重慶大學研究生文獻綜述對醫療大數據的認識姓名：學號：指導教師：專業：重慶大學光電工程學院二O一六年十一月1醫療大數據產生的背景在任何一個初具規模的醫院，每天接待上萬的患者前來就診，患者的基本信息、影像信息與其他特殊診療信息匯集在一起是一個龐大的數據。據統計，上海市區域醫療信息平臺（上海市“醫聯工程”及縣區衛生數據中心）已經積累了覆蓋3900萬人群、1400TB數據量的電子診療與健康檔案等醫療衛生數據（涵蓋了全市38家三級醫院3900萬就診人群的醫療信息，包括患者基本信息、就診信息、健康檔案、檢驗及影像檢查報告、醫學影像圖像文件、住院相關病歷、醫保結算等醫療衛生數據，涉及就診記錄2.1億條，處方記錄9.1億條）。日積月累，這個數據量將會持續快速增長，為醫院的數據存儲、集成、調用等應用帶來巨大壓力。除了數據規模巨大之外，醫療行業的數據類型和結構極其復雜，如PACS影像、B超、病例分析等業務產生的非結構化數據，這些數據存儲復雜，并且對傳統的處理方法和技術帶來巨大挑戰【1】。醫療大數據得到人們的關注，并渴望有一種新的技術可以從這些看似雜亂無章的數據中得到價值。目前，為了提高人們的健康水平以及醫療水平，醫療行業在大數據環境下的各個領域異常活躍[2]。2醫療大數據的相關概念2.1醫療大數據的定義醫療數據是醫生對患者診療和治療過程中產生的數據，包括患者基本數據、入出轉數據、電子病歷、診療數據、醫學影像數據、醫學管理、經濟數據等，以患者為中心，成為醫療信息的主要來源。隨著醫療衛生信息化建設進程的不斷加快，醫療數據的類型和規模正以前所未有的速度快速的增長，以至于無法利用目前主流軟件工具，在合理的時間內達到擷取、管理并整合成為能夠幫助醫院進行更積極目的經營決策的有用信息。規模巨大的臨床實驗數據、疾病診斷數據以及居民行為健康數據等匯聚在一起形成了醫療大數據。2.2醫療大數據的主要來源2.2.1制藥企業、生命科學藥物研發所產生的數據是相當密集的，對于中小型的企業也在百億字節（TB）以上的。在生命科學領域，隨著計算能力和基因測序能力逐步增加，美國哈弗醫學院個人基因組項目負責人詹姆·鮑比就認為，到2015年，將會有5000萬人擁有個人基因圖譜，而一個基因組序列文件大小約為750MB[3]。2.2.2臨床醫療、實驗室數據臨床和實驗室數據整合在一起，使得醫療機構面臨的數據增長非常快，一張普通CT圖像含有大約150MB的數據，一個標準的病理圖則接近5GB。如果將這些數據量乘以人口數量和平均壽命，僅一個社區醫院積累的數據量就可達數萬億字節甚至數千萬億字節（PB）之多。2.2.3費用、醫療保險、利用率患者在就醫過程中產生的費用信息、報銷信息、新農合基金使用情況等。2.2.4健康管理、社交網絡隨著移動設備和移動互聯網的飛速發展，便攜化的生理設備正在普及，如果個人健康信息都能連入互聯網，那么由此產生的數據量將不可估量。2.3醫療數據的基本類型2.3.1醫院信息系統（HIS）數據HIS是醫院的核心系統，是對醫院及其所屬各部門的人流、物流、財流進行綜合管理的系統，圍繞著醫療活動的各個階段產生相關數據，包括各門診數據及病房數據兩大主流數據流。2.3.2檢驗信息系統（LIS）數據LIS是HIS的一個重要組成部分，其主要功能是將實驗儀器傳出的檢驗數據經分析后，生成檢驗報告，通過網絡存儲在數據庫中，使醫生能夠方便、及時的看到患者的檢驗結果。2.3.3醫學影像存檔和傳輸系統（PACS）數據PACS數據主要是將數字化醫院影像科室日常核磁、CT、超聲、各種X線機、各種紅外儀等設備產生的圖像存儲起來。2.3.4電子病歷（EMR）數據EMR不同于以醫療機構為中心的門診或者住院病歷，是真正以患者為中心的診斷和其他檢驗數據的“數據池”，它將患者診斷過程中生成的影像和信號，如X線檢查、CT掃描等納入電子病歷中，并以統一的形式組織起來。2.4醫療大數據的特性2.4.1數據規模大（volume）例如一個CT圖像含有大約150MB的數據，而一個基因組序列文件大小約為750MB，一個標準的病理圖則大得多，接近5GB。2.4.2數據結構多樣（variety）相對于其他行業，醫學中的數據類型更加多種多樣，如電子病案中關于人口學特征的數據為純文本型；檢驗科中有關患者生理、生化指標為數字型；影像科中如B超、CT、MR、X線片等為圖像資料。醫療數據通常會包含各種結構化表、非（半）結構化文本文檔（XML和敘述文本）、醫療影像等多種多樣的數據存儲形式。2.4.3數據增長快速（velocity）一方面，醫療信息服務中包含大量在線或實時數據分析處理，例如，臨床決策支持中的診斷和用藥建議、流行病分析報表生成、健康指標預警等；另一方面，得益于信息技術的發展，越來越多的醫療信息被數字化，因此在很長一段時間里，醫療衛生領域數據的增長速度將依然會很快。2.4.4數據價值巨大（value）毋庸置疑，數據是石油，是資產，是資源，醫療大數據不僅與每個人的個人生活息息相關，對這些數據的有效利用更關系到國家乃至全球的疾病防控、新藥品研發和頑疾攻克的能力。2.4.5多態性醫療大數據包括純數據（如體檢、化驗結果）、信號（如腦電信號、心電信號等）、圖像（如B超、X線等）、文字（如主訴、現/往病史、過敏史、檢測報告等），以及用以科普、咨詢的動畫、語音盒視頻信息等多種形態的數據，是區別于其他領域數據的最顯著特征。2.4.6不完整性醫療數據的搜集和處理過程經常相互脫節，這使得醫療數據庫不可能對任何疾病信息都能全面反映。大量數據來源于人工記錄，導致數據記錄的偏差和殘缺，許多數據的表達、記錄本身也具有不確定性，病例和病案尤為突出，這些都造成了醫療大數據的不完整性2.4.7時間性患者的就診、疾病的發生過程在時間上有一個進度，醫學檢測的波形、圖像都是時間函數，這些都具有一定的時序性。2.4.8冗余性醫學數據量大，每天都會產生大量信息，其中可能會包含重復、無關緊要甚至是互相矛盾的記錄。3醫療大數據的主要應用根據全球管理咨詢公司麥肯錫的一份最新報告顯示，醫療保健領域如果能夠充分有效地利用大數據資源，醫療機構和消費者便可節省高達4500億美元的費用[4]。3.1服務居民居民健康指導服務系統，提供精準醫療、個性化健康保健指導，使居民能在醫院、社區及線上的服務保持持續性。例如，提供心血管、癌癥、高血壓、糖尿病等慢病干預、管理、健康預警及健康宣教（保健方案訂閱、推送）。醫療機構物聯網的建設，包括移動醫療、臨床監控、遠程患者監控等（例如，充血性心臟的標志之一是由于保水而增加體重，通過遠程監控體重發現相關疾病，提醒醫生及時采取治療措施，防止急性狀況發生），減少患者住院時間，減少急診量，提高家庭護理比例和門診醫生預約量。3.2服務醫生臨床決策支持，如用藥分析、藥品不良反應、疾病并發癥、治療療效相關性分析、抗生素應用分析；或是制定個性化治療方案。3.3服務科研包括疾病診斷與預測、提高臨床試驗設計的統計工具和算法、臨床實驗數據的分析與處理等方面，如針對重大疾病識別疾病易感染基因、極端表型人群；提供最佳治療路徑。3.4服務管理機構規范性用藥評價、管理績效分析；流行病、急病等預防干預及措施評價；公眾健康監測，付款（或定價）、臨床路徑的優化等。3.5公眾健康服務包括危及健康因素的監控與預警、網絡平臺、社區服務等方面。4國內外醫療大數據技術應用現狀4.1國外醫療大數據技術應用現狀美國遠程醫療（telemedicine)公司研制成功了一款功能強大的醫療設備“智能心臟”（smartheart），把手機變成了一款功能齊全的醫療工具，用來監測用戶可能存在的心臟病問題。智能心臟與智能手機相連，在安裝運行了相應的程序后，手機擁有“醫療級”的心臟監測功能，并能夠在30s內在手機屏幕上顯示用戶的心電圖。醫生可隨時對患者的心臟進行監測和分析，提前做好預防措施。智能心臟解決了心臟病預防方面最關鍵的問題—時間。這在心臟病預防領域是一項重大的突破性技術。目前，“智能心臟”設備已經開始在網上銷售。意大利電信近期推出了NuvolaItHomeDocto系統，可讓在都靈Molinette醫院的慢性病患者通過手機在家中監測自己的生理參數，相關數據將自動的通過手機發送到醫療平臺，也可以通過ADSL、WiFi和衛星網絡得到應用。醫生通過網頁接入這個平臺，及時獲取數據并調整治療方案。4.2國內醫療大數據技術應用現狀ＩＢＭ在上海的部分醫院推出了ＢＹＯＤ系統，即員工自費終端，用來提高醫生和護士在醫院的移動性。通過和開發商合作，推出移動護理應用，將醫生和護士的各種移動終端連在同一網絡下，便于醫生和護士了解患者在醫院的位置和健康狀況，也提高了醫生和護士的移動性。在上海，醫聯工程橫向覆蓋全市三級醫院，縱向連通各區屬醫療機構，已覆蓋3900萬患者，建成國內最大的患者診療檔案庫，擁有8.2億條醫囑、1.8億個病案、8100萬份檢驗檢查報告和107太字節醫學影像數據；醫聯工程在服務醫改、支撐資源整合、分布式影像網絡會診、三級醫院診療信息社區調閱等方面，大幅度提升了區域衛生服務水平。醫聯工程建成以來，對于患者，就醫更方便，“一院辦卡，跨院就醫”“就醫一站式付費”，共發放1300余萬張醫聯卡，每月提供70萬專家預約號源，人均節約就診時間60min、排隊時間45min；對于醫生，服務看診、提高醫療質量，支持每日5000人次實時診療檔案調閱、1.25萬人次重復醫療智能提醒，節約大量醫療費用；對于管理者，實現精細化管理，建成集醫療管理、績效考核和統計分析為一體的整合平臺，為醫院管理提供決策支持。5醫療大數據安全5.1人的安全醫療大數據安全中“人”的安全，涉及的是數據隱私保護問題。在醫療過程中，患者的個人隱私主要有：在體檢、診斷、治療、疾病控制、醫學研究過程中涉及的個人肌體特征、健康狀況、人際接觸、遺傳基因、病史病歷等[5]。這些內容還能被分為顯性與隱性，顯性一般是醫囑、診斷書、X線片、檢查結果、報告單、病歷、病案、住院患者床頭卡等數據；隱性則是指蘊藏在這些數據歷的信息，如患者血液組織所蘊含著的基因信息，患者罹患疾病所反應出的生活方式或者折射出的家族遺傳歷史等。5.2數據安全一是易成為網絡攻擊的顯著目標，在網絡空間中，醫療大數據的關注高，其中含有的敏感數據會吸引潛在的攻擊者；二是對現有存儲或者安全防范措施提出挑戰，特別是數據大集中后復雜多樣的數據存放在一起，常規的安全掃描手段無法滿足安全要求。這些問題將表現在數據資源共享、數據資產界定和盤活，以及數據真實性判斷等各個方面。6醫療大數據的未來展望6.1社會化醫學曾任美國克利夫蘭醫學中心（ClevelandClinic）心血管科主任的美國心臟病學家埃里克·托普（EricTopol），新近出版了一本名為《顛覆醫療》[6]的書，在此書中他認為：互聯網的沉浸式和參與式文化培育了消費者，“每10個美國人中就有超過8位在網絡上查詢與健康相關的問題”，甚至有的“患者會自帶著一系列摘自網絡的醫學問題”去訪問醫生，對自身病情、疾病和藥物的知悉程度較過去高出很多，與此同時，醫生的權威性大幅度降低。由此可見，這就是未來的趨勢—社會化醫學。6.2個性化醫學個性化醫療，是指以個人基因組數據位基礎，結合蛋白質組和代謝組等相關內環境數據，考察遺傳變異、對特定疾病的易感性和對特殊藥物的反應的關系，為患者量身設計出最佳治療方案，以期達到治療效果最大化和副作用最小化的定制醫療模式。實施個性化醫療，首先針對特定疾病亞群進行分類，然后根據這些亞群的特異性發病機制進行藥物開發，最終對這些亞群患者進行針對性治療。這些涉及醫學、生物、環境、社會和心理等諸多因素，傳統的數據分析技術會遭遇瓶頸，很難以開展針對性研究，故而引發了大數據技術的介入。在現有研究中，通過對醫療大數據的分析和利用，可以完善個性化醫療。較著名的是德國默克公司正與Regenstrief研究院一起實施的個性化醫療項目。考察遺傳變異、對特定疾病的易感染性和對特殊藥物的反應三者之間的關系，然后在藥物研發和用藥過程中考慮個人的遺傳變異因素。針對不同的患者采取不同的治療方案，或者根據患者的實際情況調整藥物劑量，可以減少副作用。7總結根據國際數據公司（InternationalDataCorporation，IDC）的預測，中國的大數據市場在2012~2016年將增長5倍，其中最多份額將集中在政府、銀行、醫療衛生、電信等四大行業【7】。醫療行業的數據已進入大數據時代，使用大數據庫作為工具，將會輔助產生更有效、更加經濟的醫療政策，更好的產品和服務[8]醫療大數據為我國帶來了機遇的同時也帶來了挑戰，雖然只是剛剛起步，但是前景還是值得期待的。

參考文獻[1]（于廣軍楊佳泓主編醫療大數據上海科學技術出版社P14）[2]（KayyaliB，KnottD，VanKu