基于SWOT模型的大数据在医疗领域应用分析

■ 杨立成高雅杰王耀刚赵道致

基于SWOT模型的大数据在医疗领域应用分析

■ 杨立成①②高雅杰①王耀刚①赵道致②

大数据 大数据医疗 SWOT模型 医院信息化 临床决策支持

通过对大数据概念的介绍，阐述了其在临床决策支持、个性化医疗、健康监测、流行病监测与预报等医疗领域的几个典型应用，分析对比了国内外大数据医疗的应用状况。运用SWOT模型系统分析了大数据医疗的数据量大、应用范围广等优势；医疗信息平台尚未联通、数据挖掘难度大等劣势；技术支持、政策支持等机会；数据泄露风险、数据真实性有待提高等威胁。据此，提出应突破管理机制、深度挖掘医疗大数据，提高其真实性、提高医疗大数据的安全性等建议。

Author's address：Tianjin Medical University, No.22, Qixiangtai Road, Heping District, Tianjin, 300070, PRC

①天津医科大学，300070 天津市和平区气象台路22号

②天津大学管理与经济学部，300070 天津市南开区卫津路92号

随着信息技术的发展，大数据逐渐成为人们的研究热点，其在电商、金融、体育等行业已有许多成功的应用。最早被看作大数据主要应用领域之一的医疗行业，早就遇到了海量数据和非结构化数据的挑战。近年来很多国家都在积极推进医疗信息化发展，这使得很多医疗机构开始做大数据分析。

目前学术界普遍引用的大数据定义为：大数据，或称巨量资料，指的是所涉及的资料量规模巨大到无法通过目前主流软件工具，在合理时间内达到撷取、管理、处理、并整理成为帮助企业经营决策更积极目的的资讯[1]。

1 大数据医疗

结合大数据定义及医疗领域的特点，得出医疗大数据的定义：医疗行业中产生的海量数据可称为大数据医疗。其来源包括四类：制药企业/生命科学、临床医疗/实验室数据、费用报销/利用率和健康管理/社交网络[2]。

在医疗领域，可以利用大数据的分析处理能力，来促进整个行业的发展进步。尤其是疾病预防方面，如果充分利用大数据的优点，实现医院之间的相互联网，则可以很好地判断疑似患者流向、及时控制疫情。同时利用大数据又可促进新药物等的迅速研发，减少时间，减轻传染病的危害。比如，一所医院在为患者进行治疗时，发现某些方式不成熟，就可以利用大数据及时搜索相关医院的信息，及时获取有用的治疗信息来给患者做治疗服务。这既可以缩短时间，及时抢救患者，又可以及时进行疫苗研制，提出预警。

与其他行业相比，医疗行业有其自身的特殊性和复杂性。医疗行业不仅拥有海量数据而且类型多样，其蕴含的信息价值丰富多样。如能对其进行有效存储、处理、查询和分析，在医疗行业的多个领域都将大有可为。

目前，大数据在医疗领域的应用主要包含以下几个方向：药品研发、个性化医疗、临床决策支持、流行病预报与监测、远程患者的数据分析及人口统计学分析等方面。以下简要介绍大数据在医疗领域的几项典型应用。

1.1 临床决策支持

临床决策支持系统可以降低医疗费用，保证诊疗工作的准确高效。将大数据分析技术用于临床决策支持系统可以使该系统更加智能化。比如：数据挖掘医疗文献数据库可以给医师提出更合理的诊疗建议，提醒医师防止药物不良反应等潜在的错误，也可以使用图像分析和识别技术，识别医疗影像数据，提高诊疗的质量，这主要得益于大数据分析技术对非结构化数据的强大分析能力。

1.2 个性化医疗

对例如基因组数据的生理大型数据集分析，然后进行个性化医疗。全面分析患者特征数据和疗效数据，包括考察患者基因排序，对特定疾病的易感性和对药物的特殊反应关系，在治疗过程中针对患者的特殊性进行针对性治疗。

1.3 健康监测

结合智能穿戴设备以及移动APP实时获取患者的健康信息，建立一个数据库。对患者的健康做出预测和提醒服务。例如提醒患者及时服药及其可能会出现某一方面的健康问题，要求注意饮食和生活习惯。由于医疗物联网由这些智能无线穿戴设备组成，每时每刻都会产生数据，与大数据密切相关。从目前的研究现状来看，智能穿戴设备在当今以至将来，都是信息科技与医疗结合的主要攻关方向。

1.4 流行病监测与预报

大数据技术也可以用于流行病的监测与预报。中国疾病预防控制中心建设的国家传染病与突发公共卫生事件网络直报系统已经投入运行，每年有600多万的个案信息由全国各地上报并存储，现在网络直报系统覆盖了全国所有县级以上疾控机构。上报的海量数据通过大数据技术能够进行全面的疫情监测和分析，并通过集成疾病监测和响应程序，预测传播途径和时间，以便采取有力的措施降低流行病的感染率。

2 国内外大数据医疗发展现状

2.1 大数据在国外医疗领域的研究和应用现状

医疗大数据在西方各国的作用日益显现，相应得到了各国的重视，尤以美国为代表。奥巴马政府投资数亿美元用于促进医疗大数据的发展，如美国国家卫生研究院对遗传的研究，建立了世界最大的遗传变异研究数据集：国际千人基因组项目[3]。还制定了《健康保险隐私及责任法案》，规定医疗服务业严格遵守该法案，从法律上来完善医疗大数据的良性运行，发挥其积极作用。除此之外，许多公司利用大数据来分析人类基因序列，同时考察基因的变异及对特殊药物的反应，从而借助大数据进行相关药物的研发。

2.2 大数据在国内医疗领域的研究和应用现状

与国外相比，国内医疗领域的大数据起步较晚，数据挖掘发展缓慢，但近几年出现了蒸蒸日上的发展态势。例如，2004年初，国家传染病与突发公共卫生事件网络直报系统由中国疾病预防控制中心建设并实施运行。经过10年的发展，该系统几乎覆盖了所有县级及以上的疾控机构，大大缩短了报告时间。同时覆盖多种传染病，且建立了对霍乱等疾病的监测，及时做到对传染病的自动预警,降低了传染病大爆发的可能性。2013年召开的“中国心血管临床研究数据共享平台高峰论坛”，使得推进心血管临床研究数据共享平台项目由概念阶段正式步入到开始细化行动方案的阶段[4]。

3 基于SWOT模型分析大数据医疗

3.1 优势分析（Strengths）

3.1.1 数据量大。医疗行业是一个生态系统，这个生态系统中的各个角色在运转的医疗生态环境中产生了大量的数据。作为医疗提供方的医疗机构掌握着患者的医疗档案，如各类门诊记录、住院记录、影像记录、用药记录、手术记录、随访记录、医保数据等。作为医疗服务和产品支付方的商业保险公司以及社会保险积累了病种、医疗消费项目及费用的相关信息。大数据的优势是能够处理海量的数据信息，海量的数据增大了挖掘出更多有价值信息的可能性。

3.1.2 应用范围广。大数据在医疗领域的应用十分广泛，例如：个性化诊疗、临床决策支持系统、远距病患监测、疾病防控等领域都有十分广阔的应用前景。

3.2 劣势分析（Weakness）

3.2.1 医疗信息平台尚未联通。医疗领域的海量大数据对于推动我国医疗卫生的发展提供了必要的条件，但是目前的现状是医疗大数据在很大程度上散落于不同地区的医疗单位内部，没有实现共享。

3.2.2 数据挖掘难度大。医疗领域的海量数据是非常有裨益的，但难题伴随而生。如何把医疗领域产生的所有活动变成数据，如何将数据与挖掘出该领域的专业信息相结合，这是个很复杂目前又未解决的问题。由于海量数据需要大量资金来维护，这大大加重了政府的负担。医学领域不同于其它领域，其数据挖掘人才除了需要过硬的计算机知识，还须具备专业的医学知识，这正是这个行业最棘手的问题。

3.3 机会分析（Opportunity）

3.3.1 技术支持。信息产业的革新与智能终端的普及为大数据的发展提供了良好支撑。云计算作为一种新兴技术，提供便捷的按需网络访问，改变了数据的存取和访问方式。云计算为大数据强大的数据分析和计算能力提供了平台。

3.3.2 政策支持。2015年8月31日，国务院发布了《关于印发促进大数据发展行动纲要的通知》，该纲要指出在公共服务大数据工程中要构建医疗健康服务大数据[5]，这也是本文着重要介绍的大数据医疗。

3.4 威胁分析（Threats）

3.4.1 数据泄露风险。大数据增加数据泄漏的风险，对患者隐私保护构成严峻挑战。用于研究的医疗大数据尽管经过匿名化处理，仍存在个体身份被重新确认的风险。2013年一项基于欧洲150万手机用户的研究显示，由于运动模式的可预见性，只需知道同一部手机的4个位置点和相应时间，就能以95%的准确率定位一个用户[6]。给予我们的警示是，传统的个人隐私保护盾牌，包括告知与许可、模糊化和匿名化，在大数据条件下可能会失去效用。

3.4.2 数据真实性有待提高。大数据会采集海量的医疗信息，在此过程中不可避免地会出现数据缺失现象。这可能源于患者信息收集不全、计算机数据存储错误等原因，为后期的分析与建模质量增加了不确定风险。医疗“脏数据”是虚假数据，是未能反映真实情况、扭曲了真实情况的医疗数据。通过“脏数据”会得出错误结论，进而导致错误的预测结果，不但不会对医疗发展起到积极作用，甚至可能产生消极作用。医疗数据的使用需要与经验、实证相结合。

4 建议

4.1 突破管理机制

从宏观层面来说，国家需要配套和完善相关的法律、政策，突破因地区、部门利益造成的壁垒， 改变对医疗数据共享不太重视的传统观念等，打破传统的管理机制局限，为医疗大数据共享提供一个有利的环境。从微观层面上看，医院必须提高管理规范，制定完善的规章制度，从内部规范协调好医院各部门，做到从医院本身来说能真正及时有效地实现医疗大数据的共享。

4.2 深度挖掘医疗大数据，提高其真实性

目前对医疗数据的处理基本处于表面阶段，挖掘的深度不够，其真实性无法充分体现出来。一方面，需要加大数据挖掘技术的研发，从工具上解决大数据挖掘的难题。另一方面，从数据的源头做好，加强数据的规范化管理，为数据挖掘减少阻力。碍等问题。随着信息化技术的发展，这些问题将逐步解决。可以预见，在不久的未来，大数据的应用会渗透到医疗应用的更多领域。

4.3 提高医疗大数据的安全性

从技术层面，加强数据安全技术的研发和更新，减少技术漏洞。从法律层面，完善隐私安全保护等相关性法律。

综上，从计算机、互联网、云计算到物联网，大数据已渗透到医疗服务的方方面面。大数据改变了传统就医模式，结合可穿戴设备与移动医疗颠覆了个人健康管理方式，为临床诊断和疾病治疗提供了新的解决方案。但同时大数据也面临患者隐私安全、海量数据收集难题、区域医疗共享障

[1] Manyika J，Chui M，Brown B，et al.Big data：The next frontier for innovation, competition,and productivity[M].New York：McKinsey Global Institute,2011.

[2] 张振,袁周毅,杜守洪,等.医疗大数据及其面临的机遇与挑战[J].医学信息学杂志,2014,35(6):3.

[3] 王忠.美国推动大数据技术发展的战略价值及启示[J].中国发展观察,2012(6):45.

[4] 中国信息界(e医疗).中国心血管临床研究数据共享平台助力心血管临床科研与质控[J].中国信息界(e医疗),2013(9):95.

[5] 国务院.国务院关于印发促进大数据发展行动纲要的通知[Z].2015-08-31.

[6] 沈韬,崔泳.医疗大数据:期望与现实[J].中国数字医学,2015,10(7):2-5.

Application of big data in the medical field based on SWOT model

YANG Licheng, GAO Yajie, WANG Yaogang, ZHAO Daozhi//Chinese Hospitals.-2016,20(3):71-73

big data, healthcare based on big data, SWOT model, hospital informatization, supporting clinical decision making

Based on the introduction of big data, key applications in medical field such as supporting clinical decision making, individual healthcare, health situation monitoring, epi monitoring and prediction were discussed and compared.SWOT model were used to analyze the bid data application.The strength were big sample and applied widely.The weakness involved non in common information platform and the difficulties in data mining.The opportunities included technical support and policy support and the threats were the risk of information betray and the data quality.It is considered to innovating management mechanism, strengthening data mining and improving the safety of healthcare information.

国家自然科学基金（71273187，71473175）

王耀刚：天津医科大学副校长，教授E-mail: wyg@tmu.edu.cn

2016-01-07](责任编辑 张晓辉)