医疗大数据在心脑血管疾病中的应用研究∗

（青岛科技大学 青岛 266061）

1 引言

心脑血管疾病患者伴发症较多，起因复杂，免疫力、耐受力较低，复发几率较高，治疗以控制为主，极难治愈。所以心脑血管疾病一直为慢性病主要研究的对象之一［1］。《中国循环杂志》一篇报告的调研数据表明，当前中国心脑血管疾病患病率及死亡率仍处于上升阶段，且患病率与年龄成正比。截止于2018年，心脑血管患病人数为2.9亿人，其中患者年龄构成中老年人占比约为60%［2］。

将大数据技术应用于医疗领域，给心脑血管疾病的诊疗提供了新的突破契机。伴随生命科学、信息化和大数据的高速发展，医学数据出现了爆炸式增长，为疾病研究、个性化诊疗、医疗卫生统计决策、流行病预警和趋势预测等提供数据支撑［3］。但数据增长过快的同时，出现了数据关联性强、周期性长、隐私性敏感和冗余度大等问题，导致数据计算强度增大。基于传统医疗大数据的分析处理方式将迎来巨大挑战。

医疗大数据是一种对大量数据运用数据挖掘、云计算、人工智能等方式，找寻其中隐藏的、具有应用价值的、解决实际相关问题的技术。数据主要来源于临床试验、医药分析、诊断治疗、健康体检等医疗业务所产生的大量的、模糊的、不规范的、有噪声的、不可预测的数据。其中以心脑血管疾病的诊疗为目的产生的数据，为心脑血管疾病大数据。

文章分析了医疗大数据的相关概念，总结心脑血管疾病大数据所具有的特征。阐述了目前心脑血管疾病大数据的应用方向，分析并提出其研究所面临的问题和展望。

2 心脑血管疾病大数据特征

通过采集心脑血管疾病大数据发现，除具有一般大数据的5V特征外（Volume、Variety、Velocity、Value、Veracity）［4～5］，还具有关联性强、周期性长、隐私性敏感的特征。

关联性：心脑血管疾病具有“发病率高、致残率高、死亡率高、复发率高、并发症多”的特点［6］。患者体内的醇类和脂类物质无法正常代谢，导致沉淀累积并引发血管、血压、血液发生异常。通过心脑血管疾病大数据分析，症状之间具有显著的关联规则。如麻木、虚弱、肢体感觉障碍等症状，主要与脑血管疾病相关；阵发性呼吸困难、心悸、胸闷等症状，主要与心血管疾病相关。心脑血管疾病大数据的关联性为解决疾病研究提供了方法依据。

周期性：心脑血管疾病是一种复发性强的慢性疾病，需要患者长期按规律检查。伴随检查所生成的数据是一组时间序列，数据指标随治疗情况的走势进行变化，具有一定的周期性。在治疗过程中，患者不同病症时期所产生的数据信息，对后续治疗手段的选择有一定的影响。因治疗时间长，出现未知事件概率也就越大，如若导致数据的重采集，则会进一步拉长治疗周期。

隐私性：心脑血管疾病患者在进行多次医疗检测时，期间所涉及的数据都为患者的个人隐私，尤其部分数据是涉及个人生活、安全、财产信息的敏感数据。Latanya Sweeney教授指出，通过邮编、出生日期、性别而确定一个人的概率为87%，具有严重数据泄露危险［7］。数据泄露状态下，患者数据会在未授权和不知情的情况下被重复、全面甚至卖给第三方利用，患者对自己隐私的掌控权利大大减弱［8］。在确保数据处理质量的同时，也会对隐私安全策略的构建造成一定的影响［9］。可见，患者隐私安全问题，为心脑血管疾病大数据应用所具有的独特问题做铺垫。

综上，心脑血管疾病大数据所呈现出的特征，与疾病的诊疗模式具有一定的因果关系。把握心脑血管疾病大数据具体特征，有利于其在心脑血管疾病方面的研究与应用。

3 心脑血管疾病大数据研究进展

医疗大数据被广泛地应用在心脑血管疾病的研究中，从医疗数据存储系统中提取患者的诊断、检查、检验、体征等信息进行分析，对患者、医师、科研人员都具有极大的帮助。心脑血管疾病大数据蕴藏大量有价值的信息，可应用在如下几个方面中。

3.1 心脑血管疾病药物作用分析

心脑血管疾病大数据的一个重要应用是进行药物作用分析，根据疾病具体症状，科学选择用药。古人云“是药三分毒”，如何高效用药，避免药物不良反应，是医疗过程中需要着重对待的问题。据文献统计，门诊病人药物不良反应的发生率为0.3%～0.5%，而住院患者达10%～20%［10］。尤其目前治疗的主要方案是依靠药物控制病情，进行患者用药情况数据分析，对促进药物效果的改进，保障医疗用药安全有重大意义。

冯变玲等利用患者用药后出现不良反应案例数据，得出心脑血管疾病常用药物不良反应症状，为使用此类药物患者提供用药安全分析［11］；除此之外，McDowell SE等通过心脑血管药物应用文献数据分析得出，不良反应与不同种族人群具有一定的关联，为药物的适用人群提供了风险分析［12］。

3.2 心脑血管疾病关联分析应用

心脑血管疾病患者并发症多，症状与疾病之间存在一定的关联规则，导致研究人员多采用关联分析法进行分析。找寻数据之间存在的关联关系，可以为患者的诊疗和防治带来便利。分析数据之间的异常值，确定相关病症诱发因子，做好病理关系分析，为心脑血管疾病的诊疗手段提供重要数据参考。

宁峰等通过对青岛市常住居民血糖检测数据进行分析，发现糖尿病患者会增加患冠心病和脑卒中的死亡风险［13］；张艳芳等通过内蒙古常驻居民身体状况数据，阐述了代谢综合征与心脑血管疾病及死亡的关联性［14］；除使用患者症状数据之外，胡媛通过对基因数据进行关联分析，发现缺血性心脑血管疾病的发生与MTHFR基因多态性有着密切的联系［15］。

3.3 心脑血管疾病风险预警

医疗大数据对心脑血管疾病的研究具有前瞻性。不仅局限于诊疗过程中的应用，对疾病防备策略的制定同样有帮助。李吉庆等通过大量人群数据进行构建风险预测模型，实现高准确度的心脑血管疾病风险预测，达到疾病的早期干预目的［16］。陈金宏在博士论文中分析，利用心脑血管疾病大数据搭建人工神经网络，对心脑血管疾病预测构建模型，为精准医疗的实现提供了参考依据［17］。

由此可得，医疗大数据可以更深层次地研究心脑血管疾病潜在的问题，Vcelak提出将原始和挖掘的数据提供给医生［18］，可在临床决策、辅助诊断、风险预测等方面提供全面的数据支持。

4 心脑血管疾病大数据面临的问题和挑战

医疗大数据已经广泛应用在心脑血管疾病的诊治过程中，对病症指导提供有价值的信息。但是要更广泛高效地开发大数据，还需要面临诸多的挑战及问题。

4.1 数据周期长

周期问题为心脑血管疾病大数据的采集带来了长期的挑战。心脑血管疾病大数据所具有的周期性长的特征，致使数据的收集需要投入更多的时间和精力。为进行一项数据收集，需要持久保持与数据源交流。导致在保证数据低失访率的同时，还要维持数据的基础量级，就需要提升医疗成本。

4.2 数据难共享

共享问题给数据的存储方式带来关键的挑战。心脑血管疾病的治疗周期长、易复发。若造成患者转诊情况的发生，将导致数据失访，降低数据质量。因隐私安全问题，目前医疗机构之间无法实现数据共享。共享问题的存在容易造成数据孤岛，数据分散存储无法进行高质量分析，也就无法获取高价值信息。

4.3 数据分析

分析问题给心脑血管疾病大数据带来核心的挑战。心脑血管疾病大数据具有极强的关联性，导致在进行数据分析时需要进行关联计算。同时数据中存在较多的冗余数据，数据量大，计算时间长，很难实现实时计算。数据量的增长速度要快于数据分析技术的更新速度，需要科研人员进一步研究分析策略。

4.4 数据隐私安全

保障数据隐私安全是心脑血管疾病大数据应用的基础挑战。心脑血管疾病的“四高一多”特点，会促使患者数据被频繁采集，因目前安全系统未达到绝对安全，对数据的操控依然含有人工元素的参与，存在数据的隐私泄露、非法交易等隐患。

5 结语

心脑血管疾病大数据的特征分析，为其应用奠定了基础。大数据技术的发展，给心脑血管疾病的突破带来了新的机遇。但是迎来机遇的同时，还需要面对诸多的挑战，尤其是目前国内医疗大数据的应用研究水平与西方国家相比，仍有较大的差距。国内大数据发展所面临的问题，使得应用发展存在很多限制，无法进行更具有价值的医学研究。为此需要科研人员进一步完成问题攻关，实现医疗大数据的高效应用。