臨床醫療大數據的應用現狀及對教育的挑戰

王俊波，鄭雅婷，高族倫，顏成毅

（浙大城市學院 醫學院，浙江 杭州 310015）

醫療大數據是在整個醫療行業運行過程中產生的海量數據，這些數據集合了整個行業的發展特點，貫穿于醫療事業的發展全過程，具有重要的價值。醫療大數據可分為醫院醫療大數據、疾病監測大數據、互聯網及社交媒體數據、生物大數據等。臨床醫療大數據憑借其高敏感性和高時效性，在智慧醫院、疫情防控中廣泛應用，為人們的生活帶來了極大的便利，為社會大眾的健康提供了堅實保障。

一、臨床醫療大數據助力智慧醫院建設

（一）分級診療

分級診療不僅可以幫助病人選擇符合自身疾病層級的醫院就診，緩解大型醫院的壓力，還使得患者數據可以在大型醫院與下級市、縣醫院之間交流共享，有利于病人的雙向轉診。目前的分級診療機制雖然在一定程度上優化了醫療資源的配置效率，但是信息只能以層級化的傳遞機制在上下級之間進行傳遞，并不是實質上的信息流通，導致醫療機構之間信息資源差距大，大醫院人滿為患，基層醫療機構則門庭冷落，醫療資源嚴重錯配。而社會普遍認為：基層醫療機構整體素質不高，并不是從業的第一選擇，也進一步導致基層醫療機構的低落。

（二）電子病歷

電子病歷既是醫院醫療大數據的重要來源之一，也是醫療大數據在醫院內的又一典型應用。醫療大數據的應用價值在電子病歷的共享方面尤為顯著，醫院之間共享電子病歷有利于為彼此的疾病診療提供幫助。電子病歷的共享盡管存在重要的價值意義，但國內多數醫院還不能實現。究其原因，保護病人隱私是其中的一個方面。此外，資源占有與現實利益也是醫院需要考慮的地方。要想真正發揮醫療大數據的價值，應著眼于發展信息技術，采取提高醫療和信息化的復合型人才貯備、資金投入、建立健全電子病例規范等措施。

（三）醫學影像學

使用數據影像輔助可以大大提高診療效率和準確度。目前，人工智能最為主要的是應用計算機輔助診斷系統（Computer Aided Diagnosis,CAD），它將圖像處理、計算機視覺、醫學圖像分析等有效結合，幫助醫生快速發現病灶，提高診斷的準確率。影像數據的質量決定了人工智能模型學習的結果，標準的影像數據和規范的數據標注是醫療影像AI發展的關鍵，但是，我國目前存在設備標準不統一，甚至同一臺設備也會因造影劑量等因素而產生差異，導致CAD的實行存在一定的困難。

二、臨床醫療大數據助力新冠肺炎疫情防控

（一）以“數”制“疫”，精準防疫

2020年初，新型冠狀病毒肺炎暴發并迅速蔓延至全球，疫情防控迫在眉睫。在信息時代，運用大數據技術可以幫助相關機構更好地分析疫情發展情況，從而在疫情防控工作中發揮重要作用。來自臨床一線的科研數據在疫情防控中具有獨特的優勢：一是高敏感性，專業醫療衛生機構對疫情的反應快于民眾，具有信息優勢，對于突發公共衛生事件具有較高的敏感性；二是數據更新的高時效性，隨著防疫工作的開展，專業科研人員不斷對數據進行分析整理，使數據更新呈現高時效性。

（二）疫情期間臨床大數據的相關應用

1.機器人的分診任務。機器人代替消毒、測溫、送藥、送餐等基礎工作，有效地降低了醫務工作者交叉感染的風險。此外，數據分析機器人還能夠幫助醫生分擔接診壓力，如北京大學首鋼醫院使用智能語音服務機器人做基礎的導診工作，并能協助醫生遠程對患者進行診療。

2.AI讀胸片。針對新冠肺炎疫情期間患者流量大、傳染性強等特點，AI圖像識別技術在其中發揮了積極作用。針對新冠肺炎病情嚴重程度的分級及療效評價，依圖研發的新AI系統憑借其強大的數據分析能力，能在2～3秒內完成定量分析，并支持多人閱片，且敏感性、特異性均較高。此外，智能天眼CT、云端新冠AI篩查算法、智能遠程會診等技術在醫院的應用，既有助于醫生快速閱片，又能降低放射科醫生被感染的風險。

3.科學超算法助力藥物研發。新冠肺炎疫情期間，一些科技公司與醫療機構合作推進藥物研發，如全球健康藥物研發中心GHDDI與阿里云合作開發了人工智能藥物研發和大數據平臺，針對SARS/MERS等冠狀病毒的歷史藥物研發進行了數據挖掘與集成，并實時向科學界和公眾公布新冠病毒的最新科研動態。華為云、阿里云、騰訊云等亦通過貢獻自己的先進算法和算力資源，助力加速新藥及疫苗的研發進程。

4.新冠肺炎診療服務平臺的應用。互聯網診療平臺發揮了大數據、人工智能等領域的技術優勢，同時結合衛健委最新版的新冠肺炎診療方案，在疫情防控期間，向公眾提供新冠肺炎相關的防控知識、防治措施、就診指導等一系列在線問診服務。海南省互聯網醫院開通的新冠肺炎診療服務平臺，聯合16家互聯網醫院，整合了約20萬名在線醫生診療資源，根據不斷變化的疫情形勢及公眾需要提供診療服務。

5.重視醫學臨床人文數據。新冠肺炎疫情期間，人群易出現焦慮、抑郁等負面情緒，因此，要加強對醫學臨床人文數據的關注，有利于將人民群眾的心理健康干預納入疫情防控整體部署，從而減輕疫情導致的心理傷害，有助于疫情后迅速恢復生產，回歸社會穩定常態。

三、臨床醫療在大數據應用過程中面臨的挑戰

（一）大數據的采集與存儲

數據的采集與存儲是醫療大數據整合過程中面臨的第一大挑戰，病歷數據是臨床醫療大數據的主要來源之一，臨床醫療大數據的深度挖掘對病歷數據的完整性、真實性、有效性都有較高的要求。對病歷數據進行采集與存儲主要有三大困難：一是病患隱私問題，醫務人員在詢問收集病患信息時，難免觸及病人隱私，可能存在病患隱瞞、錯報信息的情況，從而降低數據的完整性與真實性；二是數據煩瑣冗雜問題，醫務人員為了避免遺漏患者的相關信息，在收集病患就診信息時出現了“能存則存”的現象，這種做法導致醫院信息系統存儲了大量的“無用信息”，大大降低了數據的有效性；三是數據層安全問題，數據層安全主要是指數據在采集、傳輸、存儲、交換的過程中，因非偶然或者惡意原因而遭到破壞、更改等。

（二）大數據的篩選

目前，醫院所收集、存儲的醫療大數據，僅有少部分研究性數據具有初步的前瞻性處理，大部分臨床數據屬于日常記錄的流程數據，其價值密度較低，無法用于醫療大數據的深度挖掘與分析，而是否能對大數據進行有效篩選則成為解決這一問題的關鍵所在。對此，醫生建議要做到數據的有效篩選，可先設定臨床研究，再來采集數據，即前瞻性的數據采集。前瞻性數據不僅可以提高數據的真實性、完整性，還有利于提高醫療數據的有效利用率。

（三）大數據的共享與深度挖掘

數據共享可以顯著提高醫療大數據的利用率，使其效益最大化，從而實現醫療大數據的深度挖掘，提升地區乃至全國的整體醫療水平。目前，各大醫院之間并未實現數據共享，僅存在同一醫院各科室之間的數據共享，以及各大醫院之間不定期地對典型案例的學術交流。各醫院使用不同的電子病歷軟件系統，存在自我保護，數據難以在不同軟件系統之間流通共享。雖然近幾年醫療衛生信息標準化工作在方法學認識和標準制定方面都有所發展，但總體上仍處于學習和模仿階段，制定的一些標準落地較為困難。雖然現階段尚未實現全面的數據共享，但多數醫務人員表示數據共享將會成為一種趨勢，未來可能會存在一卡通，使醫療數據在電腦上實現全部聯網，從而實現對醫療大數據的深度挖掘。

四、臨床醫療大數據對教育的挑戰

（一）大數據應用中面臨的教育改革

大數據倒逼教育改革已在高校教育中初見成效。近幾年，由于大數據在各行各業的廣泛應用，類似于“數據科學與大數據技術”的新興專業出現在人們的視野中。以浙大城市學院為例，現已開設數據科學與大數據專業，專業必修課程涉及“大數據技術概論”“數據庫原理”“數據結構與算法”“數理統計基礎”“數據分析基礎”等課程。但醫學專業的必修課程與數據分析相關的課程僅設有“大學計算機應用基礎”課程，臨床醫學專業亦是如此。因此，為適應社會需要，醫學相關大數據的教學改革勢在必行。

臨床醫療大數據的教育改革可從與醫務人員有關的臨床、護理專業，以及與信息管理人員有關的計算機、電子信息等專業入手。首先，針對醫務人員對臨床數據“能存則存”的現象，在臨床、護理等專業的高校教育中可增設與臨床醫療數據篩選、管理有關的必修課程，也可使通識課程中的計算機類課程與專業特色相適應，將計算機類課程的授課內容調整地更具臨床特色。此外，針對臨床數據管理中心人員由于缺乏相應醫學背景知識而無法對臨床大數據進行有效篩選的現象，計算機、電子信息等專業的高校教育可增設與醫學相關的選修課程，此類醫學課程可向感興趣的學生普及與臨床醫療大數據有關的淺層次醫學背景知識。其他類型大數據的人才培養也可從相關專業的高校教育入手，通過交叉學科的方式提升未來大數據就業人員的專業能力，從而解決大數據采集、存儲過程中面臨的難題，促進大數據的深度挖掘與應用。浙大城市學院計算機與計算科學學院順應時代需求，在2021年新開設了人工智能專業，充分利用浙江大學在人工智能領域的學科優勢和杭州市打造“數字經濟第一城”“數智治理第一城”對人工智能的發展推動作用，以及國內外行業領軍企業（如華為、谷歌、中科曙光、中控、新華三、大華、寒武紀等）的深度對接，產學合作協同育人，從而滿足社會對人工智能人才的需求。

（二）大數據促進教學模式創新

教育改革有利于大數據的深度挖掘與應用，而大數據應用于教育可以促進教學模式的創新，實現個性化學習，改善學習成績，使學生掌握更扎實的專業知識。信息化時代的來臨，各行各業的信息化建設蓬勃發展，高校教育也不例外。高等教育正面臨重大轉折，與基礎教育相比，高等教育更趨向于個性化學習，學習的獨特需求、主動教育、針對性訓練是其顯著特征。對此，大數據應用于教育所帶來的教學模式創新可發揮積極的作用。相較于傳統數據，大數據的采集具有實時性、連貫性、全面性和自然性的獨特優勢，憑借這些優勢，同時應用學習分析和教育數據挖掘兩大關鍵技術，大數據可通過分析個別的、微觀的受教育者在課堂的狀況，及時調整教學行為，實現個性化教育。

學習分析技術是具有廣泛應用價值的大數據技術，并已成為教育中的一項新興技術。2011年，首屆學習分析與知識國際會議（Learning Analytics，LA）將學習分析定義為：“為了理解和優化學習發生的環境，對學習者及其情境的數據進行測量、收集、分析，并形成報告”。學習分析技術對于學生、教師、管理人員、研究人員及技術開發人員均具有重要價值，為評估、預測學生的學習表現，發現潛在問題，提供更具針對性的教學干預而優化學習。與學習分析技術相比，教育數據挖掘技術側重于尋找教育模式，發展新的算法，通過建立學生特征模型、監管網絡學習過程、構建有效學習模式等方法更好地理解學生及其學習的環境。

目前，憑借學習分析技術與教育數據挖掘技術兩大手段，大數據在教育中的個性化應用愈發廣泛，且取得了一定成效。網絡在線教育和大規模開放式網絡課程就是大數據在教育中的典型應用。此外，為大眾所熟知的慕課、翻轉課堂、微課等新型教學模式的成功開展也為高等教育的個性化學習開辟了發展空間。浙大城市學院充分利用“學在城院”“智云課堂”等教學平臺，通過建設完善智慧教室，做到網絡同步直播課堂、隨時隨地觀看課堂教學直播及回放，大大方便了教學。

五、展望

臨床醫療大數據具有極大的應用價值，它在分級診療、電子病歷及疫情防控等方面得到了廣泛應用，為我們的日常生活帶來了極大的便利。但同時，醫療大數據仍缺乏有效的整合與利用，數據的采集、存儲、篩選、共享方面存在諸多需要攻克的難關。對此，高校的教育改革可發揮積極的作用。期望臨床醫療大數據在未來能夠攻克數據整合利用、共享等方面的難關，在深度挖掘的基礎上，使其更多地應用于臨床，從而提升國內的診療水平，為社會大眾提供更為堅實的健康保障。