笔趣阁

手机浏览器扫描二维码访问

第三节 医疗大数据（第1页）

““互联网+”医疗健康的应用与发展研究（..）”！

第三节

医疗大数据

一、概述

作为大数据重要应用领域的医疗行业，也开始面临大数据的挑战。医疗行业每天都产生大量的数据，其中不仅有诊疗病历信息，还有多种类型的影像、病理检查等生物学信息，甚至还有将来越来越平民化的基因组测序数据。有些信息的单个文件就很大，例如：一个CT图片的大小约150MB，一个标准的病理图将近5GB，一个基因组测序文件大小约750MB。而这些信息数据的集合更是呈现出几何倍数的增长，其数量之大、种类之繁杂令人难以置信，这给医疗卫生部门的信息储存以及整个医疗产业带来了前所未有的巨大压力。随着大数据技术的发展及应用，这些海量的医疗信息资源将发挥巨大的价值。

开展医疗大数据研究与应用的主要工作就是对医疗领域各环节产生海量的、异构的数据进行组织和管理的基础上，对这些数据蕴含的价值进行挖掘和利用，为个性化医疗、临床决策支持、疾病分析等提供技术支撑。以临床支持决策为例，以IBMWatson为代表的临床决策系统通过建立医疗文献及专家数据库，已经可以依据与疗效相关的临床、病理及基因等特征，为医生提出规范化临床路径及个体化治疗建议，不仅可以提高工作效率和诊疗质量，也可以减少不良反应和治疗差错。在美国Metropolitan儿科重症病房的研究中，临床决策支持系统就避免了40%的药品不良反应事件。同时世界各地的很多医疗机构（如英国的NICE，德国IQWIG等）也已开展比较效果研究（CER）项目并取得了初步成功。

在医疗大数据的应用实践方面，我国一些省市已经进行了一些探索。以下列举两个我囯医疗大数据实践案例：

1．为了应对巨大的数据量和服务量的压力，原上海市卫生局信息中心联合英特尔及万达信息股份有限公司，启动了“上海健康信息网云计算”项目，主要研究利用大数据技术实现三级医院、区级医院、社区卫生服务中心信息的互联互通、数据共享和卫生资源整合，从而真正建立以患者为中心的信息化系统。截至2014年初，“上海健康信息网云计算”项目已经完成第二阶段“基于健康档案的卫生信息化工程”的建设，促进了上海市各大医院诊疗流程的规范化和标准化，同时也对全市十多万台医生工作站提供实时的智能提示服务。下一阶段，还将利用分布式存储、分布式计算进一步挖掘大数据在综合管理、辅助决策、数据挖掘、数据探索等重点领域的价值，并将同样的机制与民营医院进行互联互通、协同服务。

2．浙江、广东、四川、上海等地已经开展了以信息化为手段、全方位、实时监控参保者医疗保险使用情况的“智能监管平台”的应用实践。该应用主要是通过制定和实现医保不合理费用的判定规则，通过智能审核系统实现对不符合限定条件的费用进行自动发现与标识，并提示审核人员做重点审核，最终达到遏制“过度诊疗”行为、控制医疗费用不合理上涨、规范诊疗行为的目的，并为将来医保谈判购买性价比高的医疗服务奠定技术基础和提供数据支撑。

二、应用类型

随着大数据技术的不断发展、大数据相关保障条件的不断完善以及医疗行业大数据应用需求的不断增长，大数据的分析和应用在医疗行业的很多方面都将发挥巨大的作用。

（一）基因组测序

个人基因组中包含了健康信息，所以通过了解个人基因组序列，可以预测在不同情况下可能的健康状况。利用基因组信息进行健康评估和疾病诊疗，首先要弄清楚个人的基因组全序列，同时要知道特定的基因组DNA序列与健康状况的关系。已故苹果公司CEO史蒂芬·乔布斯为了治疗自己的癌症，就在患病期间花了10万美金进行了自己的癌症和全基因谱的测序，并针对测序结果定制了个性化的治疗药物，但是最终没有为他的治疗带来重要帮助。随着基因测序技术、基因与疾病关系的研究深入及大数据技术的发展，一方面将使得基因测序的时间更短、测序价格更接近普通消费者；另一方面在未来根据个人不同基因疾病，量身定制的个性化治疗方案的治疗效果将越来越明显。

（二）个性化医疗

随着相关技术的成熟，利用大数据分析对与个人健康相关的大型数据集（例如基因组数据、个人健康管理数据），考察遗传变异因素、对特定疾病的易感性和对特殊药物的反应等，然后可以根据这些因素进行药物研发和制订用药方案。因为个性化医疗可以在患者发生疾病症状前就提供早期的检测和诊断，所以可以有效改善医疗保健的效果。另外，有时同一病种的不同患者采用同样诊疗方案得到的疗效却不一样，这可能与基因等许多个人因素相关。所以，如果能够针对不同的患者采取不同的诊疗方案，或者根据患者的实际情况调整药物剂量，可以提高疗效，减少副作用。目前，个性化医疗还处在初期阶段。

（三）疾病预防控制

疾病预防控制是公共卫生部门基于对疾病的实时监测进行有效的响应控制。在公共卫生部门，可以通过大数据技术的应用进行全面的疫情监测，提前确定传染病或一定规模的未知疾病，为后续疫情控制争取时间。未来，在疾病预防控制过程中，通过对人员流动情况及趋势的了解可以提高疫情控制的效率；通过分析药物的使用数据以及用户的病情数据可以指导相关治疗药物和疫苗的迅速研发；通过对历史疫情数据的分析研究可以建立传染病动力学模型，为疫情的控制提供指导；通过结合个人LBS（基于位置服务）可以为全民提供疾病预警，为个人出行安排提供参考。目前，中国疾病预防控制中心和百度合作进行疾病预测和传染病传播模型的研究已经展示出大数据将大有可为。

（四）远程患者监控

从对慢性患者的远程监控系统收集数据，并将分析结果反馈给监控设备（查看患者是否正在遵从医嘱），从而确定今后的用药和治疗方案。2010年，美国有1.5亿慢性病患者，如糖尿病、充血性心力衰竭及高血压患者，他们的医疗费用占全部医疗卫生系统医疗成本的80%。远程患者监护系统对治疗慢性病患者是非常有用的。远程患者监护系统包括家用心脏监测设备、血糖仪，甚至还包括芯片药片。芯片药片被患者摄入后，可以实时传送数据到电子病历数据库。例如：远程监控可以提醒医生对慢性充血性心力衰竭患者采取及时治疗措施，防止紧急状况发生。因为慢性充血性心力衰竭的标志之一是由于保水产生的体重增加现象，这可以通过远程监控实现预防。通过对远程监控系统产生数据的分析，可以减少患者住院时间，减少急诊量，实现提高家庭护理比例和门诊医生预约就诊的目标。

（五）个人健康管理

利用大数据技术，可以对个人健康进行全生命周期管理。利用相关设备，可以收集获取个人饮食、睡眠、运动、烟酒、体征情况（如身高、体重、腰围、体温、血压、血糖等）和睡眠质量等数据，通过对这些数据的连续观测和分析，可以及时发现身体的健康异常和重大疾病风险，进而给出健康干预方案。另外，通过整合个人自我健康信息和医疗机构产生的诊疗信息、体检信息，就可以形成个人的全健康档案，使医疗机构在为患病个人诊治时可以制订更有针对性的个性化治疗方案。

（六）临床决策支持

临床决策支持系统可以提高工作效率和诊疗质量。主要通过分析医生输入的内容，把它与知识库中的内容进行比对，从而对医生提供错误提醒，如药物不良反应。利用临床决策支持系统可以降低医疗事故率，还可以使护理人员和助理医生得到更多的临床支持，从而可以避免医生耗费过多时间用于对他们进行很简单的业务指导，进而提高医生的治疗效率。因为临床决策支持系统在工作过程中需要处理大量非结构化的信息，而大数据处理技术的优势就在于其对非结构化数据的分析能力。比如，通过图像分析和识别技术可以识别医疗影像数据，通过文本挖掘技术可以建立医疗专家数据库等。所以，大数据技术的发展将使临床决策支持系统更加智能化。

（七）患者档案分析

将来，通过大数据技术分析电子病历库中海量的患者档案，可以分析总结出各类疾病和人群特征之间的联系，这样就可以为那些属于某类疾病的易感人群提供预警。例如：通过分析总结出哪些人容易患糖尿病，就可以在患病前针对他们提供预防性保健方案。当然，要建立预测模型，首先需要海量的数据支持，所以需要对区域内各大医疗机构的电子健康记录进行汇总，这其中包括电子病历中以文本形式存储的患者主诉和病史信息等。然后利用文本挖掘技术对患者病历信息中的关键信息进行标识和结构化记录。最后基于结构化的病历记录进行大数据分析处理发现并掌握数据中隐含的规律。

三、典型案例

作为大数据重要应用领域的医疗行业，因其行业数据的多样性、复杂性以及历史积累的数据量巨大，越来越需要借助大数据来满足各种数据分析处理需要。谷歌作为世界最强的搜索服务公司，拥有全球最快捷、最强大和最高质量的数据中心，它同时也是大数据时代的奠基者。而百度作为全球最大的中文搜索引擎，也具备了国内最强的大数据技术能力。在运用大数据进行医疗领域的应用探索方面，这两家同时拥有着技术和数据的大公司相继开展了相关的研究和应用。

（一）Google医疗大数据

1．谷歌流感趋势

在2008年，谷歌通过“谷歌流感趋势”项目开始了医疗大数据预测方面的探索。