2019-2020医疗与大数据相结合,优势何在?对我国医疗大数据的发展目标和重点任务进行了归纳:
无论是疾病治疗、临床实效研究、新药物研发,还是基础医学、
医药卫生等,都涉及上图这三个版块。因此如何高效地利用现代医学信息手段获得人们所需要的数据,是决定现代医药学研究成败的关键。
当前,尽管我国医疗服务体系机构庞大,但仍存在优质资源短缺、患者病情复杂、医疗费用高、医生工作强度大等痛点。在此背景下,医疗大数据的研究和应用的,其意义显而易见:
及时有效提高诊断准确性。医生利用医院间互通数据,结合患者具体的健康情况和既往病史,可以尽快做出诊断,而且让患者参与医疗全过程。同时,大数据、人工智能作为诊断工具、服务工具的运用,能够提高医疗诊断效率,将医疗工作者从简单劳动中解放出来,使医疗工作更加高效和精准;
减少医患矛盾。基于健康大数据的医疗服务提供了新的医疗模式,即通过大数据统计推断或利用精准的生物医学数据获得患者特异的疾病通痛路,并依据通路对患者实行分组指导,使患者得到有效治疗;
节约医疗资源。通过大数据优化患者治疗方案,避免重复诊治;
提高医疗质量。通过对数据的有效整合,确保了良好医疗技术的有效发挥,满足个性化医疗服务要求需求,保持了医疗服务的连贯性和及时性,推动了医学研究、临床决策、疾病管理以及医疗卫生决策等方面的转变。
按照计划,我国将建立覆盖13亿人的电子健康档案,记录从出生到临终全生命周期的大数据。数据信息在诊疗过程中的成功运用,让老百姓不仅可以享受更加便捷的看病服务,降低了治疗成本,还能进行自我健康管理,找到疾病的相关性及规律,并进行精准治疗。
此外,在医药电商和药店层面,随着处方药网售的开闸,医药电商与大数据结合,一方面能够实现处方药网售的可追溯、政府的可监管,另一方面也能通过对大数据的分析制定线上营销及线下活动方案;在医药企业层面,可以通过医药电商和医疗平台的数据积累,将获取健康数据、药品的流向、销量信息等的数据,根据顾客需求变化,实现个性化药品研发、更换商品种类和数量,实现智慧生产和药品管理。
健康医疗大数据相关工作的推进,无疑将促使市场加快研制推广智能化健康医疗设备,推动医药、金融、物流、养老、保险、教育、健身等产能释放,带动健康产业加快升级,并将催生新的行业机会。
医疗大数据国家级政策引导
2015年3月,李克强总理在政府工作报告中首次提出“互联网+”行动计划,各行各业紧随“互联网+”的步伐进行产业结构调整与转型升级,“互联网+医疗”也应运而生,成为目前“医改”热词。随后,与之密切相关的“大数据+医疗”这个概念也随即得到了业内人士的关注。
通过数据,可以把医学专家积累的宝贵经验,转化成标准化的知识基础,做到数据驱动医疗服务,因此从而大大提高供给端的服务能力和效率,解决中国医疗领域存在的诸多需求。因此,健康医疗大数据也成为了国家重要的基础性战略资源,建设国家健康医疗大数据中心随即成为了实施“数字中国”“健康中国”战略的重要措施。
自2016年以来,我国在健康医疗大数据领域陆续颁布了多个纲领性文件:
2016年6月,国务院印发了《国务院办公厅关于促进和规范健康医疗大数据应用发展的指导意见》,同年10月发布了《“健康中国2030”规划纲要》,明确大力推动政府健康医疗信息系统和公众健康医疗数据互联融合与开放共享,将健康医疗大数据纳入国家大数据战略布局;
2017年1月,国务院印发了《“十三五”卫生与健康规划》,提到要促进人口健康信息互通共享,依托区域人口健康信息平台,实现电子健康档案和电子病历的连续记录以及不同级别、不同类别医疗机构之间的信息共享;
2017年7月,国务院印发了《新一代人工智能发展规划》:在智能医疗方面,推广应用人工智能治疗新模式新手段,建立快速精准的智能医疗体系。探索智慧医院建设,开发人机协同的手术机器人、智能诊疗助手,研发柔性可穿戴、生物兼容的生理监测系统,研发人机协同临床智能诊疗方案,实现智能影像识别、病理分型和智能多学科会诊;
2018年4月,李克强总理主持召开国务院常务会议,审议并原则通过了《关于促进“互联网+医疗健康”发展的指导意见》,提出从医疗、公共卫生、家庭医生签约、药品供应保障、医保结算、医学教育和科普、人工智能应用等方面推动互联网与医疗健康服务相融合,并要完善“互联网+医疗健康”的支撑体系,同时对强化医疗质量监管和保障数据安全作出明确规定;
国家卫计委也在逐渐编制完善《国家卫生计生委数据资源管理服务办法》、《互联网医疗服务管理办法》、《健康医疗大数据管理服务办法》、 《健康医疗大数据安全管理办法》、《健康医疗大数据标准管理办法》等相关标准规范,解决数据应用的安全隐私保护问题,形成合理的共享机制。
同时,各地方政府也积极跟进。目前,已有贵州、青海、广东、江西、山东等15个省市陆续出台了促进健康医疗大数据应用发展的相关政策和实施意见。健康医疗大数据产业发展引发社会各方广泛关注和积极参与,全国已有超过20个省市申请健康医疗大数据中心及产业园国家试点工程建设,国内外知名企业也纷纷加入。市场多元化的需求,国家政策明确的指引以及一系列重点工程的落地实施,都将促使健康医疗大数据产业完成基础积累,迎来高速发展新阶段。
虽然在宏观政策层面国家对于发展健康医疗大数据是鼓励和扶持的,但是具体到政策落地和具体操作,尚有多项现实性难点和障碍需要攻克和破除,主要归纳为以下4点:
医院内数字孤岛丛生,数据共享与互联互通存在障碍;
数据标准化问题;
健康医疗大数据人才缺失;
企业的商业模式难以形成。
特别是在数据开放和商业模式上,大数据的进展阻碍重重。
目前医疗健康大数据的主要付费方分是六个:
消费者、企业、保险公司、政府、医院及药企(包括医械)。
短期来看,保险公司和药企的付费意愿最强,都有代表企业开始尝试大数据的应用。医院、政府与企业需求还是明显的,但现阶段还比较保守。
大医院没有动力将数据开放给小医院,网络攻击的猖獗,让医院对于外网是唯恐避之不及。在这种情况下,数据的互联互通更多只能在医院内部进行。
然而,从发布的一系列相关政策,以及一些具有央企背景的中国健康医疗大数据股份有限公司的成立,可以看出国家对于健康医疗大数据逐级推进的决心。在如此环境下,央企国家队、互联网企业和高校科研机构共同发力,企图打通13亿人口的健康信息孤岛。
在国家层面,去年4月中旬、5月初,国内两大健康医疗数据“国家队”相继成立:
前者是以中国电子为首的、由四大央企联合发起成立的——中国健康医疗大数据产业发展有限公司,
后者是以神州数码控股、工商银行、中科院控股、中国电信等13家行业领军企业为重要成员的——中国健康医疗大数据股份有限公司。
在企业方面,百度、腾讯、阿里巴巴、华为等科技巨头也正与医院联手,推动病历结构化、术语标准化,并逐步推进实现精准医疗及智能医学,未来还会进入医学疾病预防、医药生产、医疗保险等多个市场。阿里云推出了ET医疗大脑和工业大脑,要给医院配备“实习医生”;药明康德联合华为云发布了精准医学大数据云平台——明码云;腾讯在医疗信息产业链中,也进行了多方面的投资,如好大夫、丁香园、春雨医生、微雨等,其旗下的腾爱医生则能帮助医生管理团队和患者等等。
在高校方面,以“政产学研用”、“医工结合”为理念,让临床医学与信息科学对接,成为推进医疗健康发展的新思路。清华大学、北京大学、华南理工大学、中山大学、华中科技大学等高校均已纷纷与医院联合,利用自身特有的工科优势,为实践和推动医工结合培养人才,并为精准医疗和医学科研提供了强有力的信息技术支持。这其中,清华大学的成果显得尤为突出。
清华的“医工结合”之路
2017年9月20日,清华大学附属北京清华长庚医院与数据科学研究院进行正式合作签约,双方依托于清华长庚医院现有较好的信息化基础和数据积累,并融合清华大学在数据科学领域顶尖的科研能力和技术积淀,共同开发部署了“清华医学研究数据平台”(又称“清华医工科研服务平台”)。事实上,在此次签约前,清华长庚医院与数据院就已经展开合作,此次签约只是双方正式展开全面合作的标志。
很快,由董家鸿院士领衔,并由清华大学临床医学院与清华数据院共同建设的“清华医工科研服务平台”在北京清华长庚医院开启测试。作为实用性多中心建设医学数据研究开放平台,它符合国际多中心科研标准,涵盖数据科学、临床医学、材料科学、人工智能等多领域知识数据。同时也可以提供独立单中心和互联多中心两种运营模式:
在多中心模式中,实行数据脱敏、索引互联、按需共享;
在单中心模式中,实现本地运行、院内使用、独立科研。
同时,该平台也提供了以共享度、溯源性、贡献值客观分配为目的的新型医学科研数据标识及引证标准,可以为科研成果列明数据出处、引用树、寻证溯源,形成科研领域的“血脉族谱”。
董家鸿院士作为清华大学临床医学院院长、北京清华长庚医院执行院长,身兼美国外科学院和欧洲外科学院和法国国家外科科学院三大国际权威学术组织的荣誉会士,长期致力于现代肝胆外科理论和技术的研究。他在国际上首次提出“精准外科”新理念,创立精准肝胆外科范式,解决了复杂肝胆病外科治疗中定位、定量和搏控的技术难题,全面提升了复杂肝胆病的手术治疗效果,提升了我国肝胆外科整体水平及全球影响力。
一年以来,董家鸿院士医工团队以肝胆胰多中心单病种真实世界研究与精准外科范式为切入点,联合并拓展全国多家合作医疗单位,围绕全国肝胆多中心科研数据平台建设,充分发挥工科院士及专家团队的技术优势,全力推进肝癌大数据科研数据标准和平台发展,逐步实现了我国顶级医学科研团队和大型医疗中心联合,东西南北中全国布局的临床科研合作架构和医疗互联体系。
作为医疗大数据的引领者及推动者,董家鸿院士希望能够立足清华,以清华为中立科研平台,发展20个以上多中心科研合作,推动多学科、多病种临床科研发展,以最前沿的大数据、人工智能、区块链技术推动真实世界临床研究,整合海量多中心医疗健康大数据,进行智能处理、信息挖掘、机器学习,为公众健康、临床决策、精准医疗、精益管理、政府决策提供有力支持。