论文部分内容阅读
【摘 要】医学信息化飞速发展，临床大数据库的开发与建立是未来临床科研发展的重要方向。临床医生应该充分利用临床大数据库，深入分析数据库，建立精准医疗分析评估模型，指导临床实践，缩短医生学习曲线，提高工作效率，将临床和科研更好的结合，提高临床科研工作效率，完善的解决了临床医疗和科研业务之间的矛盾。
【关键词】医学信息化;临床大数据库;临床实践;科学研究
我们目前正处在医学信息爆炸的时代。据统计，医学信息资源及医学文献的数量正以惊人的速度增长。全球医药类期刊近3万种，每年发表论文200多万篇并且以每年7%速度递增 。因此，作为临床医生面临着巨大的挑战，我们平均每天必须阅读大量的专业文献，才可能跟上现代医学发展的速度。
1、建立临床大数据库的意义
当前我国医疗条件极不均衡，大型医院患者就医数量大，医生劳动强度大、患者满意度差，多数患者面临“就医难”的现状，而优势医疗保健资源相对不足、社会大众医疗保健需求不断提升等问题，因此，如何整合优势医疗资源，提高临床医生学习知识效率、规范医疗诊治流程，特别是对罕见、疑难病例诊治的学习，提高乡镇医院整体医疗水平，指导临床实践、提升医疗及科研能力是目前我们急需解决的问题。2012年，美国政府发布了《大数据研究和发展倡议》 ，可以通过临床大量数据集合获取知识，而医学科技的发展也离不开大数据，在科研的过程中，大数据的利用、开发和整理，可以对临床诊治的疗效、并发症给予大样本循证医学的证据支持，指导具体临床实践。另外，通过引入临床大数据技术，对医疗保健过程中的海量数据进行挖掘，建立臨床疾病精准管理系统，将促进大数据技术产生的知识模型在实践中的应用，实现优势医疗保健标准化、规模化服务模式建立和发展。将知识模型通过知识管理系统面向医生、患者提供培训、学习服务，缩短医生学习曲线，提升诊疗服务效率，提升患者疾病知识学习和保健能力。同时，可通过联合其它健康管理平台，在优势医疗资源相对不足情况下，实现心血管病精准管理的可持续发展服务模式。
2、目前临床大数据库的开发与建立现状
在多数发达国家，过去几十年来已建立了较为完善的慢性疾病监测系统，包括多种慢性疾病的发病率、死亡率和建立在循证医学基础上的疗效评估体系等。早在2008年9月4日《自然》（Nature）首次提出大数据（Big Data）概念 2011年6月麦肯锡全球研究所发布研究报告《大数据的下一个前沿：创新、竞争和生产力》首次提出“大数据时代”来临 。研究显示这些系统对于指导临床诊治和重大疾病的预防发挥了重要作用。如美国的Framingham心血管病 人群防治基地，已建立了50多年，该基地的人群防治研究系列成果被国际公认为二十世纪国际医学领域的三大成果之一。发达国家对心血管病的研究，在基础研究上取得的成果转化为防治手段，节约医疗成本。
我国的医疗信息化起步相对较晚，过去的十几年间，经历了数字化、35212及36312工程等不同阶段。目前，只有少数大医生或大医院才关注大数据，主要原因在于大多数临床医生面临繁重的一线临床工作，让绝大多数一线医生无暇顾及和致力于大临床数据库的建立，因此，目前急需提高效率、简单易行的临床辅助工具，尽量减轻临床医生工作负担。另外，目前各个医院开发了各自的病历系统，医疗保健信息服务平台规模发展迅速，但成功案例不多，目前缺乏高效的信息化手段及大数据挖掘技术导致不能实现高效、实时地针对海量住院医疗数据的整理和建立模型，是目前临床上亟待解决的、影响医疗质量和安全精准管理。
3、临床医生如何利用临床大数据库指导临床实践和科学研究
首先，临床医生可以利用大数据库的决策支持系统，通过海量文献的学习和不断的错误修正，给出最适宜诊断和最佳治疗。举例，在美国Metropolitan儿科重症病房的研究中，临床决策支持系统就避免了40%的药品不良反应事件。世界各地的很多医疗机构（如英国的NICE，德国IQWIG等）已经开始了比较效果研究（CER）项目并取得了初步成功。因此，通过大数据库可以建立患者智能检索模型，系统提供患者智能检索功能，检索到各类病例、历史病例、相似病例等，方便总结相似病例经验，降低就医误诊率，简化病例学习过程和，为临床医生提供具体指导。另外，通过临床大数据库的建立，可以分析疾病并发情况，提供并发症的分析模型。提前预见并发症的可能性，避免在诊疗、护理过程诱发并发症，降低并发症发生率，同时避免过度治疗。临床医生还可以通过大数据技术，分析不同类型心血管患者的药品剂量差别，建立针对不同患者群体的药品用量分析模型，根据药品的吸收、代谢情况，结合药品的给药途径方式，结合患者的自身特征，提供合理的药品用量，以最优的用量剂量避免过度治疗。
另外，既往临床科研需要研究者搜集大量的医疗信息、填写各种复杂的科研量表，包括体格表、生存量表分析、疾病评估量表等等，增加工作负担，也是目前很多临床医生面临科研和临床工作无法兼顾的主要原因。而临床大数据库的建立，为临床科研提供信息共享系统，可以自动将临床和科研数据整合，临床医疗和科研量表之间更好结合，减少重复劳动，同时提供标准化结构化病例采集模式，使得临床科研工作能够更好、更高效的进行，完善的解决了临床医疗和科研业务之间的矛盾。
4、未来临床大数据库在临床实践应用中的展望
尽管医疗大数据仍面临不少困难，但未来具有广阔的科研和临床应用价值是毋庸置疑的。未来随诊数字信息化的飞速发展，临床大数据库的不断开发、建立和完善，实现临床病例结构化管理模式，临床医生可以充分临床数据库指导临床实践，并进行科研工作。新的既具有重大社会效益又同时兼顾市场经济效益的模式具有广阔的成长空间。基于大数据技术的精准管理服务前景广阔，但还存在诸多基础信息资源、技术开发等方面的难题需要研究解决。
参考文献：
[1]刘雷. 大数据时代的生物医学. 《中国计算机学会通讯》，2013，9 （9）：1-4.
[2] UN Global Pulse. Big Data for Development：Challenges & Opportunities[R/OL]. http：//www.unglobalpulse.org/projects/Bigdataofordevelopment.
[3]Nature Big Data[EB/OL]. http：//www.nature.com/news/specials/bigdata/index.html.
[4]Big Data for Development： Challenges & Opportunities[R/OL]. http：//www.mckinsey.com/insights/business_technology/big_data_the_next_frontier_for_innovation.
[5]Splansky GL， Corey D， Yang Q， et al. The Third Generation Cohort of the National Heart， Lung， and Blood Institute’s Framingham Heart Study： design， recruitment， and initial examination. Am J Epidemiol， 2007， 165：1328-1335.
[6] 陈功，王婷，范晓薇，沈宫建，方祝元. 临床科研信息共享系统数据处理策略. 《医疗卫生装备》，2012年，33（11）：43-5.
【关键词】医学信息化;临床大数据库;临床实践;科学研究
我们目前正处在医学信息爆炸的时代。据统计，医学信息资源及医学文献的数量正以惊人的速度增长。全球医药类期刊近3万种，每年发表论文200多万篇并且以每年7%速度递增 。因此，作为临床医生面临着巨大的挑战，我们平均每天必须阅读大量的专业文献，才可能跟上现代医学发展的速度。
1、建立临床大数据库的意义
当前我国医疗条件极不均衡，大型医院患者就医数量大，医生劳动强度大、患者满意度差，多数患者面临“就医难”的现状，而优势医疗保健资源相对不足、社会大众医疗保健需求不断提升等问题，因此，如何整合优势医疗资源，提高临床医生学习知识效率、规范医疗诊治流程，特别是对罕见、疑难病例诊治的学习，提高乡镇医院整体医疗水平，指导临床实践、提升医疗及科研能力是目前我们急需解决的问题。2012年，美国政府发布了《大数据研究和发展倡议》 ，可以通过临床大量数据集合获取知识，而医学科技的发展也离不开大数据，在科研的过程中，大数据的利用、开发和整理，可以对临床诊治的疗效、并发症给予大样本循证医学的证据支持，指导具体临床实践。另外，通过引入临床大数据技术，对医疗保健过程中的海量数据进行挖掘，建立臨床疾病精准管理系统，将促进大数据技术产生的知识模型在实践中的应用，实现优势医疗保健标准化、规模化服务模式建立和发展。将知识模型通过知识管理系统面向医生、患者提供培训、学习服务，缩短医生学习曲线，提升诊疗服务效率，提升患者疾病知识学习和保健能力。同时，可通过联合其它健康管理平台，在优势医疗资源相对不足情况下，实现心血管病精准管理的可持续发展服务模式。
2、目前临床大数据库的开发与建立现状
在多数发达国家，过去几十年来已建立了较为完善的慢性疾病监测系统，包括多种慢性疾病的发病率、死亡率和建立在循证医学基础上的疗效评估体系等。早在2008年9月4日《自然》（Nature）首次提出大数据（Big Data）概念 2011年6月麦肯锡全球研究所发布研究报告《大数据的下一个前沿：创新、竞争和生产力》首次提出“大数据时代”来临 。研究显示这些系统对于指导临床诊治和重大疾病的预防发挥了重要作用。如美国的Framingham心血管病 人群防治基地，已建立了50多年，该基地的人群防治研究系列成果被国际公认为二十世纪国际医学领域的三大成果之一。发达国家对心血管病的研究，在基础研究上取得的成果转化为防治手段，节约医疗成本。
我国的医疗信息化起步相对较晚，过去的十几年间，经历了数字化、35212及36312工程等不同阶段。目前，只有少数大医生或大医院才关注大数据，主要原因在于大多数临床医生面临繁重的一线临床工作，让绝大多数一线医生无暇顾及和致力于大临床数据库的建立，因此，目前急需提高效率、简单易行的临床辅助工具，尽量减轻临床医生工作负担。另外，目前各个医院开发了各自的病历系统，医疗保健信息服务平台规模发展迅速，但成功案例不多，目前缺乏高效的信息化手段及大数据挖掘技术导致不能实现高效、实时地针对海量住院医疗数据的整理和建立模型，是目前临床上亟待解决的、影响医疗质量和安全精准管理。
3、临床医生如何利用临床大数据库指导临床实践和科学研究
首先，临床医生可以利用大数据库的决策支持系统，通过海量文献的学习和不断的错误修正，给出最适宜诊断和最佳治疗。举例，在美国Metropolitan儿科重症病房的研究中，临床决策支持系统就避免了40%的药品不良反应事件。世界各地的很多医疗机构（如英国的NICE，德国IQWIG等）已经开始了比较效果研究（CER）项目并取得了初步成功。因此，通过大数据库可以建立患者智能检索模型，系统提供患者智能检索功能，检索到各类病例、历史病例、相似病例等，方便总结相似病例经验，降低就医误诊率，简化病例学习过程和，为临床医生提供具体指导。另外，通过临床大数据库的建立，可以分析疾病并发情况，提供并发症的分析模型。提前预见并发症的可能性，避免在诊疗、护理过程诱发并发症，降低并发症发生率，同时避免过度治疗。临床医生还可以通过大数据技术，分析不同类型心血管患者的药品剂量差别，建立针对不同患者群体的药品用量分析模型，根据药品的吸收、代谢情况，结合药品的给药途径方式，结合患者的自身特征，提供合理的药品用量，以最优的用量剂量避免过度治疗。
另外，既往临床科研需要研究者搜集大量的医疗信息、填写各种复杂的科研量表，包括体格表、生存量表分析、疾病评估量表等等，增加工作负担，也是目前很多临床医生面临科研和临床工作无法兼顾的主要原因。而临床大数据库的建立，为临床科研提供信息共享系统，可以自动将临床和科研数据整合，临床医疗和科研量表之间更好结合，减少重复劳动，同时提供标准化结构化病例采集模式，使得临床科研工作能够更好、更高效的进行，完善的解决了临床医疗和科研业务之间的矛盾。
4、未来临床大数据库在临床实践应用中的展望
尽管医疗大数据仍面临不少困难，但未来具有广阔的科研和临床应用价值是毋庸置疑的。未来随诊数字信息化的飞速发展，临床大数据库的不断开发、建立和完善，实现临床病例结构化管理模式，临床医生可以充分临床数据库指导临床实践，并进行科研工作。新的既具有重大社会效益又同时兼顾市场经济效益的模式具有广阔的成长空间。基于大数据技术的精准管理服务前景广阔，但还存在诸多基础信息资源、技术开发等方面的难题需要研究解决。
参考文献：
[1]刘雷. 大数据时代的生物医学. 《中国计算机学会通讯》，2013，9 （9）：1-4.
[2] UN Global Pulse. Big Data for Development：Challenges & Opportunities[R/OL]. http：//www.unglobalpulse.org/projects/Bigdataofordevelopment.
[3]Nature Big Data[EB/OL]. http：//www.nature.com/news/specials/bigdata/index.html.
[4]Big Data for Development： Challenges & Opportunities[R/OL]. http：//www.mckinsey.com/insights/business_technology/big_data_the_next_frontier_for_innovation.
[5]Splansky GL， Corey D， Yang Q， et al. The Third Generation Cohort of the National Heart， Lung， and Blood Institute’s Framingham Heart Study： design， recruitment， and initial examination. Am J Epidemiol， 2007， 165：1328-1335.
[6] 陈功，王婷，范晓薇，沈宫建，方祝元. 临床科研信息共享系统数据处理策略. 《医疗卫生装备》，2012年，33（11）：43-5.