[出处] 教育教学论坛_2022年第35期

王俊波，郑雅婷，高族倫，颜成毅

（浙大城市学院 医学院，浙江 杭州 310015）

医疗大数据是在整个医疗行业运行过程中产生的海量数据，这些数据集合了整个行业的发展特点，贯穿于医疗事业的发展全过程，具有重要的价值。医疗大数据可分为医院医疗大数据、疾病监测大数据、互联网及社交媒体数据、生物大数据等。临床医疗大数据凭借其高敏感性和高时效性，在智慧医院、疫情防控中广泛应用，为人们的生活带来了极大的便利，为社会大众的健康提供了坚实保障。

一、临床医疗大数据助力智慧医院建设

（一）分级诊疗

分级诊疗不仅可以帮助病人选择符合自身疾病层级的医院就诊，缓解大型医院的压力，还使得患者数据可以在大型医院与下级市、县医院之间交流共享，有利于病人的双向转诊。目前的分级诊疗机制虽然在一定程度上优化了医疗资源的配置效率，但是信息只能以层级化的传递机制在上下级之间进行传递，并不是实质上的信息流通，导致医疗机构之间信息资源差距大，大医院人满为患，基层医疗机构则门庭冷落，医疗资源严重错配。而社会普遍认为：基层医疗机构整体素质不高，并不是从业的第一选择，也进一步导致基层医疗机构的低落。

（二）电子病历

电子病历既是医院医疗大数据的重要来源之一，也是医疗大数据在医院内的又一典型应用。医疗大数据的应用价值在电子病历的共享方面尤为显著，医院之间共享电子病历有利于为彼此的疾病诊疗提供帮助。电子病历的共享尽管存在重要的价值意义，但国内多数医院还不能实现。究其原因，保护病人隐私是其中的一个方面。此外，资源占有与现实利益也是医院需要考虑的地方。要想真正发挥医疗大数据的价值，应着眼于发展信息技术，采取提高医疗和信息化的复合型人才贮备、资金投入、建立健全电子病例规范等措施。

（三）医学影像学

使用数据影像辅助可以大大提高诊疗效率和准确度。目前，人工智能最为主要的是应用计算机辅助诊断系统（Computer Aided Diagnosis,CAD），它将图像处理、计算机视觉、医学图像分析等有效结合，帮助医生快速发现病灶，提高诊断的准确率。影像数据的质量决定了人工智能模型学习的结果，标准的影像数据和规范的数据标注是医疗影像AI发展的关键，但是，我国目前存在设备标准不统一，甚至同一台设备也会因造影剂量等因素而产生差异，导致CAD的实行存在一定的困难。

二、临床医疗大数据助力新冠肺炎疫情防控

（一）以“数”制“疫”，精准防疫

2020年初，新型冠状病毒肺炎暴发并迅速蔓延至全球，疫情防控迫在眉睫。在信息时代，运用大数据技术可以帮助相关机构更好地分析疫情发展情况，从而在疫情防控工作中发挥重要作用。来自临床一线的科研数据在疫情防控中具有独特的优势：一是高敏感性，专业医疗卫生机构对疫情的反应快于民众，具有信息优势，对于突发公共卫生事件具有较高的敏感性；二是数据更新的高时效性，随着防疫工作的开展，专业科研人员不断对数据进行分析整理，使数据更新呈现高时效性。

（二）疫情期间临床大数据的相关应用

1.机器人的分诊任务。机器人代替消毒、测温、送药、送餐等基础工作，有效地降低了医务工作者交叉感染的风险。此外，数据分析机器人还能够帮助医生分担接诊压力，如北京大学首钢医院使用智能语音服务机器人做基础的导诊工作，并能协助医生远程对患者进行诊疗。

2.AI读胸片。针对新冠肺炎疫情期间患者流量大、传染性强等特点，AI图像识别技术在其中发挥了积极作用。针对新冠肺炎病情严重程度的分级及疗效评价，依图研发的新AI系统凭借其强大的数据分析能力，能在2～3秒内完成定量分析，并支持多人阅片，且敏感性、特异性均较高。此外，智能天眼CT、云端新冠AI筛查算法、智能远程会诊等技术在医院的应用，既有助于医生快速阅片，又能降低放射科医生被感染的风险。

3.科学超算法助力药物研发。新冠肺炎疫情期间，一些科技公司与医疗机构合作推进药物研发，如全球健康药物研发中心GHDDI与阿里云合作开发了人工智能药物研发和大数据平台，针对SARS/MERS等冠状病毒的历史药物研发进行了数据挖掘与集成，并实时向科学界和公众公布新冠病毒的最新科研动态。华为云、阿里云、腾讯云等亦通过贡献自己的先进算法和算力资源，助力加速新药及疫苗的研发进程。

4.新冠肺炎诊疗服务平台的应用。互联网诊疗平台发挥了大数据、人工智能等领域的技术优势，同时结合卫健委最新版的新冠肺炎诊疗方案，在疫情防控期间，向公众提供新冠肺炎相关的防控知识、防治措施、就诊指导等一系列在线问诊服务。海南省互联网医院开通的新冠肺炎诊疗服务平台，联合16家互联网医院，整合了约20万名在线医生诊疗资源，根据不断变化的疫情形势及公众需要提供诊疗服务。

5.重视医学临床人文数据。新冠肺炎疫情期间，人群易出现焦虑、抑郁等负面情绪，因此，要加强对医学临床人文数据的关注，有利于将人民群众的心理健康干预纳入疫情防控整体部署，从而减轻疫情导致的心理伤害，有助于疫情后迅速恢复生产，回归社会稳定常态。

三、临床医疗在大数据应用过程中面临的挑战

（一）大数据的采集与存储

数据的采集与存储是医疗大数据整合过程中面临的第一大挑战，病历数据是临床医疗大数据的主要来源之一，临床医疗大数据的深度挖掘对病历数据的完整性、真实性、有效性都有较高的要求。对病历数据进行采集与存储主要有三大困难：一是病患隐私问题，医务人员在询问收集病患信息时，难免触及病人隐私，可能存在病患隐瞒、错报信息的情况，从而降低数据的完整性与真实性；二是数据烦琐冗杂问题，医务人员为了避免遗漏患者的相关信息，在收集病患就诊信息时出现了“能存则存”的现象，这种做法导致医院信息系统存储了大量的“无用信息”，大大降低了数据的有效性；三是数据层安全问题，数据层安全主要是指数据在采集、传输、存储、交换的过程中，因非偶然或者恶意原因而遭到破坏、更改等。

（二）大数据的筛选

目前，医院所收集、存储的医疗大数据，仅有少部分研究性数据具有初步的前瞻性处理，大部分临床数据属于日常记录的流程数据，其价值密度较低，无法用于医疗大数据的深度挖掘与分析，而是否能对大数据进行有效筛选则成为解决这一问题的关键所在。对此，医生建议要做到数据的有效筛选，可先设定临床研究，再来采集数据，即前瞻性的数据采集。前瞻性数据不仅可以提高数据的真实性、完整性，还有利于提高医疗数据的有效利用率。

（三）大数据的共享与深度挖掘

数据共享可以显著提高医疗大数据的利用率，使其效益最大化，从而实现医疗大数据的深度挖掘，提升地区乃至全国的整体医疗水平。目前，各大医院之间并未实现数据共享，仅存在同一医院各科室之间的数据共享，以及各大医院之间不定期地对典型案例的学术交流。各医院使用不同的电子病历软件系统，存在自我保护，数据难以在不同软件系统之间流通共享。虽然近几年医疗卫生信息标准化工作在方法学认识和标准制定方面都有所发展，但总体上仍处于学习和模仿阶段，制定的一些标准落地较为困难。虽然现阶段尚未实现全面的数据共享，但多数医务人员表示数据共享将会成为一种趋势，未来可能会存在一卡通，使医疗数据在电脑上实现全部联网，从而实现对医疗大数据的深度挖掘。

四、临床医疗大数据对教育的挑战

（一）大数据应用中面临的教育改革

大数据倒逼教育改革已在高校教育中初见成效。近几年，由于大数据在各行各业的广泛应用，类似于“数据科学与大数据技术”的新兴专业出现在人们的视野中。以浙大城市学院为例，现已开设数据科学与大数据专业，专业必修课程涉及“大数据技术概论”“数据库原理”“数据结构与算法”“数理统计基础”“数据分析基础”等课程。但医学专业的必修课程与数据分析相关的课程仅设有“大学计算机应用基础”课程，临床医学专业亦是如此。因此，为适应社会需要，医学相关大数据的教学改革势在必行。

临床医疗大数据的教育改革可从与医务人员有关的临床、护理专业，以及与信息管理人员有关的计算机、电子信息等专业入手。首先，针对医务人员对临床数据“能存则存”的现象，在临床、护理等专业的高校教育中可增设与临床医疗数据筛选、管理有关的必修课程，也可使通识课程中的计算机类课程与专业特色相适应，将计算机类课程的授课内容调整地更具临床特色。此外，针对临床数据管理中心人员由于缺乏相应医学背景知识而无法对临床大数据进行有效筛选的现象，计算机、电子信息等专业的高校教育可增设与医学相关的选修课程，此类医学课程可向感兴趣的学生普及与临床医疗大数据有关的浅层次医学背景知识。其他类型大数据的人才培养也可从相关专业的高校教育入手，通过交叉学科的方式提升未来大数据就业人员的专业能力，从而解决大数据采集、存储过程中面临的难题，促进大数据的深度挖掘与应用。浙大城市学院计算机与计算科学学院顺应时代需求，在2021年新开设了人工智能专业，充分利用浙江大学在人工智能领域的学科优势和杭州市打造“数字经济第一城”“数智治理第一城”对人工智能的发展推动作用，以及国内外行业领军企业（如华为、谷歌、中科曙光、中控、新华三、大华、寒武纪等）的深度对接，产学合作协同育人，从而满足社会对人工智能人才的需求。

（二）大数据促进教学模式创新

教育改革有利于大数据的深度挖掘与应用，而大数据应用于教育可以促进教学模式的创新，实现个性化学习，改善学习成绩，使学生掌握更扎实的专业知识。信息化时代的来临，各行各业的信息化建设蓬勃发展，高校教育也不例外。高等教育正面临重大转折，与基础教育相比，高等教育更趋向于个性化学习，学习的独特需求、主动教育、针对性训练是其显著特征。对此，大数据应用于教育所带来的教学模式创新可发挥积极的作用。相较于传统数据，大数据的采集具有实时性、连贯性、全面性和自然性的独特优势，凭借这些优势，同时应用学习分析和教育数据挖掘两大关键技术，大数据可通过分析个别的、微观的受教育者在课堂的状况，及时调整教学行为，实现个性化教育。

学习分析技术是具有广泛应用价值的大数据技术，并已成为教育中的一项新兴技术。2011年，首届学习分析与知识国际会议（Learning Analytics，LA）将学习分析定义为：“为了理解和优化学习发生的环境，对学习者及其情境的数据进行测量、收集、分析，并形成报告”。学习分析技术对于学生、教师、管理人员、研究人员及技术开发人员均具有重要价值，为评估、预测学生的学习表现，发现潜在问题，提供更具针对性的教学干预而优化学习。与学习分析技术相比，教育数据挖掘技术侧重于寻找教育模式，发展新的算法，通过建立学生特征模型、监管网络学习过程、构建有效学习模式等方法更好地理解学生及其学习的环境。

目前，凭借学习分析技术与教育数据挖掘技术两大手段，大数据在教育中的个性化应用愈发广泛，且取得了一定成效。网络在线教育和大规模开放式网络课程就是大数据在教育中的典型应用。此外，为大众所熟知的慕课、翻转课堂、微课等新型教学模式的成功开展也为高等教育的个性化学习开辟了发展空间。浙大城市学院充分利用“学在城院”“智云课堂”等教学平台，通过建设完善智慧教室，做到网络同步直播课堂、随时随地观看课堂教学直播及回放，大大方便了教学。

五、展望

临床医疗大数据具有极大的应用价值，它在分级诊疗、电子病历及疫情防控等方面得到了广泛应用，为我们的日常生活带来了极大的便利。但同时，医疗大数据仍缺乏有效的整合与利用，数据的采集、存储、筛选、共享方面存在诸多需要攻克的难关。对此，高校的教育改革可发挥积极的作用。期望临床医疗大数据在未来能够攻克数据整合利用、共享等方面的难关，在深度挖掘的基础上，使其更多地应用于临床，从而提升国内的诊疗水平，为社会大众提供更为坚实的健康保障。