独家 | 国务院新政解读,王辰院士:大数据开启专科医联体新生态


对在边远贫困地区发展远程医疗协作网。《意见》明确大力发展面向基层、边远和欠发达地区的远程医疗协作网,鼓励公立医院向基层医疗卫生机构提供远程医疗、远程教学、远程培训等服务,利用信息化手段促进资源纵向流动,提高优质医疗资源可及性和医疗服务整体效率。

4月26日,医疗大数据开发及应用大会召开。对于运用信息技术和大数据构建专科医联体,中国工程院院士、中日友好医院院长王辰在会上分享了丰富的实践经验,贝壳社作为会议的媒体支持,将的演讲干货整理于此。

推动医疗大数据发展是国家意志

医疗大数据堪称最复杂的系统。过去由于我们对纷繁复杂数据的采集能力、掌握和分析能力不足,我们把很复杂的医学问题用简化的方法,比如说RCT(随机对照试验)。RCT被医学界认为是非常重要的实验和验证手段。而现在,大数据的时代来临能够带来新的一些思考。

过去由于数据采集和处理方式有限,数据的量级在GB或TB级,但现在采集和处理方式都有了,数据达到PB级,数据就展现出之后的价值。

从总体战略到医疗领域,推动大数据的发展都已经变成了国家意志,所以国家出台了《国务院关于印发促进大数据发展行动纲要的通知》(国发[2015]50号),以及《国务院关于促进和规范健康医疗大数据应用发展的指导意见》(国办发[2016]47号)。这体现了国际和国内医疗行业的重要趋势也是一个方向上的导引。

文件将健康医疗大数据的定位成国家最重要的最基础的战略资源。国家在安全管理、行业管理上都有要求。

在权属管理上,医疗大数据数据权属是国家所有的,然后再通过从业者的职权分级,比如保存权和管理权归医院所有,知识产权归数据创造者所有。

在安全管理上,又分为基础设施安全(软件平台系统、信息装备设施)和数据安全(涉密数据和数据资源外泄、业务流程管理、数据使用管理)。

核心挑战 医疗数据质量和分析 

现在谈互联网医疗的时候,要注意医疗本身的专业性,有一系列专属化的工具,而在技术又要有大数据本身的特点。

医疗大数据的多源异构性非常突出,比一般的大数据分析复杂,需要分类管理。大致可以划分为:

(1)临床医疗大数据

(2)公共卫生数据

(3)个人健康数据。

各个层面都有数据记录,但是都没有整合,或者整合起来很困难,分析起来就更困难。

数据的质量非常重要,必须要在源头建立医疗数据的质量规范。因为,如果要对数据做分析的话,来源必须可靠,采集方法也有讲究,大数据不是紊乱数据,要指定标准化原则,要规范化之后,才能使用。

电子病例系统(EMR)的标准化大致分为三个层面:名词标准化、病历结构化、数据同质化。首先要求的就是名词的标准化,这里包括统一医学术语、统一名词代码、兼容方言差异和规范病历标准等等方面的内容。比如,医学数据上,一个“感冒”就有“感冒”、“上呼吸道感染”等多种表述,不统一的话,后续怎么做有效分析呢,就算分析出来也没有可信度。

数据分析也是大数据的核心问题。在这之前,要经历数据处理、数据清洗、标准化、结构化和存储。但是,目前数据分析最大的困惑是临床、统计和数据之间的复合型人才问题。大数据虽然来临了,但我们面临的现状是,医生只有一点浅薄的统计学知识,统计学人才又不真的懂临床,也不真的懂数据,做数学MES的人懂数学,又不懂统计,更不要说临床了,而大数据没有数学和IT的支撑,也是不行的。所以,多学科的转化、交融和立体架构完成了,才能让大数据得到有效的分析。而现在面临藩篱就是各学科都不相通,各自为阵,很难组成实用的系统。到了建立数字模型的阶段,数学和IT如何对接,如何转化又是突出问题。

然后就是临床病历的科研病历一体化的问题。比如队列研究,数据量巨大,分为两种,一种是社区队列,一种是专病队列社区队列主要涉及疾病的发生和发展阶段,而专病队列是精细化的,具体到采集时间点的,针对某个疾病的发展和干预过程。所以日常临床工作中大量的数据如何与科研数据对接起来,又是一个问题。

临床是相对粗化的数据来源,科研数据相对精细化,这就要求在科研单独设立系统。各家医院可以都不需要拥有超级计算机,通过互联网将数据上传到云端,通过云计算达到计算能力的跃升。我理解的云计算,就是一个具备超级计算能力的计算机。因此这个行业之间的联合非常重要。

大数据和云计算也在改变临床研究方法。我们过去崇尚的RCT是非常局限的方法。RCT实际上是把复杂问题简单化,把多元因素一元化处理,多因素单水平不确定,多因素多水平规模小。在临床上其独特之处,但也有明显的局限性。基于真实世界大数据的研究方法是现在研究的重要方向,优势是数据处理能力强大,多样本入组,多因素多水平规模大,可以从发病规律,诊断机率,病理演变,自然病程,临床效果等方面记录真实现实,发现关联性,得到更加接近于现实的结论和规律。

 

大数据重构专科医联体资源分配

人工智能则是大数据一个重要的价值体现。超级计算是高效的关联分析,但准确率不是100%,AlphaGo可以在四轮围棋赛中三次打败世界围棋冠军,但也有一次失败,为什么失败?因为它还有不能模仿人脑的地方,虽然运算能力强于人脑,但在规律判断和多元复合因素的判断上,AlphaGo远远不及人脑。

因此我们必须看到人工智能的局限性。现在人工智能可以达到90%的人机符合率,有10%的错误率,还是无法满足医疗需求需要逐例人工核查

这就是我们所谓的CDSS—— 临床决策支持系统,这个国际认为的医学的重要发展方向,中国医学界也要密切关注,尽管现在还在初步阶段,还有信息标准化、医疗语义解析等问题没有解决。

由于可及性和运算能力很强,云计算可以解决很多问题,特别是,可以解决很多终端资源调配的问题。

专科医联体实际上就是解决资源调配的问题。我们国家的医疗资源有四大特点:第一个特点,在存量上,数量不足,优质医疗资源不足;第二个特点是碎片化;第三是不均衡;第四是非同质,医生水平的不同质。专科医联体把国家目前有的专科存量资源充分调动起来,联合有影响力的学科机构,开展医教研学科建设协同,提升基层医疗能力,其中大数据和信息技术起到至关重要的作用,这当中涉及到专科医联体、区域医联体统筹、专科医师的规范化培训制度建立、行业共识、规范诊疗、推广标准建立等一系列工作。

远程会诊方面,中日医院目前帮扶的医院有100多家,所以我们医院的医生要亲自到帮扶医院几乎是不可能的。所以就需要远程医疗和数据综合管理平台。我建议远程会诊一定不要推行低价思维。怎样才是真正维护老百姓的利益?把行业发展起来了,让老百姓有医可及,这样才是维护他的利益。一个远程会诊是团队的工作,价格不上去谁来发展这个行业?行业发展不起来怎么实现可及性?这是空想社会主义变成科学主义要做到的事情,要讲求经济规律。

图片1

专科医联体的协同体系将学科连接起来了,远程会诊、双向转诊问题解决了,双向转诊问题解决了,在中国现有的医疗存量资源基础上,在专科资源高度不均一、非同质的情况下,把资源调动起来了。所以专科医联体的实践是最值得做的事情。这一系列的工作都要通过IT和大数据的手段,才能做到协同一体化。

有了大数据产出的结果,从而在管理运行上有了新的概念,从而形成了新的业态,形成新的医疗资源可及形式,形成新的医生执业形式,从而形成新的业态。特别是学科建设方面,能够给我们完全新的方法学和新的路径。

大数据时代来临,我们一方面崇尚大数据,另一方面不得不谈大数据。我们在起步阶段,要有现实路径,核心要跟IT结合起来,跟数学结合起来,形成多学科转化医学。在大数据的推动下,医疗行业会形成新的业态,新的观念,新的行业面貌,也会带给我们新的希望,希望我们保持热衷的同时,目光冷峻、头脑清晰的理出一条发展之路来。

分享到