医疗大数据迎春 行业痛点难点待解

　　在抗击新冠肺炎疫情中，医疗大数据价值凸显，但要全方位发挥价值和功用，仍有诸多难题待解。

　　传染病的科研、诊疗、防控等防疫体系的建立，可以覆盖到各级医院和社区，进行网格化管理，把疾病筛查、防控、病人管理关口下沉到基层；疫情监测分析、病毒溯源、防控救治、资源调配等公共卫生防疫体系直接影响防疫效果；面向公共卫生的重大风险研判、评估、决策、防控的研究可以将疫情从源头控制住。此次新冠肺炎疫情属于呼吸系统疾病，呼吸系统疾病由于发病率高、疾病负担重、对人口健康威胁大等缘故，已成为全球性医疗保健与公共卫生的重要问题。

　　中国工程院院士、国家呼吸系统疾病临床医学研究中心主任钟南山对记者表示，中国在新冠肺炎疫情的防治上取得了阶段性成绩，疫情在今年2月底、3月初就基本得到控制，这主要是以预防为主的指导思想起到了重要作用，其中和人工智能也在新冠肺炎的预防控制和治疗中起到了重要作用。他举例称，柳叶刀杂志发表的权威文章曾预测中国最高的患病人数达到17万，而他们的团队利用进行预测，并把政府干预、春节人流等正负面因素加入分析，建立的模型预测最高应该是6万到7万人，与真实数据非常接近。

　　医疗大数据迎春

　　疫情之后医疗大数据的重视程度提升同时，伴随着新基建的大幕拉开，医疗大数据也迎来了新的发展机遇。根据前瞻产业研究院公开资料，医疗大数据可广泛应用于临床医疗、健康管理、公共卫生应急、防疫等产业领域。以医疗大数据支柱产业来测算，可以带动万亿市场规模。

　　《“健康中国2030”规划纲要》明确将发展健康产业作为“健康中国”建设五大任务之一，并提出将健康产业发展成为国民经济支柱性产业的战略目标。2020年健康服务业总规模达到8万亿，到2030年达到16万亿，全年GDP占比超过10%。而项目成为未来增长点，医疗信息化重视程度升高，新基建模式逐渐形成；国家将加大电子病历、智慧、DRG等院内信息化的建设，涉及到医联体、新型县域医疗卫生服务体系等新模式建设。医疗机构对大数据的接受程度在逐步提高。

　　对比疫情前后的认知变化，医疗机构对大数据的进一步认可，公共卫生管理逐步受到重视，医疗重心往疾病预防靠拢。广州天鹏计算机科技有限公司董事长陆广林向记者表示，本次疫情给医疗大数据行业的启示聚焦在，需要重视医疗大数据的建设，打破各种政策和行业壁垒，帮助政府、医院决策，同时真正有效地帮助医护人员和患者进行数字化的。重庆两江新区、广州呼吸健康研究院、天鹏大数据也共同打造天鹏健康医疗大数据及人工智能应用创新平台项目。凭借国家级呼吸系统疾病大数据中心建设已形成成熟的产品解决方案和落地示范，依托广州呼吸健康研究院的行业地位和影响力，面向区域龙头医院进行拓展。

　　由龙头医院提供专业支持，从呼吸领域切入，共同推进医学专科大数据中心基础设施建设，形成可落地的临床、科研、公卫、传染病防疫的综合应用，并逐步开展面向政府、医院和患者的数据运营。医疗尚处于起步阶段，基础平台建设是医院和政府刚需，占据主要市场份额。

　　大数据在医疗领域的建设呈现专科化和区域化趋势。一方面为了满足医疗应用场景对数据深度和精准度的要求，需要从专科专病进行数据采集和治理；另一方面，配合医改的资源下沉要求，要以区域专科大数据云平台建设作为基础。医疗大数据在公共卫生领域将发挥重要作用。基于医疗、舆情，疾控，应急、公共安全，电信等数据的融合，改变现有医防分裂的问题，建立预防性的基于医疗大数据卫生防疫及综合应急。国家将重点建设新一代公卫和防疫平台。

　　数据变现商业模式尚处于探索阶段，基于专科大数据的应用和面向专科患者的大健康服务是主要方向。目前医疗尚处于起步阶段，基础平台建设是医院和政府刚需，占据主要市场份额。

　　行业痛点难点待解

　　另一方面医疗大数据也同样发展瓶颈众多，标准化、多元化、数据安全等问题成为制约发展关键。

　　从政府层面，需要逐步将医疗大数据作为战略资源进行储备；需要实现数据共享；政府需要有效的监管和决策的平台与工具等；从层面，存在数据多源异构难汇集、医疗大数据的标准体系建设未达到应用级水平、缺乏大数据处理和AI技术进行后结构化和自然语言处理，无法有效利用大数据；从患者层面，医疗大数据源自患者，理应回归患者，但目前患者并未能及时得到自己的数据和有效指导，存在患者端的痛点。

　　广州呼吸健康研究院副院长、国家呼吸系统疾病临床医学研究中心副主任郑劲平向记者分析到，行业难点、痛点有很多，包含数据真实性、可能性的问题。如果数据填报不真实，或者是填报的数据有问题不能及时地看到，这个数据就是无效，或不是充分有效的数据，这是数据来源的问题。同样还有数据标准化的问题，同样的疾病，比如说呼吸困难，例如新型冠状病毒感染肺炎病人呼吸困难的描述是不一样，有的人说气憋，有人说喘不上来气，有人说胸口有石头压着，如何将数据标准化。当然还有数据来源于信息系统，来源于门诊和不同的数据，如何采集和标准化，这就是痛点和难点。

　　此外是数据多元化的问题，不同和各方面来的数据，有检验的数据，有检查的数据，例如CT，检验的淋巴细胞，是否有感染新型冠状病毒，有了不同的数据，就涉及到数据如何清理的问题，众多的数据，哪些有用，哪些无用，选择性地找到需要合适的数据。众多的数据，之间的关联性联系起来，这就是数据的集成。

　　此外医疗数据安全问题同等重要，数据来源众多，如何保护病人的隐私，保护治疗方案保密性等问题，当然数据存储问题同样存在，有些属于技术性问题，有些则非技术性问题。