醫療大數據在心腦血管疾病中的應用研究?

（青島科技大學 青島 266061）

1 引言

心腦血管疾病患者伴發癥較多，起因復雜，免疫力、耐受力較低，復發幾率較高，治療以控制為主，極難治愈。所以心腦血管疾病一直為慢性病主要研究的對象之一［1］。《中國循環雜志》一篇報告的調研數據表明，當前中國心腦血管疾病患病率及死亡率仍處于上升階段，且患病率與年齡成正比。截止于2018年，心腦血管患病人數為2.9億人，其中患者年齡構成中老年人占比約為60%［2］。

將大數據技術應用于醫療領域，給心腦血管疾病的診療提供了新的突破契機。伴隨生命科學、信息化和大數據的高速發展，醫學數據出現了爆炸式增長，為疾病研究、個性化診療、醫療衛生統計決策、流行病預警和趨勢預測等提供數據支撐［3］。但數據增長過快的同時，出現了數據關聯性強、周期性長、隱私性敏感和冗余度大等問題，導致數據計算強度增大?；趥鹘y醫療大數據的分析處理方式將迎來巨大挑戰。

醫療大數據是一種對大量數據運用數據挖掘、云計算、人工智能等方式，找尋其中隱藏的、具有應用價值的、解決實際相關問題的技術。數據主要來源于臨床試驗、醫藥分析、診斷治療、健康體檢等醫療業務所產生的大量的、模糊的、不規范的、有噪聲的、不可預測的數據。其中以心腦血管疾病的診療為目的產生的數據，為心腦血管疾病大數據。

文章分析了醫療大數據的相關概念，總結心腦血管疾病大數據所具有的特征。闡述了目前心腦血管疾病大數據的應用方向，分析并提出其研究所面臨的問題和展望。

2 心腦血管疾病大數據特征

通過采集心腦血管疾病大數據發現，除具有一般大數據的5V特征外（Volume、Variety、Velocity、Value、Veracity）［4～5］，還具有關聯性強、周期性長、隱私性敏感的特征。

關聯性：心腦血管疾病具有“發病率高、致殘率高、死亡率高、復發率高、并發癥多”的特點［6］?；颊唧w內的醇類和脂類物質無法正常代謝，導致沉淀累積并引發血管、血壓、血液發生異常。通過心腦血管疾病大數據分析，癥狀之間具有顯著的關聯規則。如麻木、虛弱、肢體感覺障礙等癥狀，主要與腦血管疾病相關；陣發性呼吸困難、心悸、胸悶等癥狀，主要與心血管疾病相關。心腦血管疾病大數據的關聯性為解決疾病研究提供了方法依據。

周期性：心腦血管疾病是一種復發性強的慢性疾病，需要患者長期按規律檢查。伴隨檢查所生成的數據是一組時間序列，數據指標隨治療情況的走勢進行變化，具有一定的周期性。在治療過程中，患者不同病癥時期所產生的數據信息，對后續治療手段的選擇有一定的影響。因治療時間長，出現未知事件概率也就越大，如若導致數據的重采集，則會進一步拉長治療周期。

隱私性：心腦血管疾病患者在進行多次醫療檢測時，期間所涉及的數據都為患者的個人隱私，尤其部分數據是涉及個人生活、安全、財產信息的敏感數據。Latanya Sweeney教授指出，通過郵編、出生日期、性別而確定一個人的概率為87%，具有嚴重數據泄露危險［7］。數據泄露狀態下，患者數據會在未授權和不知情的情況下被重復、全面甚至賣給第三方利用，患者對自己隱私的掌控權利大大減弱［8］。在確保數據處理質量的同時，也會對隱私安全策略的構建造成一定的影響［9］?？梢?，患者隱私安全問題，為心腦血管疾病大數據應用所具有的獨特問題做鋪墊。

綜上，心腦血管疾病大數據所呈現出的特征，與疾病的診療模式具有一定的因果關系。把握心腦血管疾病大數據具體特征，有利于其在心腦血管疾病方面的研究與應用。

3 心腦血管疾病大數據研究進展

醫療大數據被廣泛地應用在心腦血管疾病的研究中，從醫療數據存儲系統中提取患者的診斷、檢查、檢驗、體征等信息進行分析，對患者、醫師、科研人員都具有極大的幫助。心腦血管疾病大數據蘊藏大量有價值的信息，可應用在如下幾個方面中。

3.1 心腦血管疾病藥物作用分析

心腦血管疾病大數據的一個重要應用是進行藥物作用分析，根據疾病具體癥狀，科學選擇用藥。古人云“是藥三分毒”，如何高效用藥，避免藥物不良反應，是醫療過程中需要著重對待的問題。據文獻統計，門診病人藥物不良反應的發生率為0.3%～0.5%，而住院患者達10%～20%［10］。尤其目前治療的主要方案是依靠藥物控制病情，進行患者用藥情況數據分析，對促進藥物效果的改進，保障醫療用藥安全有重大意義。

馮變玲等利用患者用藥后出現不良反應案例數據，得出心腦血管疾病常用藥物不良反應癥狀，為使用此類藥物患者提供用藥安全分析［11］；除此之外，McDowell SE等通過心腦血管藥物應用文獻數據分析得出，不良反應與不同種族人群具有一定的關聯，為藥物的適用人群提供了風險分析［12］。

3.2 心腦血管疾病關聯分析應用

心腦血管疾病患者并發癥多，癥狀與疾病之間存在一定的關聯規則，導致研究人員多采用關聯分析法進行分析。找尋數據之間存在的關聯關系，可以為患者的診療和防治帶來便利。分析數據之間的異常值，確定相關病癥誘發因子，做好病理關系分析，為心腦血管疾病的診療手段提供重要數據參考。

寧峰等通過對青島市常住居民血糖檢測數據進行分析，發現糖尿病患者會增加患冠心病和腦卒中的死亡風險［13］；張艷芳等通過內蒙古常駐居民身體狀況數據，闡述了代謝綜合征與心腦血管疾病及死亡的關聯性［14］；除使用患者癥狀數據之外，胡媛通過對基因數據進行關聯分析，發現缺血性心腦血管疾病的發生與MTHFR基因多態性有著密切的聯系［15］。

3.3 心腦血管疾病風險預警

醫療大數據對心腦血管疾病的研究具有前瞻性。不僅局限于診療過程中的應用，對疾病防備策略的制定同樣有幫助。李吉慶等通過大量人群數據進行構建風險預測模型，實現高準確度的心腦血管疾病風險預測，達到疾病的早期干預目的［16］。陳金宏在博士論文中分析，利用心腦血管疾病大數據搭建人工神經網絡，對心腦血管疾病預測構建模型，為精準醫療的實現提供了參考依據［17］。

由此可得，醫療大數據可以更深層次地研究心腦血管疾病潛在的問題，Vcelak提出將原始和挖掘的數據提供給醫生［18］，可在臨床決策、輔助診斷、風險預測等方面提供全面的數據支持。

4 心腦血管疾病大數據面臨的問題和挑戰

醫療大數據已經廣泛應用在心腦血管疾病的診治過程中，對病癥指導提供有價值的信息。但是要更廣泛高效地開發大數據，還需要面臨諸多的挑戰及問題。

4.1 數據周期長

周期問題為心腦血管疾病大數據的采集帶來了長期的挑戰。心腦血管疾病大數據所具有的周期性長的特征，致使數據的收集需要投入更多的時間和精力。為進行一項數據收集，需要持久保持與數據源交流。導致在保證數據低失訪率的同時，還要維持數據的基礎量級，就需要提升醫療成本。

4.2 數據難共享

共享問題給數據的存儲方式帶來關鍵的挑戰。心腦血管疾病的治療周期長、易復發。若造成患者轉診情況的發生，將導致數據失訪，降低數據質量。因隱私安全問題，目前醫療機構之間無法實現數據共享。共享問題的存在容易造成數據孤島，數據分散存儲無法進行高質量分析，也就無法獲取高價值信息。

4.3 數據分析

分析問題給心腦血管疾病大數據帶來核心的挑戰。心腦血管疾病大數據具有極強的關聯性，導致在進行數據分析時需要進行關聯計算。同時數據中存在較多的冗余數據，數據量大，計算時間長，很難實現實時計算。數據量的增長速度要快于數據分析技術的更新速度，需要科研人員進一步研究分析策略。

4.4 數據隱私安全

保障數據隱私安全是心腦血管疾病大數據應用的基礎挑戰。心腦血管疾病的“四高一多”特點，會促使患者數據被頻繁采集，因目前安全系統未達到絕對安全，對數據的操控依然含有人工元素的參與，存在數據的隱私泄露、非法交易等隱患。

5 結語

心腦血管疾病大數據的特征分析，為其應用奠定了基礎。大數據技術的發展，給心腦血管疾病的突破帶來了新的機遇。但是迎來機遇的同時，還需要面對諸多的挑戰，尤其是目前國內醫療大數據的應用研究水平與西方國家相比，仍有較大的差距。國內大數據發展所面臨的問題，使得應用發展存在很多限制，無法進行更具有價值的醫學研究。為此需要科研人員進一步完成問題攻關，實現醫療大數據的高效應用。