医疗大数据与临床01——应用场景

这些天学习了一下医疗大数据的临床应用，做一些笔记，也谈谈自己的思考，不足的地方希望指正和补充。

大数据（Big Data）早已经不是一个新概念了，好像都已经有点过气了，现在都在谈人工智能、区块链了。不过这些并不冲突，大数据就像水一样，是AI的基础。作为临床医生还没有切实感觉到大数据对实际诊疗的影响力，但是医疗大数据和医疗人工智能已经热了很多年了。医疗一直是一个前沿技术集中，但是推广应用缓慢的地方。这些年在临床上面，大数据一直在基础设施方面不断发展。基本上现在大医院都完成了信息化系统的建设，其实这个转变也不到10年，我刚刚开始实习的时候都还是手写病历。随着各类数据库的建立，便携化、智能化设备的发展、检验检查技术的发展，数据增长的速度只会越来越快。

数据对于医生来说非常熟悉，既是临床数据直接的生产者、收集者，也是第一手临床数据的直接思考者，每天都要从这些数据中总结经验、设计课题、撰写文章。但大数据让我有些摸不着头脑，对于真实世界来说，大家就像在盲人摸象，原来可能以为自己还摸找了整个象腿，可能也只摸到了个脚趾头也说不定。

我在了解医疗大数据以后想产生了很多疑问，相信很多临床医生会和我一样：

• 医疗大数据现在有什么应用？

• 大数据我们临床医生又有什么关系？

• 临床上如何应用？

• 临床医生能够做什么，应该怎么做？

还有很多问题没有列在这里，这些问题在脑子里转让我好些天都没睡好觉，听了好几门课，找人咨询。我就一个一个问题写写自己的认识和体会，从一个临床医生的角度。

在接触大数据以后我首先想知道的就是医疗大数据现在有什么应用。在了解应用之前，先了解一下医疗大数据有哪些来源，这样能够更好的理解应用场景问题。现阶段医疗大数据的来源主要有以下这些：

• 诊疗数据：这是临床医生最为熟悉和关系最紧密的数据。这些数据主要包括了下面这些内容，有些内容是医院信息系统收集的，有些是临床研究另外收集的，而这些数据之间的关联又很麻烦，这是后面想聊的事情。

  • 电子病历
  • 检验检查
  • 影像
  • 各类监测、护理
  • 各类评价量表、随访等

• 研究数据：各类医院的实验室、医药公司、研发机构等等在研究过程中产生了大量数据。

• 患者数据：医生往往只是接触到患者在院或者就诊期间的数据，还有大量有意义的数据其实在患者平时的生活场景中，但这类数据以前难以收集。现在随着可穿戴设备、网络等的发展，使得收集和分析成为可能。

• 管理数据：在信息化以后，医院每天都会产生很多管理方面的各类指标数据，同时依靠这些数据做一些决策。

• 经济数据：医疗行为都会产生支付、结算、保险等数据，这些数据对于卫生经济学具有很重要的意义，影响着医保、医疗政策等等。这些事情看似和我们关系不大，其实离我们临床医生很近，我们每天其实都要碰到此类的问题，很大程度上影响了患者和医生临床决策。

现在主要的应用场景我将其分为五大类，只是说一些觉得有意思的，肯定有很多我不了解或者没有提到的。

临床及临床研究

• 临床决策支持：现在很多HIS系统会有一些用药提示，电子病历提醒等等，这算是一些简单的支持系统。但临床决策支持通过大数据可以做得更好，不是简单的放一些已经发布的指南，或者是药品说明书的剂量提醒。虽然我们有例如“某某病治疗指南”，却没有“3种疾病家里经济条件不好患者的治疗指南”。大数据加持上人工智能，可以更加全面的分析患者，提出合理的、个体化的临床决策支持，这个工作以往更多的是凭借医生的个人经验来做出判断。而且医生总是会有一些潜在的犯错的风险，临床决策支持系统可以显著降低错误的发生。

• 真实世界研究：现在这个理念在研究界很火，感兴趣的可以自行了解一下，当然也不局限与临床研究，放在这里是想强调对于临床研究的重要性，以后询证医学证据应该会来自于此。大数据可以进行之前难以进行的大型的、复杂的临床研究。

• 就诊行为分析：在大数据时代之前，这个方面的研究比较困难，相信以后会解释和证实很多之前医生经验上感觉到的事情。

• 临床数据深度挖掘：临床上的海量数据就像一座宝库，里面蕴含着大量还没有意识到的知识和问题。例如有些没有意识到的危险因素，不了解的药物作用等等。

公共卫生

• 健康预防及慢病监测管理

• 传染病监测

• 危险因素监测

科研

• 生物标志物、组学研究：组学包括很多，基因组学、表观组学、蛋白组学、癌症组学等等。这个方面的大数据研究和共享是走在其它数据前列的，现在已经有的公开共享的医疗大数据库很多都是这个领域的。很多大数据研究者并不需要自己做实验就可以从这些数据库中发现很有价值的信息。其它方面的科研数据在以后越来越开放的时代里，也一定能够发挥更大的作用。

• 医药研发：现在各个大的医药厂商都已经投入很多在大数据方面，必定将大大减少医药研发的成本，避免不必要的浪费，减少药物的副作用，并且发现现有药物的新用途。

医疗管理

• 医疗机构优化运营：通过数据整合分析、智能应用等帮助医院运营管理。

• 合理配置：通过数据推动区域或跨区域的运营改善，合理配置医疗资源。相信在这个方面，跨区域连锁经营的医疗机构会走在前列。

政府及保险

• 卫生政策决策支持

• 医疗模式分析：提高医疗服务质量，减少医疗资源浪费、降低成本

• 保险费用分析