移动医疗与大数据平台在专科疾病随访中的应用

邱 敏，卢 剑，邓绍晖，马潞林

（北京大学第三医院泌尿外科，北京 100191）

移动医疗和大数据在医疗健康领域越来越受到重视，同时也给传统的医学模式带来了挑战。医学诊疗行为的地点从此不限于医院内，可以在家庭甚至通过可穿戴智能设备实现移动个体诊治，全时空地进行病情监测、调整治疗方案。对医疗大数据进行深度加工和挖掘，可以智慧地进行疾病健康管理，提高医疗资源利用率和健康水平。医学领域的大数据开发与利用，涉及医疗信息大数据的标准化、检索与存储访问等一些关键性技术问题，也涉及大数据库的可靠性和患者隐私保护等医学伦理问题，存在一定的风险。

1 移动医疗对传统医疗模式的挑战

传统的诊疗是以医院为中心，即医生固定在医院，患者到医院就诊，此种模式下患者完全被束缚在医院。在信息化时代，应该以患者为中心进行诊治及随访。患者通过手机应用程序（Application，App）及移动网络可以完成挂号、交费、查询结果等步骤，也可以通过手机APP或网站自行将个人资料及检验检查资料填写到随访数据库中，有问题也可以在线咨询。这样不但可以降低随访成本，还能保证较好的依从性及较高的随访率，从而取得最好的随访资料。医生及科研人员可以将患者资料直接导出，并进行分类整理，即可得到某种疾病的“大数据”，再用相应的数据分析及数据挖掘技术，便可以对某种疾病做到更深入的理解，以期得到更好的治疗方案，相信这是以后发展的一个方向。

移动App正在成为一种生活方式，微信作为最有代表性的APP之一，显示出极大的用户粘性。移动医疗（Mobile Health，mHealth）最初的定义为ROBERT ISTEPANIAN在2005年提出的“用新兴的移动通信和网络技术为医疗保健服务［1］”。在2010年美国国立卫生研究院基金会峰会上，与会专家也认为所谓“移动医疗”是指“以移动通信设备为载体的医疗服务”。根据近年来的医疗实践，广义的移动通信设备（技术）可以包括手机、远程电视电话、卫星通信、互联网等，医疗服务更是涵盖了针对健康的管理、疾病预防、诊断、治疗、康复、卫生政策等一系列相关内容，然而移动医疗的核心则是移动通信技术与医疗服务的紧密结合，具体到移动互联网领域，则以基于安卓和iOS等移动终端系统的医疗健康类App应用为主［1］。在医疗人力资源短缺的情况下，通过移动医疗也许能在一定程度上缓解看病难的医疗问题。目前我们已经开始建立前列腺疾病的随访网站及研发手机APP。此种APP将借助于结构化数据，使得数据挖掘更加方便。

国内互联网的三大巨头阿里巴巴、腾讯、百度已经大规模进军医疗市场。阿里巴巴主要包括支付宝“未来医院”计划、阿里健康。“微医”（原挂号网）是预约挂号的利器，“春雨医生”主打远程医疗、网上就医，“好大夫”以疾病管理为其核心功能，“杏树林”为医生提供文献查阅及帮助随访管理患者，而“丁香园”提供药物的说明及指南。百度与智能设备厂商和服务商联手推出“北京健康云”，用户通过这些健康感知设备，实时监测到自身健康数据。

2 医疗大数据与云计算进展

“大数据”（big data），又称“海量数据”，指所涉及的资料量规模巨大到无法通过目前主流软件工具在合理时间内达到撷取、管理、处理，并整理为人类所能解读的资讯［2］。大数据具有容量大（volume）、速度快（velocity）、种类多（variety）、价值密度低（value）的“4V”特点［3］。以前由于采样的困难、计算机技术或者分析手段的限制，通常无法收集每个个体的数据，只能在总体里进行抽样，通过分析这些样本，进而推测总体的特征。而在大数据时代，可以把所有个体的各方面的信息都进行收集整合，得出更加恰当的结论。如何存储及分析这些数据呢？这就需要云计算及数据挖掘技术的帮助。

云计算（cloud computing）技术上是计算机互联网发展带来的一种新型计算服务模式，通过分布式计算和虚拟化技术建设成数据中心并提供数据存储分析等服务［4］。云计算的核心思想是资源共享。用于生物医学大数据处理的云计算被称为“生物医学云计算”（biomedical cloud computing）［5］。云计算是大数据的技术基础，它使大数据的搜索、处理和分析成为可能。数据挖掘（data mining）是指从大量模糊的数据中提取其中某些具有潜在价值的实用信息的过程，涉及到模式识别、人工智能多方面［6］。医疗上可以从既往和现病史数据中发现隐藏的关系和模式，进而预测未来可能发生的行为，从而影响临床决策。

大数据在基础医学的应用应该是最为广泛的，蛋白组学、基因组学及微生物组学［7］等海量的数据需要分析，大数据生物信息分析还可促进肿瘤分子靶点的发现［8］。而传染病方面，H7N9病毒监测的大数据应用就是预防医学的一个代表［9］。临床医学方面，产生数据主要源于以下几方面：医院信息系统（hospital information system，HIS）、电子病历系统（electronic health records，EHRs）影像归档和通信系统（picture archiving and communication systems，PACS）、临床信息系统（clinical information system，CIS）、放射学信息系统（radiology information system，RIS）和实验室信息系统（laboratory information system，LIS）。医院的信息中心可建立信息网络平台，通过云计算的方法及数据挖掘技术对各类信息进行整理及分析，有利于临床科研。GHANI等［10］认为在医疗系统，大数据来源的两个代表就是EHRs系统和PACS系统。中南大学于2014年1月建立了大陆第一个临床大数据系统，共包括101个项目，涵盖了40多个专业及大多数常见病，包括泌尿外科疾病［11］。我院目前已经进行了基于大数据技术的临床数据与智能分析应用平台的建设探索［12］。

3 信息时代的医学专科疾病随访

随访是医院服务功能的延伸，通过随访可以在一定程度上了解该种疾病的预后，从而对疾病有一个更为全面的理解。传统的随访主要是通过门诊、电话随访及家访，此种方法存在很大的缺陷。由于各种原因最终造成失访，导致大量关键数据的流失［13］。并且由于使用的随访系统的差异，每个医院随访结果很难直接使用，样本量较小，数据质量差。

随着移动医疗的发展、大数据时代的到来，随访变得更加容易，患者依从性也更好。目前可以通过手机APP和网络随访来弥补门诊及电话随访的不足。2015年美国苹果公司推出了全新的医疗应用ResearchKit，北京首都医科大学宣武医院是这一计划的首批研究成员。这个平台让医疗研究者可以轻易地制作软件，易于收集数据，用于针对帕金森症、糖尿病、心血管疾病等的各项研究。国内于忠英等［14］建立了基于网络的肾癌随访系统，其认为网络联系方式如电子邮件地址、即时通讯软件账号等多不易变更，通过网络随访辅助传统随访方式可提高随访率，同时网络随访获得信息可直接与数据库系统对接，避免了二次转录产生的人为因素干扰，提高了工作效率。林运等［15］总结了远程数据传输在慢快综合征患者术后急性期随访中的应用，其认为起搏器远程数据传输可及时发现慢快综合征患者起搏术后起搏参数及药物调整需求，指导患者到医院进行有意义随访。

目前国内泌尿外科的同仁已经建立了泌尿系统不同类别肿瘤的随访数据库，如中国前列腺癌数据库（Chinese Prostate Cancer Database，C－CaP）、中国膀胱癌联盟（Chinese Bladder Cancer Consortium，CBCC）等。其采用的模式是全国多家医院分别录入数据，形成数据共享的大数据平台，这将会解决传统随访方式数据少、不完全、易失访的问题。我们也在尝试开发以患者为主导的开放式随访大数据云平台，由患者自主在平台上注册后，通过手机或电脑就能上传随访资料，不局限于时间和地点，对以医生为主导的随访平台模式形成补充，并可以作为移动医疗和科普的途径之一。由于用户众多，中国未来将作为医疗大数据收集的主战场和医疗移动推广的主要市场，更多随身移动医疗技术的开发对于个体精确医疗模式的意义在未来会更加明显。

［1］ISTEPANIAN R S H，LAXMINARAYAN S，PATTICHIS C，et al．M－Health：emerging mobile health systems［M］．Editor：evangelia micheli－tzanakou rutgers university piscataway，New Jersey，2005：3．

［2］BELLAZZI R．Big data and biomedical informatics：A challenging opportunity［J］．IMIA Yearbook，2014，9（1）：8－13．

［3］YAO Q，TIAN Y，LI P，et al．Design and development of a medical big data processing system based on hadoop［J］．Journal of Medical Systems，2015，39（3）：1－11．

［4］赵伟，周兵，李占波．基于云计算的常见疾病用药规范系统［J］．计算机工程与设计，2013，34（5）：1831－1835．

［5］FUSARO V A，PATIL P，GAFNI E，et al．Biomedical cloud computing with Amazon Web Services［J］．PLoS Comput Biol，2011，7（8）：e1002147．

［6］张瑶，刘辉．基于云计算的数据挖掘平台架构及其关键技术探讨［J］．电子技术与软件工程，2015，5：218．

［7］徐振江．大数据：微生物组学及其他生物医学领域的机遇与挑战［J］．南方医科大学学报，2015，35（2）：159－162．

［8］黄金艳，于颖彦．大数据生物信息分析促进肿瘤分子靶点的发现［J］．中华胃肠外科杂志，2015，18（1）：9－12．

［9］ZOU Y，PENG Y，DENG L，et al．Monitoring infectious diseases in the big data era［J］．Science Bulletin，2015，60（1）：144－145．

［10］GHANI KR，ZHENG K，WEI JT，et al．Harnessing big data for health care and research：are urologists ready？［J］．Eur Urol，2014，66（6）：975－977．

［11］GUAN X，QI L，LIU L．Re：KHURSHID R．GHANI，KAI ZHENG，JOHN T．WEI，CHARLES P．FRIEDMAN．harnessing big data for health care and research：are urologists ready？［J］．Eur Urol，2015，67（3）：e58．

［12］李维，陈祁，张晨，等．基于大数据技术的临床数据中心与智能分析应用平台构建［J］．医学信息学杂志，2014，35（6）：13－17．

［13］练磊．大数据在临床医学研究中的应用［J］．中华胃肠外科杂志，2015，18（1）：13－15．

［14］于忠英，韩聪祥，林吓聪，等．基于网络的肾癌随访系统的建立与应用［J］．现代生物医学进展，2014，14（26）：5164－5166．

［15］林运，杨铎，吴翔宇，等．远程数据传输在慢快综合征患者术后急性期随访中的应用［J］．中国循证心血管医学杂志，2013，5（3）：255－257．