我國(guó)醫(yī)療機(jī)構(gòu)在大數(shù)據(jù)時(shí)代下的機(jī)遇與挑戰(zhàn)

廖國(guó)興

全球最大的互聯(lián)網(wǎng)公司谷歌分別于2003年、2004年和2006年發(fā)表了三篇大數(shù)據(jù)處理的核心論文，即《The Google File System》、《MapReduce: Simplified Data Processing on Large Clusters 》以及《Bigtable: A Distributed Storage System for Structured Data》。隨后，IT技術(shù)社區(qū)根據(jù)這三篇論文進(jìn)行了開(kāi)源實(shí)現(xiàn)，從而誕生了以HDFS分布式文件系統(tǒng)、Map Reduce模式和Hbase數(shù)據(jù)庫(kù)為基石的大數(shù)據(jù)處理框架。Hadoop的出現(xiàn)標(biāo)志著大數(shù)據(jù)時(shí)代的開(kāi)始。該大數(shù)據(jù)處理框架憑借其自身的優(yōu)勢(shì)被許多互聯(lián)網(wǎng)企業(yè)所采用，并逐漸在其他行業(yè)流行起來(lái)。隨后大數(shù)據(jù)技術(shù)得到了前所未有的發(fā)展，涌現(xiàn)出了流式數(shù)據(jù)分析、機(jī)器學(xué)習(xí)、深度學(xué)習(xí)、圖形圖像分析處理等數(shù)據(jù)分析技術(shù)及相關(guān)產(chǎn)品。許多公司，尤其是互聯(lián)網(wǎng)公司，通過(guò)對(duì)大數(shù)據(jù)技術(shù)的應(yīng)用，極大地推動(dòng)了業(yè)務(wù)發(fā)展。比如一些電子商務(wù)網(wǎng)站通過(guò)分析用戶的商品瀏覽行為以及購(gòu)買(mǎi)數(shù)據(jù)，精準(zhǔn)地勾畫(huà)出用戶的購(gòu)買(mǎi)偏好，從而挖掘出客戶的潛在需求并且精準(zhǔn)地為客戶推薦合適的商品，大大提升了網(wǎng)站的營(yíng)業(yè)額。再如，一些在線付費(fèi)視頻網(wǎng)站，通過(guò)分析海量的觀影記錄，判斷其感興趣的視頻類型、價(jià)格敏感度以及依賴程度，從而向客戶推薦其最有可能觀看的影片，并且針對(duì)不同的客戶進(jìn)行差別定價(jià)，有效地提升了視頻觀看量，為網(wǎng)站帶來(lái)了巨大的收入。

國(guó)家對(duì)醫(yī)療大數(shù)據(jù)的應(yīng)用非常重視，2016年,國(guó)務(wù)院辦公廳發(fā)布了《國(guó)務(wù)院辦公廳關(guān)于促進(jìn)和規(guī)范健康醫(yī)療大數(shù)據(jù)應(yīng)用發(fā)展的指導(dǎo)意見(jiàn)》。該意見(jiàn)明確指出，健康醫(yī)療大數(shù)據(jù)是國(guó)家重要的基礎(chǔ)性戰(zhàn)略資源[1]。本文試圖系統(tǒng)地分析將流行于互聯(lián)網(wǎng)行業(yè)的大數(shù)據(jù)分析技術(shù)應(yīng)用于健康醫(yī)療數(shù)據(jù)將會(huì)給醫(yī)療機(jī)構(gòu)帶來(lái)什么樣的機(jī)遇，并結(jié)合國(guó)內(nèi)大多數(shù)醫(yī)療機(jī)構(gòu)當(dāng)前的情況，分析其應(yīng)用大數(shù)據(jù)分析技術(shù)時(shí)所面臨的挑戰(zhàn)。

1 機(jī)遇

1.1 提高診斷的質(zhì)量與效率，減少診斷錯(cuò)誤 醫(yī)療機(jī)構(gòu)每天都要為成百上千的病人提供診治服務(wù)，對(duì)于一些名氣比較大的醫(yī)療機(jī)構(gòu)，日接診病人數(shù)甚至過(guò)萬(wàn)，醫(yī)務(wù)工作者需要承受巨大的工作強(qiáng)度與壓力。在這種情況下，診斷的質(zhì)量很難得到保障，并且誤診率很有可能隨著工作強(qiáng)度的增加而上升。此外，醫(yī)務(wù)工作者在很大程度上都是憑借自己所積累的經(jīng)驗(yàn)對(duì)病人進(jìn)行診斷，不同的醫(yī)務(wù)工作者由于經(jīng)驗(yàn)上的差異，很有可能對(duì)同一個(gè)病人產(chǎn)生不同的診斷結(jié)果，診斷結(jié)果的偏差，很有可能影響病人的治療效果。通過(guò)對(duì)大量確診病例所搜集的數(shù)據(jù)(如醫(yī)學(xué)影像、醫(yī)生的記錄、化驗(yàn)檢驗(yàn)數(shù)據(jù)，以及其他數(shù)據(jù))運(yùn)用機(jī)器學(xué)習(xí)以及圖像分析等大數(shù)據(jù)技術(shù)，獲取與該病種相關(guān)的特征數(shù)據(jù)，從而在以后的診斷過(guò)程中，通過(guò)病人的檢查數(shù)據(jù)與疾病的特征數(shù)據(jù)進(jìn)行比對(duì)，提高診斷的質(zhì)量與效率，減少病人等待時(shí)間以提升就診體驗(yàn)， 并且可以使診斷的過(guò)程更加標(biāo)準(zhǔn)化，同時(shí)有效地減少誤診率。

1.2 精準(zhǔn)用藥，提供個(gè)性化診療方案 通過(guò)使用大數(shù)據(jù)，個(gè)性化的用藥方案可以用于臨床實(shí)踐[2]。當(dāng)前，各大醫(yī)療機(jī)構(gòu)經(jīng)過(guò)多年的運(yùn)營(yíng)，積累了大量的電子病歷。同時(shí)國(guó)家也大力支持?jǐn)?shù)據(jù)的共享，2016年6月8日，國(guó)務(wù)院常務(wù)會(huì)議討論確定了發(fā)展和規(guī)范健康醫(yī)療大數(shù)據(jù)應(yīng)用的措施，以互聯(lián)網(wǎng)+醫(yī)療更好滿足群眾需求。會(huì)議確定了健康醫(yī)療數(shù)據(jù)共建共享、制定完善法律法規(guī)和標(biāo)準(zhǔn)等措施[3]。此外，社會(huì)上涌現(xiàn)了大量的從事生物基因相關(guān)公司，這些公司坐擁大量的基因數(shù)據(jù)。醫(yī)療機(jī)構(gòu)可以通過(guò)分析大量的內(nèi)部和外部的健康醫(yī)療數(shù)據(jù)，如個(gè)人病史、家族病史，并結(jié)合相關(guān)的基因數(shù)據(jù)，制定個(gè)性化的診療方案，實(shí)現(xiàn)精準(zhǔn)診療與精準(zhǔn)用藥，提高治療的精度、效率及效果。

1.3 疾病早期診斷與報(bào)警 大數(shù)據(jù)可以實(shí)現(xiàn)疾病早期診斷，這可以實(shí)現(xiàn)改善治療和達(dá)到更好的治療效果這一臨床目標(biāo)[4]。區(qū)域醫(yī)療聯(lián)合體的建設(shè)，加上區(qū)域健康數(shù)據(jù)共享，使得大數(shù)據(jù)分析在區(qū)域內(nèi)疾病的早期檢測(cè)和預(yù)防成為可能。區(qū)域醫(yī)療聯(lián)合體內(nèi)的帶頭醫(yī)療機(jī)構(gòu)可以憑借大數(shù)據(jù)分析，準(zhǔn)確取得相關(guān)疾病早期的特征以及病情演變模式，通過(guò)將區(qū)域內(nèi)的社區(qū)衛(wèi)生機(jī)構(gòu)將所獲取的檢驗(yàn)數(shù)據(jù)與這些特征與模式進(jìn)行比對(duì)，實(shí)現(xiàn)早期的診斷與治療，這對(duì)于大規(guī)模流行病預(yù)防與報(bào)警尤為重要。此外，可穿戴智能設(shè)備的普及率越來(lái)越高，這些設(shè)備可以實(shí)時(shí)收集用戶的行為感官數(shù)據(jù)并上傳到相關(guān)的機(jī)構(gòu)。通過(guò)分析這些感官數(shù)據(jù)和基因檢測(cè)數(shù)據(jù)，從而篩選出高危群體，并針對(duì)高危人群、個(gè)體易發(fā)疾病進(jìn)行健康教育或提供防止疾病的協(xié)助，實(shí)現(xiàn)“未病”先治、輕治[5]。

1.4 復(fù)雜病種的研究與學(xué)習(xí) 對(duì)于復(fù)雜病種的研究來(lái)說(shuō)，醫(yī)學(xué)研究人員需要分析大量的案例與相關(guān)的文獻(xiàn)，而這些案例與文獻(xiàn)里面又包含了海量的檢驗(yàn)數(shù)據(jù)、醫(yī)學(xué)影像與視頻數(shù)據(jù)以及基因數(shù)據(jù)，同時(shí)醫(yī)學(xué)研究人員還需要研究各個(gè)因素之間的相互聯(lián)系。這類工作需要一個(gè)研究團(tuán)隊(duì)花費(fèi)大量的時(shí)間與精力，并且由于人類自身的限制，很難從海量的數(shù)據(jù)中觀察出細(xì)微的差別，更不用說(shuō)將所有與該病種相關(guān)的因素一一找出來(lái)。比如醫(yī)學(xué)影像數(shù)據(jù)分析，由于人類視覺(jué)上的限制及圖像分辨率等原因，醫(yī)學(xué)研究人員很難在大量的影像中找出全部的共同點(diǎn)或者差異點(diǎn)。但是，大數(shù)據(jù)分析，確切的說(shuō)是機(jī)器學(xué)習(xí)和圖形圖像分析等技術(shù)，可以實(shí)現(xiàn)人類無(wú)法實(shí)現(xiàn)的分析精度、速度以及廣度，從而可以為醫(yī)學(xué)研究人員的研究工作提供極大的幫助。

1.5 降低治療成本 當(dāng)前在醫(yī)療費(fèi)用支出增加和老齡化步伐加快的背景下，醫(yī)?；鹫媾R越來(lái)越大的支付壓力?！吨袊?guó)醫(yī)療衛(wèi)生事業(yè)發(fā)展報(bào)告2014》曾預(yù)測(cè)，2017年城鎮(zhèn)職工基本醫(yī)療保險(xiǎn)基金將出現(xiàn)當(dāng)期收不抵支的現(xiàn)象，到2024年就將出現(xiàn)基金嚴(yán)重赤字[6]。高昂的醫(yī)療成本給國(guó)家和個(gè)人帶來(lái)了沉重的負(fù)擔(dān)。國(guó)外也有類似的情況，美國(guó)為了減少機(jī)構(gòu)和個(gè)人在醫(yī)療方面的支出，頒布了《平價(jià)醫(yī)療法案》(Affordable Care Act， ACA)，通過(guò)為美國(guó)公民提供擴(kuò)大醫(yī)保覆蓋范圍和權(quán)利，以及擴(kuò)大治療與治療效果(而不是治療的次數(shù))相關(guān)的獎(jiǎng)懲范圍[7]，將之前的按治療次數(shù)付費(fèi)轉(zhuǎn)變?yōu)榘粗委熜Ч顿M(fèi)。在這種情況下，各醫(yī)療機(jī)構(gòu)面臨著如何降低醫(yī)療收費(fèi)的壓力。通過(guò)大數(shù)據(jù)技術(shù)的應(yīng)用，醫(yī)療機(jī)構(gòu)可以實(shí)現(xiàn)疾病早期防治與診斷，在疾病的初期階段就實(shí)施相應(yīng)的干預(yù)手段。而且大數(shù)據(jù)技術(shù)使精準(zhǔn)診斷與精準(zhǔn)治療成為可能，通過(guò)高效費(fèi)比的治療方案與對(duì)病人用藥遵從情況的監(jiān)控以提高治療的效果，同時(shí)消除過(guò)度醫(yī)療、無(wú)效醫(yī)療等情況，減少病人就診的次數(shù)，有效地減少病人在治療方面的支出，以及在來(lái)往醫(yī)院上的交通時(shí)間及費(fèi)用上的支出。

1.6 構(gòu)建知識(shí)型醫(yī)療機(jī)構(gòu) 美國(guó)醫(yī)學(xué)會(huì)(US Institute of Medicine)的一項(xiàng)研究表明，每年有高達(dá)98 000名病人死于醫(yī)療事故[8]，而最近的一項(xiàng)研究表明，在美國(guó)，因醫(yī)療事故而導(dǎo)致的實(shí)際死亡人數(shù)可能更高，達(dá)到440 000[9]。這些報(bào)告指出，導(dǎo)致這些事故的其中一個(gè)關(guān)鍵因素就是在診療過(guò)程中缺乏相關(guān)的信息。雖然大多數(shù)醫(yī)療機(jī)構(gòu)都有相應(yīng)的醫(yī)療信息系統(tǒng)支撐其日常運(yùn)作，但是其所提供的信息相對(duì)簡(jiǎn)單且有限。而解決診療質(zhì)量和病人安全的問(wèn)題所需要的信息更為復(fù)雜且廣泛。此外，隨著醫(yī)療科技的不斷發(fā)展，各種醫(yī)療相關(guān)的知識(shí)量呈指數(shù)級(jí)上升，而醫(yī)務(wù)人員每天需要花大量的時(shí)間與精力來(lái)診治病人，這使得他們無(wú)法學(xué)習(xí)最新的醫(yī)學(xué)知識(shí)。通過(guò)運(yùn)用機(jī)器學(xué)習(xí)算法來(lái)分析大量的類似病例，并與分析大量的醫(yī)療文獻(xiàn)相結(jié)合，從成千上萬(wàn)種治療組合方案中選取效果最佳的方案，為醫(yī)務(wù)人員在整個(gè)治療流程中的每個(gè)步驟所做的治療決策提供支持。例如，在當(dāng)前階段，都有哪些可用的治療方案，每個(gè)方案項(xiàng)需要多久才能生效，死亡率是多少，有哪些副作用，治療的成本是多少等等。將大數(shù)據(jù)分析所獲取的信息嵌入到治療流程中的每一個(gè)步驟，使得醫(yī)務(wù)人員在病人的診治過(guò)程中得到必要的信息支持，這將大大地提升診治效率，減少失誤，同時(shí)減少醫(yī)務(wù)人員學(xué)習(xí)新知識(shí)的壓力。

2 挑戰(zhàn)

2.1 管理層支持 對(duì)于一個(gè)機(jī)構(gòu)或組織來(lái)說(shuō)，大數(shù)據(jù)的應(yīng)用是一個(gè)龐大的工程，需要大量資金與人員的投入。將大數(shù)據(jù)技術(shù)應(yīng)用于醫(yī)療行業(yè)，不僅要涉及信息技術(shù)的規(guī)劃建設(shè)與實(shí)施，也涉及到醫(yī)務(wù)方面的規(guī)劃和改革，如診療工作流程的改進(jìn)，并協(xié)調(diào)好兩者之間的關(guān)系，使之形成合力。這就要求高層管理者具有清晰的戰(zhàn)略，采用自頂向下的推進(jìn)方式，確保大數(shù)據(jù)戰(zhàn)略的實(shí)施落地，并對(duì)整個(gè)過(guò)程進(jìn)行嚴(yán)格的把控。因此，醫(yī)療機(jī)構(gòu)需要在高層管理團(tuán)隊(duì)中設(shè)立相應(yīng)的職位，統(tǒng)領(lǐng)和協(xié)調(diào)各方面的資源，同時(shí)為大數(shù)據(jù)應(yīng)用的實(shí)施建立一個(gè)具有彈性和敏捷性的組織架構(gòu)，保證來(lái)自不同部門(mén)的團(tuán)隊(duì)和人員有效地融合在一起，為大數(shù)據(jù)技術(shù)的落地共同努力。除此以外，將大數(shù)據(jù)分析的結(jié)果應(yīng)用于日常的診療運(yùn)作當(dāng)中，勢(shì)必會(huì)帶來(lái)流程上的改變。管理層需要說(shuō)服醫(yī)務(wù)人員接受這種改變，并讓他們相信大數(shù)據(jù)的應(yīng)用不是要取代他們，而是幫助他們更好地開(kāi)展診療工作。

2.2 數(shù)據(jù)的采集與標(biāo)準(zhǔn)化 數(shù)據(jù)是大數(shù)據(jù)分析的基礎(chǔ)，沒(méi)有數(shù)據(jù)，大數(shù)據(jù)分析就無(wú)從談起。數(shù)據(jù)是客觀事實(shí)的數(shù)據(jù)化描述，對(duì)于醫(yī)療行業(yè)來(lái)說(shuō)，數(shù)據(jù)就是對(duì)某種疾病及其成因的描述。數(shù)據(jù)的質(zhì)量，即數(shù)據(jù)對(duì)客觀事實(shí)的準(zhǔn)確及忠誠(chéng)的描述程度，直接決定了大數(shù)據(jù)分析結(jié)果的正確性和有效性，從而決定其對(duì)診療效果的有用程度。這就要求醫(yī)療機(jī)構(gòu)具有強(qiáng)大的數(shù)據(jù)采集能力，最理想的狀態(tài)就是醫(yī)療機(jī)構(gòu)將其內(nèi)部診療過(guò)程的操作進(jìn)行數(shù)據(jù)化，并且嚴(yán)格把控?cái)?shù)據(jù)的質(zhì)量，力求在源頭上消除噪音數(shù)據(jù)。同時(shí)，醫(yī)療機(jī)構(gòu)還需要對(duì)數(shù)據(jù)的采集進(jìn)行標(biāo)準(zhǔn)化，缺少標(biāo)準(zhǔn)化的數(shù)據(jù)不僅僅在數(shù)據(jù)的傳輸過(guò)程出現(xiàn)問(wèn)題，同時(shí)也影響后續(xù)的分析工作，這就要求醫(yī)療機(jī)構(gòu)對(duì)診療流程和操作進(jìn)行相應(yīng)的標(biāo)準(zhǔn)化工作。此外，大數(shù)據(jù)分析還需要醫(yī)療機(jī)構(gòu)具有外部數(shù)據(jù)的采集能力——來(lái)自于各種可穿戴智能設(shè)備的數(shù)據(jù)，生物基因機(jī)構(gòu)的基因數(shù)據(jù)，其他醫(yī)療機(jī)構(gòu)產(chǎn)生的診療數(shù)據(jù)，甚至是來(lái)自于政府公共服務(wù)的數(shù)據(jù)，如天氣數(shù)據(jù)、人口數(shù)據(jù)等。

2.3 數(shù)據(jù)的安全 數(shù)據(jù)的安全尤為重要。數(shù)據(jù)的泄漏不僅僅給醫(yī)療機(jī)構(gòu)的聲譽(yù)帶來(lái)負(fù)面的影響，同時(shí)也會(huì)打擊公眾將自己的健康數(shù)據(jù)分享給醫(yī)療機(jī)構(gòu)的積極性。醫(yī)療保健數(shù)據(jù)具有高度的敏感性。對(duì)于醫(yī)療機(jī)構(gòu)來(lái)說(shuō)，這些數(shù)據(jù)是其多年來(lái)的經(jīng)驗(yàn)與知識(shí)的沉淀；對(duì)于個(gè)人來(lái)說(shuō)，這些數(shù)據(jù)涉及個(gè)人隱私。因此，確保數(shù)據(jù)的安全對(duì)醫(yī)療機(jī)構(gòu)來(lái)說(shuō)尤為重要。更重要的是，醫(yī)療機(jī)構(gòu)構(gòu)建大數(shù)據(jù)分析環(huán)境后，相對(duì)于原先僅有的生產(chǎn)運(yùn)作型環(huán)境，系統(tǒng)的安全邊界被大大的擴(kuò)寬，隨之而來(lái)的就是安全風(fēng)險(xiǎn)的增加，例如受攻擊面的擴(kuò)大。所以，醫(yī)療機(jī)構(gòu)在實(shí)施大數(shù)據(jù)應(yīng)用之后，也需要在安全方面投入相應(yīng)的資源。

2.4 數(shù)據(jù)的共享與集成 隨著我國(guó)醫(yī)療大數(shù)據(jù)的發(fā)展，可以預(yù)見(jiàn)的是，醫(yī)療機(jī)構(gòu)之間，醫(yī)療機(jī)構(gòu)與第三方數(shù)據(jù)公司(如生物基因公司)之間，以及醫(yī)療機(jī)構(gòu)與個(gè)人之間的數(shù)據(jù)共享與交互的頻率更高，數(shù)據(jù)量更大。這要求醫(yī)療機(jī)構(gòu)打通數(shù)據(jù)實(shí)體之間的傳輸渠道，在保證數(shù)據(jù)安全的前提下提升傳輸?shù)男?。與此同時(shí)，將來(lái)自不同渠道的各類數(shù)據(jù)進(jìn)行高效的集成且維護(hù)數(shù)據(jù)的準(zhǔn)確性與客觀性，也為醫(yī)療機(jī)構(gòu)帶來(lái)的新的挑戰(zhàn)。

2.5 數(shù)據(jù)分析平臺(tái)基礎(chǔ)的建設(shè) 大數(shù)據(jù)分析的應(yīng)用需要醫(yī)療機(jī)構(gòu)在IT基礎(chǔ)設(shè)施建設(shè)方面投入大量的硬件及軟件資源。大數(shù)據(jù)具有數(shù)據(jù)量大、數(shù)據(jù)種類多、數(shù)據(jù)生成和處理速度快等特點(diǎn)。當(dāng)醫(yī)療機(jī)構(gòu)提升數(shù)據(jù)的采集能力后，大量的數(shù)據(jù)從眾多數(shù)據(jù)源快速地流入數(shù)據(jù)分析平臺(tái)，這些數(shù)據(jù)包括檢驗(yàn)數(shù)據(jù)、醫(yī)囑、診斷記錄、醫(yī)學(xué)影像和視頻、可穿戴智能設(shè)備的數(shù)據(jù)及基因數(shù)據(jù)等結(jié)構(gòu)化、半結(jié)構(gòu)化的和非結(jié)構(gòu)化的數(shù)據(jù)。這就要求所建設(shè)的基礎(chǔ)設(shè)施平臺(tái)能不僅能夠有效地存取這些數(shù)據(jù)，還要求其具有快速的分析處理能力。

2.6 人員與技術(shù) 當(dāng)前情況下，大部分醫(yī)療機(jī)構(gòu)的IT人員還是停留在醫(yī)療信息系統(tǒng)以及相關(guān)IT設(shè)備的維護(hù)上，并且有部分維護(hù)的IT業(yè)務(wù)外包給第三方公司，信息技術(shù)部門(mén)的相關(guān)人員技術(shù)實(shí)力相對(duì)薄弱。大數(shù)據(jù)分析所采用的技術(shù)與傳統(tǒng)的信息系統(tǒng)及IT設(shè)備維護(hù)所需的技術(shù)有很大的差別。一個(gè)完整的大數(shù)據(jù)分析技術(shù)團(tuán)隊(duì)涉及需要基礎(chǔ)設(shè)施平臺(tái)建設(shè)與維護(hù)人員(負(fù)責(zé)存儲(chǔ)、網(wǎng)絡(luò)、主機(jī)、操作系統(tǒng)、虛擬化等技術(shù))，數(shù)據(jù)工程師(負(fù)責(zé)數(shù)據(jù)的采集、傳輸、清洗、集成、數(shù)據(jù)分析軟件的運(yùn)維等)，數(shù)據(jù)科學(xué)家(負(fù)責(zé)分析算法、建模、編程、分析、結(jié)果的解讀與展示)，以及來(lái)自相關(guān)部門(mén)的醫(yī)學(xué)專家等。在這幾類人員中，數(shù)據(jù)科學(xué)家的角色尤為重要，他是具有多學(xué)科的知識(shí)復(fù)合型人才，所覆蓋的知識(shí)領(lǐng)域包括計(jì)算機(jī)編程、數(shù)學(xué)、統(tǒng)計(jì)分析以及醫(yī)學(xué)等。數(shù)據(jù)科學(xué)家不僅僅是整個(gè)大數(shù)據(jù)分析團(tuán)隊(duì)的總架構(gòu)師，而且他作為IT技術(shù)人員、醫(yī)療專家、高層管理人員以及醫(yī)務(wù)人員之間橋梁，需要具有極強(qiáng)的溝通能力。對(duì)于醫(yī)療機(jī)構(gòu)來(lái)說(shuō)，如何獲取與培養(yǎng)相應(yīng)的人才，提升相應(yīng)的技術(shù)水平，并且讓來(lái)自不同部門(mén)的人員一起高效的協(xié)同工作，這是一個(gè)很大的挑戰(zhàn)。

作為當(dāng)前最熱門(mén)的信息技術(shù)，大數(shù)據(jù)分析對(duì)醫(yī)療機(jī)構(gòu)帶來(lái)的機(jī)遇是非常大的。成功地實(shí)現(xiàn)大數(shù)據(jù)分析的應(yīng)用，將醫(yī)療機(jī)構(gòu)的運(yùn)作從經(jīng)驗(yàn)驅(qū)動(dòng)型轉(zhuǎn)變?yōu)閿?shù)據(jù)(或知識(shí))驅(qū)動(dòng)型，對(duì)醫(yī)療機(jī)構(gòu)的改革將產(chǎn)生深刻的影響。雖然大數(shù)據(jù)為醫(yī)療機(jī)構(gòu)帶來(lái)巨大的優(yōu)勢(shì)，但是我們也必須清醒地認(rèn)識(shí)到，大數(shù)據(jù)分析技術(shù)的落地與應(yīng)用是一項(xiàng)龐大的工程，需要大量技術(shù)和資源的投入，同時(shí)也面臨巨大的挑戰(zhàn)。我們必須立足于當(dāng)前醫(yī)療機(jī)構(gòu)的實(shí)際情況，找出切實(shí)有效的大數(shù)據(jù)落地并產(chǎn)生效益的途徑。

參考文獻(xiàn)

[1] 國(guó)務(wù)院辦公廳.國(guó)務(wù)院辦公廳關(guān)于促進(jìn)和規(guī)范健康醫(yī)療大數(shù)據(jù)應(yīng)用發(fā)展的指導(dǎo)意見(jiàn)(國(guó)辦發(fā)〔2016〕47號(hào))[EB/OL].(2016-06-24).CORRIGA JM.http://www.gov.cn/gongbao/content/2016/content_5088769.htm.

[2] CHAWLA NV, DAVIS DA. Bringing big data to personalized healthcare: a patient-centered framework[J]. J Gen Intern Med, 2013,28(Suppl 3):660-665.

[3] 21世紀(jì)經(jīng)濟(jì)報(bào)道.國(guó)務(wù)院力推醫(yī)療大數(shù)據(jù)應(yīng)用，將建互聯(lián)互通四級(jí)信息平臺(tái)[EB/OL].(2016-06-09).http://www.gov.cn/zhengce/2016-06/09/content_5080759.htm.

[4] JEE K, KIM GH. Potentiality of big data in the medical sector: focus on how to reshape the healthcare system[J]. Healthc Inform Res, 2013,19(2):79-85.

[5] 36氪研究所.醫(yī)療大數(shù)據(jù)行業(yè)研究報(bào)告：全景數(shù)據(jù)浪潮，智能醫(yī)療曙光[R/OL].(2016-08-09).http：www.doc88.com/p-9468928682584.html.

[6] KOHN LT,CORRIGA JM.中國(guó)社會(huì)保險(xiǎn)發(fā)展年度報(bào)告2015[R/OL].(2016-08-22). http://www.drugnet.com.cn/Home/DetailsPage/31393.

[7] NATARAJAN P,FRNZEL JC,SMALTZ,FD. Demystifying Big Data and Machine Learning for Healthcare[M].CRC Press,2017：132.

[8] KOHN LT,CORRIGA JM. To Err Is Human: Building a Safer Health System[M].National Academies press，2000.

[9] JAMES JT. A New, Evidence-Based Estimate of Patient Harms Associated with Hospital Care[J]. J Patient Saf, 2013,9：122-128.