文/张楠
导语
：
2016年，国务院出台《关于促进和规范健康医疗大数据应用发展的指导意见》，鼓励并推动医疗大数据发展，然而现状是医院信息孤岛问题仍然严峻，医疗数据远不能满足临床应用与科研需求，如何打破信息孤岛，高效充分地应用医疗数据，成为行业当务之急。
零氪科技（LinkDoc）是专注肿瘤大数据分析与应用的科技公司，通过探索医疗信息共享模式，打造医疗大数据平台，帮助医生、专家及医疗机构作出更佳决策，辅助医者，普惠患者。
零氪科技CTO罗立刚
、
联合创始人李丽平在
4月26日医疗
大数据开发及应用大会
上进行分享。
贝壳社
(iBio4P)
作为
支持
媒体全程参与大会，将嘉宾发言干货整理在此：
目前我国医疗大数据存在以下四大问题，病例量大、数据非结构化，行业无统一标准，随访困难，导致医疗数据在医疗领域的应用非常不充分，只有少量的数据被临床研究使用。
高质量医疗数据的短缺与现实旺盛的需求形成巨大反差，比如院长希望数据能够提供管理决策，专家在科研探索时希望数据提供支持和驱动，医生在给患者下诊疗意见时，也希望有数据能增强诊疗信心。所以如何解决医疗大数据的供需矛盾，满足医疗人士的渴求与需要，就成为当下医疗大数据发展的关键，也是行业共同目标。
随着全球医疗大数据研究能力的提升，
摩尔定律下计算能力的
飞速发展，数据存储能力大幅提升，
加之人工智能的发展，尤其是近两年深度学习的突破，众多企业开始进入医疗行业，(IBM Watson、Google Brain、Flatiron Health等)，相信大数据在医疗领域的应用前景越来越光明。零氪科技（LinkDoc）过去两年一直专注肿瘤数据研究，在肿瘤数据这个垂直方向的挖掘和应用走在了世界前列。目前合作的三百多家三甲医院里的肿瘤相关科室，通过零氪科技（LinkDoc）的Hubble辅助决策平台产品，在辅助管理决策，辅助科研探索，辅助临床诊断方面都得到了很大的帮助。
大数据对于生活的影响，有商品大数据（京东淘宝）、社交大数据（推特脸谱）、交通大数据（滴滴出行）、医疗大数据（零氪科技等）。零氪科技（LinkDoc）是基于肿瘤的医疗大数据平台，未来有希望成为滴滴、脸谱那样的平台型企业。
医疗行业是
数据密集型行业，
医疗数据量非常大，近些年医疗数据存储量呈直线上升状态，IDC
digital
预测
截止
2020年
医疗数据
量
将达
40万
亿GB
，
所以说数据量特别大，需要算法和存储，与其他片段类数据和生活类数据不同。此外，
医疗数据加速累积，对处理、管理、共享提出更高要求
，
数据
生成
和共享速度以
10亿GB/月
的速度迅速增长。
尤其影像数据高速发展， 12排、32排、64排CT升级，单纯患者影像数据的存储就成为很大问题，所以数据量非常大是医疗大数据处理起来较为困难的重要原因之一。
我国医疗大数据主要由三大部分构成：（1）公共卫生数据，（2）医院临床数据，（3）移动医疗
健康数据
。各
数据端口呈现出多样化且快速增长的发展趋势。
其中，电子病历数据最多，这块可以做什么？电子病历为核心的临床信息系统中蕴藏了疾病诊疗的大数据。医院信息科分得非常详细，这些系统相对来说比较分散，处理困难，融合也很困难。如果把这些数据搜集起来，就很有帮助。
电子病历的五大特征：
全
集成
——从医疗护理化验、各种检查和手术麻醉，从门诊病历、住院病历、查体病历来看，我们认为医疗数据可以做到全集成的；
全过程
——从患者入院到出院，医嘱下达、药房调剂、护士处理、床旁执行等，在医院的任何治疗和护理影像都会从头到尾全程记录下来；
全周期
——包括门诊查体和住院历史记录，其中管理比较好的是患者的住院病历数据，非常规范，能把一个患者历次住院的信息串联起来。
智能化——
合理用药、临床指南、临床路径和临床决策方面也有很多创新企业。开发APP等工具帮助医生做决策。
多态性
——对于纯数据（化验单），信号图（心电图/脑电图）,图像（B超、CT）,文字(主诉、病史、医嘱)不同形态的数据怎么融合是比较大的挑战，也是应该解决的问题。
可以看到，就个体而言，
生物医学大数据很复杂。
将多维度的临床数据拆分为家族病史，体检数据、影像数据，诊疗数据，用药预后等等
，
最近比较火的是组学数据，组学数据又分得比较细，包括
基因组数据、转录组数据、表观组数据、蛋白组数据、代谢组数据和微生物组
数据
等。
（1）信息孤岛的现象比较严重。
从院内的各个系统到跨医院、跨全国数据的互联互通都困难，业务系统相互独立，数据分散在不同业务系统中，不能在同一视图中了解同一患者各科的临床数据，数据再利用较难。
（2）缺乏规范化、标准化和信息互通制度的建设
。造成虽然在临床过程当中有大量的数据，但是在进行结构化转变过程中，很多数据是没有办法成功转化的，从而造成数据缺失。这是从源头上数据管理存在的一些问题，我们要加强对源头数据管理和质量提升。其次是缺乏数据语义模型标准，到底使用哪个数据作为标准化的模型，需要进行统一。最后是缺乏异常数据实时监控治疗报告。
（3）信息需要二次加工、利用。
数据孤立、患者信息不能自动关联整合，采集难度大，无法挖掘结构化电子病历数据，分析力度和能见度有限，无法多维度的分析。
现在医疗大数据应用突破的核心问题：
（1）规范
采集与
标准化。
（2）医疗
大数据
的智能导航和智能干涉。
智能导航是当出现问题时，比如病历书写过程中，录入数据的时候，会有一些逻辑冲突，不能录入。智能化的控制对提高病历书写准确率有一定帮助。
（3）信息安全和隐私保护。
国家最近也颁布了新电子病历的管理办法（最新电子病历应用管理规范(试行)），对个人隐私定义进行了标准描述，对实现信息共享做了更多的定义和规范，这是互联共享方面。
在分析挖掘方面：
（1）疾病做早期诊断与预警。
人工智能做出辅助决策，有望提供真正帮助。
（2）辅助诊疗与智慧医疗。
包括可穿戴设备如何跟临床指标相结合，最终形成智慧医疗。
（3）精准医学与个体化治疗。
这也是“十三五”重点推进的项目。
因此，我们需要搭建医疗信息服务共享平台，实现以下功能：
（1）标准规范：
实现数据的互联互通和标准规范，打破医院间的信息屏障。
（2）分析挖掘：
发展人工智能和深度学习，推动基于大数据转化应用技术，从健康医疗大数据中发现新知识和新规律。
（3）医疗建模：
建立系列医疗模型，促进“智慧医疗”和“分级诊疗”等实施。
（4）项目对接：
与国家重大研究计划对接，促进医学科学发展和全民健康水平。
（5）人才培养：
我们与国家重大研究计划对接，促进医学科学发展和全面健康水平，培养大数据人才。
我们探索了很多医疗信息共享模式：
1、区域共享
模式
：区域医疗机构协同合作的数据共享和交换平台，如地市级肿瘤医院联盟；
2、单病种
共享模式：
单病种数据协作平台：用注册临床标准，对录入/随访工作进行质量控制，形成“采集-整合-结构化-随访”的完整闭环数据；
3、企业共享模式
：
建设医疗企业健康数据共享云平台，推动企业多样化的健康数据整合、共享与高效利用。
4、个人共享模式：
将个人健康数据共享给有资质的组织或企业，形成大规模人群健康数据和疾病数据库。
5、医联体
共享模式：
基于医联体实现优质医疗资源共享平台和同质化的检验、检查结果互认。
第一，
我们做
了病历结构化
