基于大数据的慢病管理平台的研究

王伟娜　杨丹　童庆

摘要：针对我国慢病人数呈现快速上升趋势，传统的医疗服务手段已经不能满足大众健康需求的问题，提出了利用“大数据”来建设慢病管理平台。首先，搭建基于大数据的慢病管理平台技术架构，在整合了海量慢病数据的基础上，搭建慢病大数据中心，利用多源异构健康服务大数据的融合与表示、慢病患者画像技术、慢病危险因素分析模型、诊疗方案分类模型和临床效果评价模型等大数据分析技术，建设面向慢病管控全过程建立业务领域分析模型，提供慢病风险评估、慢病高危筛查、精准健康管理、个性诊疗方案、管理效果评估五个大数据应用服务。研究对于促进医疗产业转型升级，建立健康的医疗生态圈起到了积极效果。

关键词：慢病管理；大数据；慢病管理平台

1引言

慢性非传染性疾病（Non-communicable Chronic Disease，NCD）主要是指慢性心血管疾病、肿瘤、慢性呼吸系统疾病、糖尿病等。慢病是受先天遗传和后天环境共同影响、需要长期跟踪管理、有规可循的疾病。随着互联网、物联网、云计算等的快速兴起和普及，医疗数据增长比以往任何时期都快，数据规模越来越大，类型越来越多样化、复杂化。大数据在医疗行业的发展和应用为慢病管理带来了新的方向，实现居民慢病高危筛查、自我慢病管理、个性化诊疗服务和慢病管理效果评估的无缝衔接，不但起到对慢病治疗的效果，更是对慢病潜在人群做到了真正的“预防”。

2基于大数据技术的慢病管理平台

2.1慢病管理平台技术架构

基于慢病大数据中心的患者数据，在隐私保护和数据安全管控技术体系的支持下，建立贯穿慢病预后管理、诊疗服务、健康指导的慢病业务分析模型，面向慢病患者提供基于慢病大数据的慢病高危筛查、精准健康管理、个性诊疗方案、慢病风险评估、管理效果评估等服务。慢病管理平台技术架构如图1所示：

2.2慢病大数据中心

慢病大数据中心整合了健康档案、电子病历、公共卫生数据，疾控数据，个人体征检测数据等，形成了覆盖临床诊疗数据、健康檔案数据、公共卫生数据、疾控业务数据、健康监护数据、运营服务数据等。慢病大数据中心是建设大数据慢病管理平台的基石，为基于大数据的新型慢病管理服务：慢病高危筛查、慢病风险评估、个性诊疗方案、精准健康管理等提供数据支撑。

2.3基于大数据的慢病分析模型

基于慢病大数据中心的业务数据，利用分类分析、关联规则、神经网络等通用数据挖掘工具，结合慢病的预防、筛查、诊疗、随访等业务需求，研发慢病危险因素分析模型、疾病诊疗方案模型与诊疗方案效果评估模型，为面向公卫管理机构、医务人员与患者的应用服务提供算法模型层面的支撑。主要包括：

2.3.1慢病危险因素分析模型

在慢病管理中，对慢病的预测预防、预先指导有助于降低慢病发病率、提高患者就诊率，构建基于临床数据的慢病危险因素分析模型，针对患者个人表征、临床病情信息展开分析挖掘，探寻慢病发病的关键因子，为慢病患者筛查、居民健康指导提供依据。

2.3.2疾病诊疗方案分类模型

慢病患者在年龄、性别、家族史、饮食偏嗜、病情表征等方面存在这个体差异，医生在临床诊疗中为不同患者提供了不同的诊疗方案，在基于慢病大数据中心中的海量患者诊疗数据，借助医疗专家的专业知识，构建疾病诊疗方案分类模型，利用聚类算法对慢病诊疗方案进行梳理、分类。

2.3.3诊疗方案效果评估模型

在慢病的诊疗过程中，不同的诊疗方案将产生不同的治疗效果，面向特定患者人群，进行诊疗方案效果比较评估，从而为该患者人群提供最优化的诊疗方案。借助慢病患者分级模型所获取的患者分级成果，结合患者基础信息、个人特征信息进行人群分层分类，构建诊疗方案效果评估模型，从出院情况、疾病转回、5年生存期、并发症、费用等多个方面评估不同诊疗方案效果，从而为医生临床诊疗提供支持。

2.4面向慢病的大数据应用服务

基于形成的慢病分析模型，根据病前预防、慢病发现、慢病诊疗、慢病随访等慢病管理的不同阶段，面向医疗卫生管理机构、医院、患者等用户提供慢病风险评估、慢病高危筛查、精准健康管理、个性诊疗方案、管理效果评估等应用服务，实现居民慢病高危筛查、自我慢病管理、个性化诊疗服务和慢病管理效果评估的无缝衔接，为实现慢病的少发病、早发现，管理的全覆盖，管理过程的全监控提供有效支撑。

2.4.1慢病风险评估

通过慢病危险因素分析模型，结合慢病大数据中心里的慢病患者的个人检测信息、病情信息等数据，提炼出影响慢病发病的关键影响因子，并可形成一系列如血压预警指数、血脂预警指数等慢病预警指数，居民可将公卫管理机构与医疗机构发布的指数与自身检测指数进行对比，得知其患病风险，从而加强其防范意识，进行自我健康管理，实现慢病提前预防。

2.4.2慢病高危筛查

综合利用慢病危险因素模型、慢病危险分层模型等工具，对慢病大数据中心的所有患者进行筛查过滤，将所有的居民分为普通居民、高危人群、确诊人群、稳定人群、并发症人群、器官损伤人群，并将高危人群输出，形成慢病高危患者管理的目标患者。对高危人群，通过危险因素分析进一步确定不同患者的不同危险因素，针对性的提供健康生活指导和上门随访、健康宣教向其进行风险预警，配合定期的回访，降低危险因素指数，最终避免发展成慢病确认患者。从而在整体上降低慢病的发病率。

2.4.3精准健康管理

综合利用慢病危险因素模型，慢病危险分层模型等工具，同时借助慢病诊疗方案分类、效果评估模型和推荐模型形成不同的健康管理方案。不同分层用户使用不同的管理方案、慢病诊疗方案，慢病随访周期，慢病管理方案调整周期。医生确定管理方案和诊疗方案后，患者遵照执行，系统根据患者最新的临床数据、健康监护数据动态的检测患者的依从性、慢病管理和诊疗效果，并反馈给医生。同时协助医生更新管理和诊疗方案，进入新的管理周期。通过精准管理，可以利用有限的医疗服务资源，面向更多的居民提供有效的服务。

2.4.4个性化诊疗方案推荐

传统的慢病诊治阶段，医生通常通过查阅患者病历，现场检验，询问沟通的形式获知患者病情，并结合个人临床知识与经验形成和实施诊治方案。通过建设大数据慢病管理平台，运用慢病诊疗方案分类、效果评估和推荐模型，面向医生提供慢病患者个性化诊疗方案推荐服务，加强临床辅助决策能力，提升医生慢病诊疗效率。

推荐服务由慢病危险因素分析、诊疗方案效果评估和慢病诊疗方案分类等模型及管件技术支撑：融合患者画像提料形成年龄、性别、饮食偏嗜、病情、用药史、过敏史等用户标签；结合患者主诉症状、病情阶段，以及慢病大数据中心的患者基础信息、历史就诊信息、诊疗方案等数据，对患者进行分级分类；运用诊疗效果评估模型，分析同一类患者在不同诊疗方案中的关键指标变化情况，挖掘患者分级分类与诊疗方案的关联关系，为患者定制个性化诊疗方案并推送给医生。个性化诊疗方案推荐服务充分挖掘患者基础数据，历史数据的诊疗支撑价值，提升医生临床服务能力，给予患者精细化就医体验。

2.4.5慢病管理效果评估

慢病管理是一个系统工程，个体患者的转归很难体现出一个慢病管理手段、政策的有效性。在传统的慢病管理体系中，卫生管理机构选取部分样本，通过定期随访评价慢病管理效果，存在样本容量不全面，统计过程繁琐等不足。通过基于大数据的慢病管理平台和互联网+服务模式，可以灵活的选取样本，定制随访方案，运用诊疗方案效果评估模型，对慢病管理效果进行评估，分析慢病管理的有效方案，形成直观的可视化统计报表，动态实时的发布慢病现状和诊疗技术发展趋势，使卫生管理机构能够合理调配医疗资源，面向患者开展慢病管理宣教，为医疗机构制定和更新慢病管理规范。

系统面向卫生管理机构，利用慢病大数据中心各类业务数据，计算构建的慢病管控指标体系的各项指标，利用历史数据的比对，来评估慢病管理的有效性。

3基于大数据的慢病管理平台关键技术研究

3.1多源异构健康服务大数据的感知、融合与表示

传统数据管理技术擅长处理结构统一、语义清楚、质量可靠的结构化数据，而大数据多源异构、良莠不齐、动态变化的特点使得感知、获取高质量数据并对其进行融合表示是一个非常具有挑战性的项目。一方面，在卫生领域，属于同一个实体或概念的数据往往在多个数据源中以不同的形式表示，需通过数据集成和融合技术将这些不同形式的数据进行统一和集成；另一方面，来自互联网的大数据具有模糊性，使得大数据到医疗档案库的多力度层级结构的映射具有模糊性，利用大数据多粒度模糊感知和映射技术以实现数据仓库技术和大数据技术的融合。

3.2基于大数据的业务分析模型

3.2.1基于健康管理的慢病患者画像技术

患者画像是根据用户社会属性、生活习惯等信息而抽象出的一个标签化的用户模型。在医疗健康领域，患者画像技术被用来根据用户的诊断信息、日常生活信息、用药信息、医学影像信息等数据新型抽象标签化，从而根据用户的医学标签更加精确的为用户提供慢病管理等健康服务。

患者画像利用海量的门诊信息、住院信息、用药信息、医嘱信息、用户的日常生活信息、体征检测信息、生活习惯信息等进行综合的分析挖掘，从而构建出用户完整的医学健康属性标签、一方面，这需要对海量的非结构化数据进行分词、语义理解，找出关键标签；另一方面还需要快速的应对新增加的临床数据，并根据新的数据更新居民医学属性标签。

3.2.2基于临床数据的慢病危险因素分析模型

传统的慢病危险因素模型是基于抽样调查的方式，对调查对象进行针对性的分析。这不可避免的把一些先验的知识带入到模型中，造成模型的偏颇。面对海量的居民临床医学数据、健康管理数据，这些因素能够更好的，更客观地体现居民的生命体征和健康信息，但传统的慢病危险因素模型却又忽视了这些信息，造成模型不适用。

在慢病大数据中心的基础上，基于传统慢病风险因素模型，叠加新的临床数据、健康管理数据，利用大数据分析技术建立以临床数据为主导，健康管理数据为辅助的高血压、糖尿病、心血管三项慢病的危险因素分析模型，来辅助临床上慢病的诊断和日常慢病的管控。使得居民可以利用自己的临床数据更加准确的进行自我慢病管理。

3.2.3基于疾病的诊疗方案分类模型

要辅助推荐某一种疾病的诊疗方案的选择，首先需要找出临床上有多少个诊疗方案。在专家的辅助下，构建一套疾病病种诊疗分类算法，通过提取患者临床上的用药信息、用药组合的变化、核心手术操作等信息进行结构化处理，利用关联规则引擎等算法，找出常用的用药组合、用药组合变化、核心手续操作组合等，建立不同的临床诊疗方案分组。结合专家先验知识找出不同的诊疗方案组合，为评估不同治疗手段的效果提供数据基础。

3.2.4诊疗方案临床效果评价模型

选择慢病的诊疗方案需要了解不同诊疗方案的临床效果，在诊疗方案分类模型的基础上，利用慢病患者的临床诊疗组合、检验检查数据、出院小节数据等信息，提取慢病相關的表达因子，在诊疗方案和表达因子之间建立模型。为避免表达因子的不确定性和主管因素，采用主成分分析方法构建诊疗方案疗效的评价指标体系。评价模型为慢病患者不同诊疗方案的诊疗效果提供客观的科学的评价依据。

4结语

随着大数据时代的到来，大数据技术已经应用到各行各业，其中电商和医疗行业对大数据技术的利用尤为成熟。本文研究基于大数据技术的慢病管理平台，介绍了平台的主要功能实现和关键技术分析，为大数据在慢病管理方面的应用提供借鉴，为慢病管理整体解决方案的深入研究打下基础。