)療大數(shù)據(jù)面臨三方面的挑戰(zhàn)。
第一，醫(yī)學(xué)的自然語(yǔ)言（NLP）的處理。它是非?；A(chǔ)性的需求。比如要查找吸煙的患者，如果僅僅簡(jiǎn)單做一個(gè)關(guān)鍵詞檢索的話，結(jié)果很可能將吸煙和不吸煙相混淆。所以系統(tǒng)設(shè)置至少應(yīng)把語(yǔ)義以及簡(jiǎn)單基本的否定語(yǔ)義識(shí)別出來(lái)。
第二，病歷檢索工具。醫(yī)務(wù)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(méi)得到理想的的解決方案。比如，醫(yī)務(wù)工作者想要檢索查找化療后白細(xì)胞下降的患者。這個(gè)問(wèn)題在系統(tǒng)設(shè)置上其實(shí)并不好表達(dá)。
第三，專(zhuān)科專(zhuān)病數(shù)據(jù)庫(kù)的構(gòu)建現(xiàn)在很多還靠手工操作。這是因?yàn)楹芏鄶?shù)據(jù)需要從病歷找出來(lái)，然后填進(jìn)去。據(jù)了解，科室整理一份科研病歷需要2-3個(gè)小時(shí)，工作量太大，所以整理病歷很難持續(xù)下去。就目前來(lái)講，還沒(méi)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(tái)，做到集中管理、隨機(jī)隨訪、醫(yī)患互動(dòng)。讓患者參與到醫(yī)療過(guò)程中來(lái)，提供足夠有用的隨訪結(jié)果。要實(shí)現(xiàn)這一目標(biāo)，既需要技術(shù)的支撐，更需要機(jī)制的配合。
來(lái)源：HIT專(zhuān)家網(wǎng)
