HIT专家网
来源：HIT专家网 记者：谭啸
“大数据（Big data）是一种难以开发的资源，人工智能（AI）是打开资源价值之门的钥匙，而机器学习（ML）是实现人工智能的一种技术手段。这三个概念整合在一起，称之为‘大数据分析’。”6月30日，在2018中美健康医疗信息论坛上，国家卫生计生委统计信息中心原副主任王才有发表主题演讲，题目是《健康医疗大数据应用与行业治理》。
王才有表示，最早在2012年的南湖HIT论坛上他就开始讲大数据，但是这些年来却“只听楼梯响、不见玉人来”，效果并不如想象的那么理想。当然也有进步，那就是大家对数据更重视了。
数字医疗欠缺整体风险感知能力
开发电子病历的初衷是什么呢？2004年，美国国立医学研究院发布报告显示，每年有4.4万-9.8万美国人死于医疗事故，每年的医保投入高达3000亿美元，医保投入如此之高却并没有有效改善治疗效果。所以，在美国总统小布什任期时就提出：要让每个美国人都有一份电子健康档案。“初衷是用数据去解决问题，解决医疗费用快速增长、医疗质量不可靠、医疗安全等问题。”王才有说。
解决问题的效果怎么样呢？确实解决了很多问题，避免了很多差错，比如：电子处方系统确保医嘱清晰可读；辅助决策系统提醒医生药品配伍禁忌、药品计量是否合理、患者是否药物过敏；药品摆药机准确传输药品；护士扫描保证，确保5R（正确的患者、正确的药品、正确的剂量、正确的时间及正确的给药途径）。
可以说，数字医疗解决了很多问题，但问题依然严峻。王才有介绍，2016年，美国霍普金斯大学对35416020份住院病历进行分析，发现有251454个属于医疗差错的个案；研究人员又使用2013年住院人数推算出，医疗失误每年导致的死亡人数应是25万以上；排位在美国CDC发布的第三顺位死因之前（呼吸系统疾病的死亡人数是15万）。
王才有还介绍了一个案例——加利福尼亚大学贝尼奥夫儿童医院，这家医院的信息化做得很好，但依然发生了住院患者药品严重差错事件。根据《美国新闻与世界报道》的排名，该医院是全美顶尖的儿童医院之一。这家医院虽然有一流的团队、一流的信息系统（使用Epic系统），但在2013年却发生了一件让人震惊的药品差错事件：一名16岁男孩服下高于正常39倍的复方新诺明。为什么如此精细化的信息系统，却没能有效识别风险和控制风险呢？
“我们不应该把错误完全归罪于个人，研究表明，很多医疗差错在于医疗系统的问题。”王才有谈道：“（1）医院的分工越来越细，造成碎片化的服务，协调不充分，缺乏整体观；（2）碎片化的医疗保险网络；（3）质量安全网缺失或无作为；（4）缺少对诊疗模式随意改变的监测与问责，比如：软件厂商为了免责，系统会产生大量提醒，信息系统每天给医生的提醒达到几百次甚至上千次，医生很恼火，就关掉了提醒功能，但没人知道。”
“安全问题是‘奶酪原理’，把很多奶酪叠放在一起时，某个因素如果从奶酪洞洞中一直穿过去，危险就出现了。”所以，王才有强调，整体风险感知能力建设变得十分重要。
大数据整合碎片化信息，实现整体风险感知
医疗与信息的碎片化是客观现实，如何做到整体的风险感知？这就要依靠大数据分析，大数据能整合碎片化的信息，并完整描述事物的客观存在状况。
“过去，盲人摸象是一件很愚蠢的事，而大数据确实就是用盲人摸象的方法解决了对大象的认知。”王才有说，“虽然每个人摸的是不同的部位，但当我们把不同的部位整合在一起、还原成一个完整视图的时候，它就是大象了。这就是大数据的作用——整合碎片信息，获得事物完整视图。”
大数据还能发挥更多作用、承载更多期望，比如：更早地预测治疗方法的效果；更有效地支持临床决策；实时的生命体征信息监测，准确预测和识别患病风险；全面和及时地获取感染数据，早期识别院内感染风险；更多的数据积累，有利于未来风险识别、风险规避、风险评估；通过DRGs（疾病诊断相关分类）实现控费、绩效和质控，等等。
但实际上，大数据承载的这些期望都实现了吗？答案是否定的。王才有认为，如下几点让人们对大数据应用感到失望：一是数据质量差，医疗数据由医务人员录入，占用医生太多的时间；二是数据碎片化，系统要求采集的数据，有不同目的性，信息是碎片化呈现的；三是数据集成利用低，分析的结果不一定能够成为行动。
上述这些失望是什么原因造成的呢？首先，大数据目前还是共享得不够，大家都在讲共享，却没有人愿意把数据拿出来；其次，数据质量与异构问题，不同的人收集不同的数据有不同的目的；第三，标准问题，标准能统一吗？是统一，还是互操作？第四，数据分析的结果，不一定能够成为行动。
王才有以药品编码问题为例进行分析，FDA（美国食品药品监督管理局）的目的是对药品的生产质量进行管理，所以它的编码在招标采购环节是不能用的，因为招标采购涉及到剂型和剂量的问题；药品到医院后，依然存在不统一的问题：医生开药的时候说儿童应该每公斤使用多少毫克，这是它的标准，跟一盒有几片没有直接的关系，也无法直接关联统一起来。
“大数据是一个新生态，因为有更多的数据可利用、想利用，包括环境、行为、生活方式等；有更多的利益相关者，包括居民、医院、研究、产业、信息、管控等，他们要贡献数据和使用数据。”王才有认为，“为了把这些利益相关者的数据整合起来应用，我们的环境确实需要升级，包括政策环境、分析能力和技术能力等。”
关注大数据是为了实现大数据的价值，这就要依靠大数据分析。大数据、人工智能、机器学习，这三个概念是有必然联系的。大数据（Big data）是一种难以开发的资源，人工智能（AI）是打开资源价值之门的钥匙，而机器学习（ML）是实现人工智能的一种技术手段。这三个概念整合在一起，称之为“大数据分析”。
大数据的社会属性决定了必须采取治理思维
王才有谈道：“大数据是一个新的转折，它是不一样的数据，有不同的技术体系，在生产方式（社会化）、法规制度（隐私保护）、市场环境（数据交易）和文化氛围（数据价值）等方面都要做相应的改变。大数据是技术创新，同时更需要制度创新和机制创新。”
为什么要关注大数据的社会属性？首先，数据不再是自产自用，而是数据的生产者与使用者相分离；其次是生态创新，数据社会化生产需要新的社会生态模式，无论是政府方法还是市场方法，都面临着失灵的问题；第三，数据利益从共享发展到共用。
为了让大数据发挥更大的价值，需要关注和研究大数据治理上的创新。信息的本质是人对世界认知的碎片化呈现，每个人收集信息的时候，都是从个人的角度去考虑问题。而数据具有社会属性，需要利益相关者多中心的管理与治理，创新机制，从而保证数据的一致性、完整性和可控性。
治理是一种新的手段，它要解决好数据标准，元数据管理（注册、标识、使用声明），数据质量（清洗不准确、不及时、重复），数据管理服务（评估优质数据、劣质数据、异常数据）等一系列问题。
“数据管理与治理是不同的，它们是解决数据整合与利用的两种方法。这两种方法分别解决不同的问题，二者相互补充。比如：发放市民卡是管理问题，使用其作为就诊标识是治理问题。”王才有表示，过去我们用统一管理的方法解决问题；但是现在，大数据时代，带来了多元的、异构的、不能统一的新问题。其原因是数据生产者与使用者相分离，为此需要构建数据社会化生产利用新的生产方式。这是一种社会性问题，需要用治理的思路去解决。（根据录音整理，未经本人确认）
想加入HIT专家网专业交流群吗？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）
【责任编辑：谭啸】
评论前必须登录！
注册