论文部分内容阅读
最近H7N9禽流感新疫情引起密切关注。不久之前，美国利用大数据技术开展流感疫情的防治工作，为大数据改善医疗服务提供了新思路。早在2008年，谷歌推出“流感趋势”工具，通过分析搜索日志预测流感疫情发展，这是另一个大数据在医疗领域应用的范例。
目前中国医疗行业的信息化基础还比较薄弱，但大数据的趋势已逐渐呈现。中国工程院院士邬贺铨表示：“大数据应用首先是智慧医疗，具体可应用在临床诊断、远程监控、药品研发等方面。”在IBM信息管理首席架构师及大数据架构师陈奇博士看来，中国医疗大数据还处于起始阶段，如何利用病患信息，保护病患隐私，提供实时、准确的分析诊断都是很大挑战。
面对现状，大数据应用若想落地，必须与中国医疗行业的特征和需求结合，先布局到医院的“点”，再拓展到区域医疗的“面”。
消除数据孤岛
在中国，医疗健康是个大行业，体系复杂。陈奇博士认为：“医疗领域的大数据用户覆盖范围很广，比如医院诊所、区域医疗中心、医疗保险公司、药物管理分析单位、医疗设备监控中心等。”相应的数据资源分散在不同的数据池中，包括医院的电子病历、结算与费用数据，医疗厂商的医药、医械数据，医学研究的学术数据，区域卫生信息平台采集的居民健康档案，政府调查的人口与公共卫生数据等，但彼此之间并没有太多联系。
此外，医疗行业服务于中国13亿民众时必须面对海量医疗健康数据处理需求。随着国家积极倡导“3-5-2-1”医疗系统建设，预计在全国会出现上百个医疗数据中心，每个数据中心都将承载近1000万人口的医疗数据，数量多、更新快且类型繁杂，包括图像、视频、文字以及XML结构文档等。据估算，中国一个中等城市（1000万人口）50 年所积累的医疗数据量就会达到 10PB 级。
落地“点”：医院管理 临床分析
医院是大数据布局医疗行业的关键，从目前中国医院信息系统建设情况来看，尽管数据已经逐步电子化，但绝大多数数据都分散存储于不同的业务系统中。过去不是没有整合这些数据的需求，而是缺乏适合的技术手段。
陈奇博士在接受采访时表示：“医疗行业的大数据和其他行业有相通的地方，如优化医疗管理，从历史病例中分析得出最优的解决方案，进行流行病的监控预测以及医生与患者的互动等。它也有独有的特点，比如医院诊所的实时诊断。这都要求大数据应用具有很强的实时性以及高度的准确性，同时还要考虑对患者信息的隐私保护。”因此单纯的使用传统的存储技术和分析方法就会出现问题：一方面是应对多样和变化的数据格式问题，另一方面是海量数据获取速度和安全保护问题。广州中医药大学第一附属医院利用IBM业务分析解决方案Cognos和数据挖掘工具Datastage构建医院智能运营平台，在大数据应用领域取得突破。其平台核心包括：存储医患信息的数据仓库、实时诊断的流数据分析、数据优化管理的主数据管理系统、数据整治监控的信息管理器等关键技术模块。
基于上述技术，从医院管理目标出发对医院运营数据仓库进行规划和建模，以医院的HIS、EMR、病案管理、医保等系统作为数据源，进行数据抽取、清洗和转换，为数据的智能化分析利用打好基础。目前，系统平台实现了医院在日常运营监控、阳光用药监察、医保费用监控、科室目标管理四大方面的有效提升。但这仅仅是管理层面的大数据应用，下一阶段，通过进一步建设医院数据中心，利用领先的分析技术支持中医科研和更深层次的临床学术研究，这才是大数据平台智能运营的终极目标。
落地“面”：区域医疗协同网络
国家发布的《基于健康档案的区域卫生信息平台建设指南》指出，区域化卫生信息系统包括电子政务、医保互通、社区服务、双向转诊、居民健康档案、远程医疗、网络健康教育咨询，以实现预防保健、医疗服务和卫生管理一体化。
作為一体化协同的区域医疗系统，其大数据的应用关键是整合所有的数据集并降低共享数据的技术门槛。但很多区域医疗（RHIN）项目的实施仍采用传统数据库进行存储和服务。有些服务商也采用某些 NoSQL 系统对非结构化档案进行存储管理，如使用 MongoDB。然而，使用单一的组件和产品，无法形成整体的解决方案。
在锦州“健康城市”战略区域卫生数据中心建设中， 基于Hadoop大数据技术的整体解决方案满足了海量数据的处理和分析需求，并同时具备文档快速检索、存储模式更新、应用扩展能力。
区域内的各医疗卫生服务机构通过平台协同共享区域医疗平台提供的服务，采集的文档包括个人基本健康记录、门诊摘要、处方记录、病历专访等不同类型的数据。文档上传后，通过XML解析，提取关键数据元素，调用文档存储服务，将关键数据元素和 XML 文档存储在 Hbase 数据库中，形成健康档案文档库，以此为基础提供文档检索和数据分析服务。通过开放的文档检索和数据分析接口，针对个人、医生和卫生管理人员提供不同类型的数据和业务服务，满足不同用户对海量数据访问、处理和分析的需求。
在可预见的未来，大数据在临床诊断、医疗科研方面将得到充分应用，并在公共卫生决策和个人健康管理方面发挥积极作用，从而实现“医疗服务”到“全面健康管理”的转变。
目前中国医疗行业的信息化基础还比较薄弱，但大数据的趋势已逐渐呈现。中国工程院院士邬贺铨表示：“大数据应用首先是智慧医疗，具体可应用在临床诊断、远程监控、药品研发等方面。”在IBM信息管理首席架构师及大数据架构师陈奇博士看来，中国医疗大数据还处于起始阶段，如何利用病患信息，保护病患隐私，提供实时、准确的分析诊断都是很大挑战。
面对现状，大数据应用若想落地，必须与中国医疗行业的特征和需求结合，先布局到医院的“点”，再拓展到区域医疗的“面”。
消除数据孤岛
在中国，医疗健康是个大行业，体系复杂。陈奇博士认为：“医疗领域的大数据用户覆盖范围很广，比如医院诊所、区域医疗中心、医疗保险公司、药物管理分析单位、医疗设备监控中心等。”相应的数据资源分散在不同的数据池中，包括医院的电子病历、结算与费用数据，医疗厂商的医药、医械数据，医学研究的学术数据，区域卫生信息平台采集的居民健康档案，政府调查的人口与公共卫生数据等，但彼此之间并没有太多联系。
此外，医疗行业服务于中国13亿民众时必须面对海量医疗健康数据处理需求。随着国家积极倡导“3-5-2-1”医疗系统建设，预计在全国会出现上百个医疗数据中心，每个数据中心都将承载近1000万人口的医疗数据，数量多、更新快且类型繁杂，包括图像、视频、文字以及XML结构文档等。据估算，中国一个中等城市（1000万人口）50 年所积累的医疗数据量就会达到 10PB 级。
落地“点”：医院管理 临床分析
医院是大数据布局医疗行业的关键，从目前中国医院信息系统建设情况来看，尽管数据已经逐步电子化，但绝大多数数据都分散存储于不同的业务系统中。过去不是没有整合这些数据的需求，而是缺乏适合的技术手段。
陈奇博士在接受采访时表示：“医疗行业的大数据和其他行业有相通的地方，如优化医疗管理，从历史病例中分析得出最优的解决方案，进行流行病的监控预测以及医生与患者的互动等。它也有独有的特点，比如医院诊所的实时诊断。这都要求大数据应用具有很强的实时性以及高度的准确性，同时还要考虑对患者信息的隐私保护。”因此单纯的使用传统的存储技术和分析方法就会出现问题：一方面是应对多样和变化的数据格式问题，另一方面是海量数据获取速度和安全保护问题。广州中医药大学第一附属医院利用IBM业务分析解决方案Cognos和数据挖掘工具Datastage构建医院智能运营平台，在大数据应用领域取得突破。其平台核心包括：存储医患信息的数据仓库、实时诊断的流数据分析、数据优化管理的主数据管理系统、数据整治监控的信息管理器等关键技术模块。
基于上述技术，从医院管理目标出发对医院运营数据仓库进行规划和建模，以医院的HIS、EMR、病案管理、医保等系统作为数据源，进行数据抽取、清洗和转换，为数据的智能化分析利用打好基础。目前，系统平台实现了医院在日常运营监控、阳光用药监察、医保费用监控、科室目标管理四大方面的有效提升。但这仅仅是管理层面的大数据应用，下一阶段，通过进一步建设医院数据中心，利用领先的分析技术支持中医科研和更深层次的临床学术研究，这才是大数据平台智能运营的终极目标。
落地“面”：区域医疗协同网络
国家发布的《基于健康档案的区域卫生信息平台建设指南》指出，区域化卫生信息系统包括电子政务、医保互通、社区服务、双向转诊、居民健康档案、远程医疗、网络健康教育咨询，以实现预防保健、医疗服务和卫生管理一体化。
作為一体化协同的区域医疗系统，其大数据的应用关键是整合所有的数据集并降低共享数据的技术门槛。但很多区域医疗（RHIN）项目的实施仍采用传统数据库进行存储和服务。有些服务商也采用某些 NoSQL 系统对非结构化档案进行存储管理，如使用 MongoDB。然而，使用单一的组件和产品，无法形成整体的解决方案。
在锦州“健康城市”战略区域卫生数据中心建设中， 基于Hadoop大数据技术的整体解决方案满足了海量数据的处理和分析需求，并同时具备文档快速检索、存储模式更新、应用扩展能力。
区域内的各医疗卫生服务机构通过平台协同共享区域医疗平台提供的服务，采集的文档包括个人基本健康记录、门诊摘要、处方记录、病历专访等不同类型的数据。文档上传后，通过XML解析，提取关键数据元素，调用文档存储服务，将关键数据元素和 XML 文档存储在 Hbase 数据库中，形成健康档案文档库，以此为基础提供文档检索和数据分析服务。通过开放的文档检索和数据分析接口，针对个人、医生和卫生管理人员提供不同类型的数据和业务服务，满足不同用户对海量数据访问、处理和分析的需求。
在可预见的未来，大数据在临床诊断、医疗科研方面将得到充分应用，并在公共卫生决策和个人健康管理方面发挥积极作用，从而实现“医疗服务”到“全面健康管理”的转变。