派兰数据：探索医疗大数据隐藏的真相

来源：HIT专家网     记者：朱小兵  孙鹏

派兰数据CEO 林勇

如果把医院各种业务信息系统产生的数据比作“原油”，仅仅开采“原油”还远远不够，要把“原油”提炼成“汽油”，并输送到一台高品质的“引擎”。作为一家初创型企业，上海派兰数据科技有限公司（以下简称：派兰数据），没有把自己定位成一个纯粹的大数据公司，而是立足医疗，基于真实世界研究，打造高品质的数据“引擎”，这才是派兰数据CEO林勇二次创业的初衷，即用人工智能辅助诊疗决策手段去赋能医院的诊疗行为，实现从“数据”提炼“证据”，从“证据”到医学转化的良性闭环。

本科毕业于西安交通大学、硕士毕业于新加坡南洋理工大学的林勇是一位连续创业者。2000年，林勇硕士毕业后即进入当时的新加坡电脑集团，先后为新加坡和国内的大型公立医院提供数字化解决方案。2005年，林勇回国参与创业，作为联合创始人之一创建了专注于高端民营和私立医院信息化的康博嘉信息科技（北京）股份有限公司，担任公司CTO直到2015年。在这十年专注服务国内医疗信息化建设的过程中，林勇逐渐体会到：用数据科技，从医疗大数据中获取洞察发现疾病背后的规律，挖掘健康医疗大数据更深的价值，助推医疗产业进一步发展将会是一次突破。这不只是医疗信息化企业未来发展的重点，也是整个医疗产业向前发展必须要逾越的一道门槛。凭借在IT领域的多年积累，林勇开始了他的第二次创业历程，从DT出发，用数据赋能医疗健康产业，派兰数据由此而生。

派兰数据的团队是一支来自计算机、医学、生物信息学、生物统计学等专业背景的跨界精英团队。2018年5月，派兰数据正式成为浪潮健康医疗大数据产业生态战略联盟的首批核心合作成员；7月，成功入围微软健康医疗垂直孵化加速营（北京）选拔赛决赛。

从IT到DT：真实世界研究的背后逻辑

基于真实世界的研究模式，派兰数据希望能够帮助临床找到数据背后更多的价值发现，探索疾病背后的世界，真实数据来自于临床并回归临床。比如，派兰数据最近根据某省会城市某一疾病患者登记的住址数据，完成了一份当地患者热力分布图，根据数据分析结果，可以在图中直观地看到患者分布情况。林勇告诉HIT专家网，“这张图做出来不只是一个数据分析的可视化效果，如果和临床需求结合，就可以实现患者精准招募。”

在林勇看来，将真实世界的数据分析和研究后，会得到很多传统研究中无法想象的结果，医疗大数据中隐藏着很多可应用于新药实验、临床研究及临床转化的价值。此前十多年，林勇一直围绕IT帮医院研发业务信息系统，积累了大量医疗信息化的实践经验和对医疗健康数据的敏感度。随着医院信息化的逐步普及和深入应用，医院信息系统和电子病历产生了大量业务数据和临床数据，医疗大数据对临床实践的改善和影响越来越大。同时，很多企业如保险公司、制药企业也对医疗健康大数据有需求。但是，直接利用业务系统或临床实验产生的数据，都不能直接去解决真实世界里许多长期存在的医学难题。比如研究某个地区的特定疾病的经济负担或药物疗效评价，是不可能直接找寻到特定人群来开展实验的，而是要在现实世界中去寻找符合特定要求的真实人群。

因此，如果只是去处理、清洗数据，那就只是“挖油井”和开采“原油”。数据处理本身是手段不是目的，把数据背后隐藏的证据找出来也不是目的，必须把临床科研大数据所蕴含的价值发掘出来去改善临床。“从真实世界的数据到真实世界的证据，这就是平时所说的真实世界研究。”林勇介绍，“也正是看到这些痛点，开始从HIT转型，派兰的愿景是洞察数据，找到医疗数据背后证据价值。”

要实现这一愿景，最大的挑战，还是数据的质量。医院信息化在流程和业务上越来越强，业务系统是流程驱动和功能驱动，而非数据驱动。大量临床数据混杂在医院HIS、电子病历、检查检验、院感等业务系统内。作为OHDSI中国的核心成员之一，派兰数据与OHDSI在数据应用领域展开全面合作，采用医学自然语言处理（NLP）将非结构化数据转化成统一、规范、结构化的数据，并且映射到临床通用数据模型（CDM），使数据能在不同机构（医疗机构、制药企业、保险公司、医疗设备企业和政府相关部门等）用起来。B2B2C是派兰数据的商业模式，即通过服务医疗机构和保险、医药企业，再进一步服务患者。

数据从临床中来，到临床中去

林勇认为，要发掘医疗大数据的价值，必须具备三个要素：

第一，大数据来自真实的世界，包括临床数据、健康管理相关数据等。由于目前超过90%以上的临床数据都来自于医疗机构，一方面派兰数据与多家医疗机构达成合作；另一方面，作为浪潮健康医疗大数据产业生态战略联盟的首批合作成员，派兰数据与浪潮集团正在共同开发利用区域医疗健康大数据，比如在浪潮医疗智能云平台上开展关于II型糖尿病的随访数据分析研究。这个区域级的随访队列跨度超过8年，累计有120多万名患者，超过千万条随访记录。

第二，找到大数据应用场景。真实世界研究是数据应用场景之一，同时，针对药物经济学相关评价也是重要的应用场景。比如DRGs，如何界定支付标准，涉及大量药物经济学评价指标，将直接影响医保政策。

第三，研究成果和证据，最终要反馈给医疗，去改进临床。比如，目前许多药物上市后，临床评价会影响下一代新药的研发，包括药品是否有更多适应症的拓展、安全因素风险能否降低等。

数据从临床中来，还要回到临床中去。派兰数据致力于打通这个持续改进的医疗闭环。“以前的医院信息化建设是按照流程来驱动功能，现在业务系统在产生了大量数据后，可以反过来通过分析数据背后的规律，去优化业务流程，甚至改造业务系统本身的功能。”林勇说。

目前，派兰数据开发上线了智能云平台，包括临床数据采集系统、医疗大数据分析云平台、临床科研一体化云平台、患者注册登记和随访云平台等多个产品。除了与机构用户合作，派兰数据还专门为医生开发了协作云平台，让医生无需编写代码，也无需使用任何分析工具，只要选择相关分析模型，便可将复杂的数据分析直接在云平台上生成各类可视化图表。

为医企研转化产出“赋能”

与健康医疗大数据“国家队”的合作，让派兰数据建立了“一个身位”的领先优势——获得授权访问大量区域级数据的权限，这也得益于派兰数据较早地帮助医疗机构、医药企业开展了真实世界的研究，寻找到了大数据的应用场景。

2017年，派兰数据与北京同仁医院展开了一个多中心研究合作，采用两个对比组共2万多患者数据，覆盖北京、河北、广州三个不同地区的多家三级综合医院的五年高血压患者数据。研究的方向是针对不同类型的降压药物在控制血压的同时对血压变异性的影响，分析不同类型的降压药对于血压控制的稳定性。经过4个月的研究，派兰数据利用大量回顾性真实数据发表了两篇会议论文，并很快收到了国际学术期刊JCER的主动约稿，与研究者合作撰写的论文于今年6月底正式发表。

派兰数据还承接了辉瑞、阿斯利康、诺和诺德、鲁南药业等大量国内外药企的系列课题研究，比如：“胰岛素治疗现状与相关医疗费用分析”、“糖尿病患者并发症相关影响因素分析”、“降脂药物使用模式分析”、“高血压门诊患者用药模式分析”、“原研药与仿制药研究”等。

林勇表示，AI最终会与医生并肩作战，而不是颠覆，用技术给医生赋能，然后更好地服务临床。AI 需要经过大量数据的不停训练，用得越多，模型就越精准。医生的记忆和经验有限，派兰数据希望成为医疗的赋能平台，而不仅仅是业务平台。通过分析不断累积的数据，可以持续优化决策，使得诊断和治疗越来越科学，做医生的得力助手。“今年，我们的业务进展取得了一些突破，欢迎DT领域的优秀人才能加入我们的团队，探索真实世界的数据研究，一道努力挖掘数据背后的价值，用数据技术来服务‘健康中国2030’。”

想加入HIT专家网专业交流群？请添加“HIT专家网”小助手微信好友后提交你的申请哦

（请注明姓名、单位名称、职务、主管技术或产品领域，以便有针对性加群交流）

【责任编辑：谭啸】