【e医疗原创】毓璜顶医院徐伟星：对医疗大数据的几点认识

文

山东烟台毓璜顶医院信息中心主任

徐伟星

　　医疗大数据是2016年的热点话题之一。何谓大数据，众说纷纭，一般定义为：大数据是具有海量、高增长率和多样化的信息资产，它需要全新的处理模式来增强决策力、洞察发现力和流程优化能力。

　　个人理解大数据不能单纯以数据量来划分，重在数据的质量和标准化，在于数据的数量能否满足医院业务发展的需要，关键在于数据的全面性、准确性、有效性、完整性和可利用性。

　　数据是否达到“海量”的要求，有个纵向比较和横向比较问题，如果与自身相比，数据量呈几何级迅猛增长也属于海量；如果横向比较，与其它大的集团医院或其他行业相比，将难以衡量。

　　近年来，随着大数据和机器学习等技术的迅速发展以及在其它领域的逐渐深入应用，医院的信息化发展也将进入到“数据驱动业务”阶段。因此，建立起医院的大数据分析平台，基于深入有效的数据分析，切实支持管理、临床、科研的业务决策，真正实现信息化对业务的“引领”，应是未来医院信息化建设发展的一个重要趋势，也是目前医学领域热烈讨论的从“学习型医院”向“研究型医院”转轨的一个重要基础条件，也是医院实现精准医疗、精准服务、精准管理和精准智能的重要技术手段。

　　建设医院大数据分析平台，在国内外一些医院已经有成功的案例或经验可以借鉴，我认为要注意以下几方面。

数据的标准化和结构化

　　数据的标准化和结构化是一个老生常谈的问题，也一直是医院做数据统计分析遇到的瓶颈。做大数据分析，同样回避不了这个问题。

　　集成平台和各种数据中心的建设已经将一些基础的主数据做了梳理，可以支持相对比较简单的数据分析和决策支持应用，但是离临床、服务和管理的深入应用，还有很大的距离。举一个最简单的例子，我们要统计某个疾病的费用结构，第一步是病历的诊断必须有统一的诊断编码，由于临床医生对同一个疾病的诊断内容可能有很多种描述，如果不能解决诊断的标准化处理，后面的统计分析就很难产生有意义的结果。这些问题的解决，不能简单依赖医生在输入时实现所谓全结构化，也不能完全依赖病案室的手工编码，这些问题需要应用一些新的技术来解决，也就是大家所谓的“后结构化处理”。

临床数据与生物信息数据的结合

　　

　　人类对于疾病的认识，分子生物学发挥着越来越重要的作用，生物信息必然会成为医疗大数据的重要组成部分。所以，在规划设计医疗大数据分析平台时，应该在架构规划上提前考虑生物信息和临床数据的结合。当今广泛推行的精准医学，其深入发展必然离不开生物信息与临床信息相结合的大数据分析。

数据驱动分析与知识驱动分析的结合

　　相对于决策支持的应用而言，尤其是临床决策支持，虽然临床指南及相关规范等先验的知识具有巨大的作用，但同样也有其局限性，也是传统的基于小样本验证的循证医学发展到今天基于真实世界证据的个性化医疗的原因之一。因此，通过数据驱动的精细化分析可以弥补临床指南及相关规范的个性化不足的缺陷。所以，一个好的大数据分析平台，应该做到数据驱动分析与知识驱动分析相结合。

建设模式的选择

　　类同任何一项大的信息化建设项目，医疗大数据平台的建设需要事先做好顶层设计、总体规划，执行有计划、分步骤的实施方法，取得医院领导和各相关科室的紧密配合和支持。同时，医疗大数据分析平台的建设是一个需要深度跨领域融合的系统工程，需要协调医院的信息部门、科研部门、临床科室、和相关研发公司建模及数据分析团队的深度协作，才能做出好的应用。我院从2017年5月份正式启动精准医学大数据平台的建设项目，预计2017年第一季度上线试点应用，也望届时能够得到业界同行的大力支持。

-end-

推     荐

***《科技新时代》e医疗订阅方式请参考本公众号菜单栏“我们-杂志订阅”

***除本刊所有版权图片外，本文中其余图片来源为360图片，若涉及版权问题，请与我们联系删除事宜。

e医疗2016年年终刊&2017年新年刊

©以上文章来源

e医疗2016年12月刊原创文章，转载请注明来源。