Page 81 - 大数据技术及安全研究

第二章 大数据在医院建设发展中的应用

分析、精准医学上的相关基因分析、疾病的生物标记物的筛选，这些研究使我们
能更好、更深入地认识疾病，以便于改进我们的诊断和治疗手段。这样的医学研
究对大数据有迫切的需求。
第三是在医院管理方面。这方面我们已经做了很多调研，比如绩效评价、医

疗质量的监管、大型医院的流程优化，大数据都已经发挥了很大作用。前三个是
应用领域的需求。
第四是对大数据处理手段上的一些技术需求。比如病例的检索、专科专病数
据库的构建、病例的随访以及一些数据的整合分析工具，这些是医院对大数据共

性的、基础性需求。
这 4 个方面大约构成了医院大数据整体需求，如下举的典型例子可具体说明。
在临床诊疗方面，举一个国外利用大数据开展个性化诊疗的案例。美国乳腺癌发
病率比较高，美国癌症协会从 20 多个医疗机构收集了 17 万份的乳腺癌病例数据，

然后把这些病例进行分组。分组的方法是根据患者肿瘤的病理分型、患者的个体
情况、治疗的方法、化疗的用药等，把病例进行分组。然后和随访结果进行关联。
从而可以得到每一个分组的治疗效果，按照生存期和生存质量，得到其疗效的分
布结构。过往，医生对乳腺癌治疗方案的选择是参照指南，根据肿瘤的病理分型、

分期，指南分别有一个对应选择手术、化疗或手术以后化疗等方案。有了大数据，
就增加了另外一种评判方法。比如，一名乳腺癌患者来诊后，可以输入她的基本
情况和她的疾病的分型分类，基于大数据的方式，从已知的这些病例数据中找出
最佳的治疗方案。这是在诊疗指南之外，给她提供的另一种治疗路径。第二个例子，

疾病的早期诊断和不良事件风险预测。比如，缺血性心脏病的风险分析。如果我
们能够把缺血性心脏病患者早期的一些检验结果、检查的波形以及检查的影像等
通过建模机器学习，建立一个多参数神经元网络，我们有可能从早期通过这样一
些指标来判断患者发生缺血性心脏病的风险。如果风险值很高，应该进行早期干

预。比如，PCI 手术患者，手术之后患者可能会发生一些不良的风险事件，那么
风险事件和患者的这些个体条件有很大的相关性，如果根据一些既有的发生风险
的案例，通过机器学习或者其他数据挖掘的办法，从而建立一个模型进行早期预
防和干预。对于重症监护患者，医生希望能够利用实时采集的生命体征监护数据，

对各种波形的特点进行分析，预测患者的死亡风险值。每天把整个监护室的患者
的病情风险自动分析，哪些患者的风险高要提早关注。当然，前提是所需的数据

·69·