宋 波，楊艷利，馮云霞

醫(yī)療大數據研究進展

宋 波，楊艷利，馮云霞

從醫(yī)療大數據的基本概念、種類及其各領域的應用出發(fā)，介紹醫(yī)療大數據的來源和現階段醫(yī)療健康數據在不同平臺的存儲策略及技術；通過實例列舉醫(yī)療大數據的挖掘處理方法和研究分析現狀，并對醫(yī)療大數據在醫(yī)藥研發(fā)、臨床診斷、健康管理等領域的應用情況進行調研；對醫(yī)療大數據挖掘的成果及其面臨的挑戰(zhàn)進行總結。

醫(yī)療大數據；數據挖掘；醫(yī)療健康

隨著信息技術的高速發(fā)展和社會生活的不斷進步，傳統(tǒng)的數據模式已經不能滿足人們的要求，大數據的研究和應用將會為國家、社會、工作、生活、思維帶來變革。近幾年來，大數據在很多領域都得到了廣泛應用。為滿足客戶需求，很多企業(yè)會根據用戶在社交網站、購物網站一些渠道的瀏覽記錄搜集數據，了解客戶的愛好和需求。美國著名零售商Target會通過大數據分析來預測客戶什么時候想要小孩；沃爾瑪超市會通過大數據建模進行預測哪個產品會大賣，從而提高企業(yè)效益。很多股權的交易都是利用大數據算法完成的。許多婚戀網站會通過用戶注冊的信息，運用大數據分析尋找與客戶更加匹配的對象。目前，很多城市都在進行大數據的分析，收集實時交通信息和天氣數據，通過網絡平臺對交通、天氣信息進行優(yōu)化，為市民提供便利。

1　概述

醫(yī)療大數據作為大數據中極其重要的一部分，它的應用不僅僅是醫(yī)療方面的數據信息，還包括了衛(wèi)生事業(yè)、生命健康數字化存儲的海量數據［1］。理論上，醫(yī)療健康大數據可以涉及一個國家或地區(qū)的

全部醫(yī)院、衛(wèi)生機構和所有人群，通過醫(yī)院、衛(wèi)生機構日常的醫(yī)療管理、臨床診斷、病程記錄、用藥記錄、檢查檢驗結果記錄可以采集到眾多具有極高價值的醫(yī)療數據。這些數據都是患者的真實記錄，是臨床留下的真實痕跡，其背后都可能隱藏著眾多的有待挖掘和分析的醫(yī)療信息。

1.1醫(yī)院信息化系統(tǒng)醫(yī)療大數據 在信息化高度發(fā)展的今天，各個醫(yī)療機構都具備了自己的信息化平臺，日常的患者信息管理、臨床診斷、病程記錄等都實現了電子化存儲。醫(yī)院信息系統(tǒng)的運用，不僅對醫(yī)院管理、部門交接提供了便利，而且對醫(yī)療活動各階段的數據采集、存儲、處理、傳輸、加工操作提供了更加便捷有效的措施，電子病歷系統(tǒng)、實驗室信息管理系統(tǒng)、影像歸檔和通信系統(tǒng)的應用，使醫(yī)院的整體運營更加流暢，管理更加自動化［1］。

1.2區(qū)域衛(wèi)生服務平臺醫(yī)療大數據 隨著現代信息技術的發(fā)展，大多數的區(qū)域衛(wèi)生機構通過計算機網絡建立了區(qū)域衛(wèi)生信息平臺，實現數據集中管理、區(qū)域衛(wèi)生信息一體化。這一信息平臺通過網絡相關技術進行連接，將區(qū)域醫(yī)療衛(wèi)生機構、疾控中心、體檢中心等連為一體，實現在線協同辦公、信息共享［2］，匯集了區(qū)域內疾病診斷、健康體檢、藥物信息等醫(yī)療健康數據，區(qū)域全民健康檔案具有更加健全的醫(yī)療信息。

1.3移動健康數據 隨著人們生活水平的提高，對家庭健康越來越重視，“健康”與“醫(yī)療”的關系也變得越來越緊密［3］。目前狀態(tài)下，人們已經對健康醫(yī)療有了自己的一個定位，隨著“可穿戴設備”的初露頭角，大家開始對移動健康醫(yī)療有了新的認識；通過移動采集終端，搜集用戶的生理數據，將信息傳送到云平臺，當就診時，醫(yī)生會根據患者的日常身體指標和疾病數據，進行病情分析和處理，結合多方面的處理結果給出相應的診斷或者是康復建議［4］。

2　醫(yī)療大數據挖掘

2.1醫(yī)療大數據挖掘現狀

2.1.1國內外現狀 2013年，美國確定了大數據研究和發(fā)展計劃，美國政府想通過對大數據的應用，為生物醫(yī)藥、環(huán)境保護、科研教學、工程技術、國土安全各個領域創(chuàng)造福利［6］。同年，英國投資1.89億英鎊建造英國國民醫(yī)療服務系統(tǒng)，此系統(tǒng)擁有非常龐大且齊全的英國醫(yī)療數據，得到英國政府的大力支持［7］。還有很多國家在大數據的研究上取得了一定的成果。我國在2015年第十二屆全國人民代表大會上，提出了“互聯網+”，推動了我國大數據的進步。2015年3月國家衛(wèi)生計劃生育委員會網絡安全和信息化工作組全體會議提出了“推進健康醫(yī)療大數據應用，制定促進健康醫(yī)療大數據應用的相關方案，推動健康醫(yī)療大數據有序發(fā)展”的意見。

2.1.2研究實踐 據報道Predilytics公司研究大數據，用來分析醫(yī)保領域公正、透明和業(yè)務驅動的結果，其研究的異常預測模型的分析深度比傳統(tǒng)的模型高出了1～3倍［8］；2009年，谷歌公司用幾十億條檢索信息，處理分析了幾億個有差別的數字模型，研究出了“谷歌流感趨勢”系統(tǒng)，在美國爆發(fā)甲型H1N1流感時，及時判斷出了流感傳播的源頭，比傳統(tǒng)的疾控中心數據更加有效和及時［9］，雖然這次大數據的研究存在著很多的問題，但是這確實是一個很好的進步；斯坦福大學醫(yī)學院院長Lloyd Minor開發(fā)的醫(yī)療系統(tǒng)，能夠自動分析患者輸入的信息，提供給醫(yī)生和患者一個明確的疾病診斷結果和個性化的治療方案，節(jié)省了患者和醫(yī)生的時間［10］。

2.2醫(yī)療大數據挖掘算法 醫(yī)療大數據是非常復雜、豐富的數據，所以在對數據的存儲、分析、處理上也要有一些更加有效的方法，才能夠挖掘出其潛在的價值。醫(yī)療大數據挖掘常用方法包括分類、聚類、回歸分析、關聯規(guī)則、決策樹、人工神經網絡算法［11］。

2.2.1聚類 聚類是把不同的對象集合分成若干個不同類別的模型，每個模型具有相似的對象，有著基本相似的特征，又與其他類別中的對象不相同。通過聚類方法可以對醫(yī)療大數據進行分類處理，找出相似的病癥和與其他病癥的不同，從而能夠分析出同一病種的微小差異，做到精準治療。Miller等［12］通過對人們的日常數據的攝入量、輸出量和排泄習慣進行聚類分析，研究了將復雜排泄變量轉變?yōu)殡x散模式，從而進行集群的命名和有效性測試。Hastie等［13］通過對疼痛反應結果的聚類分析，完成了多種疼痛誘因的研究。

2.2.2關聯分析 關聯分析是在給定的數據集中發(fā)現頻繁出現的項集模式。這一方法能夠發(fā)現醫(yī)療信息數據庫中滿足目的的最小支持度和最小可信度的所有關聯規(guī)則，從而揭示隱藏在大數據中的關聯關系［14］。

在一些存在大量用戶醫(yī)療信息的數據庫中，包括個人健康信息、臨床治療信息、臨床診斷信息等，可以通過這一方法進行數據的挖掘處理，實現對疾病的檢測和預測。通過運用關聯規(guī)則技術和處理大量的醫(yī)療信息經大數據技術尋找實現不同因素相關性疾病的生命周期，用于進行臨床決策和特殊疾病的診斷［15］。關聯規(guī)則方法對患者表現的疾病特點、診療過程的研究非常有效。

2.2.3決策樹方法 決策樹是一種典型的分類方法，從一組無序、無規(guī)則的事例中推理出決策樹表示形式的分類規(guī)則，然后使用決策對新數據進行分析。

決策樹算法在醫(yī)藥大數據處理中的應用很常見，包括ID3算法、C4.5算法。這些算法都可以處理高維、數量巨大的醫(yī)藥數據，提高處理的速度，這一方法對數據量巨大的醫(yī)療大數據的處理帶來了便利。而且，此方法不僅能夠對一些醫(yī)學圖像建立分類器，也可以用于一些需要長期觀察的慢性病研究，分析病種的變化趨勢，對疾病作出預測。

2.2.4人工神經網絡 人工神經網絡算法是一種模仿生物神經網絡的算法，神經元個數龐大而且能對輸入信號進行非線性處理，模擬大腦風格的處理方式，具有非程序化和適應性的特點。它能夠對大量的、不確定的、非線性的醫(yī)療大數據進行智能處理，非常適合現階段數量巨大的醫(yī)療大數據的挖掘研究，能夠滿足醫(yī)藥數據挖掘模型的要求，對數據進行更加精準的處理。通過人工神經網絡算法，對醫(yī)院數字醫(yī)療設備產生的數字化醫(yī)學圖像信息進行處理，建立人工神經網絡輔助診療系統(tǒng)，幫助醫(yī)生提高放射、CT、癌癥普查等臨床診斷的精準性［16］。

3　醫(yī)療大數據應用現狀分析

2012年11月15日由英特爾主辦的“智慧醫(yī)療數據服務技術研討會”，英特爾醫(yī)療行業(yè)中國區(qū)技術總監(jiān)吳聞新就認為，大數據處理在醫(yī)療行業(yè)的應用包含藥品研發(fā)、基本藥物臨床應用分析、實時統(tǒng)計分析、就診行為分析、臨床數據對比、臨床決策支持、新農合基金數據分析、遠程患者數據分析、人口統(tǒng)計學分析、新的服務模式［17］。2014年“英特爾醫(yī)療行業(yè)峰會”，又對當前大數據形式下區(qū)域醫(yī)療信息化建設和醫(yī)療大數據的解決方案、產品開發(fā)方面進行了深入探討［18］。

3.1醫(yī)療大數據在醫(yī)藥領域的應用 大數據時代，人們的所有健康狀況都是發(fā)布在網絡云平臺上，通過聯網機制，患者可以隨時隨地查詢自己的就診信息，同樣患者用藥信息及診療結果也都是可以隨時查詢。醫(yī)療衛(wèi)生機構可以通過觀察患者的用藥情況、身體指標轉變、癥狀特點等，找到針對具有微小差異各個病種的最合適的藥物，從而能夠調整和優(yōu)化、運用最合適的藥物和治療方案對患者進行治療。在藥品的研發(fā)中，通過對上述大數據的處理能夠根據不同藥品的需求情況和治療效果制定新的研發(fā)方案，這樣就能很好地保證有效的投入產出比，合理地利用資源，降低生產成本，保證一個更好的收益［19］。新藥品因為有了先前大數據的研究，投入市場后的使用保證了它的有效性、安全性。

3.2醫(yī)療大數據在臨床診斷的應用 傳統(tǒng)的臨床診斷，醫(yī)生只是憑借自己的實踐經驗、病癥特點、檢查檢驗指標等進行判斷，過程繁瑣，容易忽視其中很多微小的病癥信息，增加了醫(yī)生精確診斷的困難。通過對大數據研究分析所制定的臨床決策系統(tǒng)，能夠根據醫(yī)療知識和臨床數據對病例進行分析。系統(tǒng)中擁有全國乃至全世界的相關數據，能為醫(yī)生提出十分規(guī)范的臨床診斷和根據不同病癥提出的個性化治療方案；醫(yī)生在此基礎上再進一步根據以往經驗對患者進行治療，篩選最優(yōu)的治療方案，做到精準治療，大大降低了誤診率［20-21］。

3.3醫(yī)療大數據在個人健康管理的應用 隨著科技的快速發(fā)展，各種醫(yī)療設備的不斷更新換代，許多智能的可穿戴設備能夠讓我們不用去醫(yī)院就能了解自己的身體健康狀況，對自己及家人的健康進行管理。通過軟件錄入個人信息如性別、年齡、身高、體質量、職業(yè)、個人史、家族史，通過可穿戴設備測出血壓、體溫、心率、脈搏；通過實驗室檢查設備記錄血糖、血脂。系統(tǒng)根據各項指標給出健康狀態(tài)，同時用戶也可以根據自己身體各項指標變化的情況判斷一段時間內身體健康狀況。這些個人健康數據會上傳云平臺進行管理，在就醫(yī)時，醫(yī)生可以通過醫(yī)院系統(tǒng)調出患者日常數據輔助判斷，可對患者進行更加精確的治療［22］。

4　挑戰(zhàn)與總結

隨著社會經濟的發(fā)展，醫(yī)療衛(wèi)生信息化建設腳步不斷加快，各醫(yī)療行業(yè)對快速增長的醫(yī)療大數據應用的熱情也非常高漲，但是到目前為止，大數據挖掘成功應用的案例還很少。

醫(yī)療數據面臨的挑戰(zhàn)首先是醫(yī)療數據采集的高度復雜性，由于數據來源的廣泛性，使得來自不同平臺的數據結構差異變大，在數據采集的時候會延長周期，而且很難保證數據的完整性。對于醫(yī)療數據的采集如果不能做到精準、完整，會對之后的研究帶來嚴重的后果［23］。

其次將這些數據從不同機構系統(tǒng)、平臺中整合出來進行分析處理，而又不違背法律和倫理，這也是一個巨大的障礙。大數據的多樣化使得存儲變得困難，在處理如此復雜的數據時難以保證處理結果的準確性，如果得到的是錯誤的或是有偏差的處理結果，將影響整個的數據分析判斷。

醫(yī)療數據研究和應用近年來呈現急劇上升趨勢，人們的隱私保護受到很大的考驗。數據的存儲、分析和應用過程中，都可能導致數據的泄露?；颊邆€人隱私信息的泄露不但會影像患者的個人安全，而且會擾亂社會秩序；從大的層面來說，如果在醫(yī)療數據方面的防備薄弱，一些不法分子可能會趁機通過網絡平臺獲取醫(yī)療數據來獲取利益，也會給醫(yī)療行業(yè)帶來巨大損失，給國家安全帶來隱患［24］。

雖然醫(yī)療大數據技術還處于初級階段，我國的信息化水平也面臨著很大的挑戰(zhàn)。但是隨著我國醫(yī)療信息數據的積累、醫(yī)療行業(yè)的快速發(fā)展、互聯網和醫(yī)療的不斷融合、健康管理市場的不斷擴大，這樣的挑戰(zhàn)也帶來了前所未有的機遇。通過提高大數據分析技術、加強隱私保護和數據安全，對醫(yī)療大數據進行精確的挖掘處理，將為國家、社會帶來效益［25］。

［1］劉芳，盧國強，劉暢.大數據視角下醫(yī)院信息管理與信息系統(tǒng)專業(yè)建設研究［J］.電子技術與軟件工程，2016（6）: 170.

［2］俞國培，包小源，黃新霆，等.醫(yī)療健康大數據的種類、性質及有關問題［J］.醫(yī)學信息學雜志，2014，35（6）:9-12.

［3］何疆春，李田昌.移動健康的發(fā)展現狀與趨勢［J］.轉化醫(yī)學雜志，2016，5（3）:174-177.

［4］顏延，秦興彬，樊建平，等.醫(yī)療健康大數據研究綜述［J］.科研信息化技術與應用，2014，5（6）:3-16.

［5］鄒北驥.大數據分析及其在醫(yī)療領域中的應用［J］.計算機教育，2014（7）:24-29.

［6］美國政府的大數據計劃［J］.信息系統(tǒng)工程，2013（7）:9.

［7］王莤.英國大數據戰(zhàn)略分析［J］.全球科技經濟瞭望，2013，28（8）:24-27.

［8］羅旭，劉友江.醫(yī)療大數據研究現狀及其臨床應用［J］.醫(yī)學信息學雜志，2015，36（5）:10-14.

［9］黃文莉.探討大數據技術在疾病防控上的應用［J］.電子技術與軟件工程，2016（6）:188-189.

［10］雪姬.最具前景的應用，醫(yī)學大數據顛覆傳統(tǒng)醫(yī)療［EB/ OL］.（2015-08-31）［2016-06-12］.http://www.36dsj.com/ archives/32241/.

［11］楊華昆.大數據時代數據挖掘技術探討［J］.電腦編程技巧與維護，2015（24）:78-79.

［12］Miller JM，Guo Y，Rodseth SB.Cluster analysis of intake，output，and voiding habits collected from diary data［J］. Nurs Res，2011，60（2）:115-123.

［13］Hastie BA，Riley JL 3rd，Robinson ME，et al.Cluster analysis ofmultiple experimental painmodalities［J］.Pain，2005，116（3）:227-237.

［14］孫艷秋，王甜宇，曹文聰.基于云計算的醫(yī)療大數據的挖掘研究［J］.計算機光盤軟件與應用，2015（2）:11，13.

［15］Fang Z，Fan X，Chen G.A study on specialist or special disease clinics based on big data［J］.Front Med，2014，8（3）:376-381.

［16］徐建軍.醫(yī)學影像數據挖掘中的人工神經網絡方法研究［J］.實用放射學雜志，2006，22（11）:1416-1418.

［17］張怡，李柯.大數據在醫(yī)療領域各角色中的應用［J］.電腦知識與技術，2015，11（21）:10-11，15.

［18］劉華.2014英特爾醫(yī)療峰會在北京舉行［J］.中國數字醫(yī)學，2014（8）:63.

［19］朱蕊，彭龑.醫(yī)療大數據的應用［J］.中國西部科技，2015，14（5）:95-97.

［20］林青.大數據在醫(yī)療衛(wèi)生系統(tǒng)中的應用［J］.電腦編程技巧與維護，2016（7）:48-49.

［21］生物谷.從大數據到精準醫(yī)學——2015精準醫(yī)療研討會［J］.轉化醫(yī)學雜志，2015，4（3）:封二.

［22］Murdoch TB，Detsky AS.The inevitable application of big data to health care［J］.JAMA，2013，309（13）:1351-1352.

［23］王定珠，周凡漪.電子病歷、手持移動終端、大數據采集與分析、數據安全在醫(yī)療質控中的應用［J］.中華醫(yī)學圖書情報雜志，2015，24（12）:56-58.

［24］陳鶴群.大數據環(huán)境下醫(yī)療數據隱私保護面臨的挑戰(zhàn)及相關技術梳理［J］.電子技術與軟件工程，2014（16）: 51-53.

［25］沈韜，崔泳.醫(yī)療大數據:期望與現實［J］.中國數字醫(yī)學，2015（7）:2-4，32.

Review ofmedical big data research

SONG Bo，YANG Yanli，FENG Yunxia
（School of Information Science&Technologe，Qingdao University of Science&Technologe，Qingdao Shandong 266100，China）

This article firstly introduces the concept，types and application fields ofmedical big data，and then introduces sources and current storage strategies on different platforms ofmedical big data.Secondly，we enumerate current state of existed medical big data mining and analyzing methods through cases，and research application state of bigmedical data in fields of clinical diagnosis，health management，and other related instances.Finally，we concluded the article by summarizing achievements ofmedical big datamining and challenges faced in the future.

Medical big data；Datamining；Health care

R197.323

A

2095-3097（2016）05-0298-04

10.3969/j.issn.2095-3097.2016.05.013

國家自然科學基金青年科學基金項目（61572268）；國家自然科學基金面上項目（61303193）；山東省自然科學基金項目（2011ZRB01172）

266100山東 青島，青島科技大學信息科學技術學院（宋 波，楊艷利，馮云霞）

1.4網絡醫(yī)療大數據 網絡醫(yī)療數據往往產生于社交互聯網上關于疾病、健康的互動，比如尋醫(yī)網站、論壇話題，日常網民關于醫(yī)療、藥品的搜尋內容和通過網絡藥店的購藥行為等。這一部分數據具有很大的隨機性和不穩(wěn)定性，存在著文字、音頻、視頻、圖片多種形式的數據，而且大部分數據都不會有很大的醫(yī)療價值，但是少部分數據的挖掘分析，也是值得進行深入研究［5］。

（2016-07-12 本文編輯:徐海琴）