基于经济视角的医疗大数据应用与主要问题解决思路

程越岳

[摘 要]大数据的应用对发展医疗水平、保障人民健康有重要意义。文章从解读医疗大数据入手，介绍医疗大数据的特征、来源及现状，描述医疗大数据的宏观与微观应用，提出当前医疗大数据存在的问题及解决思路，最后总结医疗大数据遗留的问题。

[关键词]医疗大数据；应用；医院

[DOI]10.13939/j.cnki.zgsc.2018.17.184

现阶段大数据应用已进入各个行业。当前我国社会主要矛盾已经转化为人民日益增長的美好生活需要和不平衡不充分的发展之间的矛盾。发挥医疗大数据作用，有利于提高医疗水平，促进民生发展，是人民美好生活需要的重要体现。

1 医疗大数据

1.1 医疗大数据概念

大数据是在合适的时间内无法处理的大量数据的集合，一般特征为巨量性、多样性、速变性、高价低密性和真实性。医疗大数据有多大，有的认为数据体量在TB、PB级别，甚至EB级别。[1]文章认为，体量大小没有绝对范围，一般要求要包含一个区域在一段时间内所有医疗机构的数据，在数据体量大的同时，要使其能充分满足多样性、速变性、高价低密性和真实性。医疗行业的信息化水平相对较高，有海量长时间跨度的数据被保存（门诊记录要求保存15年，住院记录要求保存30年），含有大量非结构化数据和少量结构化数据。

1.2 医疗大数据来源

第一，电子病历。随着医疗信息化的发展，电子病历在我国绝大多数大中型医院已经普及。电子病历除了包含纸质病历的全部信息，还包含检验信息、影像信息，预后信息和结算信息。它能够承载患者的全部医疗信息，并具有结构化。

第二，医疗费用。医疗费用数据大部分是结构化数据，将城镇居民医疗保险、新农合直接与医院HIS中费用核算系统、药品管理系统对接，可以扩大医疗大数据范围。

第三，基层数据。社区、乡镇卫生院和商业药店数据是不可忽略的一部分，它能够更迅速地、灵活地反映人们的健康状况，监测传染病疫情。

1.3 发展现状

对比中外医疗大数据，我国起步较晚，发展水平较低。我国最大的医疗大数据平台是上海医联工程，只覆盖了上海市级医院，且该平台数据仅作为各部门之间的数据交流记录平台，还未作研究使用，不能发挥医疗大数据价值。[2]中南大学医学院与其六个附属医院构建湘雅医疗大数据平台，数据范围限制在医院辐射范围内，研究疾病种类有限。

武志慧提出通过医疗大数据扩大罕见病知识库，寻找罕见病治疗方法；[3]薛付忠关注医疗大数据中时间序列的重要性；[4]郭崇慧利用医疗大数据做出元决策，对决策进行决策；[5]王灵芝阐述了医疗大数据广泛应用时产生隐私泄露以及带来伦理上的一系列影响。[6]目前医疗大数据应用的宏观层面研究较少，尚未能够发挥宏观层面的价值。

2 医疗大数据应用

大数据应用需要关注全体数据而不是抽样数据，要提高效率而不是绝对精准，要找到相关关系而不是因果关系。[7]从这方面来说，利用大数据在短时间内把握医学动态方向，探究相关关系来解释不明现象和发现未知问题。

2.1 宏观应用

第一，疫情防控。2009年谷歌提前几周预测H1Z1疫情让世界对大数据瞩目，[8]即使2013年再次预测高于实际值，但也正确预测疫情暴发趋势。

第二，药物测试。通过医疗大数据能够找到未知的相关关系。药物研发后的疗效测试、不良反应测试都是在有限样本中测试，然而通过医疗数据库中患者的用药信息，可以持续反映药物的总体疗效和不良反应，还可以更精准地反映不同药物之间的拮抗协同作用，甚至发现药物的潜在作用。

第三，发现疾病分布。通过对全体数据的分析，不难发现空间、时间、人群高发疾病和家族遗传疾病，找出致病因子，提出公共健康建议，提高全民健康水平。

2.2 微观应用

第一，提供临床路径偏好选择。不同人群面对不同疾病的态度各有不同，在疗效、疗程、副作用和经济成本等各方面偏好取舍因人而异，在处理某一疾病时，医疗大数据能够通过对全体该患者分析出疗效、疗程、风险、成本，为患者提供多种不同偏好的治疗方案。

第二，提供临床辅助决策。数据表明，全球综合误诊率30%，我国误诊率27.8%医疗大数据能够汇聚各类病理数据，总结大量有效经验作为参考，从而辅助医生诊断和临床决策，从而最大限度减少漏诊和误诊。

3 问题及解决方法

3.1 信息孤岛

信息孤岛是指信息不能再部门间相互交流、共享。医疗数据被严格记录下来，然而事实上真正被人们整体利用起来指导行为的数据却很少，目前大部分医疗数据都是在医院内部或科室内部交流产生价值，在医疗机构和区域间交流的数据较少，对医疗大数据充分利用程度不高。信息孤岛产生原因有：数据系统标准化不够、重视患者医疗信息隐私、数据的流出会导致经济利益流出。

提高数据标准化：一方面要做好物质基础，各医疗单位数据系统能够兼容，规范统一记录，对医院和设备供应商提出统一格式的要求；另一方面做好教育基础，医疗从业人员要进行相关数据处理技能培训，医学高校做好处理医疗数据技术人才培养。存储电子病历，在各医院之间交流，推进EHR发展，是避免信息孤岛的前提条件。

医疗数据含有大量患者隐私，流出落入不法分子手中，威胁患者生命财产安全。医疗数据是宝贵的资源，医疗数据流出会导致医院资源和利益流出，因此需要对医疗大数据库进行严格管理，加强监管。

3.2 结构化转化困难

医疗大数据结构化处理精准度和标准化的高低，关系到能否有效对数据进行存储和计算。结构化数据典型特征是可以用二维表的结构来表达，有严格的格式和长度要求。

半结构化医疗数据主要就是电子病历中的患者信息、诊断记录和治疗记录，一般都是用文字和数字记录。该记录要求相对规范，进一步根据其信息特征可以转化有绝对格式要求的结构化信息。患者基本信息如身份证号、性别、年龄和生命体征，可以用二维表和规范的数字格式进行记录。

诊断记录包含大量文字描述，可查询国际疾病分类（ICD）编码进行记录，国际疾病分类第10版（ICD-10）已对绝大多数疾病进行登记。对于治疗记录，依据药品编码，在时间序列基础上，将药品、摄入方式等进行记录，条件允许的情况下与检验记录结合，形成预后信息反馈数据并记录；此外，外科手术记录参照国际疾病分类-手术与操作编码。

医学检验数据和医疗费用数据中也含有大量数字和结构化数据，随着记录格式规范统一，可以轻易实现结构化。

医学影像存储与交流系统（PACS）是非结构化医疗数据，包括核磁共振、CT图像、超声成像和X射线等影像数据。挖掘医学影像数据主要方法是粗糙集理论、人工神经网络等。挖掘影像数据技术应用在辅助诊断和临床辅助决策阶段，影像数据实现信息化，仍要进一步数字化，才能高效记录和有效处理。

4 遗留问题

目前而言，大数据与医疗行业耦合程度不高，主要原因有：行业内缺乏数据处理人才，对大数据的认识不够；普遍关注数据的精准度，忽略数据相关度；挖掘医疗数据能力有限，信息化高，數字化、结构化水平有待提升。

患者自述也是电子病历中重要部分，是非结构化数据，不同患者对病理特征难以客观表述，为数据记录带来阻碍。

参考文献：

[1]袁琛.浅谈大数据技术在医疗信息化中的应用[J].医学工程，2016（2）：12-13.

[2]马灿.国内外医疗大数据资源共享比较研究[J].情报资料工作，2016（3）：63-67.

[3]武志慧.健康医疗大数据与罕见病的精准用药[J].科技导报，2017，35（16）：20-25.

[4]薛付忠.健康医疗大数据驱动的健康管理学理论方法体系[J].山东大学学报：医学版，2017，55（6）：1-29.

[5]郭崇慧.元决策下的临床路径管理模式研究[J].医学与哲学，2017，38（7）：6-9.

[6]王灵芝.医疗大数据的特征及应用中的伦理思考[J].医学与哲学，2017，38（4）：32-35.

[7]恩舍伯格·W.M.大数据时代[M].杭州：浙江人民出版社，2013：17-18.

[8]黄文莉.探讨大数据技术在疾病防控上的应用[J].电子技术与软件工程，2016（6）：188-189.