大数据在医疗中的应用

大数据在医疗行业如何应用

医疗行业将和银行、电信、保险等行业一起首先迈入大数据时代。大数据的分析和应用都将在医疗行业发挥巨大的作用，提高医疗效率和医疗效果。

一、临床操作

在临床操作方面，有5个主要场景的大数据应用：

1．比较效果研究

通过全面分析病人特征数据和疗效数据，然后比较多种干预措施的有效性，可以找到针对特定病人的最佳治疗途径。

基于疗效的研究包括比较效果研究(Comparative Effectiveness Research， CER)。研究表明，对同一病人来说，医疗服务提供方不同，医疗护理方法和效果不同，成本上也存在着很大的差异。精准分析包括病人体征数据、费用数据和疗效数据在内的大型数据集，可以帮助医生确定临床上最有效和最具有成本效益的治疗方法。医疗护理系统实现CER，将有可能减少过度治疗(比如避免那些副作用比疗效明显的治疗方式)，以及治疗不足。从长远来看，不管是过度治疗还是治疗不足都将给病人身体带来负面影响，以及产生更高的医疗费用。

2．临床决策支持系统

临床决策支持系统可以提高工作效率和诊疗质量。目前的临床决策支持系统分析医生

输入的条目，比较其与医学指引不同的地方，从而提醒医生防止潜在的错误，如药物不良反应。通过部署这些系统，医疗服务提供方可以降低医疗事故率和索赔数，尤其是那些临床错误引起的医疗事故。在美国Metropolitan儿科重症病房的研究中，两个月内，临床决策支持系统就削减了40%的药品不良反应事件数量。

3．医疗数据透明度

提高医疗过程数据的透明度，可以使医疗从业者、医疗机构的绩效更透明，间接促进医疗服务质量的提高。

根据医疗服务提供方设置的操作和绩效数据集，可以进行数据分析并创建可视化的流程图和仪表盘，促进信息透明。流程图的目标是识别和分析临床变异和医疗废物的来源，然后优化流程。仅仅发布成本、质量和绩效数据，即使没有与之相应的物质上的奖励，也往往可以促进绩效的提高，使医疗服务机构提供更好的服务，从而更有竞争力。

4．远程病人监控

从对慢性病人的远程监控系统收集数据，并将分析结果反馈给监控设备(查看病人是否正在遵从医嘱)，从而确定今后的用药和治疗方案。

2010年，美国有1.5亿慢性病患者，如糖尿病、充血性心脏衰竭、高血压患者，他们的医疗费用占到了医疗卫生系统医疗成本的80%。远程病人监护系统对治疗慢性病患者是非常有用的。远程病人监护系统包括家用心脏监测设备、血糖仪，甚至还包括芯片药片，芯片药片被患者摄入后，实时传送数据到电子病历数据库。举个例子，远程监控可以提醒医生对充血性心脏衰竭病人采取及时治疗措施，防止紧急状况发生，因为充血性心脏衰竭

的标志之一是由于保水产生的体重增加现象，这可以通过远程监控实现预防。更多的好处是，通过对远程监控系统产生的数据的分析，可以减少病人住院时间，减少急诊量，实现提高家庭护理比例和门诊医生预约量的目标。

5．对病人档案的先进分析

在病人档案方面应用高级分析可以确定哪些人是某类疾病的易感人群。举例说，应用高级分析可以帮助识别哪些病人有患糖尿病的高风险，使他们尽早接受预防性保健方案。这些方法也可以帮患者从已经存在的疾病管理方案中找到最好的治疗方案。

二、付款/定价

对医疗支付方来说，通过大数据分析可以更好地对医疗服务进行定价。以美国为例，这将有潜力创造每年500亿美元的价值，其中一半来源于国家医疗开支的降低。

1．自动化系统

自动化系统(例如机器学习技术)检测欺诈行为。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，自动化系统可以在支付发生前就识别出欺诈，避免重大的损失。

2．基于卫生经济学和疗效研究的定价计划

在药品定价方面，制药公司可以参与分担治疗风险，比如基于治疗效果制定定价策略。这对医疗支付方的好处显而易见，有利于控制医疗保健成本支出。对患者来说，好处更加直接。他们能够以合理的价格获得创新的药物，并且这些药物经过基于疗效的研究。而对医药产品公司来说，更好的定价策略也是好处多多。他们可以获得更高的市场准入可能性，也可以通过创新的定价方案，更有针对性疗效药品的推出，获得更高的收入。

在欧洲，现在有一些基于卫生经济学和疗效的药品定价试点项目。

三、研发

医疗产品公司可以利用大数据提高研发效率。拿美国为例，这将创造每年超过1000亿美元的价值。

1．预测建模

医药公司在新药物的研发阶段，可以通过数据建模和分析，确定最有效率的投入产出比，从而配备最佳资源组合。模型基于药物临床试验阶段之前的数据集及早期临床阶段的数据集，尽可能及时地预测临床结果。评价因素包括产品的安全性、有效性、潜在的副作用和整体的试验结果。通过预测建模可以降低医药产品公司的研发成本，在通过数据建模和分析预测药物临床结果后，可以暂缓研究次优的药物，或者停止在次优药物上的昂贵的临床试验。

2．提高临床试验设计的统计工具和算法

使用统计工具和算法，可以提高临床试验设计水平，并在临床试验阶段更容易地招募

到患者。通过挖掘病人数据，评估招募患者是否符合试验条件，从而加快临床试验进程，提出更有效的临床试验设计建议，并能找出最合适的临床试验基地。比如那些拥有大量潜在符合条件的临床试验患者的试验基地可能是更理想的，或者在试验患者群体的规模和特征二者之间找到平衡。

3．临床实验数据的分析

分析临床试验数据和病人记录可以确定药品更多的适应症和发现副作用。在对临床试验数据和病人记录进行分析后，可以对药物进行重新定位，或者实现针对其他适应症的营销。实时或者近乎实时地收集不良反应报告可以促进药物警戒(药物警戒是上市药品的安全保障体系，对药物不良反应进行监测、评价和预防)。或者在一些情况下，临床实验暗示出了一些情况但没有足够的统计数据去证明，现在基于临床试验大数据的分析可以给出证据。

这些分析项目是非常重要的。可以看到最近几年药品撤市数量屡创新高，药品撤市可能给医药公司带来毁灭性的打击。2004年从市场上撤下的止痛药Vioxx，给默克公司造成70亿美元的损失，短短几天内就造成股东价值33%的损失。

四、更具体一些，大数据已经得到实际应用的已经有如下场景

1．组学大数据精准医疗

人类通过开展组学研究及不同组学间的关联研究，从环境、生活方式和行为等暴露组学，至个体细胞分子水平上的基因组学、表观组学、转录组学、蛋白组学、代谢组学、宏基因组学，再到个体健康和疾病状态的表型组学等。利用大数据将各种组学进行综合及整合，既能为疾病发生、预防和治疗提供全面、全新的认识，也有利于开展个体化医学，即

通过系统整合生物医学与临床数据，可以更准确地预测个体患病风险和预后，有针对性地实施预防和治疗。

2．大数据虚拟药物研发

快速识别生物标志物和研发药物。利用某种疾病患者人群的临床数据和组学数据，可以快速识别有关疾病发生、预后或治疗效果的生物标志物。在药物研发方面，医学大数据使得人们对病因和疾病发生机制的理解更加深入，从而有助于识别生物靶点和研发药物。同时，充分利用海量临床数据和组学数据、已有药物的研究数据和高通量药物筛选，能加速药物筛选过程。

3．生物大数据流行病防治

快速筛检未知病原和发现可疑致病微生物。通过采集未知病原样本数据，对病原进行测序，并将未知病原与已知病原的基因序列进行比对，从而判断其为已知病原或与其最接近的病原类型，据此推测其来源和传播路线、开展药物筛选和相应的流行疾病防治。

4．互联网大数据公卫监测

利用互联网大数据以及有关专业数据实时开展公共卫生监测。公共卫生监测包括传染病监测、慢性非传染性疾病及相关危险因素监测、健康相关监测，如出生缺陷监测、食品安全风险监测等。此外，还可以通过覆盖全国的患者电子病历数据库进行疫情监测，通过监测社交媒体或频繁检索的词条来预测某些传染病的流行。

5．大数据健康管理

实时开展大数据健康管理，通过可穿戴设备对个体体征数据，如心率、脉率、呼吸频率、体温、热消耗量、血压、血糖、血氧、体脂含量等数据的实时、连续监测和流数据挖掘、分析，提供实时健康指导与建议，更科学地实施个性化健康管理。

6．大数据疾病谱研究

了解人群疾病谱的改变，这有助于制定新的疾病防治策略。全球疾病负担研究是一个应用大数据的实例，该研究应用的数据范围广、数据量巨大，近4700台并行台式计算机完成了数据准备、数据仓库建立和数据挖掘分析的自动化和规范化计算，应用大数据研究人群疾病谱。

7．大数据人群队列研究

以大数据为导向的人群队列研究逐渐成为医学研究的热点。超大规模队列研究具有大样本-如数十万人群，前瞻性-如数十年长期随访，多学科-如基础、临床、预防、信息等多学科合作，多病种-如对多种疾病进行研究，多因素-如探讨多种危险因素，整合性-如监测系统、信息系统、医保系统的整合，共享性-如生物标本和数据资源的共享，等特点，经过长期随访能够产出大量人群数据，基于大数据的人群队列研究更具有科学性、可靠性和权威性。