医疗大数据是从无到有的探索之旅
著名未来学家阿尔文•托夫勒在《第三次浪潮》中，将大数据赞颂为“第三次浪潮的华彩乐章”。
大数据（Big Data）不仅是单纯的新技术，而是继移动互联网、云计算之后IT产业的又一次颠覆性的技术革新。大数据最重要的是思维上的更新。
从数据上讲，随着信息技术的发展，数据的规模和种类急剧增长，数据呈指数级增长态势，据麦肯锡预测，2020年产生的数据量将是2009年的44倍，接近35ZB。
从思维上讲，对整体的近似把握往往比对少量个体的精确把握更加有价值，不以随机样本代替整体，不追求少量个体的精确度。
从技术上讲，大数据是一次技术革新，对大数据的整合、存储、挖掘、检索、决策生成都是传统的数据处理技术无法顺利完成的。
医院大数据的挖掘现状
大数据是一步一步实践出来的，有量大、多样、快速、高值四大特点。HIT人一直在想办法用大数据的思维和方法研究医疗数据。
从量上看，大型医院每年新增医疗数据约50~100T；一张CT图像约150M，一个病理高清图接近5G，长年累月，一个医院累积的数据量就可达数TB甚至PB之多，但和大数据发源地互联网和电信数据相比，其数据量并不算很大。
从样式上看，医院大数据有异构和多样性——图像、视频、机器数据等文本多样；无模式或者模式不明显；不连贯的语法或句义居多。
从速度上看，需要实时分析而非批量式分析，立竿见影而非事后见效。
从价值上看，尽管医疗数据很重要，但也存在大量的不相关低价值信息；对于未来趋势与模式的可预测分析性；机器学习、人工智能分析的复杂性而言，也客观存在。
所以，从大数据的特点看，医院当前有没有完全意义上的大数据，从复杂性和多维度角度看，大数据特征也可见倪端，但仁者见仁智者见智。
目前，医院数据主要产生方式有两种：一是医务人员在医疗过程中书写；二是从检查仪器与设备中采集。而医院数据主要还是来自医疗过程的记录，比如，患者建档基本信息、住出院登记记录、医生看诊医嘱与病历、手术与麻醉记录、检查报告图像、检验结果、用药记录、护士执行记录、病案分类编目、医疗费用记录等。同时，医疗信息化也从门急诊/住院系统、医技业务系统、医政业务系统、药品库房系统等各方面带来数据。
北京大学肿瘤医院的临床数据特点有二：一是患者复诊率高，治疗周期记录完整；二是随访数据完善。要将医疗大数据利用好，可以从以下几点入手：
（1）整合医疗数据，推动业务协同；
（2）智能一体科研，加速医学研究；
（3）临床辅助决策，提升质量安全；
（4）智能肿瘤筛查和患者管理，探索分级医疗。
医院用好大数据将带来三大优势：
（1）速度提升。在检索速度上，Hadoop与传统的关系型数据库相比，速度至少有百倍以上的提高，达到毫秒级；
（2）从量变到质变。基于机器学习的自然语言处理技术，可实现对自由文本分词，从而可实现对数据结构化利用。
（3）多维度分析。对多种类型的医疗数据进行分析，包括结构化、半结构化、非结构化的数据。
2 大数据的科研应用
用大数据的思维和方法研究医疗数据，能产出过去传统思维、方法、技术无法完成的任务，解决过去无法解决的问题。以科研为切入点的大数据应用，就是在用大家忽略的数据解决问题。
科研应用是医院当前的一大痛点（临床医生忙于门诊、手术、患者管理、病历书写、教学、文献检索，还要不得不分身科研数据整理）。对于临床数据而言，虽然经过医院信息化30余年的发展，临床所需的单一患者数据基本能满足，但其应用由于数据质量、数据标准、数据挖掘等问题，科研数据自动获取还处于试验阶段，无法规模化应用于临床。
近年来随着医院科研任务及需求的迅猛增加，对科研数据获取的准确性及效率要求越来越高，传统的手工或半手工获取科研数据的方式已不能满足要求，在医院业务系统逐步互联互通的发展趋势下，通过大数据技术实现科研数据的归集和应用，解决医院科研数据问题，成为医院IT人员的重要任务。
科研应用对数据的要求较高，一方面，科研数据质量是严谨的，数据可溯源，这是科研数据的基准和基石；另一方面，科研需要结构化数据，表格化数据，否则无法分析。
当前，科研应用在临床研究和药物临床试验上有很大需求，也存在着巨大的问题：
（1）二次录入数据效率低，容易造成错误；
（2）通过结构化病历收集数据，易增加临床医生负担，书写效率低导致使用率低；
（3）临床医学科研各项目数据分散采集，每个课题独立建立CRF（CaseReportForm），分散收集CRF中的数据，课题结束后数据不再延续。
3 临床科研的探索路径
经过多年的实践，北京大学肿瘤医院临床科研的探索路径有六。
1 筛选入组患者后进行二次录入的手工模式 这种模式在大多数医院一直存在，客观上讲是主要模式。它存在着的问题是收集效率低下、数据准确性差，这种情形下，临床医生希望是否想通过结构化病历搜集数据来解决上述问题呢？ 2 结构化电子病历模式 病历模板结构化采集数据是业内共识，然而易增加临床医生负担，且后期利用仍需要临床医生进行二次整理，书写效率低导致使用率低，无法满足临床科研采集的需要，这条路径走着有些艰难。记得2012年进行结构化病历阶段遇阻时，曾经找电子病历厂商老总讨论，你能否将医生自然语言书写的病历进行后结构化（当时提出的名词）处理，自动抽取出医生需要的结构化数据呢？那位老总无奈地说，我做不到，真的做不到呀！2012年是大数据才初有概念，更无自然语言、分词技术等概念。无奈，在临床少有科室适用和使用结构化病历的情况下，大家不得不又回到了第一种路径。那么是不是还没有其他路径呢？ 3 临床科研一体化病历书写与采集模式 坚持结构化数据采集，同时以医师为视角，提升临床书写效率，以电子病历为平台，建立临床科研一体化病历书写与采集体系，实现科研数据收集的同时，不增加日常工作量。上述文字的目的很简单，但是实现起来的确要下一番功夫。这还需要临床主任参与，对自身业务系统进行专科化改造，建立和医务病历平行的诊疗概览——自动提取和医生手工编辑和确认相结合，记录患者结构化诊疗信息。分离医政病历时效管理的束缚，让医生能从容记录科研结构化信息。这个路径确实在我们医院得到了很好的落实，但是在推广过程中，由于病种差异，各临床科室主任的管理力度不一，真正能落实的科室也是有局限性的。不过该模式很好地实现了基于前瞻性研究的科研数据搜集，但还有一个问题：回顾性研究数据如何解决？ 4 基于CDR的科研数据采集模式 CDR（临床数据中心）集合临床各种数据，CRF表单对应模式，填报人（医生或科研护士）进行确认填写表单（机器对应自动填写），同时基于传统SQL的人工分析思路，做后结构化病理报告等关键数据，极大提高了数据采集质量和效率。但是类似病史、手术记录、出院小节等大片段的非结构化文本无法进行结构化，而这些数据在临床是很重要的组成部分。显然这种方式尽管提高了效率，也存在传统技术无法解决的瓶颈，那么是否有更好的方式呢？ 5 基于大数据技术的后结构化数据采集模式 通过利用大数据技术方式（NLP自然语言学习、分词技术、HADOOP技术）对历史数据进行后结构化，保持医生书写习惯和思考逻辑的基础上，实现对既往病历（包括上述病史、手术记录等）的结构化处理，使大量沉睡的历史数据得以激活并呈现出来，满足科研数据采集和快速检索需求，特别是速度方面，数千万份的病历数据可以毫秒级检索出结果，而且同时有分类和统计。这是过去传统数据库SQL检索方式无法或者难以实现。但是这个方式可能更多的是解决临床回顾性研究，在数据源头如果缺少数据，仅仅根据历史病历的数据挖掘是不够的，数据质量的提高也是存在瓶颈。而且机器仅仅学习历史数据病历，缺乏医师校准，其学习效果和智能水平也是难以大幅度提高。那么如何在做回顾性研究的同时兼顾前瞻性呢？如何提高计算机自我学习的能力，提高数据采集、分词、标准化的质量呢？ 6 大数据技术转化临床应用的临床科研一体化模式 在上述第五条路径中，自然语言学习能否及早让病历书写医师参与呢？我们设想这样一个场景，让医生按照各自的习惯书写病历（无论是结构化还是半结构化，还是复制粘贴），在他提交病历的时候，数据在后台根据NLP算法自动解析和分解，同时呈现给医师电子病历分页，该医师第一时间对解析的数据进行审核和校对和提交。那么对于NLP来说，它不再是跟病历数据学习，而是跟临床医生面对面地学习，其数据算法能及时得到校正和提升。也就是这是一种科研临床一体化的大数据应用模式，我认为无论对软件提供商还是数据管理者和使用者都是有益的，有着值得期待和落地的前景。
我想举一个实际案例：我和医院某科室主任合作了一个课题（某癌症的前期筛查），就是说用利用当前信息系统存在的简单数据，结合数学计算和大数据的方法，对比健康人群和疾患者群队列，找出特异性指标，寻求一个简单可行的肿瘤筛查模型。这个项目正在进行中，而且已经找到了从自然人群发病率十万分之二十五，可以用大数据模型提高数十倍的筛查准确性。
所以，我相信使用新的技术在传统的医学领域是能有建树的，而且是有价值的，网传的“一滴血验癌”其实并不遥远了。
大数据在医院的应用和发展是个循序渐进的过程，不同医院有着不同的实践方法和路径，基于大数据技术的数据挖掘数据价值，不仅限于解析清洗出临床数据，而且是数据价值临床、科研、产业的转化，所以很有必要自己来开拓，而不是找人代工。未来，医疗大数据不仅在临床数据分析上应用，还可在临床决策支持、医学影像智能识别辅助诊断、基因组学分析上发力。
——来源e医疗
标签: 业界咨询
