大数据－全文略读：大数据是运用科学的模型、假设、推理对复杂的医疗数据进行深度的数据挖掘、分析，并最终为管理决策服务的一种技术手段。在实际过程中，不能只注重大数据研究的重要性、必要性、适用性和优越性，而忽视其应用的复杂性、艰巨性、挑战性和相关性，更不能不顾数据来源的合...
1 背景
对于大数据，研究机构Gartner给出了定义：大数据是需要新处理模式才能具有更强的决策力、洞察发现力和流程优化能力的海量、高增长率和多样化的产业信息。大数据的特征最早由IBM归纳为4个“V”：Volume（大量）、Variety（多样）、Velocity（高速）、Value（价值），即数据体量巨大、数据类型繁多、处理速度快、价值密度低但产业价值高。大数据目前共有三种顶层的软件技术，即：流数据分析和复杂事件处理、数据库、Hadoop。前两种主要用于处理结构化数据，而Hadoop用于分析非结构化数据。
医疗机构产生的数据具备大数据特征，它不仅涉及服务结算数据和行政管理数据，还涉及大量复杂的医疗数据，包括临床数据、医学知识库、实验室检查数据、医学影像数据，乃至基因学数据以及公共卫生数据。医疗卫生数据主要来源三方面：生命科学领域及医药研发领域；医疗领域，包括诊疗数据以及非诊疗数据，其中诊疗数据包含大量半结构化以及非结构化数据；移动医疗领域，随着可穿戴式设备的快速发展，未来将产生大量医疗健康数据。
2 医疗大数据对管理决策的机遇
医院大数据的爆炸式增长在大容量、多样性和高增速方面，不但全面着医院的数据处理和分析能力，也为医院管理者获取更丰富、更深入和更准确地洞察医疗管理、医疗决策和医疗市场行为的大量机会。如通过医院全面的数据分析及临床智能支持提高医疗诊断的准确性和精确性；通过医疗机构间的数据共享提高诊疗的透明度与规范性；通过互联网海量数据获取和数据处理提高疾病预防、感染控制等医疗应急管理的实时反应能力。因此，大数据时代的思维和态度必将为医疗管理特别是管理决策带来巨大机遇。
2.1 医疗大数据为临床诊疗提供更智能的辅助支持据统计在美国的重症监护室平均每年有40000人由于误诊死亡，这是由于传统的医疗诊断主要依赖医疗工作者的个人能力和经验，在实际工作中往往受到。随着信息化医疗的推进，各种电子信息系统引入临床诊疗（如HIS、PACS等），各类医疗数据呈爆炸式增长，传统的数据处理方法已无法满足要求。而大数据方法可以深入分析和处理各种诊疗数据和治疗途径，与治疗指标数据相结合计算出更加优良的诊疗手段，从而对医务工作者进行良性指导，优化诊疗过程和途径，为临床诊疗提供更加智能化的辅助支持作用。
2.2 医疗大数据为医疗质量提供更全面的数据信息医疗质量管理涉及医院各个部门（门诊、急诊、住院），牵涉到庞大的数据信息，大量数据资源成为医疗单位最核心资源之一，是其它竞争者不可复制的优势。如何开发使用这些数据资源成为提高医疗质量的关键，传统的数据处理方法无法使这些数据得到充分利用，而大数据方法能够通过及时的处理实时产生的医疗数据与传统数据、标准数据对照，分析就诊资源的使用状况，引导实现医疗资源的合理分配。能够从中发现问题，总结经验教训，提出解决方案，达到提高医疗服务水平、诊疗效果和医学科研质量的目的。并逐步将医学演化为全人全程的信息追踪、预防预测和个性化诊疗（如电子病历、基因治疗和疾病预测），从而提高医疗价值。
2.3 医疗大数据为管理决策提供更精准的决策支持传统的决策模式以领导者个人意志为主导，而由于医疗数据的爆炸式增长，个人无法全面掌握医院状况，往往造成决策上的失误。随着科技的发展，医院信息化建设和管理水平有了显著提升，但绝大部分停留在业务的数字化上，不能够为管理者提供决策信息和帮助。其中存在两个主要问题：一是目前医院信息系统提供的报表和数据沿袭了手工操作方式，无法体现系统间的内在关系。二是数据来源单一，分析方法和手段落后，综合性信息系统和决策支持管理功能较弱，不能提供完整的系统数据分析和决策提示。而通过大数据分析技术，可以全面掌握医院医疗质量不足的环节和医疗资源分配不合理的地方，帮助领导做出更准确的决策。且大数据的分析方式主要是依赖数据相关性的分析而不是医疗业务特性的分析，通常是数据性分析。简单来讲，大数据是用最多的数据最多的行为模式来抽取，然后提炼出来最终的全部观点。因此，利用数据挖掘、数据可视化、数据处理和人工智能等处理技术，医疗决策者也可以从中挖掘出更多支持决策的价值信息。
3 医疗大数据应用面临的主要挑战
3.1大数据面临思维模式与技术挑战大数据应用从本质上讲是管理、临床诊疗与计算机技术的深层次碰撞后最佳的医疗信息产业远景。因此，大数据应用的与思维决定其普及利用的程度。当前大多数医务工作者习惯凭借所学知识和工作经验做出诊疗和管理决策，认为大数据只能发现“是什么”而不能说明“为什么”，一旦大数据所得结果与医务工作者自身认知冲突，无法做出具有逻辑性的解释，力不够，固有思维方式就会占主导地位，造成数据资源的浪费。且目前多种医疗卫生平台并存，数据异构性大，不同疾病和健康管理需求的数据集成模式和融合方法之间存在很大差异，也造成大数据应用的基础困境。
3.2大数据共享面临医院内外部技术与体制博弈IBM的大多数架构师认为医疗领域的大数据用户覆盖范围很广，如医院诊所、区域医疗中心、医疗保险公司、药物管理分析单位、医疗设备中心等，体系极其复杂，相应的数据资源分散在不同数据池中，但彼此间没有太多关联，同时各种信息系统来自不同厂商，没有统一标准，医院内部信息系统一元化程度弱、数据可用性不强，基础架构、技术应用架构、数据架构方面准备明显存在不足。医疗大数据开发与应用最终目标是服务患者、解放医护工作者与管理者，而如何有效平衡各相关方的认知，处理好管理需求与应用需求之间的矛盾是当前面临的主要难题之一。
3.3大数据存储面临技术瓶颈与应用需求对垒未来的大数据应用必然涉及多来源数据、非结构化数据的存储，海量数据的实时在线处理等问题，主要包括：容量问题，大容量通常可达到PB级的数据规模，因此海量数据存储系统一定要有相应等级的扩展能力。除数据规模巨大之外，还拥有庞大的文件数量，因此如何管理文件系统层累计的元数据也是一个难题。延迟问题，医疗大数据应用存在实时性问题，需要对数据进行实时或准时处理，秒级的查询需求响应。显然，当前主流的静态存储方案无法满足数据动态带来的挑战。并发访问，一旦认识到医疗大数据分析应用的潜在价值，就会将更多的数据集纳入系统进行比较，同时让更多人使用这些数据。而这些数据则可能存储在多个地点的多重不同类型的存储设备上，并发问题将会日益突出。
3.4大数据面临网络安全与隐私泄露医疗大数据在方便医院和患者、改变就医模式、提高医疗服务质量的同时，也给动态数据安全监管和隐私安全带来极大挑战，主要来自患者病例及隐私数据以及医疗机构各种设备和信息系统上患者个人隐私数据两个方面。美国联邦调查局曾于2006年对2066家公司和组织进行计算机安全犯罪及事故调查，统计结果表明发生概率排在前四位的分别是：病毒；信息的未授权访问；内部网络资源；计算机或移动设备失窃。各种混合型的安全出现，造成安全的极大困难。建立完善的信息安全防护系统、信息安全制度、信息使用规则以及富有实际效果的法律机制还有很多困难，势必会影响医疗大数据的发展进程。
4 对发展医疗大数据的思考
大数据是运用科学的模型、假设、推理对复杂的医疗数据进行深度的数据挖掘、分析，并最终为管理决策服务的一种技术手段。在实际过程中，不能只注重大数据研究的重要性、必要性、适用性和优越性，而忽视其应用的复杂性、艰巨性、挑战性和相关性，更不能不顾数据来源的合、原始性、异构性、多样性和差异性。为此，医院信息系统必须健全，数据来源必须深入且广泛，医院必须具有完善的内外部数据来源渠道，且为满足大数据分析要求必须部署先进的大数据分析工具。同时，管理者要转变决策思维，建立面向大数据的决策思维模式。由于大数据是不断变化和发展的，因此，基于大数据的管理决策模式应采用总体规划、部分应用的方式建设，以应对各种变化。
大数据时代的到来为医院管理层决策的制定带来极大支持和挑战，为医疗工作带来深刻影响，紧跟大数据发展的理论前沿和实践需要，运用大数据思维科学地把握大数据发展的走势，将逐渐提高医院的整体决策支持水平。
（来源：摘自《中国数字医学》2016年第2期 作者：第二炮兵总医院 吕晓娟 张麟 陈莹 杨永向 王月娟）
珠海网络大会召开在即，点击进入官网
推荐：