醫院信息系統助力循證醫學步入大數據時代

梁怡凡

[摘要]循證醫學提倡的是最好的臨床研究證據與臨床實踐（臨床經驗、臨床決策）以及患者價值觀（關注，期望，需求）的結合，其核心是“最佳證據”。而如何高效科學地收集處理大量數據？如何使循證醫學步入大數據時代？醫院信息系統為其提供了可能。本文通過介紹醫院信息系統在循證醫學方面的應用，闡明了循證醫學大數據分析的價值及所存在的問題。

[關鍵詞]醫院信息系統;循證醫學;大數據時代

[DOI]10.13939/j.cnki.zgsc.2015.13.113

循證醫學概念的提出是人們對現代醫藥的單純根據病理生理機制指導臨床治療狀況的一種反思，它提倡的是最好的臨床研究證據與臨床實踐（臨床經驗、臨床決策）以及患者價值觀（關注，期望，需求）的結合。因此，今后的醫生，將不僅僅承擔著診治病人的職責，還將兼有醫學科學研究的重任。而如何高效快捷地獲得大量數據，科學準備地處理大量數據，使之為臨床科研提供實驗數據支持？當信息技術領域迎來大數據浪潮之際，醫院信息系統的發展也勢必將推動循證醫學步入大數據時代。

1循證醫學

1.1定義

循證醫學的主要創始人、國際著名臨床流行病學家DavidSackett曾將循證醫學定義為：“慎重、準確和明智地應用所能獲得的最好研究證據來確定患者治療措施。”根據這一定義，循證醫學要求臨床醫師認真、明確和合理應用現有最好的證據來決定具體病人的醫療處理，作出準確的診斷，選擇最佳的治療方法，爭取最好的效果和預后。循證醫學的最新定義為：“慎重、準確和明智地應用目前可獲取的最佳研究證據，同時結合臨床醫師個人的專業技能和長期臨床經驗，考慮患者的價值觀和意愿，完美地將三者結合在一起，制定出具體的治療方案。”顯然，現代循證醫學要求臨床醫師既要努力尋找和獲取最佳的研究證據，又要結合個人的專業知識包括疾病發生和演變的病理生理學理論以及個人的臨床工作經驗，結合他人（包括專家）的意見和研究結果;既要遵循醫療實踐的規律和需要，又要根據“病人至上”的原則，尊重患者的個人意愿和實際可能性，而后再作出診斷和治療上的決策。

1.2特征

循證醫學的核心思想是在醫療決策中將臨床證據、個人經驗與患者的實際狀況和意愿三者相結合。臨床證據主要來自大樣本的隨機對照臨床試驗（Randomized Controlled Trial，RCT）和系統性評價（Systematic Review）或薈萃分析（Meta-analysis）。

循證醫學的基本特征是：

第一，將最佳臨床證據、熟練的臨床經驗和患者的具體情況這三大要素緊密結合在一起尋找和收集最佳臨床證據旨在得到更敏感和更可靠的診斷方法，更有效和更安全的治療方案，力爭使患者獲得最佳治療結果。掌握熟練的臨床經驗旨在能夠識別和采用那些最好的證據，能夠迅速對患者狀況作出準確和恰當的分析與評價。考慮到患者的具體情況，要求根據患者對疾病的擔心程度、對治療方法的期望程度，設身處地地為患者著想，并真誠地尊重患者自己的選擇。只有將這三大要素密切結合，臨床醫師和患者才能在醫療上取得共識，相互理解，互相信任，從而達到最佳的治療效果。

第二，重視確鑿的臨床證據：這是和傳統醫學截然不同的。傳統醫學主要根據個人的臨床經驗，遵從上級或高年資醫師的意見，參考來自教科書和醫學刊物的資料等為患者制訂治療方案。顯然，傳統醫學處理患者的最主要的依據是個人或他人的實踐經驗。

2大數據

2.1定義

大數據（Big Data），或稱巨量資料，指的是所涉及的資料量規模巨大到無法透過目前主流軟件工具，在合理時間內達到擷取、管理、處理、并整理成為幫助企業經營決策更積極目的的資訊。“大數據”這個術語最早期的引用可追溯到Apache Org的開源項目Nutch。當時，大數據用來描述為更新網絡搜索索引需要同時進行批量處理或分析的大量數據集。隨著谷歌MapReduce和GoogleFile System（GFS）的發布，大數據不再僅用來描述大量的數據，還涵蓋了處理數據的速度。對于“大數據”[1]研究機構Gartner給出了這樣的定義。“大數據”是需要新處理模式才能具有更強的決策力、洞察發現力和流程優化能力的海量、高增長率和多樣化的信息資產。

2.2特征

大數據技術的戰略意義不在于掌握龐大的數據信息，而在于對這些含有意義的數據進行專業化處理。

大數據的4V特征：Volume（大量）、Velocity（高速）、Variety（多樣）、Veracity（精確）。

3醫院信息系統在循證醫學中的應用

醫院信息系統（Hospital Information System，HIS）是為了醫院的效益而建立的信息管理系統。美國著名的醫學信息教授Morris Collen的定義是：HIS的目標是用計算機和通信設備采集、存儲、處理、訪問和傳輸所有和醫院相關的病人醫療信息和管理信息，滿足所有授權用戶功能上的要求。其包括臨床診療部分、藥品管理部分、費用管理部分、綜合管理與統計分析部分、外部接口部分五個組成部分。藥房管理系統、公共衛生信息系統均是其重要組成部分。

3.1藥房管理系統

藥房管理系統有助于藥物經濟學的開展。藥物經濟學是衛生經濟學的一個重要分支，藥房管理系統通過計算機實時動態數據處理，對全院藥房提供動態的藥品數據，運用藥物經濟學（Drug Economic）的理論及研究方法，包括：最小成本分析（CMA）、成本效果分析（CEA）、成本效用分析（CUA）和成本效益分析（CBA）等，通過研究，運用循證醫學的思想，比較評價不同的用藥計劃、方案、方法的風險及效益，以求用最低的花費而獲得最佳的療效。隨著職工醫療保險制度的實施，開展藥物經濟學研究，對于節約衛生資源、減輕病人經濟負擔、降低醫藥費用有著十分重要的意義。

3.2醫學專家系統

醫學專家系統就是運用專家系統的設計原理與方法，模擬醫學專家診斷、治療疾病的思維過程編制的計算機程序系統，它可以幫助醫生解決復雜的醫學問題，作為醫生診斷、治療的輔助工具，同時也有助于醫學專家寶貴理論和豐富臨床經驗的保存、整理和傳播。將眾多醫學專家豐富的臨床經驗及大量病例資料存儲在計算機中，通過基于規則推理、基于案例推理、模糊數學推理、基于規則的神經網絡推理等推理方法，利用人工智能技術，將大大提高診斷的準確性和快速性。

3.3成功案例

2010年時代雜志刊載的醫學界年度十大突破中，醫療科技公司CardioDX通過對1億個基因樣本的分析，最終識別出能夠預測冠心病的23個主要基因。

2009年Google的研究人員對每日超過30億次搜索請求和網頁數據的挖掘分析，在H1N1流感爆發幾周就預測出流感傳播。

4存在問題

隨著大數據的爆炸性增長，劣質數據也隨之而來，導致數據質量低劣，極大地降低了數據的可用性。國外權威機構的統計表明，美國醫療信息系統中13.6%～81%的關鍵數據不完整或陳舊[2]。隨著大數據的不斷增長，數據可用性問題將日趨嚴重，也必將導致源于數據的知識和決策的嚴重錯誤。

數據可用性問題及其所導致的知識和決策錯誤已經在全球范圍內造成了惡劣后果，嚴重困擾著信息社會。在美國，由于數據錯誤而引發的醫療事故，每年導致約98000名患者死亡，約占全部醫療事故致死人數的50%[3];據有關專家推算，在數據倉庫項目的開發過程中，清理不潔數據通常需要花費30%～80%的開發時間和開發預算[4]。

綜上所述，醫院信息系統強大的數據收集及分析處理能力為循證醫學的快速發展提供了堅實的數據基礎，但在運用數據時，劣質數據所造成的損失我們也應盡力避免。要想使醫院系統真正步入大數據時代，仍有一段艱巨的道路要走。

參考文獻：

[1]維克托·邁爾-舍爾維恩，肯尼斯·庫克耶.大數據時代[M].杭州：浙江人民出版社，2013.

[2]Miller D W，Yeast J D，Evans R L.Missing Prenatal Recordsat a Birth Center：A Communication Problem Quantified[C]//Proc of AMIA Annual Symp Proceedings.Maryland：American Medical Informatics Association，2005：535-539.

[3]Kohn L T，Corrigan J M，Donaldson M S.To Err is Human：Building a Safer Health System[M].Washington： National Academies Press，2000.

[4]Woolsey B，Schulz M.Credit card statistics，industry facts，debt statistics[EB/OL]. [2013-04-20].http：//www.creditcards. Com/credit—card—news/credit—card—industry—factspersonal—debt—statistics-1276.Php.

[5]李建中，劉顯敏.大數據的一個重要方面：數據可用性[J].計算機研究與發展，2013（6）：1147-1162.

[6]張九妹，曹宏亮.淺談醫學專家系統[J].醫療裝備，2008（9）：10-12.

[7]徐麗麗，馬韻.循證醫學[J].中外健康文摘，2009（01X）：50-51.

[8]劉建平.循證醫學與中醫療效評價[J].中醫雜志，2007（1）：26-28.

[9]李繼光.信息化藥房管理的完善和趨勢分析[J].中國醫藥導報，2009（13）.