大数据技术在医疗领域应用的发展前景

孙爱婷++张海平

[摘 要] 进入信息时代，快速发展的信息技术逐渐渗透到了各行各业，现代科学研究也因此得以飞速发展。生命科学作为科学的重要组成部分，也与信息技术有着越来越多的交集。在这样的时代背景下，医疗大数据技术将会给传统的临床医学研究带来新的变革，但在创造其巨大机遇的同时，也面临着不小的挑战。文章介绍了大数据的特点和存在意义，以及医疗大数据的数据来源和研究的必要性；分析了传统医疗领域的现状和存在的问题，并对医疗大数据在临床决策、药物研发和健康监测等应用的发展趋势进行了展望；最后阐述了医疗大数据所面临的技术和实施上的双重挑战。

[关键词] 医疗大数据；临床医学；发展方向

doi ： 10 . 3969 / j . issn . 1673 - 0194 . 2017. 19. 082

[中图分类号] R197.32 [文献标识码] A [文章编号] 1673 - 0194（2017）19- 0193- 03

0 前 言

随着互联网时代的飞速发展，大数据已经在金融、交通运输、互联网等领域得到广泛应用，大数据一词因此被人们熟知。既然大数据在众多领域都已经产生了重要的影响。那么，在医疗领域，这个对数据要求更为敏感和精准的行业，大数据又会为其带来哪些机遇和挑战呢？大数据和医疗领域的碰撞又会擦出怎样的火花呢？本文就从医疗大数据说起，逐步了解大数据与医疗之间密不可分的联系，进而发掘其应用前景。

1 医疗大数据

1.1 大数据的概念及意义

随着互联网的广泛应用和云计算的高速发展，数据量正呈指数趋势增长。大数据一词虽被人们熟知，在各领域也进行过激烈的讨论，然而在学术界却依然没有对大数据给出统一的定义。著名的麦肯锡公司所属的麦肯锡全球研究所给出了这样的定义：一种规模大到在获取、存储、管理、分析方面大大超出了传统数据库软件工具能力范围的数据集合，具有海量的数据规模、快速的数据流转、多样的数据类型和价值密度低四大特征。这也是目前大众普遍认可的大数据的4V特点，即容量（Volume）、种类（Variety）、价值（Value）、速度（Velocity）。

容量是指数据量巨大。现在大数据的数据量已经可以达到EB，ZB的级别，而数据量的多少正是决定数据价值和潜在信息的关键；种类指数据种类的多样性。数据既有常见的以文本为主的结构化數据，也包含图片、音频、视频、位置信息等非结构化数据，所以，数据的处理能力是应对数据多样性的关键；价值指数据量巨大但密度低。在这种情况下，如何用较低的成本让单纯的数据转化成有意义的信息，是大数据行业所面临的挑战；速度指获得数据的速度快。大数据中的数据大部分都是实时产生的在线数据，因此，数据量比正常方式获取的速度快得多。在大数据时代下的今天，人们的日常生活无处不见大数据的存在，人类将从IT（Information Technology）时代迈入DT（Data Technology）时代。在这种时代背景下，大数据已然作为一种重要战略资源，成为各大企业和公司争夺的对象。

1.2 医疗大数据

医疗大数据就是指在医疗领域所产生的海量数据，其主要的数据来源有3类。一是临床医学数据。在现代的临床治疗中，数据的增长速度非常快，从心电图，CT图像，再到完整的病历图，临床医学在目前所涉及的信息量越来越大。二是药理研究和生命科学数据。药物研发需要了解药理作用和药物间的相互作用，这是密集型的过程，此时会产生海量数据。而在生命科学领域，随着人们对基因越来越深入的了解，基因测序和个人基因图谱等数据也会走入普通人的生活中。三是个人健康数据，目前人们主要通过每年的体检了解自己的身体状况，伴随着互联网和移动设备的飞速发展，便携式的身体监控设备也走进了人们的生活当中。

未来，人们可以通过这些便携设备查看身体的各项健康数据，从而做到预防疾病或及时就医。因此，某些传统临床医学终将会被医疗大数据技术所取代，使得诊断结果更加精准，得出的结论更有说服力，医疗大数据也将成为未来医疗行业发展的重中之重。

2 传统医疗行业存在的问题

在过去的十几年间，传统医疗行业也在飞速发展，医疗条件和医疗技术虽然在不断进步，但自身存在的问题也不断显现。

2.1 优秀医疗资源的分配不合理

在一线城市中，每千人中有3到4名专家级别的医生教授提供医疗服务，而在非一线城市，平均只有一名中水平的医生。优秀医疗资源的集中化不仅会使基层医疗机构的医疗水平和资源利用率下降，还会使大医院的资源得不到合理利用，从而导致想看病、先排队的看病难问题。

2.2 传统临床诊断的局限性

当前的临床学科还是以系统和器官来命名，临床疾病的诊断体系大多也是通过系统和器官为基础进行诊断。然而，很多临床疾病有着极为相似甚至是完全相同的表型，但这些疾病的基因型却天差地别。而另一些疾病，它们的表型可能丝毫没有关联，但基因型却是完全相同的。举个例子，某个基因发生基因突变产生缺陷，会使肺部发生病变，心脏、喉咙也会产生一系列问题，但是患者会通过患病的系统和器官找对应科室的医生来诊断疾病，这样每个科室的医生所给出的诊断结论可能完全不同，给临床诊断带来了困难。

2.3 个人医疗信息不完整

目前，患者几乎不可能获得来自不同医院完整的个人健康数据，原因主要是医疗信息复杂性高，数据格式不统一，难于管理和充分利用。而这些个人健康数据存储在各大医院的数据库中，数据安全问题也面临着挑战。所以，如何将完整的医疗健康数据还给患者是目前医疗行业需要思考的问题。

随着大数据的发展和应用，传统医疗领域一定会发生翻天覆地的变化。而之前存在的问题也会随着大数据的飞速发展而迎刃而解。例如，针对优秀医疗资源过于集中的问题，可以通过大数据实现个人医疗信息的传输与共享，将病人完整的电子病历共享给中小型医院及社区医院，或者通过在线医疗的形式，使得优秀的医疗资源实现共享，从而实现医疗资源的均衡化，以及合理的发展和利用。

而对于传统临床医学的局限性，也可以通过大数据来解决。通过对群体海量身体数据的研究，今后的疾病命名方式都可能发生改变，肺炎，肝炎等以器官命名的疾病名称也许会被以基因型，分子名称命名的疾病名称所取代。

3 大数据在医疗领域的应用分析

3.1 目前大数据在医疗领域已经实现的应用

随着传统医学研究的局限性越发明显，大数据必将在医学研究中发挥重要的作用。目前在医疗领域，已经有许多利用大数据的实例。

（1）百度通过搜索数据，构建疾病预测模型。由于流行病的发生和传染有一定的规律性，而这些规律和环境指数，气候变化，人口流动等因素有密切关系。百度旗下的预测平台由此推出了“疾病预测” 产品，实时提供几种流行病的发病指数。同时，将网民搜索的大量流行病信息汇聚起来，从而形成统计规律，经过一段时间的积累，可以形成许多预测模型，预测未来疾病的活跃指数。

（2）“康诺云”构建健康管理方案。康诺云产品是由时云医疗科技有限公司开发的，康诺云的基准数据和分析预测模型来自美国明尼苏达大学“时间生物学”中心，该中心也是现代时间生物学之父 Dr. Franz Halberg（哈尔贝格）教授的实验室。从20世纪 60 年代开始，哈尔贝格时间生物学中心联合全球几十个医学实验室和医院在北美、南美、欧洲、澳洲、非洲、亚洲采集了上百万人次的基础体征数据，建立了丰富的跨种族和地域的人体体征数据库与分析模型，并为 NASA 宇航员提供数据分析服务。因此，康诺云产品背后所依附的是权威的学术理论。传统的医疗监测模式只能对已有疾病的身体状态进行监测和判断，而康诺云能对人体还没形成的疾病状态做出预测，从而为用户提供健康管理方案。

3.2 未来医疗大数据应用方向

3.2.1 临床决策与诊断

在目前，传统的临床医疗虽然已经开始使用一些先进的医疗检测设备，如电子计算机断层扫描，但疾病诊断主要还是依靠行医经验。医疗从业人员积累的经验毕竟有限，并且靠经验诊断疾病不是百分之百可靠，按照经验去诊断疾病不可避免的会发生误诊、漏诊的现象。调查显示，我国的平均误诊率为27.8%，误诊所造成的医疗事故不仅会加重医患矛盾，更会导致患者产生极大的生理和心理负担。这些情况今后都可以通过大数据来解决，使用大数据技术对海量的医疗数据进行处理和分析，这些数据可以让医疗工作者将主观的经验和客观的数据有效的结合起来，从而做出最正确的临床决策，提高治疗效率和治疗效果。

3.2.2 药品研发

制药公司在新药品的研发和推广阶段，会消耗大量的时间和成本。而一些患病几率为千万分之一的小众疾病，即使可以研制出对症的药物，制药公司也会因为研发成本的问题而放弃研发，这就导致了这些患者面临着无药可医的状况。而通过大数据，药物的研发成本和研发时间将被极大降低，从而解决上述问题。

首先，在药品研发阶段，利用大数据进行数据建模并进行分析，预测药物的临床结果，可以为临床阶段的实验结果提供参考，节省临床阶段的时间并优化临床实验结果。在此之后，通过分析数据可以暂缓不必要的临床实验，降低研发成本。在药品的推广阶段，制药公司也可以通过大数据更快地回收成本。制药公司也可以通过数据建模进行分析，从而生产出治疗成功率更高的药品并极大地缩短药品从研发到投入市场的时间。

3.2.3 健康监测和健康管理

随着互联网和移动设备的快速发展，智能可穿戴式设备已经走进每个人的生活中。如索尼SWR12智能手环，它具有震动提醒、睡眠监测、步数测量、心率监测等功能，在佩戴者的心率超过一定范围后，手环还会发出警告提醒佩戴者。在今后，这些智能可穿戴设备也会更加完善。未来，这些设备可以通过收集个人的医疗健康数据，对个人的健康状况作出评估，并在有患病风险的情况下作出正确反映和提醒，帮助其监测健康状况。用户也可以利用互联网，将设备所收集的健康数据发送到医院。这样，医护工作者就可以通过在线医疗的形式了解患者目前的身体状况，并为患者制定出最有效的治疗方案。

4 医疗大数据面临的挑战

4.1 数据分析有难度

伴随着医疗信息化的飞速发展，医疗行业所产生的数据量也在不断增长，而如何让这些医疗数据实现合理的利用是医疗领域目前所面临的问题。并且，医疗数据的过于分散和数据利用率低的问题也在困扰着各大医疗机构，医疗机构虽然积累了大量数据，但这些数据的质量还不能支撑临床层面的研究。在面對医疗数据急剧增长的情况下，若可以通过大数据进行有效的数据挖掘和数据分析，就可以从海量医疗数据中筛选出质量较高的有价值的信息，从而推动医疗行业的发展，提高医疗水平。另外，医疗数据中的偶然性和真实性问题也不容忽视。医疗数据的复杂性高，例如医疗监测数据，它存在着偶然性的小概率事件，而这些信息对于医疗信息的动态监控没有任何价值，反而容易造成干扰，所以如何规避这些偶然数据也是医疗行业今后要面对的问题。

4.2 技术上的困难

第一，医疗行业所产生的数据包含大量非结构化数据。就目前而言，如何处理并整合这些非结构化数据是医疗行业所面临的一个挑战。第二，数据利用率问题也是当前研究的难点。由于医疗数据量爆炸性的增长，如何将有高质量的有效数据从海量医疗数据中提取出来是今后的重点研究问题。第三，数据存储问题。医疗数据不光存储常规的结构化数据，中间还夹杂着大量非结构化数据，传统的存储方式已经满足不了医疗大数据的需要。因此，如何存储这些医疗数据也是目前的难题。最后是延迟问题，医疗大数据存在实时性，许多临床数据都需要进行实时或准实时的处理，而以目前的技术，想要处理这些实时数据还十分困难。

4.3 实施中的挑战

首先，医疗工作者意识的缺乏。大部分人还不能充分意识到医疗大数据和医疗信息系统存在的意义，医疗大数据应用的推广经常存在人为的干预。第二，信息孤岛问题。中国拥有约十三亿人口，医疗数据庞大且复杂，不同类型的医疗数据分散在各自的系统中，彼此之间几乎没有联系。第三，标准化难于实施。由于医疗资源的分散，不仅医疗机构间的数据不能共享，就连同一机构不同科室间的数据也难以集成。这些问题主要都是因为缺乏数据标准所造成的。第四，相关法律的缺失。目前大数据发展速度已经远远超过了法律更新的速度，在这种情况下，某些无良企业通过私自分析用户健康数据获利的事件屡有发生。所以，对其制定相关法律法规刻不容缓。

5 结 语

在如今繁荣发展的互联网时代，大数据作为一项新兴技术进入医疗行业，必将影响整个医疗卫生领域。研究人员要做的，就是与时俱进，精准的实现大数据和医疗相结合，推动未来医疗事业的发展。本文介绍了什么是医疗大数据，分析了传统医疗行业的弊端，最后分析了医疗大数据的实际应用及其未来的主要发展方向。希望能为研究医疗大数据的学者们提供一些参考。

主要参考文献

[1]郭晓科.大数据[M].北京：清华大学出版社，2013.

[2][英]维克托·迈尔-舍恩伯格. 大数据时代[M].盛扬燕，译.杭州：浙江人民出版社，2012.

[3][美]埃里克·托普. 颠覆医疗：大数据时代的个人健康革命[M].张南，译.北京：电子工业出版社，2013.

[4]周建文. 大数据环境中的医疗数据隐私保护[J].中国管理信息化，2015，18（4）.

[5]张苗苗. 大数据撬动医疗数据应用杠杆[N].中国电脑教育报，2013-02-25.