基于医疗大数据的可视化分析与应用

陆军军医大学第一附属医院医学大数据与人工智能中心，重庆400038

引言

我国许多医院经过几十年信息化发展，积累了大量的临床诊疗数据，这些数据都是很具有医学价值的，但受困于当时技术的发展，这些数据在管理和使用上还不够规范和完善。近年来，随着大数据技术的不断发展成熟，医疗卫生数据也符合大数据的特点，医院构建大数据平台能够将这些数据进行有效汇聚和利用，以大数据分析和治理为基础，为医院提供决策支持[1]。

大数据平台将数据进行汇聚和治理后，如果不能找到有效的方法和工具对数据进行分析和展示，那么沉淀在医院里的海量数据将会失去它的价值。所以，如何利用可视化技术，将医疗数据以更科学的方式展示出来，为医院管理层和医护工作者提供决策支持，提升诊疗效率，是当前在医院信息化的建设过程中需要重视的一环。

1 医疗大数据类型

医疗大数据是指个人从出生到死亡的全生命周期过程中，因为门诊、住院、随访、体检等所产生的医疗数据。通过对医疗大数据的分析和研究，可以分析出存在的问题，挖掘出诊疗关系图谱等重要价值，为医疗决策提供支持。医疗大数据的来源类型如图1所示。

1.1 电子病历数据

电子病历数据是患者就医过程中所产生的数据，是诊疗过程中最全面和最有价值的数据，也是医疗数据最主要的产生地。电子化的诊疗病历方便了病历的存储和传输，但是并未达到进行数据分析的要求，大约80%的医疗数据是自由文本构成的非结构化数据，通过医学自然语言理解技术，将非结构化医疗数据转化为适合计算机分析的结构化形式是医疗大数据分析的基础[2]。例如，在血液病中，我们首先抽取两个关键词“白血病”“贫血”作为类别疾病，其次将这两种疾病相关的症状，如：头晕、发热、贫血、骨骼疼痛、肠绞痛等提取出来，最后利用提取出来的词汇做一个矩阵分析，通过结构化和归一化处理，利用接口和医院系统对接，只要有相似的描述即可给医生进行提示，给出如诊断等可视化图形比例供医生参考[3]。

图1 医疗大数据类型

1.2 检验数据

医院检验机构和第三方医学检验中心均产生了大量患者的诊断、检测数据。我们可以利用这些检验数据，搭建基于大数据平台的分布式系统构建可视化后的LIS数据，提升检验数据应用效率。例如，我们可以设计一套以病人为导向的LIS数据可视化系统，首先设计一个新的元素体，包括：元素号、样本号、检验名称、检验时间、检测值、异常值等几个变量；其次，设计一个人体部位映射对象XML文件，将临床检验数据与人体部位相对应，形成节点映射表，最后形成以病人为单位的数据存储在同一个映射对象文件中。医护人员可通过系统查询到病人检验数据可视化的变化图形，以此掌握病人病情的变化[4]。

1.3 影像数据

医学影像大数据，是由DR、CT、MR等医学影像设备产生所产生并存储在PACS系统内的大规模、高增速、多结构、高价值和真实准确的影像数据集合[5]。影像数据增速快，标准化程度高，数据量非常庞大，但标准化、格式化、统一性是最好的，我们可以转换一种形式更直观地查看影像数据。例如，我们可以获取影像设备生成的影像数据，这些数据包括影像图片、患者信息、检查描述、检查结果、检查时间等，然后将这些数据进行整合，再把所有整合的数据进行格式转换，并存储于大数据平台中；最后，医护工作人员通过终端进行数据访问请求，将影像信息以一种图表化的形式直观地呈现在医护工作人员面前[6]。

1.4 费用数据

医院费用和成本数据类型多、来源广，特别是后期在DRGs按疾病诊断相关组付费模式中，需要详细的成本数据核算，更需要对这些费用数据进行可视化的分析和研究。通过大样本量的测算，建立病种标准成本，加强病种成本核算和精细化成本管理。费用的可视化展示可选维度较多，例如：我们可以选取病人、科室、医生、药品、诊断或是疾病为蓝本设计相关可视化图表。例如，我们就以某一个病种为蓝本，通过建立它的关联性，提取出如科室、用药、诊断、治疗难度等各种相关信息，不仅能将各科室的病人费用进行直观比对，还能体现出收治难度与费用额度的正反比关系[7]。

2 基于大数据的可视化分析与应用

通过构建大数据平台，将来源及格式多样的数据进行汇聚，通过平台对数据进行清洗和治理，利用可视化技术将数据价值进行展示，更加直观地为医院和医护人员提供分析和决策支持[8]。下面，我们分别以医生和科室为角度，对其相关数据进行可视化分析和研究。

2.1 可视化分析方法及流程

进行一个可视化任务时，首先我们要分析我们这次可视化的出发点和目标是什么：“我们遇到了什么问题”“要展示什么信息”“最后想得出什么结论”“验证什么假说”等。数据承载的信息多种多样，不同的维度呈现的展示方式也会有差别。只有想清楚以上问题，才能确定我们要过滤什么数据、用什么算法处理数据等。其次我们要分析数据，这是至关重要的一步，因为每次可视化任务拿到的数据都是不同的，数据类型、数据结构均有变化，数据的维度也可能成倍增加。最后就是把之前的分析和设计付诸实践，在制作过程中，再不断调整需求、不断地迭代（有可能要重复前两步），最后产出我们想要的结果[9]。可视化流程如图2所示。

图2 数据可视化流程

2.2 以医生为角度的可视化应用

医生是医院的核心，他们的相关指标数据对于医院的发展具有很高的参考价值，能够为诊疗效率和医疗质量的提高提供最直观的展示[10]。医生的数据承载的医疗信息多种多样，从不同的维度就会有不同的侧重点。在展示之前，我们就需要设计好：过滤什么数据、展示什么数据，以此来提升展示的价值[11]。

例如，我们以一位医生为例，我们可能不关心他创造的收益，但我们对他的医疗救治情况很关注，那我们就以他的收治情况为维度，通过对他的看诊人数、住院管理人数、抢救人数、收治病症、治愈率、抢救成功率、质控扣分等，多角度分析出他的就诊效率和救治难度，得出他的医疗质量扣分主要存在哪些方面，能够帮助医生后期采取有针对性的措施进行加强，提升诊疗效率和医疗质量安全[12]。同时，因为治愈率、抢救成功率与收治病症难度也有关系，不能只通过治愈率和抢救成功率评价医生，还必须加入收治病症难易程度作为关联参考，经过可视化的关系图谱分析和展示，直观呈现的数据才能给科室和医院领导提供最客观的决策支持[13]。医生数据可视化截图如图3所示。

图3 医生数据可视化截图

2.3 以科室为角度的可视化应用

科室数据是医院各项指标考核的基础，临床科室产生的数据对医院管理具有很高的参考价值。科室数据不同于医生，它的可视化分析侧重点更加倾向于管理和效益，能够为医院即将实施的DRGS提供一定的数据支撑。

例如，我们以一个科室为例，以收治病种和费用产生为维度，通过对科室收治病人人数、病种、费用、科室药品和耗材使用的相关费用、质控等，为科室的医疗质量提升提供参考依据。同时，通过药占比和耗占比分析，横向与其他科室比较，找出问题与差距，有针对性的降低使用比例，满足医院管理规定[14]。科室医生工作量、开药比例的统计和分析，能够帮助科室提升质量管理和规范绩效管理。科室数据可视化截图如图4所示。

图4 科室数据可视化截图

3 应用效果

3.1 提高医生就诊效率

大数据可视化分析能够帮助医生特别是经验欠缺的医生更有针对性的看诊，因为有些患者在与医生沟通和描述上可能会有误差，导致诊疗出现偏差[15]。通过系统可视化的数据分析，建立完整的关联性，使医生对患者所有医疗数据一目了然，即使病患的病情超出医生经验范围，也能协助医生更有针对性地看诊，和病患的沟通也更加方便，避免出现误诊，在可视化分析后，医生就诊平均人数由之前的看诊40人/d提升至60人/d，有效提升看诊效率。看诊趋势图如图5所示。

图5 2019年某医生每月某个周一看诊人数

3.2 提升医疗数据质量和使用效率

医院以前的数据只有在做报表或是临床科研的时候才会被使用，而且由于底层医疗数据的规范性不强，导致数据质量较查，传统数据库方式查询效率也较低[16]。通过医疗大数据平台对各种类型的医疗数据进行清洗、治理，运用切词、结构化、归一化等技术手段进行处理，提升了医疗数据质量，在对临床医疗数据进行分析时，能够给医院工作人员更直观的可视化图表分析界面，将医疗数据使用效率由原来的10%～30%，提升到80%，提升效率明显。具体使用效率趋势图如图6所示。

图6 医疗数据使用率

3.3 完善医院信息化建设

医院以前还停留在普通的信息化项目建设上，通过大数据平台架构建设，将医疗数据进行整合和处理，完成数据可视化应用，为医院提供决策支持、诊疗辅助、科研学术等支撑，将医院信息化水平提升为智慧化建设水平，为医院医疗建设的飞速发展和数据应用打下坚实的基础[17]。

4 结论

基于大数据平台的可视化技术的研究与应用，能够充分利用医院的医疗数据，将数据以可视化的图表形式进行展现，实现数据有价值的分析，一眼发现问题，多角度定位问题，分析原因，找到规律，掌握趋势，为医院管理者和医护人员提供决策支持，增强对数据的洞察力和决策力，提升诊疗效率[18-19]。随着大数据和人工智能等前沿技术的不断发展，数据可视化能够不断地完善知识积累和智能学习[20]，相信未来该技术在医院智慧化建设方面具有一个很好的应用前景。