薛万国：医院大数据应用任重而道远

随着近二十年来信息化建设的高速发展，医院内累积了大量数据，大数据应用成为当前业内的一个热点话题。对此，CHIMA副主任委员薛万国表示，应该对医院大数据应用有一个清晰的认知。“医院大数据应用还处于初步发展阶段，涉及的范围越来越广，发展空间巨大，当然也面临很多挑战。”

薛万国主任指出，大数据在医院的应用主要体现在以下三个方向。

第一，医院管理方面的应用，主要体现为管理指标统计分析、医院和科室的绩效评价等。医院的绩效评价一定会涉及到一些关键指标，早期主要是效率指标、部分质量指标等，现在指标扩展出去很多，包括医院感染、合理用药、规范化诊疗评价等。整个过程实际上是基于数据融合后发现潜在的风险，以及与医疗规范的符合率如何等。

第二，临床方面的应用，主要是基于大量数据分析汇总后形成一个模型，再应用于临床。比如个性化诊疗，是在大数据建模基础上针对患者个体情况量体裁衣给出诊疗方案。在临床实践中，它基于医疗大数据，将文献、病历等数据生成的模型结合到患者个体身上，将最佳治疗路径推荐给医生。医疗大数据在临床上的另外一个应用是不良事件预警，比如VTE预警、感染预警、ICU脓毒血症预警等，是基于数据模型在临床上的应用。疾病发展预测和智能分诊也是医疗大数据在临床的常见应用。

第三，大数据支撑临床研究，包括疾病分布、流行病学统计、疾病相关因素分析、人工智能研究等。它们都是借助大数据开展临床研究，试图对疾病的发生发展规律进行认识，然后根据总结的规律指导临床诊疗。对诊疗措施的评价也是临床研究的应用，比如同一种疾病有不同治疗方法，到底哪种治疗方法好、哪种药物疗效好，都属于临床研究，需要依靠数据进行分析。

薛万国主任强调，由于医院大数据在临床和科研上面的应用仍处于初级阶段，因此在发展空间上依然存在诸多挑战。

首先，数据的完整性很难做到。当前数据量越来越大，但是真正能够用于临床研究和分析的数据质量要求很高，体现为内容完整、结构化程度高、规范化好。医疗涉及到人体的信息是方方面面的，横向内容很宽、纵向周期很长。虽然近几年医院信息化发展较快，但和实现横向及纵向完整度的目标都有较大的距离。从横向来讲，人是个性化的，并非像机器和流水线一样是统一的模式。比如患者在医院做了一项检查，另外的检查没有做，医生得到的患者信息不完整。再或者医院信息化基础不够好导致患者的某一部分信息缺失。纵向而言，患者出院后需要进行随访以观察长期疗效，但是目前现状是患者出院后失访了，由此导致病例的统计分析不全面。

第二大挑战，医院缺乏数据分析的人才。医院的大数据分析是一个长期的工作，又是个性化的，数据又分为很多专业化的领域，比如临床数据、基因组学数据、影像数据，都需要专门的人才。但是，这些专业人才在医院中很缺乏。只是依靠外部的力量是难以持续的。

第三大挑战，也是最大的挑战，是医院对大数据应用要有创新的问题和思路。当医院有了海量数据、相关人才、平台和技术后，需要临床和管理人员提出需要借助大数据解决哪些问题以及相关思路，否则，数据分析人员难以知道临床和管理的痛点，也无法对大数据进行分析。这是第一重要的，这实际上反映了一个医院整体的创新氛围、创新能力和创新文化，不是简单的一个大数据技术问题，是最难的。

同时，他进一步指出，上述三大挑战难以一蹴而就地解决，需要时间积累。

薛万国主任介绍，医疗大数据从方法学上为临床、科研提供了创新手段和途径：过去临床是根据临床指南进行诊疗，现在可以借助大数据技术，在对大量的病历和数据进行分析的基础上，把各种治疗路径汇集起来，实现了个性化诊疗，更加量体裁衣；过去临床研究一般是采取随机双盲对照的方式，是入组、抽样，现在基于医疗大数据，可以开展真实世界研究，即把所有病历都纳入研究范围。

他进一步指出，医院建立大数据中心，或依托信息中心开展大数据应用，围绕数据服务可把其职能分为三个层级：数据资源管理、数据处理加工、数据分析服务，这是一个功能逐级提升的过程。一个完整的大数据中心定位就是提供全链条、全流程的服务。

首先，数据资源管理是最基本的职能。这主要是指把数据整合到一起，根据需要提供数据。

第二个职能是数据的处理加工。也就是有了原始的数据资料后，根据临床和管理的利用需要抽取变量，把特征数据加工出来，然后提供给管理和临床分析使用。

第三个职能是提供数据服务。这是更高级的职能，也就是最终围绕临床和管理提出的问题开展数据分析。

针对医院大数据应用现状，薛万国主任给出了三点建议。

第一，要对大数据应用有合理的期待。虽然现在大家都说医院大数据是座金矿，价值无穷，但是在实践中，医院大数据的应用仍面临着很多挑战，也有其局限性，不能指望有了数据一定就能实现临床和科研的创新。这是需要解决困难和克服挑战，逐步解决的，还得看是否拥有很好的临床创新思维。

第二，建好团队。针对医疗大数据应用的各项能力需求建好团队。

第三，开展大数据应用不能一哄而起。由于人才、数据质量等的限制，大数据应用还是要从简单做起，先是常规的统计、检索，然后临床数据建模分析，再进一步开展基因分析、影像人工智能分析等，循序渐进，逐步提高自我的综合能力，最终推动大数据在医院获得更为广泛的应用。