“大数据+”医疗

信息技术飞速发展，各类数据如潮水般涌来，数据资源早已和自然资源一样，成为重要的战略资产。我们已全面跨入大数据时代，而医疗领域，从诊疗、科研到健康管理、卫生决策，每一刻都在产生海量数据。

所谓的医疗大数据，就是医生在诊断治疗过程中沉淀下来的全部信息——患者基本信息、电子病历、诊疗记录、医学影像、管理数据、经济数据，甚至医疗设备读数。数据越攒越多，医院数据库容量不断膨胀，但更重要的是，这些数据对疾病管理、患者监控和医学研究正发挥着不可替代的作用。

换句话说，通过对医疗大数据的分析和加工，就能挖掘出疾病诊断、治疗和公共卫生服务等方面的核心价值。而且，这事可不是信息时代才有的新鲜事。早在19世纪，英国流行病学家约翰·斯诺博士就用当时那点“数据科学”手段，记录了每天的死亡和患病人数，把死者地址标在地图上，画出了伦敦霍乱暴发的“群聚”地图。当时大家都以为霍乱是“有害空气”闹的，但斯诺通过数据汇总，揪出了元凶——被污染的公用水井，还顺手奠定了疾病细菌理论的基础。可以说，现代医学从一开始就是数据驱动的医学，本质上是基于大数据的医学。

医疗数据从哪里来？

医疗卫生信息化建设一路狂奔，医疗数据的类型和规模以前所未有的速度膨胀。这些数据主要由结构化数据和非结构化数据构成，而且非结构化数据占大头。但如此庞大、复杂的数据，想靠个人甚至个别机构去收集，基本是异想天开。那么，这些数据到底是怎么冒出来的？都源自何处？

简单梳理一下，来源大致可以分成四类。

1、患者就医过程中产生的信息

从患者踏进医院大门开始，挂号环节就把姓名、年龄、住址、电话等信息塞进了数据库。接下来就诊时，身体状况、医学影像等也录入系统。最后结算环节，费用信息、报销情况、医保使用记录又添了一笔。这些构成了医疗大数据最基础、最庞大的原始资源。

2、临床医疗研究和实验室的数据

临床研究和实验室数据整合在一起，会形成庞大的医疗数据集。一张普通的CT影像大约150 MB，一张标准病理图则接近5 GB。把这些数据量乘以人口数量和平均寿命，即使一个社区医院累积的数据也能达到千万亿字节甚至数千万亿字节。

3、药物研发产生的数据

药物研发的数据密度相当惊人，从分子设计到临床试验，每个环节都在产生数据。根据Nature Biotechnology的一篇论文，药物研发过程中的数据量已经远远超过天文学、基因组学等领域。到2020年，全球每年产生的生物医学数据量已达2.8 ZB，其中大部分来自药物研发。

4、智能可穿戴设备带来的健康管理数据

移动设备和互联网飞速发展，便携式可穿戴医疗设备逐渐普及。血压、心率、体重、体脂、血糖、心电图……这些健康体征的实时监测都变成了现实，个体健康信息可以直接连入互联网。除此之外，还有卡路里摄入量、喝水量、步行数、运动时间、睡眠时间等行为数据。这些数据意味着健康管理可以随时随地采集，其体量更是不可估量。

医疗大数据有什么特性？

1、大数据的特性

当海量的临床试验数据、诊断数据和健康管理数据汇聚到一起，医疗大数据自然呈现出大数据该有的样子。

一张CT影像约150 MB，一个基因组序列文件约750 MB，一张标准病理图接近5 GB。

医疗信息服务包含大量在线或实时的分析处理，比如临床决策支持中的诊断建议、流行病分析报表、健康指标预警。同时，越来越多的医疗信息被数字化，未来增长速度只会更快。

数据就是资源，就是资产。医疗大数据与每个人的健康息息相关，有效利用这些数据，关系到疾病防控、新药研发和顽疾攻克的能力。

2、医疗大数据特有的特性

除了大数据的共性，医疗大数据还有多态性、不完整性、时间性及冗余性这些独特之处。

医疗大数据包含纯数据（体检结果、化验结果）、信号（脑电图、心电图）、影像（CT、MRI）、文字（主诉、病史、报告），甚至还有用于科普的动画、语音和视频。这是它与其他领域数据最显著的区别。

数据搜集和处理过程经常脱节，数据库很难全面反映疾病信息。大量数据来自人工记录，偏差和残缺在所难免，尤其是病例和病案，许多数据的表达本身就有不确定性。

患者的就诊过程、疾病发展都有时间进度，医学检查的波形、影像都是时间的函数，有很强的时序性。

每天产生海量信息，里面可能含有大量重复、无关紧要甚至相互矛盾的记录。这就牵扯到数据清洗——从海量数据中提炼出真正有价值的信息。

医疗大数据走向价值输出

经过原始积累，医疗大数据逐步成熟，无疑将释放巨大价值。从应用场景看，结合了人工智能的医疗大数据已经在辅助诊疗、健康管理、药物研发、医学研究和医院管理方面取得了诸多成果。

1、辅助诊疗

通过收集医院各信息子系统的临床数据，把疾病表征、患者体征和治疗方式存储起来，建立特定疾病的数据库。然后借助智能分析，可以对患者进行多种诊疗方案的比较，制定有效路径，辅助医生决策。在这个过程中，人工智能通过对知识的学习进一步提炼数据价值。辅助诊疗的应用场景包括电子病历、影像组学、智能问诊等。

电子病历以医疗信息学为基础，将自然语言录入的病历文本、诊断结果等，利用自然语言理解、机器学习和知识图谱技术，转化为可存储、查询、统计、分析和挖掘的数据结构。结构化电子病历的优势很明显：医生诊疗时需要大量相关信息，最关键的来源就是患者的临床检验、检查数据。这些数据汇入疾病数据库后，能形成辅助决策支持，指导医生准确判断病情、制定方案。

影像组学最初源于肿瘤学，后来扩展到整个医学影像领域。它从CT、MRI、PET、SPECT等影像中高通量提取大量信息，实现病灶分割、特征提取与模型建立，通过对海量影像数据的深度挖掘来揭示肉眼无法识别的特征。简单说，就是把视觉影像信息转化为深层次特征进行量化研究。

理解医学影像，提取其中具有诊断和治疗决策价值的关键信息，是诊疗中至关重要的环节。以往，医学影像的前处理和诊断需要四五名医生参与；而基于影像组学和大数据技术，再训练人工智能分析影像，只需要一名医生负责质控和确认，这对提高效率帮助巨大。用“数据语言”解读影像，用人工智能辅助阅片进行疾病早筛和诊断，已经成为医学影像必然的发展方向。

智能问诊模拟医生问诊流程，与患者进行多轮交流，根据症状提出可能问题，反复验证，给出建议。它可以帮助基层医生做初步决策，人机对话记录也能提高线下就诊效率。实现这一功能，需要收集海量医疗数据和专业文献，构建医学知识库，再通过人工智能产品设计实现。系统在过程中收集的症状描述，反过来又能作为训练数据优化机器学习，让结果更准确。

大数据还为在线问诊提供了技术支撑。新冠疫情下，发热、咳嗽的民众很难判断是否感染，如果全都涌到医院，会给医疗系统带来巨大压力。在线问诊系统正好解答了这些疑问。平安智慧医疗互联网医院就是一个例子，它能匹配本地医生资源，覆盖疫情自查、疫情动态、在线预约、咨询、诊疗、支付、药品配送等全业务场景，还能支持慢病管理、孕产服务等专科化服务，让群众及时获得健康评估和专业指导。

尽管这些基于大数据的在线诊疗技术离真正的人工智能医疗还有距离，但至少让我们看到了人工智能改善医疗产业、提高诊疗水平和效率的可能性。随着OpenAI大语言模型技术的突破，人工智能医生不再是空想，结合大模型和医疗数据的训练，超级全科人工智能医生正在变得真实可期。

2、健康管理

健康管理是对个人或群体的健康进行全面监测、分析、评估，提供健康咨询和指导，并对健康危险因素进行干预的全过程。核心是健康风险的评估和控制。新型健康管理系统利用云计算、大数据、人工智能充分挖掘人群健康数据，针对不同健康状态个性化干预，可以阻断、延缓甚至逆转疾病进程，达到“治未病”的目的。

过去，医疗大数据应用大多围绕疾病展开——对患者的体征、治疗方案进行数据搜集。比如慢病管理，对糖尿病患者的行为习惯、用药记录进行智能监护。微糖就是一家提供血糖健康解决方案的慢病管理公司。他们通过软件收集海量血糖数据，研发了连接医护团队和患者的天雁系统，该系统基于亚洲糖尿病基金会十年大数据积累，通过专利算法预测并发症风险。微糖还引进了雅培“瞬感”动态血糖技术，基于数据分析提供健康解决方案，帮助患者稳定血糖。

当下，基于人工智能的健康大数据管理更侧重于日常健康监测、体检数据、心理数据、运动数据、营养数据及基因大数据。通过实时数据分析，实现健康人前瞻性的风险管控，让人不生病、少生病——这才是医疗大数据应用的终极目标。借助物联网、智能医疗器械和可穿戴设备，实时收集健康大数据，再结合人工智能模型进行监测、模拟和推演，真正意义上的健康管理才能实现。

基于人工智能的健康管理模型，结合动态数据给出个性化方案，关键在于数据质量。如果能有优质数据源，再加上随访信息的动态记录，结果的准确性和方案的专业性都会提升，企业也更容易在赛道中胜出。目前，针对特定慢性病的家庭检测包（通常包含可穿戴设备、健康报告）已经崭露头角，慢病管理未来一段时间仍是热门场景。

当然，核心还在于两个方面：一方面是人工智能健康管理医生（或专家模型）的打造，另一方面是基于可穿戴设备的监测设备的优化与普及。

3、药物研发

在药物研发中，大数据分析技术能够全面体现药物的治疗效果。通过医疗和医药大数据，利用人工智能深度学习算法系统，对药物中的各种化学物质进行分析，预测安全性、有效性和副作用，可以有效降低成本、缩短研发周期、降低药价。

与传统药物跟踪相比，大数据分析能通过分析临床试验注册数据和电子健康档案，优化试验设计，招募合适的参与者；通过分析试验数据和电子病历，辅助药物效用分析与合理用药，降低耐药性和相互作用带来的影响；通过收集不良反应报告，加强监测与预防；通过分析疾病患病率和发展趋势，模拟市场需求，帮助确定投资策略和资源配置。

举个例子：2021年初，德国制药公司勃林格殷格翰与谷歌量子人工智能实验室达成合作，研究量子计算在药物研发中的应用，特别是分子动力学模拟。尽管谷歌在大语言模型方面没有绝对领先，但它在医疗健康领域，尤其是AI药物研发上已经占据一席之地，业务涵盖小分子药物发现、临床前和临床研究、AI驱动的医疗保健、免疫疗法和疫苗开发等。

尤其是在制药方向，谷歌的AI专业知识让它拥有发现候选药物的独特优势。比如蛋白质结构预测——根据氨基酸序列预测三维结构曾被认为“不可能”，但AlphaFold2改变了这一切。2020年，它在CASP14竞赛中对大部分蛋白质结构的预测与真实结构只差一个原子宽度，达到了人类用冷冻电镜等复杂仪器观察的水平。2021年，它破解了困扰人类50年的蛋白质折叠问题，被《科学》杂志评为年度突破。到2022年，AlphaFold2已经确定了地球上几乎所有已知生物体中约2亿种蛋白质的结构，能预测出98.5%的人类蛋白质结构。

2023年4月，美国生物技术公司莫德纳宣布与IBM合作，探索用量子计算和人工智能加速mRNA研究。莫德纳加入IBM量子翻跟斗计划和量子网络，IBM提供量子计算系统访问权限，协助探索新的mRNA疫苗和疗法。IBM的AI模型MoLFormer能帮助科学家了解潜在mRNA药物的特征。两家公司结合先进配方与生成式AI，设计安全有效的mRNA药物。

这让我们看到，结合量子计算和AI的药物研发系统，配以先进生物医药技术，将引发药物从研发、生产到临床的深度变革。未来，不仅能实现个性化药物定制，还能快速完成定制药物的研发、生产和应用。

4、医学研究

传统的临床研究模式，从提出科学问题到实验设计、数据采集、处理分析、结果验证，每一步都耗费大量人力、财力和时间，严重制约科研成果产出。在大数据背景下，以电子病历数据为主的医疗大数据规范应用，结合数据挖掘和智能化分析方法，为临床科研建立了基于真实世界数据和挖掘技术的科研思路和方法。以数据赋能临床和管理决策，医疗大数据在临床科研中的应用场景不断丰富：探索疾病关联关系、进行临床预测、建立医疗质量监测评估、助力专科疾病研究等。

患者健康信息往往涉及多学科、多维度数据。将离散数据整合与规范化，对大量关联性的疾病数据进行分析整理，建立疾病、症状、诊断、用药、手术、检查、检验之间的相关关系，形成知识图谱，就可以探索疾病的关联关系，进行疗效比较、合并用药研究、疾病特征和患者分析。这有利于加深对疾病的了解，拓展科研发现，辅助临床诊断。

医疗大数据拥有大量真实世界数据，可用于模型建立和临床预测。例如，通过统计各种疾病的症状，可以监控治疗效果和区域发病趋势，预测疾病发展趋势，为精准判断和治疗提供依据。

医疗大数据可满足横向比较和纵深细化。通过对医院临床和运行数据的综合分析挖掘，发现医疗质量问题的真相，准确定位原因并指导改进。关联患者历史健康数据、检查治疗数据、结局数据，对诊疗过程进行全流程闭环管理，对比不同症状的用药和治疗效果，为精细化治疗提供科学依据。数据积累和利用越多，医疗质量越能提升。

搭建专科疾病数据库是科室、医院乃至国家的重要需求。在医疗大数据科研平台基础上，搭建专科数据库，可以帮助科研设计、数据收集、既往成果查询、跨科室跨医院协作等流程的实现，让检查检验数据、随访数据、病例报告表快速收集和高效利用。这样能大大节约人力成本，缩短数据获取周期，帮助医生确定最佳治疗方案。