导读
信息化水平不断提升，健康医疗数据采集量也将呈几何倍数增长。利用AI等技术对健康医疗大数据分析，让其服务于临床和运营，有助于医疗机构变“被动”为“主动”，实现“大数据”智慧管理。
近年来，“健康医疗大数据应用”相关内容频繁出现在各地的政策中。《云南规划》对其的定义是“在确保患者隐私的基础上，推进健康医疗大数据互通共享，充分释放大数据支持卫生健康服务与行业治理潜能。”国家卫健委等部门发布的《“十四五”全民健康信息化规划》也提出，加强健康医疗大数据创新应用与行业治理，激发数据要素价值，推动健康医疗大数据在疾病预防、健康管理、辅助决策、药物研发、医疗保险、精准医疗、营养健康等方面产业化、规模化应用。
《全民健康信息化调查报告》曾对现有的医疗数据的应用情况做出分析：现阶段医院各项大数据应用仍处于低位，三级医院应用数量占比不足20%，二级医院应用数量占比不足5%，院内医疗数据潜力仍需进一步发掘应用。
就院内健康医疗大数据的应用而言，可从临床和运营两个方面入手。其中，临床决策支持是临床大数据应用的主要方向之一。 《医疗机构临床决策支持系统应用管理规范（试行）》将临床决策支持系统（Clinical Decision Support System，CDSS）定义为，通过应用信息技术，综合分析医学知识和患者信息，为医务人员的临床诊疗活动提供多种形式帮助，支持临床决策的一种计算机辅助信息系统。简而言之，CDSS的出现是为了帮助医院通过“数据治理”触达“临床管理”。 NLP等人工智能与大数据相关技术在医疗行业的应用深入，使得CDSS能够清晰“理解”需求，为临床医生提供诊断、治疗、护理、手术、合理用药等方面的决策支持，同时可为具体疾病提供建议、提醒、报警、计算、预测方面的决策支持。 《2023医疗大数据白皮书》提出，不断升级的ChatGPT等大语言模型，为健康医疗领域人机智能对话等带来了更多可能。如何将医学健康先验知识融入大语言模型，提升AI模型生成结果可解释性、确保数据安全合规等问题，有待进一步研究和解决。 据CDSreport观察，已有不少厂商将大语言模型用于临床数据的挖掘和分析。以惠每医疗大模型为例，将医疗大模型集成在新一代AI大数据处理平台中，通过海量医疗数据在一系列大模型上重新训练而成，已实现了鉴别诊断生成、出院小结生成以及病历质控等临床应用功能。以鉴别诊断为例，大模型本身具备更加优秀的语义理解和生成能力，更贴合鉴别诊断生成的思路。医生在书写鉴别诊断文书时，可以通过CDSS提示信息，在三个自动生成的鉴别诊断结果中进行选择或评价。 从医院运营层面来看，健康医疗大数据创新应用的一项重要内容是绩效考核。2020年度全国三级公立医院绩效考核中，就充分应用“大数据”技术，统计分析了3.89亿份病案首页和184.7万项其他数据，以及3.25万条佐证资料，进而对各医疗机构进行考核。 对于医疗机构来说，利用大数据分析技术，在海量的大数据中挖掘出最具价值的数据信息，应用到医院运营管理当中，已成为各项管理工作得以顺利展开的重要保障。《2023医疗大数据白皮书》指出，在相关医疗IT企业的支撑下，部分医院经营数据已得到了充分分析应用，管理人员结合大数据分析平台提供的各项数据，可全面了解医院各科室经营管理情况，对原有的经营管理制度及经营状态进行实时调整。 以单病种管理为例，一些医疗信息化企业利用自然语言处理等AI技术，基于单病种标准化诊疗路径，对偏离临床规范的缺陷项目以及患者在院资源消耗的变化情况实时预警，同时整合患者全病程数据并进行AI多重校验，可实现数据自动抓取与上报。 随着信息化水平不断提升，数据采集量也将呈几何倍数增长。研究显示，一般的医疗机构，每年产生的医疗数据（包括影像）将会有1TB-20TB，一些大型的医院数据量甚至达到300TB-1PB。在如此庞大的数据面前，利用AI等技术对健康医疗大数据充分挖掘和分析，让其服务于临床和运营，有助于医疗机构变“被动”为“主动”，实现“大数据”智慧管理。 【参考资料】 刘辉：健康医疗数据，要用好也要管好 健康医疗大数据治理的健康权面向
