大数据与健康北京

陶丽新 霍达 郭秀花

信息技术与当今社会的交汇融合引发了数据迅猛增长,数据已成为国家基础性战略资源,被誉为“21世纪的金矿”。 2016 年全国卫生与健康大会审议通过了《“健康中国2030”规划纲要》,提出利用大数据实现“健 康 中 国” 的 国 家 战 略[1]。 依 据“健 康 中 国2030”,北京市制定了《“健康北京2030”规划纲要》,明确构建人口健康信息服务体系,推进健康医疗信息协同与大数据应用[2]。

1 北京健康领域的大数据

2011 年5 月,在美国举办的“云计算相遇大数据”主题会议上正式提出了“大数据”(big data)的概念。 大数据的特征可概括为“4 V”:①数据容量(volume)大,常常在PB(1 PB=250

B)级以上;②数据种类(variety)多,常常具有不同的数据类型(结构化、半结构化和非结构化)和多种数据来源;③产生和更新速度(velocity)快(如实时数据流),时效性要求高;④科学价值(value)大,尽管利用程度尚低,却常常蕴藏着新知识或具有重要预测价值。 医疗卫生领域是大数据技术应用最为广阔的市场,北京健康信息中存在多种大数据:通过社区卫生信息服务系统获取的大数据、通过医院电子病历系统获取的大数据、通过健康物联设备获取的大数据等。

通过社区卫生信息服务系统获取居民电子健康档案,是居民健康管理方面的重要数据基础。 北京地区的社区卫生服务系统发展较为完善,截至2015 年底,共有1 594 家社区卫生服务站和332 家社区卫生服务中心为广大社区居民提供服务,16 个区卫生健康委所属社管卫生服务管理中心作为各区社区卫生服务工作的中枢,对辖区社区卫生服务机构及其工作进行管理、监督、质量控制和考核,逐步完善并形成了居民电子健康档案大数据[3]。 此外,北京健康大数据也有基于专门设计的医学研究或疾病监测数据,包括各种抽样调查和疾病监测数据、医保数据、居民营养与健康状况调查等。

医院的电子病历是主要的健康医疗大数据,主要来源于医院常规临床诊治、科研和管理过程,包括急、门诊病历和住院病历,影像资料,实验室检测,用药记录,手术记录,随访问卷和医疗保险数据等[4]。 2011年,北京市卫生局启动了全市预约挂号统一平台,通过电话和网站两种方式为公众提供服务。

通过健康物联设备获取大数据是移动技术、互联网和健康服务融合的产物,是电子健康监测和远程医疗的新扩展。 由生物传感器组成的健康物联设备是获取个体健康信息的基础设备,是健康管理数据采集的来源。 随着可穿戴设备和移动互联网技术的发展,针对移动和家庭场景的远程心脏监护和心律失常筛查成为预防心血管病的有效手段;研制可穿戴设备实时监测血压、运动,通过柔性电子皮肤监测血糖等是新的科技潮流[5]。 随着科技的发展,各行业商家抓住时机,开发出一系列便携式监测设备和配套应用(APPs),可获取和使用用户健康信息数据。

2 大数据中的北京健康

健康大数据的意义不仅在于掌握海量数据,更在于对有价值的数据进行挖掘分析从而实现数据的“增值”。 首先需要对北京健康信息中的大数据进行整合,打破信息壁垒、信息孤岛和信息垄断;继而利用各种适宜的、先进的大数据分析方法,从中挖掘信息、获取新知识。 因此,北京健康信息中的大数据分析过程需要依靠可靠、规范、庞大的数据资源。 针对不同来源和不同格式的数据,规范化的收集和存储是第一道工序;数据分析处理的过程中主要用到数据挖掘技术,通过数据建模进行数据分析和结果预测,并以数字与图像相结合的方式进行呈现。

在疾病发生前的预防阶段,通过对已有的居民电子健康档案或历次健康体检资料增加个体行为方式、环境因素、遗传背景等信息,可以构建疾病预防与风险评估大数据。 并以健康人群作为对照,通过挖掘和分析,归纳疾病相关因素,评估患病风险、指导行为、减少暴露,进而降低患病率。

在发病后临床治疗阶段,如何利用健康医疗数据和健康医疗知识库开发新型应用是一个关键问题。健康医疗领域大数据应用范围广泛,几乎涵盖整个生命周期。 健康医疗大数据可提高对病情评估的准确性,有助于临床工作人员快速了解病人状态,确定治疗和护理方案。 通过对各种生理指标大数据的分析,可以更准确地预测病情变化趋势,使院内诊疗和看护更有效率。 医疗信息系统交互操作有助于减少医疗成本、改善医疗服务质量和效率、促进医疗资源配置均衡化[6]。

患者的院外监护对其康复有着重要的影响,短期再入院中接近1/5 的患者出院后30 d 内会再次住院,造成了严重的医疗资源浪费[7]。 对健康物联网设备获取的大数据进行分析、解释和利用,可以发现与再住院相关的因素,及时干预即可降低再住院率[8]。 随着大数据分析技术的不断成熟,大数据将渗透到各个行业的各个细节,改变人们院外的生活方式和就医体验。

当然,在北京卫生健康医疗大数据的分析、解释与利用过程中,还要注意个体信息的保密,防止未经授权的访问、使用、披露、破坏、修改、销毁等操作,也就是保障信息安全中经典的三性:保密性(confidentiality)、完整性(integrity)和可用性(availability)。

3 群体预防及精准干预与北京健康

随着数据科学在健康领域的快速发展与应用,对于个人健康状况的评价和管理,不仅仅依靠于医生的主观判断,而是基于海量数据分析的结果,使得个体化的评价和预防更加具有可靠性和科学性。 移动健康是群体预防和精准干预的载体,在母婴保健、慢病管理、传染病预防中发挥着重要的作用[9]。 例如,在哮喘的预防中,移动健康技术可通过检测环境标志物、个人发病周期、哮喘症状、药物使用情况,以及最大呼气流速和血氧饱和度等实时数据,预测哮喘发生、提示患者进行自我管理并与医务人员进行实时交流,给哮喘患者带来极大便利;在艾滋病的个体预防中,针对艾滋病患者的移动健康干预措施包括药物依从性干预、复诊提醒、疾病支持、推送实验室检测结果和临床诊断等方面,为个人的疾病管理提供了极大的帮助。

医疗卫生大数据的建设和应用为患者或亚健康人群实施疾病预防和干预提供了新方向。 通过云平台智能采集个体的健康数据,个人可以随时查阅、了解自身的健康状况;社交网络为患者提供了临床症状交流和诊治经验的分享平台,医生借此可获得院外治疗效果的统计数据;通过收集患者的健康信息,利用大数据对群体的健康危险因素进行评价,提出生活方式等方面的干预建议;利用互联网、移动设备和大数据分析对患者进行随访,可以追踪患者的康复状况。患者可以根据健康状况主动调节生活方式,同时医生也可以通过平台对患者进行指导,有效改善患者的身心状况、提高生活质量。 同时降低反复入院率,节约卫生资源。

精准干预对疾病的控制也具有不容忽视的作用。随着基因组学、蛋白组学、代谢组学、糖基组学等迅猛进展,涌现出大量的组学数据。 疾病的全基因组关联分析使我们获得了大量的疾病遗传标识位点,这些和个人健康相关的基因位点在基于各种组学大数据的挖掘与验证中被利用起来,使疾病的早期精准干预成为可能[10]。例如,针对糖尿病的预防干预,可以通过组学和可穿戴监测技术的数据整合,从分子水平和宏观生理水平进行分析,建立胰岛素抵抗的预测模型,从而取代目前繁复的检测过程,实现精准健康干预[11]。

对环境的监测与保护也可作为维护人群健康的一种策略。 可根据环境监测结果制定环境卫生标准,引导社会群众更好地保护环境。 把大量的以往没有得到足够重视的水质、空气、污染源监控视频信息的“大数据”进行集成、挖掘,把来自社交网络的大量非结构化的但具有生态环境信息意义的数据资源赋予数据系统新的深度,从而达到提高环境质量综合评价技术水平的目的[12]。 将海量、分散、实时变化的环保大数据进行挖掘并提取信息,以提升环境综合预警能力,为政府决策提供可靠信息;将大数据的分析结果社会化,以实现公众对环境保护的重视。 当前环保的核心已逐步转移到保护人群健康方面,将环境变量的大数据与人群移动、疾病预测、城市资源配置相关联,将环境污染程度与人群健康联系起来,通过模型分析,定量描述污染对不同敏感个体产生危害的风险,然后对相应敏感人群和特异人群实施群体预防或精准干预。