大數據在醫療領域的應用推廣研究

張琪+鈕靖+田肖

摘要互聯網和物聯網技術的快速發展，大大提高了大數據的存儲、計算、分析、處理能力，將大數據的技術應用在醫療領域能夠使醫療服務水平得到提高。本文介紹了大數據醫療的現狀，闡述大數據的基本特征及其應用。

關鍵詞大數據；醫療；服務

1大數據醫療的背景

簡而言之，大數據是由人類所制造。把所有物理空間的數據進行求和得到的就是大數據，那么大數據有什么作用呢，我們從人類的眼耳口鼻聲色意的認識，慢慢到運用技術、收集數據、計算統計、到統籌全局預算未來，這就是大數據，它已經漸漸成為主要的生產要素。

近年來，醫療大數據的相關研究越來越顯現出蓬勃發展的良好態勢，雖然我國在醫療大數據方面的研究和應用起步較西方國家略晚一些，并且總的來說整體力量還沒有形成，但是在醫療模式的轉型上，對醫療大數據的分析漸漸成為今后的最大需求應用方面?；ヂ摼W和物聯網的快速發展，尤其是現在“互聯網+”的出現，更是讓越來越多的行業對“服務”的理念追捧。而醫院的服務模式則是以病人為中心開展的，醫院信息系統（HIS）轉化為以電子病歷為中心的管理信息系統（EMR）。該系統為了實現以病人為重點服務對象的全信息化服務模式，組織原有的HIS系統、檢驗信息系統（LIS）、影像系統（PACS）、放射信息系統（RIS）以及績效管理系統等為一體。尤其是區域醫療的快速整合下，通過互聯網把分布在同一個城市的多家醫院的電子病歷系統連接起來，真正達到了區域內醫療數據共享的目的。通過醫療的互聯，減少重復檢查、化驗，大大減輕病人及家屬的負擔，讓病人及時高效的得到治療，使看病效率提高，實現就醫的手續繁雜轉為簡單化。

如果拿一個病人每次看病的所產生的數據進行計算，普通的電子病案和醫學化驗數據較小，還不到1MB，但影像報告所達到的內存就要大一些，基本在1GB左右。一個患者就醫一次基本上要產生2到3張影像數據，因此，總的來說一個病人診療一次產生的醫療數據加在一起大約在2GB～3GB之間。全國平均一家三甲醫院每天就診和住院的病人約為3萬人，10家醫院一年將產生超過300000TB的數據，由此不難發現，醫療數據量的龐大。目前已經出現的數據挖掘技術，也給醫療大數據分析領域提供了很好的技術支持。

2大數據在醫療領域的應用設想及推廣

2.1大數據應用于醫療的分析

醫生對病人診斷的過程分析如下。首先，需要病人對自己的癥狀進行描述，醫生邊聽邊記錄。通過病人描述和醫生的經驗，接著是讓病人作對應的醫學檢驗和影像檢驗，一系列的檢查之后取得檢查結果，包括化驗單和影像報告。醫生的大腦就像是一臺儲存了大量數據的計算機，根據取得的檢查報告和病人的電子病歷數據以及醫生自己的診療經驗進行相互的關聯，從而判斷出該病人的情況并給出相應的診療方案。但事實上醫生診療的過程也有一定的局限性，僅僅只對醫生一個人的經驗和醫學研究成果加以運用。而即便通過多個專家醫生運用聯合會診的方式也只是僅有的少部分經驗知識。所以，醫療大數據出現以前的治療方式對病人進行的病情分析或多或少會產生不良的影響。而醫院如果建立醫療大數據挖掘分析系統并被投入使用，專家醫生就可以通過寫入一系列醫療數據到醫療大數據系統平臺，并且通過人工智能的機器學習和數據挖掘的分析方法，專家在確定治療方案時就可獲得相像的疾病機理和病因，從而給出更為精確的診療方案，從實質上解決病人的病痛。

2.2應用設想

為了能夠實現醫療大數據的收集、加工、儲存、檢索及計算和運用的要求，可以將醫療大數據技術與云計算技術相結合，構建醫療大數據分析云平臺，具體設想如圖1所示。

醫療數據中心的成立，是對病人情況的確定，醫生治療方案的設計，通過這些數據進行建模。這醫療大數據中心在數據采集方面根據數據來源不同采用不同方法，對于結構化數據直接抽取并整合存儲，對于非結構化數據要對有用信息進行結構化改造再存儲。抽取有效的醫療大數據共性元素，以原有的臨床知識數據庫為輔助，通過大數據的分析技術并用可視化的操作來建立完善的臨床決策系統。

3大數據醫療系統構建需要注意的關鍵問題

通過網絡把多家醫院連接成一個區域醫療系統，從而實現多家醫院醫療數據共享，信息傳遞這樣的醫療大數據系統。而在區域醫療系統的形成下，擴展到城鎮、城市醫療網；再進一步的擴大到省級乃至全國、全世界這樣的大數據醫療系統。

1）實現對電子病歷數據的收集及儲存。在這個問題上，專家醫生在診療過程中要規范記錄病人的病歷情況。在電子病歷數據要求規范以外，還要有專人保管、專人整理相關的檢驗數據，使得這些收集、儲存的數據也規范記載。此外，還需要數據庫管理系統（DBMS）來存儲這些數據，數據庫的設計上對數據的標準進行統一是技術的關鍵所在。

2）對數據進行結構化處理。電子病歷數據大多以文本數據為主，要對這些醫療數據做結構化處理。尤其是部分中文的電子病歷，應對大量醫學詞語進行拆分、對關鍵詞進行提取等。并通過模擬和數字技術對影像檢驗數據進行分析，把患者病況圖像分析數據轉化為結構化數據。

3）對數據庫系統進行設計。在醫療大數據的數據庫系統中大數據的4V特征（大容量、多樣性、快速度、真實性）要求對大數據有更高效的利用，這些應用包括云計算部署模式和局部集群模式等。

4）大數據挖掘的分析方法。醫療大數據挖掘最重要的內容就是通過抽取醫療相關數據的特點，同時還要根據醫療數據特點進行劃分。要提取到重要的、有用的數據則需要進一步把不同類型、不同性質的數據進行關聯。也可以將人工智能中的機器學習方法應用于醫療數據挖掘。

4結論

本文通過大數據技術在醫療領域的發展趨勢研究分析，并且提出大數據系統構建需要注意的關鍵問題，由于醫療行業數據量大，醫療數據復雜度高的特點，大數據在醫療行業的應用必然能夠發揮較大的作用。