醫(yī)療衛(wèi)生系統(tǒng)中大數(shù)據(jù)的應(yīng)用

前言：想要寫出一篇引人入勝的文章？我們特意為您整理了醫(yī)療衛(wèi)生系統(tǒng)中大數(shù)據(jù)的應(yīng)用范文，希望能給你帶來(lái)靈感和參考，敬請(qǐng)閱讀。

摘要：近年來(lái)醫(yī)療衛(wèi)生信息化發(fā)展迅速，醫(yī)療衛(wèi)生領(lǐng)域也迎來(lái)了大數(shù)據(jù)時(shí)代的潮流。簡(jiǎn)述了醫(yī)療衛(wèi)生系統(tǒng)中數(shù)據(jù)資源現(xiàn)狀，分析了通過(guò)大數(shù)據(jù)平臺(tái)構(gòu)建臨床決策支持系統(tǒng)、提高醫(yī)藥產(chǎn)品研發(fā)效率、疾病監(jiān)控防治等方面的應(yīng)用前景。

關(guān)鍵詞：大數(shù)據(jù)；醫(yī)療衛(wèi)生系統(tǒng)

1數(shù)據(jù)管理問(wèn)題

醫(yī)療數(shù)據(jù)是持續(xù)、大量增長(zhǎng)的大數(shù)據(jù)。根據(jù)估算，中國(guó)一個(gè)中等城市50年所積累的醫(yī)療數(shù)據(jù)量就會(huì)達(dá)到10PB級(jí)。并且，隨著時(shí)間的推移和業(yè)務(wù)系統(tǒng)的不斷升級(jí)換代，醫(yī)療數(shù)據(jù)模式的一致性也無(wú)法保證。因此，每天都會(huì)有大量的數(shù)據(jù)持續(xù)不斷地導(dǎo)入?yún)^(qū)域醫(yī)療數(shù)據(jù)中心，并且每當(dāng)有數(shù)據(jù)模式的更改，相關(guān)的歷史數(shù)據(jù)也需要做相應(yīng)的調(diào)整。由于醫(yī)療數(shù)據(jù)是多種數(shù)據(jù)源數(shù)據(jù)的匯總，醫(yī)療數(shù)據(jù)是關(guān)系復(fù)雜的多維數(shù)據(jù)。醫(yī)療數(shù)據(jù)的多維度多粒度為各種信息服務(wù)的多角度多層次分析提供了可能，但同時(shí)也為大數(shù)據(jù)分析帶來(lái)了挑戰(zhàn)。Hadoop基于開源分布式數(shù)據(jù)處理平臺(tái)，通過(guò)特殊的方式組織網(wǎng)絡(luò)級(jí)數(shù)據(jù)，可以解決數(shù)據(jù)存儲(chǔ)水平擴(kuò)展的挑戰(zhàn)。利用MapReduce并行處理批量事務(wù)的能力，從多個(gè)數(shù)據(jù)源（主要是醫(yī)療機(jī)構(gòu)的各個(gè)業(yè)務(wù)系統(tǒng)）抽取數(shù)據(jù)、轉(zhuǎn)換格式、并導(dǎo)入基于HBase的數(shù)據(jù)存儲(chǔ)模型。使用Hadoop進(jìn)行多維分析，利用數(shù)據(jù)平臺(tái)中多維數(shù)據(jù)非結(jié)構(gòu)化的特征，將大量冗余的維度信息整合到事實(shí)表中，可以在冗余維度下靈活地改變問(wèn)題分析的角度。并結(jié)合Hadoop,MapReduce強(qiáng)大的并行化處理能力，無(wú)論分析中的維度增加多少，開銷并不顯著增長(zhǎng)，不會(huì)顯著影響分析的性能。

2大數(shù)據(jù)應(yīng)用

2.1構(gòu)建臨床決策支持系統(tǒng)

臨床決策支持系統(tǒng)可以提高工作效率和診療質(zhì)量。通過(guò)分析疾病的模式和趨勢(shì)，臨床決策支持系統(tǒng)分析醫(yī)生輸入的條目，比較其與醫(yī)學(xué)指引不同的地方，從而提醒醫(yī)生防止?jié)撛诘腻e(cuò)誤，如藥物不良反應(yīng)。通過(guò)部署這些系統(tǒng)，醫(yī)療服務(wù)提供方可以降低醫(yī)療事故率和索賠數(shù)，尤其是那些臨床錯(cuò)誤引起的醫(yī)療事故。共享的醫(yī)療大數(shù)據(jù)分析技術(shù)將使臨床決策支持系統(tǒng)更智能，首先，大數(shù)據(jù)中心存儲(chǔ)的海量、高維和非結(jié)構(gòu)化的數(shù)據(jù)能夠被檢索，由于對(duì)非結(jié)構(gòu)化數(shù)據(jù)的分析能力的日益加強(qiáng)，從而獲取更多的決策支持信息。比如可以使用圖像分析和識(shí)別技術(shù)，識(shí)別醫(yī)療影像(X光、CT、MRI)數(shù)據(jù)，結(jié)合患者的電子病歷信息，得到輔助的治療信息?；蛘咄诰蜥t(yī)療文獻(xiàn)數(shù)據(jù)建立醫(yī)療專家數(shù)據(jù)庫(kù)和醫(yī)學(xué)知識(shí)倉(cāng)庫(kù)，為醫(yī)生提供一個(gè)決策和清單，在錄入癥狀和檢驗(yàn)結(jié)果后，做是非判斷等集合算法，根據(jù)不同病種，建立決策樹算法，逐漸得出診斷結(jié)果和治療方案，為醫(yī)生的臨床操作提供建議，防止醫(yī)生忽略可能存在的罕見疾病，防止誤診。此外，臨床決策支持系統(tǒng)還可以使醫(yī)療流程中大部分的工作流流向護(hù)理人員和助理醫(yī)生，將常規(guī)的醫(yī)生問(wèn)診程序化和模式化，結(jié)合檢驗(yàn)化驗(yàn)等技術(shù)手段，醫(yī)生只需參與最后的決策和治療環(huán)節(jié)。使醫(yī)生從耗時(shí)過(guò)長(zhǎng)的簡(jiǎn)單咨詢工作中解脫出來(lái)，從而提高治療效率。

2.2提高醫(yī)藥產(chǎn)品研發(fā)效率

2.2.1預(yù)測(cè)建模

醫(yī)藥公司在新藥物的研發(fā)階段，可以通過(guò)數(shù)據(jù)建模和分析，確定最有效率的投入產(chǎn)出比，從而配備最佳資源組合。模型基于藥物臨床試驗(yàn)階段之前的數(shù)據(jù)集及早期臨床階段的數(shù)據(jù)集，盡可能及時(shí)地預(yù)測(cè)臨床結(jié)果。評(píng)價(jià)因素包括產(chǎn)品的安全性、有效性、潛在的副作用和整體的試驗(yàn)結(jié)果。通過(guò)預(yù)測(cè)建模可以降低醫(yī)藥產(chǎn)品公司的研發(fā)成本，在通過(guò)數(shù)據(jù)建模和分析預(yù)測(cè)藥物臨床結(jié)果后，可以暫緩研究次優(yōu)的藥物，或者停止在次優(yōu)藥物上的昂貴的臨床試驗(yàn)。除了研發(fā)成本，醫(yī)藥公司還可以更快地得到回報(bào)。通過(guò)數(shù)據(jù)建模和分析，醫(yī)藥公司可以將藥物更快推向市場(chǎng)，生產(chǎn)更有針對(duì)性的藥物，有更高潛在市場(chǎng)回報(bào)和治療成功率的藥物。

2.2.2提高臨床試驗(yàn)設(shè)計(jì)的統(tǒng)計(jì)工具和算法

使用統(tǒng)計(jì)工具和算法，可以提高臨床試驗(yàn)設(shè)計(jì)水平，并在臨床試驗(yàn)階段更容易地招募到患者。通過(guò)挖掘病人數(shù)據(jù)，評(píng)估招募患者是否符合試驗(yàn)條件，從而加快臨床試驗(yàn)進(jìn)程，提出更有效的臨床試驗(yàn)設(shè)計(jì)建議，并能找出最合適的臨床試驗(yàn)基地。比如那些擁有大量潛在符合條件的臨床試驗(yàn)患者的試驗(yàn)基地可能是更理想的，或者在試驗(yàn)患者群體的規(guī)模和特征二者之間找到平衡。

2.2.3臨床實(shí)驗(yàn)數(shù)據(jù)的分析

分析臨床試驗(yàn)數(shù)據(jù)和病人記錄可以確定藥品更多的適應(yīng)癥和發(fā)現(xiàn)副作用。在對(duì)臨床試驗(yàn)數(shù)據(jù)和病人記錄進(jìn)行分析后，可以對(duì)藥物進(jìn)行重新定位，或者實(shí)現(xiàn)針對(duì)其他適應(yīng)癥的營(yíng)銷。實(shí)時(shí)或者近乎實(shí)時(shí)地收集不良反應(yīng)報(bào)告可以促進(jìn)藥物警戒(藥物警戒是上市藥品的安全保障體系，對(duì)藥物不良反應(yīng)進(jìn)行監(jiān)測(cè)、評(píng)價(jià)和預(yù)防)?；蛘咴谝恍┣闆r下，臨床實(shí)驗(yàn)暗示出了一些情況但沒有足夠的統(tǒng)計(jì)數(shù)據(jù)去證明，現(xiàn)在基于臨床試驗(yàn)大數(shù)據(jù)的分析可以給出證據(jù)。

2.3基于大數(shù)據(jù)的疾病監(jiān)控防治

大數(shù)據(jù)的使用可以改善公眾健康監(jiān)控。首先，隨著移動(dòng)互聯(lián)網(wǎng)現(xiàn)在的不斷發(fā)展，越來(lái)越多的用戶開始選擇把業(yè)務(wù)和使用習(xí)慣都轉(zhuǎn)移到了移動(dòng)端，那么，在基于海量數(shù)據(jù)用戶搜索的社交APP以及LBS等技術(shù)層面，可以建立結(jié)合原有疾病監(jiān)控系統(tǒng)中的流行疾病法定報(bào)告數(shù)據(jù)、流行疾病病例，結(jié)合疾病、環(huán)境數(shù)據(jù)，及時(shí)發(fā)現(xiàn)并繪制出流行病風(fēng)險(xiǎn)地圖。在基于搜索數(shù)據(jù)和LBS數(shù)據(jù)方面，分析不同時(shí)空尺度人口流動(dòng)性、移動(dòng)模式和參數(shù)進(jìn)一步結(jié)合病原學(xué)、人口統(tǒng)計(jì)學(xué)、地理、氣象和人群移動(dòng)遷徙、地域之間等因素和信息，建立流行病時(shí)空傳播模型，確定流感等流行病在各流行區(qū)域間傳播的時(shí)空路線和規(guī)律，得到更加準(zhǔn)確的態(tài)勢(shì)評(píng)估、預(yù)測(cè)。并且，通過(guò)醫(yī)療云和大數(shù)據(jù)中心，公共衛(wèi)生部門可以通過(guò)覆蓋全國(guó)的患者電子病歷數(shù)據(jù)庫(kù)，分析疾病的模式和趨勢(shì)快速檢測(cè)大規(guī)模傳染性疾病進(jìn)行全面的疫情監(jiān)測(cè)，并通過(guò)集成疾病監(jiān)測(cè)和響應(yīng)程序，快速采取措施進(jìn)行響應(yīng)。這基于大數(shù)據(jù)的疾病監(jiān)控防治能使傳染病感染率降低，衛(wèi)生部門可以更快地檢測(cè)出新的傳染病和疫情。通過(guò)提供準(zhǔn)確和及時(shí)的公眾健康咨詢，將會(huì)大幅提高公眾健康風(fēng)險(xiǎn)意識(shí)，同時(shí)也將降低傳染病感染風(fēng)險(xiǎn)。大數(shù)據(jù)共享在疾病監(jiān)控防治中可以做到以下幾點(diǎn)：

（1）提前確定一定規(guī)模的未知疾病，為疫情控制爭(zhēng)取時(shí)間。傳統(tǒng)檢測(cè)無(wú)法監(jiān)測(cè)到任何沒有臨床癥狀的病例的，這些經(jīng)驗(yàn)在醫(yī)院的臨床經(jīng)驗(yàn)中都是空白。但大數(shù)據(jù)可以通過(guò)醫(yī)院的共享信息以及搜索監(jiān)控指定地區(qū)的用戶的頻繁搜索關(guān)鍵詞，可以檢測(cè)到某個(gè)地區(qū)已經(jīng)出現(xiàn)的疫情。比如不明原因的肺炎，某地餐館讓多少人出現(xiàn)嘔吐腹瀉等異常狀況等，然后再通過(guò)與疾病控制中心的病毒庫(kù)中的病毒分析，尋找吻合的病毒，進(jìn)行比對(duì)分析將其找出，為判斷疾病贏取時(shí)間。建立大數(shù)據(jù)中心后，疾病預(yù)防可以真正在第一時(shí)間內(nèi)去判斷出疫情的病毒源，進(jìn)而為控制爭(zhēng)取時(shí)間。疾病監(jiān)控防治的目的是及時(shí)制止其傳播的范圍，而大數(shù)據(jù)則是目前唯一的也是最佳的途徑。

（2）判斷人員流向，控制疫情。在疫情發(fā)生后，雖然國(guó)家可以第一時(shí)間控制住當(dāng)?shù)匾咔椋侨藛T流動(dòng)則是無(wú)法控制的。利用大數(shù)據(jù)的監(jiān)控分析就能監(jiān)測(cè)到傳染源區(qū)人員的主要流向目的地，疾控中心可以拿出對(duì)應(yīng)的醫(yī)療技術(shù)和對(duì)應(yīng)的治療藥品以及疫苗來(lái)防治，第一時(shí)間趕到相應(yīng)地點(diǎn)，實(shí)施接種疫苗，這樣一來(lái)就減少了盲目的廣撒網(wǎng)式的全面布局情況，通過(guò)大數(shù)據(jù)分析的提供人員流動(dòng)數(shù)據(jù)，讓控制疫情在效率上大幅度提升。

（3）傳播動(dòng)力學(xué)模型建立。擁有了大數(shù)據(jù)的全面監(jiān)控后，疾控中心也就有了更多的實(shí)踐支持，就可以開始真正從實(shí)踐中建立有關(guān)疫情的復(fù)雜動(dòng)態(tài)網(wǎng)絡(luò)的傳播動(dòng)力學(xué)。

參考文獻(xiàn)

[1]李國(guó)杰,程學(xué)旗.大數(shù)據(jù)研究未來(lái)科技及經(jīng)濟(jì)社會(huì)發(fā)展的重大戰(zhàn)略領(lǐng)域-大數(shù)據(jù)的研究現(xiàn)狀與科學(xué)思考[J].中國(guó)科學(xué)院院刊,2012,27(6):647-657.

[2]鄭西川,孫宇,于廣軍，等.基于物聯(lián)網(wǎng)的智慧醫(yī)療信息化10大關(guān)鍵技術(shù)研究[J].醫(yī)學(xué)信息學(xué)雜志,2013，(1):10-14.

作者:林青 單位:西安培華學(xué)院