如何構建高質量的醫療大數據

阮彤 邱加輝

醫療健康大數據與人工智能呈蓬勃發展的態勢。一方面，醫院互聯互通、國家與省市大數據中心的建設，為醫療健康大數據奠定了良好的基礎;另一方面，個性化診斷、疾病預測與輔助決策支持系統等各類醫療人工智能應用不斷涌現。

構建主數據管理庫

醫療數據的主數據主要有病人信息和醫生信息兩類。目前，在醫院層面，各業務系統對病人的信息分別進行存儲，但大型醫院都建立了臨床數據中心，為了唯一標識一個病人，需要通過構建病人主索引號將存儲于不同系統的病人關聯在一起。這里有兩個問題需要解決。第一，如何構建EMPI。識別不同系統中同一個病人不同ID之間的映射關系十分困難，特別是在區域平臺上每個系統都有獨立的ID，導致這個問題更復雜了。第二，一個病人的基礎信息可能同時存在于醫院信息系統、實驗室信息管理系統和影像存儲與傳輸系統等系統中。而各系統的側重點不同，難免會造成數據填寫質量不一致或數據未及時更新等問題。

為此，需要在定義系統主數據的情況下，構建主數據管理中央庫，解決主數據碎片問題。可以從各業務系統抽取數據，并進行數據融合，形成完備的主數據信息，然后再將主數據信息分發給各業務系統，保證各業務系統中這些信息的準確性和完整性。這樣就形成了公共的重要屬性由主數據管理系統管理、各業務系統的特色 屬性由各系統獨立管理的模式。

在構建主數據管理庫時，首先需要從多個異構的業務子系統中以ETL的方式抽取關鍵數據，然后，利用元數據庫 對其中的編碼、描述進行標準化。接著，由于多個業務系統的數據可能不一致，還需要通過匹配算法完成對數據的錯誤消除和信息融合。對于匹配不到的孤立信息，要加以監控跟蹤，進行人工處理。同時，以增量學習的方式不斷改進匹配算法。最后，將歸整好的主數據信息存入主數據庫。

在這些主數據管理的基礎服務之上，還可以提供諸如患者畫像等高級功能。目前患者就診時，醫生僅能夠通過患者自述的方式快速了解慢性病史、過敏史等信息。盡管可以查閱歷史檔案，但對于醫生來說很不方便。而通過對診斷等數據的分析，可以形成患者慢性病、過敏史的標注信息，將這些信息合并到病人的主數據中形成患者畫像。患者就診時醫生可以直接讀取到這些標注信息，從而準確、快速地獲取必要信息。

數據質量管控子系統

從數據產生過程來看，醫療數據質量問題主要來源于3個方面。

一是原始信息采集有誤差。在醫療系統內數據采集主要通過手工方式錄入，在醫生或護士輸入信息的過程中，可能會有意或無意地將數據錯誤引入系統。二是數據融合過程發生問題。在對不同來源的數據進行融合時，數據格式和語義可能會有誤差或不一致，導致融合結果有錯 。三是與數據的應用場景不匹配。

因此，在醫療數據治理流程中，需要了解最終的使用場景，也需要從業務系統的數據源頭控制質量，并保證每個融合和加工過程的正確性。另外，當發現錯誤的時候，可以實現自動或半自動的修正。因此，質量管控平臺包括了數據質量實時監控、數據質量后評估以及數據的自動修正。數據質量實時監控主要針對從業務系統抽取的或是從外部傳送的接口數據，通常從及時性、有效性和完整性等幾個指標監測接口內容本身的數據質量問題，還需要對采集程序進行監控，如接口采集程序是否正常啟動、是否正常結束等。數據質量后評估是指對融合后的數據進行質量評估。首先從確定評價對象和范圍著手，然后選取數據質量維度及評價標準，確定質量測度及評價方法，之后按照配置的評估指標執行評估，產生權重化的評估結果，最后生成質量結果和報告。

醫療大數據

治理標準與治理能力評估

在單獨的業務系統以及數據互聯互通方面，國家衛生健康委員會已建立了相應的標準。但是，在醫療大數據方面，還缺乏專門的標準。需要特別指出的是，數據標準包含病人、醫生、醫院等主數據標準，也包含檢查、疾病、用藥等數據值標準。數據標準還需要對不同的醫療行為進行標準化的描述。為了便于人工智能應用，對于文本數據和影像數據，也應有相應的標注規范。由于不同專科需要的數據字段有差別，有可能會進一步制定專科規范。總而言之，標準體系包含了相互關聯的多個標準，覆蓋面廣，種類眾多，標準的建設不是一蹴而就的。

除了醫療大數據治理標準外，值得一提的是醫療數據治理能力評估規范。數據治理能力評估規范可以考察企業對數據的管理能力，通過對企業的評估，可以逐步提高企業的數據治理能力。該評估標準經過修改后也可以用在醫療領域。

國內最早啟動相關研究的機構是全國信息技術標準化技術委員會，該機構于2014年開始開展相關的研究，并在2018年3月15日頒布了國家標準《數據管理能力成熟度評估模型》（GB/T 36073-2018）。該標準可以用于評估不同行業的企業的數據管理制度、手段、方法以及相關能力。《標準》從8個關鍵過程域考察了企業管理數據的能力。過程域和過程項包括：數據戰略（數據戰略框架、數據戰略實施、數據戰略評估、數據任務效益評估）、數據治理（數據治理組織、數據制度建設、數據治理溝通）、數據架構（組織數據模型、數據分布與整合、數據共享與應用服務、元數據管理）、數據應用（數據分析、數據開放共享、數據服務）、數據安全（數據安全策略、數據安全保護、數據安全審計）、數據質量（數據質量需求、數據質量檢查、數據質量分析、數據質量提升）、數據標準（業務術語、參考數據和主數據、數據元、指標數據）、數據生命周期（數據需求、數據設計與開發、數據運維、數據退役）。評價方法主要采用評價問卷和調研訪談兩種。評價問卷是根據數據能力成熟度模型定義每個域的評價指標，并對各個指標進行加權平均，計算自評結果。調研訪談則是根據重點問題，對相關單位人員進行輸入了解，準備評估數據能力的真實情況。上述成熟度評價模型都將成熟度定義為5個等級。以國家標準GB/T 36073-2018為例，5個等級被定義為：初始級、受管理級、穩健級、量化管理級和優化級。其中，初始級是指對數據需求的管理主要在項目級體現，沒有統一的管理流程，是一種被動的管理;受管理級是指組織已經意識到數據是資產，根據管理策略的要求制定了管理流程，指定了相關人員進行初步管理;穩健級是指數據已經被當做實現組織績效目標的重要資產，在組織層面制定了系列標準化管理流程，促進數據管理的規范化;量化管理級是指數據被認為是獲取競爭優勢的重要資源，數據管理的效率能夠被量化分析和監控;優化級是指數據被認為是組織生存的基礎，相關管理流程能夠實時優化，能夠在行業內進行最佳實踐的分享。

目前大多數醫療機構的數據治理能力至多在受管理級，即把數據當作重要資產，進行了初步的數據集成工作，制定了一定的管理流程。但是，還遠遠未達到穩健級，目前的數據管理流程還遠遠沒有達到標準化階段，無法滿足數據管理及應用能結合組織的業務戰略需求、經營管理需求以及監管需求。

醫療數據治理是一個“修高速公路”的過程，人工智能和大數據挖掘應用是“跑車”。修路是一個基礎設施建設，需要大量的投入，而且不會快速產生效果。但是，若沒有成功的數據治理，數據可用性就會有問題，現有的人工智能和大數據挖掘算法的效率和有效性就會打折扣。因此，各級醫療機構和醫療管理部門應投入人力物力，建立有效的數據治理機制，保障國家人工智能和大數據戰略的有效實施。