中国首个坚持原创严肃内容的健康医疗信息化新媒体
最新消息:欢迎您,亲爱的读者!您可以通过QQ号或新浪、腾信微博账号直接在评论处登录,发表评论并选择转发到微博、QQ空间。

【南湖HIT论坛】张少典:构建学习型医疗系统,让患者的数据造福患者

技术产业 HIT金子 1388浏览 评论

来源:HIT专家网   记者:谭啸

构建学习型医疗系统需要三步:一是把临床数据转化成有效的科研数据,二是把研究数据变成研究成果,三是把研究成果返回给临床。

森亿智能张少典

上海森亿医疗科技有限公司创始人兼CEO  张少典

一位1988年出生的青年专家,带着引进自美国最前沿的医学AI产品,站上了2017南湖HIT论坛的讲台作为首次公开亮相。他就是上海森亿医疗科技有限公司(简称“森亿智能”)创始人兼CEO张少典,这位美国哥伦比亚大学医学信息学博士,曾入选福布斯亚洲30位30岁以下杰出青年。

森亿智能于2016年4月成立,目前已完成两轮融资。“我们的使命是,引进国外成熟技术,协助国内医院充分利用积累的大量临床数据,让这些来自患者的临床数据能快速支撑临床研究,并将研究成果返回到临床,提升医疗质量。落地本土化学习型医疗系统,让患者的数据最终能够造福患者。”张少典说。

什么是学习型医疗系统?

据张少典介绍,美国国家学术出版社曾于2013年发表文章称,今天的医疗系统存在证据与患者预后(医疗成效)的严重脱节。也就是说,许多科研成果在患者身上产生了多少实际效果是很难说清的,临床数据利用度不足存在大量浪费。理想的科研,是以不断优化患者预后(医疗成效)作为临床研究的出发点。科研人员不仅要关心实验室里发生了什么,更要关心真实的临床环境下患者是否得到了更好的治疗。

在张少典看来,深度挖掘医疗数据潜在核心价值,正是弥合这一鸿沟的必经之路。

所谓“学习型医疗系统”,就是从患者在真实临床条件下所生成的数据出发,用这些数据支撑临床研究,再用生成的科研成果去优化临床效果、优化患者体验,最终形成闭环。张少典认为,可以将学习型医疗系统分为两部分:一是患者数据驱动临床研究,二是临床研究成果要能快速地回到临床。“临床研究赋能临床,让患者的数据最终造福患者。”张少典说。

美国在这方面已经取得了很多进展。张少典以PEDSnet为例进行了阐述。PEDSnet是由美国最好的八家儿童医学中心协作组成的,包括顶尖的波士顿儿童医院、费城儿童医院等。因为单中心无法积累足够多的病例进行研究,需要进行跨区域、多中心的临床数据整合,才能有效地加速科研发展、提高疗效。“先是针对某一领域,建立通用数据模型(CDM),这样不同的EHR数据汇集以后,在同一个CDM的框架下,能够被不同用户去调用、查阅、检索,去支撑队列研究。从IT的角度看,它像是区域平台,以支撑大规模临床研究为侧重。”张少典表示。

张少典进一步举例介绍了PEDSnet的研究成果:ImproveCareNow是一个研究小儿克罗恩病的机构,它以PEDSnet为基础,开展了大规模、跨中心的真实世界研究,快速收集了4000例样本,4个月即验证相应结果,1年后就把该治疗方案投放回了8家儿童中心,有效地将IBD(炎性肠病)缓解率由原本的50%优化提升至77%。

“他们以最快的速度把临床生成的数据进行研究形成结论,最后再返回到临床。按照传统方法,从研究到临床广泛使用可能需要数年、甚至十几年的时间。”张少典强调说,“快速转化就是学习型医疗系统的精髓所在。

单中心在这方面做得最好的则是梅奥医院,从梅奥的经验来看,构建学习型医疗系统需要三步:一是把临床数据转化成有效的科研数据,科研数据要符合CDM框架、符合科研标准、符合科研数据的颗粒度;二是把研究数据变成研究成果,系统要支持患者随访、数据采集,支持队列研究;三是把研究成果返回给临床。在第三步,梅奥有一系列决策支持系统,这是梅奥领先的地方。

中国医院构建学习型医疗系统的困境

张少典认为,我国医院要构建学习型医疗系统主要面临着两大难点:

首先,中国医院有很多临床数据,但几乎都不能直接用于科研。数据的集成程度、标准化程度和结构化程度都比较差,维度也与科研不同。很多医院都建了医院信息平台、CDR,平台或CDR与科研级临床专病库的区别在于,不是为专病定制、不是以科研为目的,从数据的角度说它的维度是需要转换的。

研究级别的数据对质量的要求非常高,需要进行数据治理。在维度转换上,要把记录形态的数据变成能够支持挖掘和分析的数据。研究平台还要支持随访的数据录入、后面的数据分析等。

其次,中国医生用于科研的时间很少。即便有时间做科研也是做基础科研,很少做临床研究。而美国是有单独的群体在做临床科研。所以,中国医生更需要工具来辅助科研。

森亿智能的解决方案——AI驱动的临床科研一体化平台,正是为了解决上述两大难题。该平台有两大核心功能:一是数据治理,把院内临床数据、院外随访数据,有效整合成科研数据中心。这一过程包括很多内容及技术难点,如:数据标准化、数据结构化、把数据归纳到一个CDM的框架之下、科研表单的编辑、数据质量控制等。二是提供辅助工具,帮助医生加速临床研究的产出。包括数据分析、数据挖掘、研究设计等方面的工具。

其中,CDM(通用临床数据模型)是完成数据规范化组织、支撑数据应用的关键,据张少典介绍,OHDSI是一个由哥伦比亚大学医学中心牵头成立的组织,OHDSI有自己的一套CDM侧重于把临床数据治理成为能够支撑临床研究,尤其是大规模观察性研究。森亿智能也沿袭了OHDSI并进行了充分的本地化,构建了符合中国临床研究实际同时也跟国际标准接轨自己的CDM,以支撑不同类型的临床研究在国内落地。

为什么说是AI驱动?

张少典谈道,森亿智能是做中文医学自然语言处理出身的,这是数据治理的基石之一。“所谓数据治理,要把临床数据转换成有效的科研数据,其中一件事情是将原始医学文本中的关键临床信息及语义关联关系全部提取,将不规范用法和错误用法自动规范化、标准化、归一化,最终映射成为标准的数据形态,归纳到CDM框架之下。这也是我们的核心技术。”张少典说。

首先,AI应用在数据治理的标准化过程中。医生录入的诊断大都是非标准的,系统可以自动地将其进行归一和标准化成完全标准的诊断。张少典举了一个诊断编码校正的例子:医生录入的原始诊断是“L4椎间盘突出”,它的标准诊断名称是“腰椎间盘突出”,对应的ICD编码是M51.202。这一过程可以通过AI完成,节省了人工成本,而传统都是由医生做二次录入。

“我们可进行基于自然语言处理技术和知识图谱的智能搜索,精准匹配研究对象。比如搜乳腺癌,系统能把乳腺肿瘤、乳腺恶性肿瘤等各种表达都能自动识别出来,包括近义词、同义词和包含关系。”张少典说。

其次,AI应用于数据采集和患者管理。“临床研究要搜集患者的院外数据,要做随访和患者管理,也可以通过AI完成,包括:随访问题的问答、随访表单的自动发送和自动收集。减轻科研随访负担,提高患者活跃度。”

智能化CRF(随访表单)自动录入,加速科研数据收集。智能化填写CRF表单,自行定义数据采集表单,及时准确完整,支持多种数据录入方式和数据质量校验。专科患者服务精准化,降低失访率。系统与微信打通,移动端发送给患者,不需要寄信或打电话。

张少典还强调了这套系统的几个特点,(1)学习型医疗系统独立于生产系统,持续积累数据资产;(2)院内部署,不是云端部署,数据安全及隐私保护完全可以保证;(3)部署时间短,实施成本低;(4)统一平台,兼顾全院和科室特色。这是一个全院级平台,不同科室想要做科研只要开账户,配置自己专科的数据模型、专科表单,就可以了。

张少典希望自己的团队能够帮助医院形成高质量的科研数据资产,而不仅仅是原始的临床数据资产。这就需要构建全院的科研信息化平台,提升临床研究的科研能力和意识,最终形成临床与科研的转化体系。

【责任编辑:谭啸】

 

您必须 登录 才能发表评论!