看点01：医疗大数据的具体概念及相关特点
医疗大数据是指在医疗服务过程中产生的与临床和管理相关的数据，包括电子病历数据、医学影像数据、用药记录等。医疗大数据除具有大数据的“4V”特点外，还包括时序性、隐私性、不完整性等医疗领域特有的一些特征：
①规模大（Volume）：1个CT图像约150MB，1个基因组序列约750MB，1份标准的病历约5GB；1个社区医院数据量约在数TB至PB，全国健康医疗数据到2020年约35ZB。
②类型多样（Variety）：包含文本、影像、音频等多类数据。
③增长快（Velocity）：信息技术发展促使越来越多的医疗信息数字化，大量在线或实时数据持续增多，如临床决策诊断、用药、流行病分析等。
④价值巨大（Value）：医疗数据的有效使用有利于公共疾病防控、精准诊疗、新药研发、医疗控费、顽疾攻克、健康管理等，但数据价值密度低。
⑤时序性：患者就诊、疾病发病过程在时间上有一个进度；医学检测的波形、图像均为时间函数。
⑥隐私性：患者的医疗数据具有高度的隐私性，泄露信息将造成严重后果。
⑦不完整性：大量来源于人工记录，导致数据记录的残缺和偏差；医疗数据的不完整搜集和处理使医疗数据库无法全面反映疾病信息。
看点02：医疗大数据的“五种数据模型”与“六种应用模式”
医疗大数据平台中的数据从医院信息平台获取，依据相关业务应用经整合、加工后供医护人员、患者和医院管理人员使用，医疗大数据处理模型如图1所示。
图1医疗大数据处理模型
1、数据获取
数据获取即根据应用主题从医院信息平台获取相关原始数据存储于医疗大数据平台数据库。
2、数据整合
数据整合是将从医院信息平台抽取的业务数据按照统一的存储和定义进行集成。医院信息化经过多年的发展，积累了很多基础性和零散的业务数据。但是数据分散在临床、医技、管理等不同部门，致使数据查询访问困难，医院管理层人员无法直接查阅数据若对数据进行分析利用，需要综合不同格式、不同业务系统的数据。
3、数据加工
将整合后的数据进行清洗、转换、加载，根据业务规则建立模型对数据进行计算和聚合。
4、数据展现
数据展现即数据可视化，为方便医护人员、患者和管理人员理解和阅读数据，而采用相关技术进行的数据转换。
五种数据分析模型
医疗大数据可服务于患者、临床医疗和医院管理。通过《医疗健康大数据分析平台及应用研究》研究项目的实地调研与深入访谈，结合现有医疗大数据研究成果，对医疗大数据的应用需求进行了充分的分析和归纳，提出基于患者就诊过程的医疗大数据分析与应用的模型，如图2所示。
图2基于患者就诊过程的医疗大数据分析与应用模型
该模型展现了从患者入院到出院过程中产生的相关数据，主要包括患者特征数据、病种数据、治疗方案与费用数据、治疗状态数据及在该过程中产生的管理类数据。
1、患者特征数据
患者特征数据主要有主诉、现病史、检查检验类数据。涵盖了疾病的主要症状、体征、发病过程、检查、诊断、治疗及既往疾病信息、不良嗜好甚至职业、居住地等全部信息。
2、病种数据
即患者疾病的诊断结果，一般有第一诊断、第二诊断、第三诊断等。目前医疗机构大多使用ICD-9/ICD-10进行疾病的分类与编码。
3、治疗方案与费用数据
根据诊断结果为患者提供的治疗方案与费用数据主要包括药品、检查、检验、手术、护理、治疗6大类，此外费用数据还有材料费、床位费、护理费、换药费用等。
4、治疗状态数据
治疗状态数据即患者出院时的治疗结局，一般分为治愈、好转、未愈、死亡4类。
5、管理类数据
除患者就医过程产生的服务于医院管理的数据外，还包括医院运营和管理系统中的数据，如物资系统、HRP、财务系统、绩效考核系统等产生的数据。
六种应用模式
基于患者就诊过程的医疗大数据分析与应用模型，将医疗大数据分为患者特征、病种、治疗方案、费用、治疗状态、管理数据五种类型，主要的应用模式包括以下几个方面。
1、患者特征
根据患者居住地和就诊地的距离、及医疗卫生服务水平等因素分析患者流向，通过患者、疾病、医疗机构多角度、深层次、全方位分析影响患者跨域就诊的因素。
2、病种
通过对医院接诊患者的诊断结果，可分析医院疾病种类和发病率，病种患者数量分布、病种科室分布等。
3、费用
对医院药占比、门诊病人次均医药费用、住院病人人均医药费用、门诊病人次均医药费用增幅、住院病人人均医药费用增幅、典型单病种例均费用、参保患者个人支出比例、医保目录外费用比例、检查和化验收入占医疗收入比重、卫生材料收入占医疗收入比重、挂号/诊察/床位/治疗/手术/护理收入总和占医疗收入比重、百元医疗收入消耗的卫生材料费用、管理费用率、资产负债率等进行分析。
4、患者特征-病种-治疗方案
包括病种与患者体征的关系、同一病种治疗方案选择的关系、病种与检查检验数据的关系、疾病与诊疗过程的关系、疾病和药物使用的关系等。
5、病种-治疗方案-费用-治疗状态
根据医疗机构医疗费用和疗效数据，通过建立的成本-效果（疗效）分析模型，计算病种不同治疗方案的平均成本、平均效果、增量平均成本、增量平均效果等指标，以及成本-效果比（C/E）、增量成本-效果比（ICER）等效果指标，并进行相关指标的敏感度以及不同治疗方案的成本敏感度分析。
6、管理
基于医院信息系统产生的医疗业务、临床业务、医疗运营数据可开展动态化、过程化、精细化的医院管理。可以更有效地对各科室、各种医疗人员进行全面的医疗业务、医疗费用、医疗安全、医疗质量、医疗绩效的监管。
看点03：医疗大数据的主要业务应用
通过医疗大数据应用模式分析，结合实际需求和发展趋势，目前医疗大数据的主要业务应用包括智能辅助诊疗、影像数据分析与影像智能诊断、合理用药、远程监控、精准医疗、成本与疗效分析、绩效管理、医院控费、医疗质量分析等。
1、智能辅助诊疗
借助大数据分析挖掘技术，在医院大量疾病临床资料的基础上，将同种疾病不同患者的就诊数据根据体征、环境因素、社会因素、心理因素、经济因素等多个角度进行划分为不同的亚组人群，以选择适合不同亚群的检查检验类型、治疗方案类型等。当有新的患者来医院就诊时，医生可进入系统，依据该患者特征数据，将其进行亚群分类，然后为其选择个性化的诊疗方案。
2、影像数据分析与影像智能诊断
影像数据分析与影像智能诊断即借助PACS系统，在尽可能保持图像数据准确性和真实性的条件下，首先利用多维影像融合（CT/MRI/PET-CT）技术等对影像数据进行配准、分割、聚类。经过PACS处理的影像数据进一步通过人工智能技术进行病灶识别等数据上的挖掘和应用，可有效减少医生负担，提高医学判断的精准性。
3、合理用药
合理用药是根据疾病种类、患者状况和药理学理论选择最佳药物及其制剂，制定或调整给药方案，以期安全、有效、经济地预防和治愈疾病。除执行国家药物政策、规范医疗行为、加强药学服务等措施之外，通过临床合理用药审核、咨询系统来规范临床医师的用药行为，也是提高合理用药水平的有效措施。可采用大数据技术，依据患者病历病史、疾病诊断、医嘱信息、用药信息、过敏信息等，进行用药安全警示，如药物禁忌审、配伍禁忌审查、药物相互作用审查等，及时发现不合理用药问题。此外可对医院历史处方数据进行大数据挖掘，分析抗菌药、注射剂、基本药物等占处方药的百分比，检验医院处方开具的不合格率，为规范医疗行为提供数据支持。
4、远程监控
远程病人监护系统包括家用心脏检测设备、血糖仪、芯片药片等。远程监控系统中包含大量的医疗数据，可从远程监护系统中进行患者相关体征数据的收集，经分析后再将结果反馈至监控设备，围绕体征数据的采集，对相应波动规律进行分析和判断，结合患者病史资料，确定今后的用药和治疗方案。同时可减少患者住院时间、缓解医院门急诊排队拥堵现象。
5、精准医疗
大数据分析技术通过收集电子病历系统患者个人完整临床诊疗记录、同病种相似患者临床诊疗记录、并结合患者基因信息，利用生物信息学分析工具、本体、数据挖掘等大数据分析技术对所收集数据进行整合分析，以精准查找致病病因，形成精准临床诊断报告，并为患者提供最佳治疗方案，达到治疗效果最大化和副作用最小化。
6、成本与疗效分析
可以生存期和生活质量为临床疗效评价指标，通过比较不同治疗方案之间的健康效果差别和成本差别，从而为包括单病种控费、总额控制等在内的多种支付方式提供支持，实现在有效控制医疗费用的前提下提供最佳的临床诊疗方案。
7、绩效管理
通过大数据技术对医院床位使用率、财务收支、门/急诊量等医疗绩效指标数据进行分析，提供全方位的、精细化的、个性化的绩效评价体系。以美国为例，为减少再住院率，特地建立了一个模型来评估再住院风险。部分医院依靠这个模型预测准确性可以达到79%，减少30%的再住院病例，为医院和病人节省了大量开支。
8、医院控费
药品收入占比较大、大型医用设备检查治疗和医用耗材的收入占比增加较快、不合理就医等导致的医疗服务总量增加较快等，均是导致医院医疗费用不合理增长的原因。通过大数据技术测算各病种诊疗过程中的药品、检查、检验、手术、护理、治疗等方面的合理费用及补偿水平，同时针对医疗费用控制的主要监测指标，进行数据分析和挖掘，积极控制医院费用的不合理增长，实现医院精细化管理。
9、医疗质量分析
医疗质量是评价医院医疗服务与管理整体水平的最重要标准，一直以来都是医院管理工作的核心。利用大数据分析技术，将医疗质量数据转换为管理人员所需要的指标信息，按照患者特征、历史资料、图表信息等，为管理层提供数据支撑和依据，是医疗大数据重要应用的体现。
此外医疗大数据还可在疾病发病趋势预测、健康状况评估、患者需求与行为分析、心电数据分析与心电智能诊断方面的应用也将越来越广泛。