醫(yī)療衛(wèi)生系統(tǒng)中大數(shù)據(jù)的應(yīng)用

林青

【摘要】近年來醫(yī)療衛(wèi)生信息化發(fā)展迅速，醫(yī)療衛(wèi)生領(lǐng)域也迎來了大數(shù)據(jù)時代的潮流。簡述了醫(yī)療衛(wèi)生系統(tǒng)中數(shù)據(jù)資源現(xiàn)狀，分析了通過大數(shù)據(jù)平臺構(gòu)建臨床決策支持系統(tǒng)、提高醫(yī)藥產(chǎn)品研發(fā)效率、疾病監(jiān)控防治等方面的應(yīng)用前景。

【關(guān)鍵詞】大數(shù)據(jù)?醫(yī)療衛(wèi)生系統(tǒng)

1數(shù)據(jù)管理問題

醫(yī)療數(shù)據(jù)是持續(xù)、大量增長的大數(shù)據(jù)。根據(jù)估算，中國一個中等城市50年所積累的醫(yī)療數(shù)據(jù)量就會達(dá)到10PB級。并且，隨著時間的推移和業(yè)務(wù)系統(tǒng)的不斷升級換代，醫(yī)療數(shù)據(jù)模式的一致性也無法保證。因此，每天都會有大量的數(shù)據(jù)持續(xù)不斷地導(dǎo)入?yún)^(qū)域醫(yī)療數(shù)據(jù)中心，并且每當(dāng)有數(shù)據(jù)模式的更改，相關(guān)的歷史數(shù)據(jù)也需要做相應(yīng)的調(diào)整。由于醫(yī)療數(shù)據(jù)是多種數(shù)據(jù)源數(shù)據(jù)的匯總，醫(yī)療數(shù)據(jù)是關(guān)系復(fù)雜的多維數(shù)據(jù)。醫(yī)療數(shù)據(jù)的多維度多粒度為各種信息服務(wù)的多角度多層次分析提供了可能，但同時也為大數(shù)據(jù)分析帶來了挑戰(zhàn)。Hadoop基于開源分布式數(shù)據(jù)處理平臺，通過特殊的方式組織網(wǎng)絡(luò)級數(shù)據(jù)，可以解決數(shù)據(jù)存儲水平擴展的挑戰(zhàn)。利用MapReduce并行處理批量事務(wù)的能力，從多個數(shù)據(jù)源（主要是醫(yī)療機構(gòu)的各個業(yè)務(wù)系統(tǒng)）抽取數(shù)據(jù)、轉(zhuǎn)換格式、并導(dǎo)入基于HBase的數(shù)據(jù)存儲模型。使用Hadoop進行多維分析，利用數(shù)據(jù)平臺中多維數(shù)據(jù)非結(jié)構(gòu)化的特征，將大量冗余的維度信息整合到事實表中，可以在冗余維度下靈活地改變問題分析的角度。并結(jié)合Hadoop，MapReduce強大的并行化處理能力，無論分析中的維度增加多少，開銷并不顯著增長，不會顯著影響分析的性能。

2大數(shù)據(jù)應(yīng)用

2.1構(gòu)建臨床決策支持系統(tǒng)

臨床決策支持系統(tǒng)可以提高工作效率和診療質(zhì)量。通過分析疾病的模式和趨勢，臨床決策支持系統(tǒng)分析醫(yī)生輸入的條目，比較其與醫(yī)學(xué)指引不同的地方，從而提醒醫(yī)生防止?jié)撛诘腻e誤，如藥物不良反應(yīng)。通過部署這些系統(tǒng)，醫(yī)療服務(wù)提供方可以降低醫(yī)療事故率和索賠數(shù)，尤其是那些臨床錯誤引起的醫(yī)療事故。共享的醫(yī)療大數(shù)據(jù)分析技術(shù)將使臨床決策支持系統(tǒng)更智能，首先，大數(shù)據(jù)中心存儲的海量、高維和非結(jié)構(gòu)化的數(shù)據(jù)能夠被檢索，由于對非結(jié)構(gòu)化數(shù)據(jù)的分析能力的日益加強，從而獲取更多的決策支持信息。比如可以使用圖像分析和識別技術(shù)，識別醫(yī)療影像（X光、CT、MRI）數(shù)據(jù)，結(jié)合患者的電子病歷信息，得到輔助的治療信息。或者挖掘醫(yī)療文獻(xiàn)數(shù)據(jù)建立醫(yī)療專家數(shù)據(jù)庫和醫(yī)學(xué)知識倉庫，為醫(yī)生提供一個決策和清單，在錄入癥狀和檢驗結(jié)果后，做是非判斷等集合算法，根據(jù)不同病種，建立決策樹算法，逐漸得出診斷結(jié)果和治療方案，為醫(yī)生的臨床操作提供建議，防止醫(yī)生忽略可能存在的罕見疾病，防止誤診。此外，臨床決策支持系統(tǒng)還可以使醫(yī)療流程中大部分的工作流流向護理人員和助理醫(yī)生，將常規(guī)的醫(yī)生問診程序化和模式化，結(jié)合檢驗化驗等技術(shù)手段，醫(yī)生只需參與最后的決策和治療環(huán)節(jié)。使醫(yī)生從耗時過長的簡單咨詢工作中解脫出來，從而提高治療效率。

2.2提高醫(yī)藥產(chǎn)品研發(fā)效率

2.2.1預(yù)測建模

醫(yī)藥公司在新藥物的研發(fā)階段，可以通過數(shù)據(jù)建模和分析，確定最有效率的投入產(chǎn)出比，從而配備最佳資源組合。模型基于藥物臨床試驗階段之前的數(shù)據(jù)集及早期臨床階段的數(shù)據(jù)集，盡可能及時地預(yù)測臨床結(jié)果。評價因素包括產(chǎn)品的安全性、有效性、潛在的副作用和整體的試驗結(jié)果。通過預(yù)測建模可以降低醫(yī)藥產(chǎn)品公司的研發(fā)成本，在通過數(shù)據(jù)建模和分析預(yù)測藥物臨床結(jié)果后，可以暫緩研究次優(yōu)的藥物，或者停止在次優(yōu)藥物上的昂貴的臨床試驗。除了研發(fā)成本，醫(yī)藥公司還可以更快地得到回報。通過數(shù)據(jù)建模和分析，醫(yī)藥公司可以將藥物更快推向市場，生產(chǎn)更有針對性的藥物，有更高潛在市場回報和治療成功率的藥物。

2.2.2提高臨床試驗設(shè)計的統(tǒng)計工具和算法

使用統(tǒng)計工具和算法，可以提高臨床試驗設(shè)計水平，并在臨床試驗階段更容易地招募到患者。通過挖掘病人數(shù)據(jù)，評估招募患者是否符合試驗條件，從而加快臨床試驗進程，提出更有效的臨床試驗設(shè)計建議，并能找出最合適的臨床試驗基地。比如那些擁有大量潛在符合條件的臨床試驗患者的試驗基地可能是更理想的，或者在試驗患者群體的規(guī)模和特征二者之間找到平衡。

2.2.3臨床實驗數(shù)據(jù)的分析

分析臨床試驗數(shù)據(jù)和病人記錄可以確定藥品更多的適應(yīng)癥和發(fā)現(xiàn)副作用。在對臨床試驗數(shù)據(jù)和病人記錄進行分析后，可以對藥物進行重新定位，或者實現(xiàn)針對其他適應(yīng)癥的營銷。實時或者近乎實時地收集不良反應(yīng)報告可以促進藥物警戒（藥物警戒是上市藥品的安全保障體系，對藥物不良反應(yīng)進行監(jiān)測、評價和預(yù)防）。或者在一些情況下，臨床實驗暗示出了一些情況但沒有足夠的統(tǒng)計數(shù)據(jù)去證明，現(xiàn)在基于臨床試驗大數(shù)據(jù)的分析可以給出證據(jù)。

2.3基于大數(shù)據(jù)的疾病監(jiān)控防治

大數(shù)據(jù)的使用可以改善公眾健康監(jiān)控。首先，隨著移動互聯(lián)網(wǎng)現(xiàn)在的不斷發(fā)展，越來越多的用戶開始選擇把業(yè)務(wù)和使用習(xí)慣都轉(zhuǎn)移到了移動端，那么，在基于海量數(shù)據(jù)用戶搜索的社交APP以及LBS等技術(shù)層面，可以建立結(jié)合原有疾病監(jiān)控系統(tǒng)中的流行疾病法定報告數(shù)據(jù)、流行疾病病例，結(jié)合疾病、環(huán)境數(shù)據(jù)，及時發(fā)現(xiàn)并繪制出流行病風(fēng)險地圖。在基于搜索數(shù)據(jù)和LBS數(shù)據(jù)方面，分析不同時空尺度人口流動性、移動模式和參數(shù)進一步結(jié)合病原學(xué)、人口統(tǒng)計學(xué)、地理、氣象和人群移動遷徙、地域之間等因素和信息，建立流行病時空傳播模型，確定流感等流行病在各流行區(qū)域間傳播的時空路線和規(guī)律，得到更加準(zhǔn)確的態(tài)勢評估、預(yù)測。并且，通過醫(yī)療云和大數(shù)據(jù)中心，公共衛(wèi)生部門可以通過覆蓋全國的患者電子病歷數(shù)據(jù)庫，分析疾病的模式和趨勢快速檢測大規(guī)模傳染性疾病進行全面的疫情監(jiān)測，并通過集成疾病監(jiān)測和響應(yīng)程序，快速采取措施進行響應(yīng)。這基于大數(shù)據(jù)的疾病監(jiān)控防治能使傳染病感染率降低，衛(wèi)生部門可以更快地檢測出新的傳染病和疫情。通過提供準(zhǔn)確和及時的公眾健康咨詢，將會大幅提高公眾健康風(fēng)險意識，同時也將降低傳染病感染風(fēng)險。大數(shù)據(jù)共享在疾病監(jiān)控防治中可以做到以下幾點：

（1）提前確定一定規(guī)模的未知疾病，為疫情控制爭取時間。傳統(tǒng)檢測無法監(jiān)測到任何沒有臨床癥狀的病例的，這些經(jīng)驗在醫(yī)院的臨床經(jīng)驗中都是空白。但大數(shù)據(jù)可以通過醫(yī)院的共享信息以及搜索監(jiān)控指定地區(qū)的用戶的頻繁搜索關(guān)鍵詞，可以檢測到某個地區(qū)已經(jīng)出現(xiàn)的疫情。比如不明原因的肺炎，某地餐館讓多少人出現(xiàn)嘔吐腹瀉等異常狀況等，然后再通過與疾病控制中心的病毒庫中的病毒分析，尋找吻合的病毒，進行比對分析將其找出，為判斷疾病贏取時間。建立大數(shù)據(jù)中心后，疾病預(yù)防可以真正在第一時間內(nèi)去判斷出疫情的病毒源，進而為控制爭取時間。疾病監(jiān)控防治的目的是及時制止其傳播的范圍，而大數(shù)據(jù)則是目前唯一的也是最佳的途徑。

（2）判斷人員流向，控制疫情。在疫情發(fā)生后，雖然國家可以第一時間控制住當(dāng)?shù)匾咔椋侨藛T流動則是無法控制的。利用大數(shù)據(jù)的監(jiān)控分析就能監(jiān)測到傳染源區(qū)人員的主要流向目的地，疾控中心可以拿出對應(yīng)的醫(yī)療技術(shù)和對應(yīng)的治療藥品以及疫苗來防治，第一時間趕到相應(yīng)地點，實施接種疫苗，這樣一來就減少了盲目的廣撒網(wǎng)式的全面布局情況，通過大數(shù)據(jù)分析的提供人員流動數(shù)據(jù)，讓控制疫情在效率上大幅度提升。

（3）傳播動力學(xué)模型建立。擁有了大數(shù)據(jù)的全面監(jiān)控后，疾控中心也就有了更多的實踐支持，就可以開始真正從實踐中建立有關(guān)疫情的復(fù)雜動態(tài)網(wǎng)絡(luò)的傳播動力學(xué)。

參考文獻(xiàn)

[1]李國杰，程學(xué)旗.大數(shù)據(jù)研究未來科技及經(jīng)濟社會發(fā)展的重大戰(zhàn)略領(lǐng)域-大數(shù)據(jù)的研究現(xiàn)狀與科學(xué)思考[J].中國科學(xué)院院刊，2012，27（6）：647-657.

[2]鄭西川，孫宇，于廣軍，等.基于物聯(lián)網(wǎng)的智慧醫(yī)療信息化10大關(guān)鍵技術(shù)研究[J].醫(yī)學(xué)信息學(xué)雜志，2013，（1）：10-14.