丁涛：智慧医疗中的大数据应用

来自：datacn

本文内容较长，比较完整地梳理了整个中国医疗改革中的大数据应用机会，建议各位数据玩家在整块的时间内阅读和思考。

大家好，我是丁涛，亚信数据政企事业部高级咨询顾问，今天我给大家分享的题目叫“大数据让医疗更智慧”，主要跟大家分享大数据在医疗智慧化之路上的一些探索和想法。这个题目是我在1211大会上政府专场上分享的。

在这个标题下，大家看到有个小人拿着一个感叹号在推倒一个问号，什么意思呢？我是有两层含义：

第一，感叹号表示我们对大数据让医疗更智慧持肯定态度，有了大数据支撑，医疗一定会变的更智慧，我们有这个信心，相信大家也一定有这个信心；
第二，为什么有个问号呢？问号是表示我们医疗的智慧化之路还很长，在智慧化的过程中还存在很多的已知的或未知的问题，但我们一定会用我们的信心、我们的行动去一个个的解决这些问题，最终实现智慧医疗。

好吧，废话太多了，我的分享分为四部分：背景分析、行业聚焦、智慧探索、数据变现，我们先了解一下相关的背景。

一、我国医疗服务及费用支出情况：

第一，全国医疗卫生机构门诊量及增长速度，2013年我国门诊量73.1亿次，人均5.4次；
第二张图：医院病人门诊和住院费用，次均门诊费用206元，次均住院费用7440元多。2013年全国卫生总费用预计达31661.5亿元，其中：政府卫生支出9521.4亿元（占30.1%），社会卫生支出11413.4亿元（占36.0%），个人卫生支出10726.8亿元（占33.9%）。人均卫生费用2326.8元，卫生总费用占GDP百分比为5.57%。

二、大家看到我国的医疗卫生费用支出还是非常可观的。再看一下，现在或不久的将来，我们有哪些健康风险：

1、老龄化趋势：第六次全国人口普查数据显示，总人口为13.4亿人，60岁及以上人口占13.26 %，达到1.8亿，并以每年3%快速增长，预计2015年，老人群体将达到2.15亿，约占总人口15%。随着年龄的升高，老年人的失能率和慢性病患病率都处于上升趋势，再过20-30年，我们在做的很多都会成为其中的一员。实际上健康管理在未来的5—10年将是很大的一个产业。

2、慢病量巨大：据中国卫生部（2012年7月9日）公布的数据，中国确诊的慢性病患者已超过2.6亿人，其中：高血压患者超过2亿，肥胖患者1.2亿，糖尿病患者9700万，因此死亡的占总死亡人数的85%，并向年轻化蔓延。我国主流城市的白领亚健康比例达76%。当初刚看到这个数字时，我感到很震惊！

3、医学敏感人群巨多：根据预测，中国人口健康风险比将从目前的40%上升到2025年的60%，医学敏感人群数由3.33亿增加到6.03亿。中国因疾病而导致生产力丧失，将在2005年-2015年间造成5500亿美元的损失。这个数字更可怕。

三、这是总体的数据和情况，医疗健康情况很不乐观。作为IT人，我也很关注我们这行的健康情况，一起来看看：

1、加班成常态：调查显示，有超过七成的程序员超时工作，其中有5.7%的程序员每周工作70小时以上
2、增时不增收：调查显示仅21.5%能拿到加班费，工作时间提升21%，收入提升5.2%
3、五大疾病的重灾区：长期加班、熬夜、久坐不动、面对电脑、心情紧张等各种不良因素导致IT从业者成为猝死、慢性疲劳、颈腰椎病、眼部疾病、心理问题等五大疾病的重灾区。

大家看到，IT人加班加到腿软，可是并没有拿钱拿到手软。上海社科院社会学所助理研究员刘漪曾对92个过劳死案例进行分析，发现近年来“过劳死”发病率直线上升、男性人群居多。 IT行业“过劳死”年龄最低，平均只有37.9岁。所以，IT人或白领应该明白，收入和健康并不成正比，工作再忙也要顾惜身体。

四、好吧，我们再来看看我们医疗体系面临的问题。其实我国医疗体系存在的问题，大家多少都会有些体会，我只是把它总结一下。

1、患者：看病难、看病贵、看病乱、“三长一短”。
2、医生：效率低、质量差、成本高、成长慢；
3、政府：监管难、医改难、补贴多。

可能还有很多问题，不同人从不同角度都会总结出一大堆问题。

五、分析一下造成这些问题的根源，可能有很多，包括：

1、医疗资源短缺且发展不均
2、缺乏现代化手段，限制优质资源服务半径
3、“以药养医”
4、 重治疗轻预防
5、缺少分层医疗体系，医疗效率低
6、信息与知识隔离

六、再来看一下我国医改的方向和重点，十八届三中全会报告：关于深化医药卫生体制改革提出以下医改重点：

1、统筹推进医疗保障、医疗服务、公共卫生、药品供应、监管体制综合改革
2、深化基层医疗卫生机构综合改革，健全网络化城乡基层医疗卫生服务运行机制
3、加快公立医院改革，落实政府责任，建立科学的医疗绩效评价机制和适应行业特点的人才培养、人事薪酬制度
4、完善合理分级诊疗模式，建立社区医生和居民契约服务关系
5、分利用信息化手段，促进优质医疗资源纵向流动。加强区域公共卫生服务资源整合
6、取消以药补医，理顺医药价格，建立科学补偿机制
7、改革医保支付方式，健全全民医保体系
8、加快健全重特大疾病医疗保险和救助制度
9、完善中医药事业发展政策和机制
10、鼓励社会办医，优先支持举办非营利性医疗机构
11、允许医师多点执业，允许民办医疗机构纳入医保定点范围

是不是很多啊，不过大家不用都看，只要关注几个重点和关键词就可以了：五措并举、三医联动、分级诊疗、多点执业，特别提到“充分利用信息化手段，促进优质医疗资源纵向流动。加强区域公共卫生服务资源整合”，明确说明信息化在医改中具有重要的作用；医疗信息化被提上了议程，这意味着整个医疗信息化得到了真正的认同。未来，医疗信息化产业的脚步，将交错纵横的向整个信息化领域延伸开来。

七、国家相关部委也在积极推进互联网医疗事业发展：

1、国务院《促进健康服务业发展》：多措并举发展健康服务业；积极发展网上预约挂号、在线咨询、交流互动等健康服务。
2、健康中国2020战略：要立足中国国情，更加注重卫生发展的总体效益；要以增进健康为中心，更加重视转变服务模式。
3、卫计委：积极推进远程医疗服务发展：医疗机构运用信息化技术向医疗机构外的患者直接提供的诊疗服务属于远程医疗服务；经过批准医务人员可以向本医疗机构外的患者直接提供远程医疗服务
4、食药监局：首次提出处方药在电商销售：将解禁处方药网上销售；允许第三方物流配送药品；非连锁药店企业或可网上售药；打破药厂、医院、线下连锁药店的垄断

八、再让我们一起看看医疗行业最近发生的一些事：

1、各厂商逐鹿医疗健康市场

智能可穿戴设备商、运营商、互联网巨头、传统医疗信息化厂商、移动APP开发商、通讯设备商、大型集成商等都纷纷进军医疗健康市场。

2、互联网医疗受热捧

2013-2014近两年国内互联网医疗创业投资事件66起，关注互联网医疗领域的投资机构共58家，投资机构活跃次数总计91次，披露融资额5.8亿美元。从投资项目分布上，共有58起项目，主流项目主要有四个种类：
1）穿戴式设备类获得投资的共计16个项目
2）医疗服务类获得投资的共计10个项目
3）移动医疗应用类获得投资的共计13个项目
4）健康应用项目类获得投资的共计6个项目

3、BAT布局移动医疗

百度：在线问诊最大入口，医疗广告占比30%以上，未来整合医院、医生资源做多方面多层次的在线医疗服务；

阿里：收购中信21世纪，掌握中国药品电子监管码资源，支付宝为主导，医药电子电子商务+医院信息化带动移动支付；阿里在石家庄把快的模式复制到处方药抢单上，促进医药分离；

腾讯：用微信连接一切，通过7000万美元入主丁香园，掌握全国三甲医生的资源，并与好大夫在线达成战略合作，等着商业模式成熟，快速并购切入；

说完了别人的事，接下来说说亚信在医疗方面的探索。首先明确，亚信关注大健康：亚信关注与健康相关的各个领域，包括医疗、食药安全、环保、养老等各个与健康有关的领域。医疗是我们切入大健康的第一步。介绍一下亚信大数据视角，我们田总有个形象的比喻，跟大家分享：

发电：汇集多方数据，形成信息资源的“发电厂”
输电：利用云计算、移动互联网等设施，实现信息资源低成本存储和安全快速传递
变电：提供从数据到信息、知识、智能多层次加工，深度挖掘信息资源价值，打造智慧“大脑”，实现智能决策
配电：实现信息资源的主动推送和智能化按需分配，连接人与物，实现智能运转
用电：随时随地获取个性化信息资源和信息服务，培育新型信息服务业，数据开放推进全民创新，助力经济转型升级

把大数据比作工业革命时期的电，其实在医疗领域，我们看待大数据的视角也是一样的。什么是医疗大数据呢？其实医疗健康大数据其实没有严格的定义，但我们理解居民医疗健康大数据应该覆盖居民从出生到死亡全生命周期，包含居民在各个生理阶段的健康状态和行为信息。下面这张图比较经典，搞医疗健康的估计都看过，包含了居民在各个生理阶段可能的健康状态和行为信息。这只是一个人的数据，要是扩展到医疗健康产业生态圈，会更复杂。

看看这个医疗健康产业生态圈，有点眼晕，包括相关方：
1、人：包括健康人群、患者、医护人员、科研人员等
2、机构：包括医卫管理部门、医疗机构、公共卫生服务机构、科研院所、其他相关厂商等
3、物：包括药物、医疗器械、保健品、可穿戴设备等

九、医疗大数据有哪些来源呢？

我把来源分为两部分，一部分是基础来源，一部分是扩展来源。基础来源包括：

1、病人行为和情绪数据：病人的行为、爱好、零售历史等信息，采集的是生活习惯等反映生活偏好的数据，用于健康管理策略和计划的制定

2、临床数据：主要包括电子病历和医疗影像数据，归属于医疗服务提供方

3、活动报销或成本数据：服务的使用、成本的估算，归属于支付方或医疗服务提供方

4、制药行业科研数据：制药企业、科研机构在进行药品研发、医疗健康方面的研究时积累下来的数据，包括临床试验、高通量药物筛选库等，集合了来自个体或临床的基因或蛋白数据，可以帮助识别药品不良反应和新功效

这是属于比较传统的数据。基础来源可以认为是医疗大数据的核心数据，扩展来源可以认为是基础来源的补充，但这个数据量正在迅猛的增长，其数量级可能会迅速超过基础来源数据量。扩展来源包括采集人的身体状态、生活环境、终端行为和运动情况的数据，包括各种可穿戴设备、医疗健康监测检查设备、环境监测设备、终端设备（手机、PC等）。

来源这么多，那么医疗行业数据是否足够大呢？一个典型三甲医院的数据量如图：

信息系统 年数据量
HIS 30-50GB
LIS 50-100GB
RIS/PACS 10-30TB

主要项目的数据量如下：

1、 人类基因组数据（每个人）：750M
2、 一张普通CT：150M
3、 标准病理图：5G

了解一下医疗数据的生命周期，医疗档案一般保留时间较长，且在线时间的要求也较其他行业高一些，具体情况如下：

1、 归档时间：门诊记录保存时间不得少于15年，住院病历保存时间还要长（约30年），一些著名人物的病历将无限期保存。而目前一般的惯例为病历、影像有条件的要无限期保存，病人信息、交易、医嘱等是每天调用，病案分析等不需要太快

2、 在线时间：影像数据在线时间为3年，3年前的数据归档到离线服务器存储；HIS生产系统数据在线时间为5年，5年前的数据归档到历史服务器；电子病历无归档，全部在线。所有的数据中心存储都拥有数据生命周期管理，特别是PACS系统建立了生命周期管理。

3、 容量增长：从应用现状统计情况来看，各医院的存储系统一般2年扩容或更新一次，服务器系统容量一般3-4年扩容或升级一次。

十、医疗大数据数据量：

1、全国各地均在开展区域医疗数据中心建设，预计全国将会有上百个医疗数据中心，每个数据中心都将承载约1000万人口的医疗卫生数据并提供各种类型的服务

2、根据估算，中国一个中等城市（一千万人口）50年所积累的医疗数据量将会达到10PB级

3、 随着个人健康管理的推进，将产生越来越多的个人日常健康监测信息，这个数据的规模和增长速度将远超想象
这里有个例子——某300万人口城市：

1）个人基本健康信息登记：1千万条
2）门诊摘要：3千万条
3）处方信息：1亿条
4）糖尿病专档：2百万条
5）糖尿病随访：2千4百万条

预计20年可达PB级

麦肯锡预测：到2020年，医疗数据将急剧增长到35Zetabytes，相当于2009年数据量的44倍

根据IDC最近发布的《数字宇宙驱动医疗行业数据增长》报告，医疗行业在数字宇宙中占比显著，数据量每年以48%的速度增长，是增速最快的行业之一 。

十一、总结一下医疗大数据的特点：

1、多样性（Variety）

（1）来源多样性：医疗+健康+公卫；基础、临床、中医、药学、社会、特种等
（2）结构多样性：Structure+Unstructured+Semi-Structured
（3）标准多样性
（4）管控和行政干预导致数据析意的多样化

2、异构性（Lsomerism）

（1）异质、异构、异地、异源
（2）医疗+健康+公卫

3、隐私性（Privacy）

（1）涉及个人隐私
（2）行政控制

4、互联性（Interconnectivity&Interoperable）

（1）只有集成与整合才能发挥价值
（2）只有交互性才能实现管控

十二、那么，智慧医疗有哪些特点呢？

借用IBM的总结，智慧医疗具有6大特征，IBM总结的很经典，感谢了。

1、互联

1）医院内、医院间
2）病人和医院间
3）供应商、物流公司、保险公司和医院间
4）政府与医院、个人
5）无缝、随时的连接

2、协作

1）消除孤岛、整合信息
2）医疗协同：医疗服务、社区卫生、医疗支付等机构之间交换信息和协同工作

3、预防

1）基于智慧的感知、处理和分析
2）从疾控角度：发现征兆、快速响应
3）从病人角度：健康、疾病、运动提醒

4、普及

1）突破城市与乡镇、社区与大医院之间的观念限制，全面地为所有人提供更高质量和惠民的医疗服务

5、创新

1）推进医疗技术和临床研究，激发更多医疗领域内的创新发展。

6、可靠

1）在允许医疗从业者研究分析和参考大量科技信息去支撑诊断的同时也保证了这些庞大的个人资料被安全的保护和储存，严格控制只有被授权的专业医疗人员能够使用

十三、可以看出，智慧医疗涉及到多个方面，是一个复杂的体系：

1、参与角色：政府卫生部门、疾控部门、医院、社区、其它
2、涉及领域：预防、健康教育、应急、医疗、卫生、健康、康复……
3、涉及层面：政策、标准、法制、职业、医保、保险、福利……
4、技术类型：物联网、大数据、数据挖掘、采集交换、存储……
5、专属概念：电子病历、区域医疗、无线医疗、无线医院、物联网医院……
6、考虑主线：医院？社区？医疗？健康？……
7、战略考虑：智慧的定义？方向？切入点？……
8、目标考虑：医疗为目的？健康为目的？预防为目的？教育为目的？……
9、战术考虑：国家投入？政府投入？产学研？科研立项？……

我们对智慧医疗的理解：智慧医疗的核心不是技术，而是思维，即能否用大数据思维来智慧化的破解各种医疗难题，满足以患者、以人为核心的各种需求，推动行业进步，实现产业价值。这种理解基于一个前提：实现一个转变，即由原来基于政府、公卫、医院为核心的观念转变为以患者、医生和从业者为核心的观念

谈到智慧医疗，绕不开人工智能，当大数据和人工智能碰撞，结果会怎样？类似采血机器人、远程诊断机器人早已面世。由美国国防部出资研制的”大乌鸦”机器人，可以远程控制。其目的：

1、救治伤兵
2、偏僻地区患者实施复杂的手术
3、救助太空中患病的宇航员

这是一个便携的机器人，很小。由此我们可以想象：在未来，市民患病后不需要直接去医院，只要先把症状告诉家庭医生（机器人），由机器人利用网络上的大数据信息做一个初步诊断，然后市民根据机器人提供的建议进行治疗。

回过头来看看我国医疗信息化的状况和特点。

全国卫生信息化十二五规划3521-2工程：

1、“3”——建设国家级、省级和地市级三级卫生信息平台
2、“5”——加强信息化在公共卫生、医疗服务、新农合、基本药物制度、综合管理五项业务中的深入应用
3、“2”——建设电子健康档案和电子病历二个基础数据库
4、“1”——建设一个医疗卫生信息专用网络
5、“2”——建设信息安全体系和标准规范体系

但是，规划是规划，十二五规划十三五开建，这是大家都知道的秘密。

十四、医疗信息化存在的问题：

我国的的医疗信息化程度相对落后，目前也仅限于医院个体内部的信息化管理，真正实现智慧化还任重而道远。

1、系统割裂，孤岛严重
2、流程不统一、不规范
3、以“管”为主，缺乏整体规划和顶层设计
4、信息化发展不均衡，东中西部、同一地区内部差距很大

举个例子，我们在西部某地级市做了调查，市级医院信息化非常好，甚至有的药房都有机器人拿药。但是，同是这个地级市，乡镇级医院、民营医院和村卫生室90%没有系统。

十五、那么，医疗大数据智慧化应用方向在哪里呢？

我们从四个角度总结了一下。

1、从医生角度

1）比较治疗服务

临床数据比对，匹配同类型的病人和用药,比较多种干预措施的有效性。
提出最有效和最具成本的治疗方法

2）临床决策支持服务

利用规则和数据实时分析给出智能提示
使用图像和识别技术，或者挖掘医疗文献数据建立医疗专家数据库，从而给医生提出诊疗建议

2、从药企、科研单位角度

1）药品研发

对药品实际作用或功能进行分析，进行药品市场预测分析，制定市场推广策略。
分布式计算加快基因测序计算效率，加快创新药物研发

2）临床试验数据分析

实时或近乎实时地收集不良反应报告可以促进药物改进
对药物进行重新定位，确定药品更多的适应症和发现副作用。基于临床试验大数据的分析可以给出证据。

3、从政府角度

1）传染疾病控制

快速检测传染病，进行全面的疫情监测，快速进行响应
提供准确和及时公众健康咨询，降低传染病感染风险。

2）人口健康分析

对不同群体人群就医，健康数据实施人口统计分析，分析人们不良的生活方式密切相关的疾病源。

3）医保欺诈

预测风险辅助制定农合基金的起付线、赔付病种等
监控医保卡诈骗、套现等；监控医疗信息，防止大处方；
卫生经济学及药品定价
医疗资源分配

4、从患者角度

1）病症早期预测

应用高级分析可以确定哪些人是某类疾病的易感人群。
根据确定的某类疾病的易感人群。尽早接受预防性保健方案

2）个性化治疗

同样的病人用同样的诊疗方案疗效却不一样，部分原因是遗传变异。
针对不同的患者采取不同的诊疗方案，根据患者实际情况调整药物剂量，可以减少副作用

3）个人健康管理

更全面深入地从社会、心理、环境、营养、运动的角度来对每个人进行全面的健康保障服务，帮助、指导人们成功有效地维护自身健康。

十六、这些是目前可能的医疗智慧应用方向。经过研究，并和我们的客户情况结合，我们选择了以下几个应用：

1、疾病监控

大数据的使用可以改善公众健康，提高疾病监控速度和效率。公共卫生部门可以通过患者电子病历数据库，快速检测传染病，进行全面的疫情监测，并通过集成疾病监测和响应程序，快速进行响应。这将带来很多好处，包括医疗索赔支出减少、传染病感染率降低，卫生部门可以更快地检测出新的传染病和疫情。通过提供准确和及时的公众健康咨询，将会大幅提高公众健康风险意识，同时也将降低传染病感染风险。所有的这些都将帮助人们创造更好的生活。

2、辅助决策

为什么需要辅助决策？

1）信息量或数据量暴增：100年前，据说医生还可以了解医学领域的各个分支。而今天，一名典型的初级保健医生就必须同时了解大约10000种疾病和综合征、3000种药物和1100种检验方法。

2）研究表明，即使是训练有素的医生也会高估诊断的准确性：美国国家医学院最近估计，每年因医疗差错造成约44000-98000本身可避免的死亡，其中很多是由于误诊造成的。以发热为例，可能涉及到4万种疾病会有发热症状。
通过大数据辅助决策可以实现以下效果：

3）通过电子病历的大数据分析和共享，医生将不再需要对哪些列满治疗各种疾病的药物手册，取而代之的临床系统会根据当地医院微生物学实验室获取的实时药物敏感数据及患者的基因资料，提供个性化和区域化治疗。

4）医疗人员能获得准确高效的患者医疗记录数据和将病历数据输入系统，能够发现统一建模方法和大数据分析平台的成功的治疗模式、减少医疗差错。还可以模仿干预措施，预防流行性疾病。

5）采用电子病历大数据分析，对医疗知识缺乏的发展中国家而言，对改善和监管医护工作者的医疗护理具有重要意义，并提高预测疾病爆发和人口健康评估和规划的能力。

3、健康管理

1）依托健康档案，开展从出生到死亡的个人健康管理
2）更全面深入地从社会、心理、环境、营养、运动、医疗、体征等角度来对每个人进行全面的健康保障服务，帮助、指导人们成功有效地维护自身健康

4、医保监管

我们帮助客户建立医保稽核系统，医保稽核系统(例如机器学习技术)检测医保欺诈行为。业内人士评估，每年有2%~4%的医疗索赔是欺诈性的或不合理的，因此检测索赔欺诈具有巨大的经济意义。通过一个全面的一致的索赔数据库和相应的算法，可以检测索赔准确性，查出欺诈行为。这种欺诈检测可以是追溯性的，也可以是实时的。在实时检测中，稽核系统可以在支付发生前就识别出欺诈，避免重大的损失。

医保稽核系统的关键在于：

1）建立病床-病人-医生-病症关联关系，并实地核查，避免挂床套保；病床必须进行标识化。
2）病人身份由稽查时现场采集指纹和人像进行后台比对。

最后，稍微提一下医疗数据的变现。相信不久的明天，医疗大数据也会想其它数据一样能够变成真正的金矿，发挥更大的价值。但医疗大数据安全性更为重要，因为它涉及患者的隐私，和我们每个人息息相关。变现的途径有很多，发挥你的大数据思维，有N多的想象空间。

最后总结一下：

1）基于大数据的智慧医疗才刚刚起步，需要各界人士的共同努力和长期探索，但我们相信，由于大数据、云计算、物联网等技术的出现和成熟，智慧医疗的步伐将会大大加快。

2）不同地区智慧医疗的实现路径不能千篇一律，不同地区根据医疗信息化程度的不同，其智慧化的切入点也不同，随着医疗健康数据整合的深度和广度的拓展，医疗智慧化也会加速实现。

3）智慧医疗要以“人”的需求为核心，以解决患者、医生和管理者的矛盾和问题为出发点，以国家医改目标为方向，以创新应用为抓手，智慧化的实现体制机制的突破、化解医改难题、提升服务质量

4）大数据涵盖数据、思维、技术三个方面。在目前阶段，大数据思维更为重要，大数据为我们提供了一种新的看待世界的方法，我们应该首先从大数据思维上来理解进而指导医疗行业的智慧化进程。