文/本刊记者 刘文生

    英特尔：掘金医疗大数据

    文/本刊记者 刘文生

    几乎每个医院都有这样一座沉睡的金矿，必须经过大数据工具挖掘、提炼，才能获取真金。近年来，关于如何开发这座金矿的探讨越来越多，形成一股热潮。

    现实状况是，我国医疗数据地域、行业割裂严重，医疗信息化孤岛严重，各地医疗机构的信息系统由多个信息化厂商提供，缺乏统一的建设标准指导导致借口各异。各医疗服务机构之间数据(如电子病历、影像、放射、基因等)与药店、医药研发机构、商业保险机构等系统的数据接口未打通，不能形成数据闭环。

    与此同时，医疗数据加速积累，对存储、管理等提出更高要求。IDC预测，到2020年，医疗数据量将达40万亿GB，是2010年的30倍。同时数据生成和共享的速度迅速增加，导致数据加速积累。

    技术进步更加丰富了医疗大数据，并使存储、分析、应用成为可能。如可穿戴智能设备的普及实现大规模、实时、持续收集患者数据；生物检测技术的进步促使生物数据大爆发；IT技术进步使医疗大数据应用成为可能，数据融合、数据挖掘、图像处理识别、机器学习、自然语言处理、数据可视化、人工智能等都取得了进步。

    在更宏观的层面，国家战略推进医疗机构、区域信息化及医疗大数据应用建设，促使医疗大数据产业正在加速形成。前景无限，但究竟如何打造医疗大数据生态、提升医疗大数据应用价值，还有待广泛探讨。

    医疗大数据“大”在哪

    医疗数据产生场景多，质量参差不齐，各类数据潜在的价值不同，具体分为以下四类。

    诊疗数据：来自患者在医院诊所就医过程中产生的数据，包括电子病历、传统检测项目结果(生化、免疫、PCR等)、新兴检测项目结果(基因测序等)、医生用药选择、诊疗路径记录等；影像数据：主要来自患者在医院诊所就医过程中产生的影像数据；患者数据：患者自身的、在院外产生的数据，主要采集终端是可穿戴设备和各类网上轻医疗平台；支付和医保数据：一切与付费方相关的审核/报销记录，主要包括患者支付记录、报销记录、医药流通记录等。

    这样的来源决定了医疗大数据的4V特征，即大量化(Volume)、多样化(Variety)、快速化(Velocity)、价值化(Value)。医疗大数据和其他行业大数据相比有共性也有自己的特性，主要有四个方面的特点：数据量大、结构复杂、数据须整合、涉及周期长 ......