健康医疗大数据调研报告.docx
- 文档编号:4985021
- 上传时间:2022-12-12
- 格式:DOCX
- 页数:14
- 大小:92.94KB
健康医疗大数据调研报告.docx
《健康医疗大数据调研报告.docx》由会员分享,可在线阅读,更多相关《健康医疗大数据调研报告.docx(14页珍藏版)》请在冰豆网上搜索。
健康医疗大数据调研报告
健康医疗大数据调研报告
1健康医疗大数据应用现状1
2国外健康医疗大数据分析的应用3
3大数据技术提升传统医疗信息系统效率4
3.1肿瘤登记面临的挑战和方法演变4
3.2肿瘤登记软件的出现和应用4
3.3大数据技术实现肿瘤非结构化数据登记过程自动化5
3.4基于大数据技术的肿瘤自动登记理念在医学领域的推广应用6
4数据在区域化医疗卫生管理分析应用7
5基于互联网大数据的疾病指数预测应用10
6健康医疗大数据发展趋势14
1健康医疗大数据应用现状
随着计算机网络和信息技术的发展以及现代医学技术的不断进步,医学与健康相关数据正在急速增长。
如何高效收集、处理、存储、交换和挖掘海量的医疗与健康相关大数据,从而为医护人员的及时和正确诊断、个人健康的监测护理与诊疗建议、医疗相关机构的管理与决策提供大数据分析和系统支持,已经成为跨医学和计算机科学领域的一个重要的研究和产业发展方向。
国家相关部门在健康医疗大数据方面部署了一系列相关项目和课题,包括科技部863计划和国家科技支撑计划部署的一系列相关项目、中国科学院重点部署项目医学影像信息大数据相关研究以及地方资助项目(如山东省资助的医疗大数据管理及分析应用系统项目)等等,旨在基于大数据技术推动医疗健康和生物等相关产业的发展。
健康医疗行业涉及从医疗卫生机构、医疗器械企业、医疗管理部门到具体每个个人共四种不同类型机构实体和人群。
健康医疗信息化和服务水平影响着每个人生活质量。
健康医疗行业信息化主要应用现状如下:
首先,随着信息化技术的飞速发展,医疗行业的信息化步伐不断加快。
国际上已开始利用大数据挖掘与分析,来减少医疗浪费,改善医疗效果。
国内医疗行业经过多年建设和发展,目前医院已经普遍建成了以医院信息管理系统(HIS)、电子病历(EMR)实验室信息管理系统(LIS)、医学影像系统(PACS)以及放射信息管理系统(RIS)为主要应用的综合性信息系统,极大地提升了各级医院的医疗服务水平。
在医疗数据规模和种类急剧增长的情况下,传统的医院内各系统间的数据交换、存储、处理和服务模式,在适应新形势下的医疗健康大数据服务需求面临巨大挑战。
具体包括:
如何高效且经济地存储、处理上述种类多(非结构化、半结构化和结构化)、规模大(从TB到PB级,甚至更多)的医疗健康大数据,为医院日常业务提供支撑;如何更好地实现医疗健康大数据的共享和交换,提高医疗健康数据资源的使用率,方便患者就医、降低个人就医的时间和经济成本等。
其次,大众个人健康服务还处在探索阶段,迫切需要在健康服务方面进行新的尝试和探索,提升医疗健康服务的水平。
目前,虽然各类保健器械和医疗服务开始进入社区和家庭,人们的健康消费模式从以往单一的基本医疗消费逐步向医疗、保健和提高身体素质等多种形式并存的医疗健康消费模式转变,但是每个人能享受的医疗卫生资源十分稀少,有限的医疗资源无法满足不断增长的医疗需求,迫切需要通过信息新技术来改善健康服务水平,为用户提供高效、低成本的医疗健康服务。
当前,国际上出现了引入云计算为核心思想的健康医疗护理解决方案,该方案包括医疗物联网、医疗门户网站、智能手机终端及健康监测软件、数据管理、IP及无线通讯模块、终端设备的嵌入式软件、以及短程无线网关的硬件产品等一系列软件和硬件,基于云计算中心模式共同提供移动医疗健康监测与诊疗服务。
再有,医疗管理部门及医疗相关企业和机构的管理与科学决策期待更多健康医疗大数据挖掘与分析技术和应用的支持,从而得以充分利用大数据分析的优势来指导相关政策的指定、流行性疫病防控,甚至是医疗服务相关企业的产品规划与决策等。
在健康医疗领域,大数据挑战具体是指电子健康和医疗相关数据集十分巨大和复杂以致很难用传统的软件、工具和方法来管理和处理这些数据。
具体来说,健康医疗领域的大数据包括临床诊断数据,临床决策支持相关数据(如医生撰写的病历、处方、医学图像,以及其它和实验、药品、保险有关的数据),病人电子健康记录数据,各种医学传感器产生的数据(如移动传感器监测到的心电图数据),社会媒体产生的健康医疗相关数据等(如Twitter、微博、博客,网页上的健康和医疗相关数据)。
健康医疗大数据分析和利用具有重要价值。
例如,通过发现数据之间的关联,掌握理解数据模式和变化趋势,可以改善医疗效果,挽救生命并降低医疗成本。
又如,可以基于大数据进行疾病的早期预测、管理人口健康以及检测出卫生保健欺诈;根据历史数据,我们可以预测哪些病人需要选择外科手术,哪些病人做手术无效,病人的治疗并发症风险等。
2国外健康医疗大数据分析的应用
在医疗健康服务过程中产生了大量的数据,例如,病人保健、治疗记录等数据。
尽管大量的医疗健康数据以硬拷贝的形式存储,当前发展趋势是将这些硬拷贝数据进行数字化。
这些数字化的医学大数据具有十分广泛的应用,例如,临床决策支持,疾病监测,人口健康管理。
仅以美国健康系统为例,2011年美国健康数据达150艾字节。
麦卡西估计,大数据分析每年可以使美国节约大约3千亿美元的保健费用,大数据还可以减少浪费,改善医疗效率。
美国医疗联盟网络由超过2700个成员医院和健康系统组成,包括40万名各类医生。
该网络收集和存储大量临床、财务、病人和供应链数据库。
这些大数据为大约330个医院提供医疗决策支持服务,改进医疗过程,挽救了大约29000生命,并减少医疗开支达70亿美元。
例如,哥伦比亚大学医学中心利用大数据分析脑损伤病人的生理数据流的相关性,从而为专业人员提供重要及时信息以治疗并发症。
密执安大学健康系统将大数据分析应用于规范化输血管理。
应用表明,大数据分析减少了31%的病人输血,并且每月减少医疗成本达20万美元。
北约总医院,一个有450张床位的加拿大多伦多社会教学医院,利用实时大数据分析方法来改善病人康复,提供临床、行政、财务服务,从而改善病人康复。
意大利博洛尼亚Rizzoli整形外科研究所通过大数据分析家庭内成员之间的临床变化,个人呈现出不同程度的症状。
这种分析可以减少住院病人达30%,
并减少医学图形检查达60%。
未来它们希望通过结合大数据和基因分析、开发有效的治疗方法。
加拿大儿童医院利用大数据分析婴儿容易获得的致命性的院内感染从而改善医疗效果。
通过收集临床检测装置而产生的生命体征数据,医护人员通过大数据分析方法,可以提前24小时识别潜在的感染迹象。
3大数据技术提升传统医疗信息系统效率
医院日常运作每年都会产生海量的医学和健康相关数据,这些数据难以用常规方法进行分析处理。
针对这些健康医疗大数据的分析处理,对政府卫生政策制定,公共卫生机构疾病流行规律掌握和有效防治,医院运营决策、临床医生科研等具有非常重要的意义。
但是,目前医学数据的搜集、分析和利用仍然不够方便快捷,对数据的处理仍然需要相当的人工干预或操作。
通过充分发挥大数据技术的作用将极大推动医学信息化的发展。
下面从肿瘤登记方法的演变,通过医院采用大数据技术自动从医院电子数据库整理和统计分析肿瘤资料,来介绍大数据技术如何提升传统的医疗信息系统效率。
3.1肿瘤登记面临的挑战和方法演变
做好肿瘤登记,能起到有效防治恶性肿瘤的重要作用。
传统的登记方法面临许多问题,资料的收集与整理不仅非常辛苦、烦琐、费时,且不断累积的资料难以用人工甚至是半人工方法进行整理,资料编码复杂、困难,难以确保准确性,登记人员疲于资料的收集、核对、编码和上报,更是无暇充分利用登记的资料。
随着信息技术和医疗信息化发展,网络、电子病历、HIS和PACS等系统得到普遍应用,传统的手工登记方法渐被现代电脑系统登记方法取代,网络直报代替了人工卡片上报,大大减轻了肿瘤登记人员工作量。
但目前的登记方法也存在明显不足,网络直报没有减轻临床医生负担,花费时间仍较多。
如何减轻临床和登记人员的压力与负担,实现肿瘤自动登记需求,需要实现对非结构化的医学大数据的收集和处理的自动化。
3.2肿瘤登记软件的出现和应用
国内外非常重视肿瘤登记软件的研发。
国内河南省肿瘤防办最早开展此方面研究,而全国肿瘤登记中心2002年汉化了国际癌症研究所的CANREG登记软件,并在全国推广使用。
自此全国多地陆续开展了肿瘤登记技术的研发与应用。
同一时期,国外也有许多医疗机构开展了肿瘤登记技术的研究实现与统计分析。
国内研发肿瘤登记技术研究主要集中在资料收集后的处理,如录入、整理、储存、编码和统计分析,缺乏自动处理功能。
国外相关技术虽然达到一定自动效果,但由于语言和环境不同,难以在国内套用。
3.3大数据技术实现肿瘤非结构化数据登记过程自动化
某家三甲医院约平均3000条/天PAC畛断记录,一个月约10万条诊断记录数据,需要人工干预判断,该医院存有十年的病人数据。
全国有1,431家三甲医院,其余的三乙到二丙共有9,798家。
这么大量的数据采取人工干预是需要耗费大量的人力,工作人员需要通过PACS诊断中,人工筛选和整理数据,他们80%的工作消耗在了这些数据收集的工作上。
肿瘤自动登记技术实现自动进行数据的发现、提取、整理、编码和统计分析。
首先借助自然语言处理技术首先对肿瘤非结构化数据进行预处理,即从医院电子数据库中自动发现、提取、整理和编码所需肿瘤资料,其次建立整理后的数据仓库,再次根据需要进行数据自动分析,最后自动展示分析结果。
基于大数据处理技术架构搭建起可方便扩展的肿瘤数据的自动处理和分析应用,极大地提升肿瘤登记的自动化水平。
通过与手工查找方法对比分析,通过肿瘤自动登记技术完成的工作结果显示其准确性相当高,对比3个月数据测试结果的灵敏度为98.91%,特异性为99.22%。
通过肿瘤自动登记技术应用后,以往15天的工作通过肿瘤自动登记技术处理,现在只需要15分钟,极大了提高了工作效率及质量。
肿瘤自动登记技术具备以下优点:
1)不影响原有信息系统的运作,适用于不同信息系统数据获取;
2)运行速度快,数十秒即可完成查找过程;
3)准确性高,灵敏度和特异度均达95%以上;
4)极大地减少了统计和分析工作量。
3.4基于大数据技术的肿瘤自动登记理念在医学领域的推广
应用
肿瘤登记自动化对肿瘤登记无疑是一场革命,将为肿瘤防治带来巨大影响。
肿瘤监测通过大数据的采集、分析处理和存储实现了肿瘤的自动化和统一处理。
类似地,其它疾病如传染性疾病、慢性非传染性疾病的监测,或者其它医学过程的监测,以及相关医学数据的提取和分析,也非常有可能通过利用大数据一系列相关技术来实现某种程度的自动处理。
4数据在区域化医疗卫生管理分析应用
经过二十多年的卫生信息化建设,目前卫生信息化正朝着面向人群健康的区域卫生信息化建设阶段发展,对信息化服务模式、海量大数据处理、节能环保等提出了更高的要求。
医疗卫生主管部门通过数据分析平台更全面的掌握区域内健康、诊疗、疾病及经济信息,为区域医疗规划和管理科学决策提供数据支撑。
随着医疗数据的不断积累,如何通过大数据分析提升区域医疗机构的运营管理能力,从而提升区域医疗机构整体服务能力和服务质量成为关键问题。
当前医疗卫生信息化还处于一种各自开发、各自建设,而医疗数据纷繁复杂,包括业务流程、财务、药品、设备、耗材、医疗质量、临床等各种数据,以上数据分布于各个医疗厂商系统内部,存在数据异构及信息孤岛情况。
因此,区域卫生机构内各系统实现互联互通、数据共享和应用方面面临着各种挑战:
1)如何获取各医院数据
2)如何整合不同厂家的数据
3)如何确定有价值的数据
4)如何通过数据发现问题
5)整合分析数据后,如何与医院共享
依托大数据分析技术从纷繁的临床数据、财务数据和运营数据构成的数据海洋中提炼高价值数据,帮助区域卫生机构深层开展医疗资源、就诊动态、疾病预警,患者分析和用药分析等工作。
区域性医疗健康数据分析平台的总体目标是将不同医院的不同系统数据通过关联、整合建立一个统一的医疗健康大数据分析平台,服务于区域化医疗、健康相关的管理、分析和决策支持功能,提升区域化医疗健康整体水平。
医院1数据
医院2数据
医院2数据
医院4数据
医院5数据
医院6数据
医院7
数据
■
数据备份快照
ETL数据清洗整合
Diver
数据分析平台
区域总体分析
病历质控
疾病监测
医疗质控
手术分析
药品分析
图2-25
数据仓库
(Dl/Orcalle)
分析主题
区域化医疗健康数据分析平台示意图
大数据技术为区域卫生机构提供决策支持。
在区域医疗卫生数据分析平台上存储着区域内全体居民的健康信息、电子病历、治疗方案、医务人员工作量等信息,区域卫生机构主管部门对这些信息的统计、分析和挖掘对区域内公共卫生政策的制订有着积极的意义。
例如通过大数据分析人员流动数据来监测传染区人员的主要流向并提出预警提示。
主要流向的当地疾控中心准备相应的人员和药品疫苗,为当地人接种疫苗,这样就避免了盲目的全面布局情况,资源浪费。
区域医疗卫生机构可通过大数据统计、挖掘和分析实现各类医疗、健康相关的一系列分析功能,如:
医疗卫生总体情况分析:
医疗资源、就诊动态、疾病预警
医疗资原
邑幌st医生裁床血融
就诊动恣
眶10七我出|»氏*.欄”盟
在齡人曲托亡人茸麻谊萤用誥
A>
MH*
t
■畀■■■
q
».5O
3
1
OSD
•山巴is甘
2
Q.5D
9
&SA
图2-26
疾病监测:
传染病(甲类、乙类、丙类传染病)、慢性病
匡辰屯标*Milf.i)*
£1比发癘址前71划幣號悄配
IFfttt*—UM1人1.盘产一UVhL.嵩产—先需*F
pa银筒弭,to
就域虞哺丼名
21.03L
3.Hk
■w
fiM211
JL.O33
¥WAI5F
穀时
先JMS严
3.5§7
早岂L
2.227
人工新
Z960J
序甘耳止逅li
J
图2-27
手术分析:
手术数量及质量,手术级别,切口方式,麻醉方式和愈合情况手
术具体数据统计分析等
手术僧息
我・盘・
2J91S-4.54
-53.3%T-45.3%T-0.4%V-3,1%TT-6.?
%¥
Of
15
4■轉
拓:
320
芒2f
II
麻髀方式
it訂单■
盹R・WER!
lfi*fr
Wil!
■首■山轉
rcMtt年址局比
-
$
Q
3
e
甲
圭一—,..
1
强舍事址TMIS4ItM1t
0«3
I
-■』
A*"-■?
U«・3
图2-28
5基于互联网大数据的疾病指数预测应用
近年来,我国突发公共卫生事件频发,从2003年的“非典”,2004年的H5N1禽流感,2009年的H1N1禽流感,再到最近的H7N9禽流感,每一次疫情爆发均对人民的生命财产及心理造成了重大的损害。
随着信息技术的发展,信息传播的
方式多样化,信息传播的速度和范围有了质的飞跃,突发公共卫生事件发生后,对心理和社会的影响越来越大,对其危害的评估与控制也越来越难。
2009年以
来,随着微博等社交新媒体在中国的兴起与发展,互联网逐渐成为信息传播的主
体,个人之间的信息传播更加便捷,信息传播的特征也与以往有所不同。
因此,基于互联网大数据来进行相关疾病流行的预测变得可能。
国际上Google2009年对甲型H1N1流感爆发的预测比美国疾病控制与预防中心(CDC提早1-2周,当时震惊整个医学界和IT领域科学家,研究报告发表在《Nature》上。
国内XX公司2014年7月上线了“XX疾病预测”1借助最新大数据技术,为用户呈现身边的疾病信息,不仅可以了解当前流行病态势,还可以看到未来7天的变化趋势,提前做好预防措施。
在构建流感预测模型的过程中,中国疾病预防控制中心的流感监测结果起到了参照作用。
国内TRS公司也开
展了基于微博的疾病预测工作。
下面以为微博数据对流感的分析预为例,来介绍基于互联网大数据的疾病指数预测的应用。
流感以其传染性强,发病率高,容易引起暴发流行或大流行,且处理不当易造成较严重后果的特性,一直以来都是公共卫生管理的重点。
以流感为例,以新
浪微博中全部微博达人和身份认证用户所发原创微博为样本,选取与流感字段相关的感冒、发烧、发高烧、咳嗽、鼻涕、流感、输液、吊瓶、鼻塞、流涕作为检索关键词,监测2011年01月01日到2012年10月22日之间的所有数据,展开多维度分析。
本次监测数据总量为:
2011年615,449,910条微博,含上述关键词的2,858,212条微博;2012年500,343,713条微博,含上述关键词的2,430,082条微博。
分析中所用到结果值均做过归一化处理,即结果记录数/当天数据总量。
监测结果的多维度分析如下:
1)微博流感时间分布
按照每日提取到的微博流感相关用户数,得出如下时间趋势图:
10000
9000
8000
7000
6000
5000
4000
3000
2000
1000
0
微博用户数
周均线均值线
图2-29
上图中纵轴为每日微博中提到流感相关关键词的微博人数,横轴为日期(图中横、纵轴说明下同),跨度为2011年01月到2012年10月。
从上图可以看出,9月中旬开始到年底为秋季流感多发季节,3、4月为春季流感多发季节。
把2011年与2012年曲线叠加后,得到如下时间趋势图:
9000
——2011年周均线——均值线2012年周均线
图2-30微博流感整年时间趋势图
从上图中可以看出:
2012年01月份流感强度没有2011年同期强,但02月下旬和03月较2011年强,但峰值有所回落;
2012年秋季流感爆发点比2011年提前1周,2011年是09月20日,2012年是09月14日;
2012年秋季流感趋势目前平稳,没有大规模爆发迹象,今后将维持高位运行,爆发峰值逐步推高。
2)微博流感地域分布
日日日日日日日日日日日日日日日日日日日日日日日日日日日日日日日日日日日日日日日日日日日日日日日日日日日日日
2011年周均线均值线2012年周均线
图2-31博流感博主在北京整年时间趋势图
根据博主的地域属性可以做地域分析,以北京为例,如上图所示,北京发生流感的高峰期在冬季,以每年的一月中下旬为甚。
北京2012年01月流感强度明显低于2011年同期,2012年03月则高于2011年同期,2012年秋季流感较2011年提前。
类似地,提取出全国其余省市的数据,并可以画出微博流感的全国地域分布图。
以冬季(2012.02.01)和夏季(2012.06.01)为例作对比。
全国大多省市在冬季都为流感高发季节,相对来说北方省市较南方更易发生流感;而每年的夏季则是流感少发季节,相对来说,南方省市较北方更易发生流感
TRS
”■*
2012Q2D1
TRS
fl*■*1H
微晴涟酚苗
»尢:
工
河龙r
III
日朋
:
n-r
雷制
2012-他创地嫌亢计
B.HI
Efi
m3J1|住|姬HU|iZ址|五|旺L5
冬季(2012.02.01)
夏季(2012.06.01)
山东
图2-32微博流感全国地域冬季和夏季分布图
基于微博数据的流感分析可以较真实地反映当前社会流感人数、地域分布、
性别分布,因此可以在一定程度上预警流感的爆发,当检测到某一区域流感人数连续明显有别于其它区域和该区域历史数据时,可作出流感即将爆发预警。
由此
可见,对微博进行实时动态监测,及时发现网络上与公共卫生相关的突发性事件和敏感舆情,第一时间进行危机预警,并对舆情信息进行持续跟踪,实现对公共卫生领域的有效掌控,将推动公共卫生事业良性快速发展。
6健康医疗大数据发展趋势
随着信息技术的快速发展,医学与健康相关大数据高效存储和处理成为可能。
如何基于大数据技术来实现健康医疗相关大数据的高效收集、处理、存储、共享和挖掘分析,从而为医护人员的及时和正确诊断、个人健康的监测护理与诊疗建议、医疗相关机构的管理与决策提供大数据分析和系统支持,成为跨医学和计算机科学领域的一个重要的研究和产业发展方向。
如前所述,健康医疗行业涉及从医疗卫生机构、医疗器械企业、医疗管理部门到具体每个个人共四种不同类型机构实体和人群。
相应地,医疗健康大数据发展有以下趋势预测:
1)医疗卫生机构将继续依托大数据架构和技术,提升现有的医疗信息化水平,实现异构医疗健康大数据的高效处理和服务,医疗健康数据具有种类多(非结构化、半结构化和结构化)、规模大(从TB到PB级,甚至更多),大数据技术可以为医院日常业务提供更好的支撑,提高医疗信息化的性价比和可靠性。
同时,为应对医改的不断深入,医院和社会对医院综合信息资源的处理与应用需求不断提高,在医疗数据规模和种类急剧增长的情况下,依托大数据技术解决传统的医院内各系统间的数据交换、存储、处理和服务模式无法适应新形势下的医疗健康大数据服务需求。
进一步,在医疗健康大数据挖掘和分析基础上,为疾病的诊断、治疗和预后过程提供辅助支持,更好服务于诊疗过程。
2)随着社会经济的发展,高质量的个人医疗健康服务需求迫切。
同时,由于医疗健康资源有限,如何利用大数据技术更好地实现个人健康服务、个性化诊疗服务具有很好的前景。
基于云计算技术的健康医疗护理服务将为个人提供移动医疗健康监测与诊疗推荐服务。
3)医疗管理机构,包括区域性医疗卫生管理机构乃至全国卫生管理机构,如何利用更好地利用大数据技术实现管理决策、资源调度、流行性疫病防控与应急处置的合理性和科学性。
4)由于医疗健康大数据和个人密切相关,其安全和隐私保护问题从管理制度和保障技术两方面都显得尤为重要。
基于云计算平台的开发和应用使得很多数据被存储在云端进行处理、查询和搜索。
因此,除了要解决医疗大数据搜索的可扩展性、可靠性和效率外,下一步必须考虑数据搜索和使用的安全和隐私问题。
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 健康 医疗 数据 调研 报告