一名医院信息工程师“赶考”大数据的体会

来源：HIT专家网    作者：陆军军医大学西南医院  王飞

   【编者按】近期，从“落后就要挨骗”、到信息科如何避免成为专业“背锅侠”，HIT专家网刊发的多篇投稿，均聚焦到医院信息化人才队伍的能力建设问题。这是一个老生常谈、长盛不衰的话题。何故？一句话，形势逼人，战鼓催征！

    特别是医疗大数据时代的到来，临床科研大数据热兴起，业务可用性成为需求的出发点，更是检验智能系统成效的唯一标准。有的临床科室直接越过信息科就开始联合外部力量开展大数据应用。一些医院信息部门愈来愈感觉到无形的压力。如何把挑战转变为自身再次成长的机遇？确保自身在医疗信息化重心转向新阶段的过程中不被边缘化？

     选择有二：要么被动随波逐流，很快被时代所淘汰；要么奋起振作，主动充电，做新时代的弄潮儿！

     医院信息工程师，你做何选择？做好准备了吗？

医疗信息化经过30多年发展，信息系统从最初单机版到全面网络化、集成化，再到现在的平台化、区域化、智能化，已然沧桑巨变。回首过往，医院信息工程师们始终陪伴左右，荣辱与共。

作为从事医疗行业的信息工程师，我们每天忙碌于医院的信息化日常工作，穿梭在医院门诊、住院、后勤等各个部门，调研信息化需求，实施信息化项目，处理各种应用问题。凭借专业素养和技能，用心建设与维护各类信息系统，保障业务系统的连续性，为医院信息化服务水平的提升默默贡献自己的一份力量。

一路走来，信息工程师专业人才队伍也逐渐壮大，从兼职到专职，从业余到专业，从基础硬件维修到核心业务管理，我们在成长。

大数据时代对HIT人提出新要求

随着大数据、物联网、云计算、人工智能、区块链等技术在医疗行业的不断深入应用，一场以大数据和人工智能为代表的智能革命正在酝酿。现如今，大数据与人工智能已上升为国家战略，特别是在医疗领域，已经演变成挑战传统诊疗模式的综合竞技。例如，针对医学大数据的研发打开了临床诊疗与医学科研的“数据通路”；智能语音识别、医学影像诊断、虚拟医生助手等各种应用也均是医疗与AI结合的典型案例。

每一次社会与行业的转型都会带来机会与挑战，新的时代我们还能否跟上步伐？从前的我们熟悉数据库管理，熟悉面向对象的编程语言，熟悉网络、存储架构；如今，我们面临的是医学AI、大数据分析等系列前沿技术与应用。对于这些“新鲜玩意儿”，不得不说我们还处于“新人”阶段。我们该如何去面对、去选择适合我们的技术发展方向？如何继续作为一名合格的医疗信息化践行者呢？

三个层面实现自我升级

大数据与人工智能技术所包括的学科十分广泛，包括信息学、医学、数学、自动化等众多学科理论，主要研究内容涵盖了知识表示、机器学习、自然语言理解、计算机视觉等前沿技术。这些领域对于医疗信息工程师而言，往往十分陌生，毕竟在以往的信息化工作中极少涉及。面对新环境、新技术、新要求，医院信息工程师需要从知识回顾与学习、数据处理与服务、智能应用与创新三个层面去逐步探索。

1、知识回顾与学习

首先，需要了解大数据与人工智能领域，建立起全面的视野。其次，我们要选择学习大数据与人工智能的基础知识。在大数据方面，要了解Hadoop生态系统，了解生态系统中HDFS、HBase各模块的作用；同时，可以整理一些知识，包括批处理计算的MapReduce、Spark，处理流计算的Storm、Flume、Streams，处理图计算的Hama、Pregel，以及用于查询分析计算的Hive、Dremel等。

在人工智能方面，基于统计的机器学习占据了主导地位，我们需要回顾高等数学、概率论、数理统计与随机过程、数学建模等基础知识；再了解分类、遗传、人工神经网络、深度学习等算法，特别是针对医疗领域的算法。

通过知识回顾与学习，逐渐建立起在大数据与人工智能方面的知识认知与积累，为数据服务与人工智能应用奠定知识基础。

2、数据处理与服务

合理利用数据资源，整合数据信息，不在于掌握了多少数量庞大的信息，而应该着重提升对信息数据的处理能力。对海量数据，面向临床与科研，我们能够提供什么样的数据服务？最少，以下几点是可以去努力实现的：

一是架构基于Hadoop架构的医院医疗大数据基础服务平台。通过ETL工具，将HIS、EMRS、急诊、康复、手术麻醉等系统数据进行整合、清洗、归一化处理，为上层应用服务提供准确的基础数据支撑。

二是建立医疗大数据搜索引擎。通过对结构化与非结构化数据的后结构化、切词等处理，细分结构化字段，满足多指标的科研数据搜集，实现临床资料在短时间内的遍历搜索，提供可进行临床回顾性研究的辅助工具。

三是开发临床科研数据采集分析系统。包括科研项目与eCRF录入、病种库管理、受试者导入与管理、表单统计等功能，将历史积累的病历数据转化为支撑学科发展的战略信息资源。

四是开展诊疗辅助支持。在诊疗过程中即时使用历史数据，与文献、知识库集成融合，提供基于历史数据与知识库的个性化诊疗建议，并与门诊、住院医生站高度集成融合，实现在诊疗过程中做科研。

五是建立医学高性能计算服务平台。利用超级高性能计算平台资源，通过基因数据分析、跟踪、对比研究，建立大数据基因测序平台，服务于个体健康和人类基因组数据应用，包括BWA序列比对、Picard序列出具处理、GATK基因分析、VCF结果数据呈现等实现形式。

另外，对于数据的处理与二次开发，我们可去熟悉Kettle、Talend、 Informatica等ETL工具和Tableau、FineReoport等报表工具，力争形成独立自主的大数据研发能力，持续为临床与科研提供数据服务。

3、智能应用与创新

人工智能技术在医疗领域的落地，需紧密结合医疗信息化需求与场景应用。对于目前市面上相对成熟的应用，一方面可以直接引进；另一方面，对于这些技术，还需要以研究的态度去不断创新，包括医疗场景的应用创新，模型、算法的研究创新等。以下是一些实例：

影像AI。现阶段在肺结节、食道癌、乳腺钼靶等方面提供了辅助筛查产品。在临床应用中，要时刻关注准确率，要对比分析机器学习所得出的结论与医学专家结论之间的相似度与差异性。我们还可进一步了解病灶标注、模型训练等内容，甚至于可试着和临床医生一起去调整训练模型的参数，以探索一些新的结果与方向。

智能语音识别。包括电子病历语音录入、检查报告语音录入等场景应用。除此之外，我们可为移动护理场景探索基于移动端小屏幕的智能语音识别，为医患对话场景探索自动生成病历等创新应用，还可基于医疗知识图谱构建问诊交互逻辑、与智能预诊机器人对话、自动形成病史小结并推送给医生等应用拓展。

人脸与生物识别。利用人体固有的生理特性（如指纹、脸象、虹膜等）来进行个人身份的鉴定是目前最为方便与安全的识别技术。在挂号、缴费、打印报告等多个环节融入人脸识别，有助于解决困扰医院多年的号贩子问题，有效整治就诊秩序。对医护人员来说，人脸、指纹、虹膜与信息系统的结合，也可以防止伪检、替检的现象发生，规范就诊环境。

多模态数据交互意图理解。这是一个让机器从看清到看懂的过程，比如手势与语音辅助，可应用于无菌手术环境中，帮助手术医生进行阅片与资料的调取。结合智能化的辅助决策，可实现手术流程的智能识别、危重症时间追踪预警及决策支持等。

由上可见，智能应用无处不在我们身边。随着人工智能领域技术的逐渐成熟，各项运用也将越来越密集。在未来的发展中，我们应当在牢固基础的同时进一步拓展智能医疗的应用与创新。

【小结】

当前，医院信息化发展突飞猛进，大数据、人工智能等新兴技术将不断变革传统医疗服务模式，必将从量变催生质变。只有通过不断学习，让自己的思路、理念和知识体系随着新时代同步升级，信息工程师才能在医疗信息化这条路上越走越远！（作者系陆军军医大学西南医院医学大数据与人工智能中心高级工程师）

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】