大數(shù)據(jù)時代下健康管理的改革探討

陳翀++劉家鈺

摘 要：健康管理是以預防和控制疾病發(fā)生與發(fā)展，降低醫(yī)療費用，提高生命質(zhì)量為目的，針對個體及群體進行健康 教育，提高自我管理意識和水平，并對其生活方式相關的健康危險因素，通過健康信息采集、健康檢測、健康評估、個性化管理方案、健康干預等手段持續(xù)加以改善的過程和方法。大數(shù)據(jù)的出現(xiàn)不僅改變了人們的工作和生活方式以及企業(yè)的運作模式，甚至還引起科學研究模式的根本性改變。大數(shù)據(jù)時代促使健康管理在對疾病防控整體水平上從疾病治療到疾病預測方向發(fā)展。改變疾病防控手段，給廣大民眾更好的健康保障，開創(chuàng)不同凡響的預防醫(yī)學時代。

關鍵詞：大數(shù)據(jù)；健康管理；疾病預防

一、引言

隨著計算機和互聯(lián)網(wǎng)應用的飛速發(fā)展，近幾年大數(shù)據(jù)逐漸成為學術研究的熱點，如何更好地利用大數(shù)據(jù)來產(chǎn)生良好的健康管理效益日漸成為人們關注的問題，如何盡快創(chuàng)建適合中國國情的健康管理模式更是國內(nèi)健康管理行業(yè)面臨的難題。

二、研究背景

早在1997年，美國NASA阿姆斯研究中心的CoxM和EllsworthD就探討了計算資源無法即時處理數(shù)據(jù)量過大的挑戰(zhàn)，并發(fā)表了一篇論述虛擬化的論文，在其中首次提出了大數(shù)據(jù)這一名詞。到目前為止，關于大數(shù)據(jù)還沒有普遍認可的定義[1-3]。一般認為大數(shù)據(jù)指的是所涉及的數(shù)據(jù)量規(guī)模大到超出傳統(tǒng)數(shù)據(jù)管理工具的處理能力，無法在合理時間內(nèi)進行擷取、管理、分析的復雜、大規(guī)模數(shù)據(jù)集合。大數(shù)據(jù)不僅是數(shù)據(jù)規(guī)模龐大，一般具有以下幾個即人們常說的4V特征。1. Volume是指數(shù)據(jù)規(guī)模龐大。國際數(shù)據(jù)公司（IDC）2012年發(fā)表第一份全球大數(shù)據(jù)技術和服務市場報告時把大數(shù)據(jù)的規(guī)模閾值設在100TB。隨著數(shù)據(jù)挖掘技術的發(fā)展，大數(shù)據(jù)的規(guī)模閾值也在提高，目前一般認為PB級以上數(shù)據(jù)才稱為大數(shù)據(jù)。2. Velocity表示處理速度快。大數(shù)據(jù)具有很強的時效性， 通常是動態(tài)、快速的產(chǎn)生。3. Variety表示數(shù)據(jù)類型和來源多樣化。數(shù)據(jù)類型不僅有結(jié)構化的數(shù)據(jù)，還有越來越多的半結(jié)構化和非結(jié)構化的數(shù)據(jù)。4. Veracity表示數(shù)據(jù)的真實性。只有真實而準確的數(shù)據(jù)才能挖掘出真正有意義的信息，才能創(chuàng)造出最大的價值。大數(shù)據(jù)的出現(xiàn)不僅改變了人們的工作和生活方式以及企業(yè)的運作模式，甚至還引起科學研究模式的根本性改變。傳統(tǒng)的研究方法挖掘分析的數(shù)據(jù)是混雜的，有不同的來源與數(shù)據(jù)結(jié)構，對樣本的精確性有較高的要求。而大數(shù)據(jù)研究，直接從全部數(shù)據(jù)中分析、 挖掘所需要的信息，不再只是對少量的隨機樣本進行分析，大數(shù)據(jù)研究只注重研究數(shù)據(jù)的相關關系，不管數(shù)據(jù)之間的因果關系。也就是說只要知其“然”，不需要知其“所以然”。

健康管理是以預防和控制疾病發(fā)生與發(fā)展，降低醫(yī)療費用，提高生命質(zhì)量為目的，針對個體及群體進行健康 教育，提高自我管理意識和水平，并對其生活方式相關的健康危險因素，通過健康信息采集、健康檢測、健康評估、個性化管理方案、健康干預等手段持續(xù)加以改善的過程和方法。健康管理作為一個行業(yè)及學科，最早出現(xiàn)于20世紀50年代的美國。美國健康管理經(jīng)過幾十年的蓬勃發(fā)展，已成為美國醫(yī)療服務體系中重要的組成部分，且實踐證明健康管理能夠有效地改善人們的健康狀況并明顯降低醫(yī)療保險的開支。

健康管理與其他服務有一個最明顯的區(qū)別就是，它對現(xiàn)代數(shù)據(jù)信息處理的依賴度極高，甚至可以說沒有現(xiàn)代數(shù)據(jù)信息技術作為其基本的運行支持平臺就無法實現(xiàn)市場化、規(guī)模化的健康管理。所以健康管理的出現(xiàn)將為數(shù)據(jù)信息技術的發(fā)展開拓出一個新的發(fā)展方向和巨大的市場需求空間。同時數(shù)據(jù)信息技術的進步也將直接影響健康管理的服務模式、服務質(zhì)量、服務效率、服務成本以及服務規(guī)模等。

三、現(xiàn)狀分析

我國自2005年中國醫(yī)師協(xié)會成立醫(yī)師健康管理和醫(yī)師健康保險專業(yè)委員會，健康管理產(chǎn)業(yè)發(fā)展嚴重滯后，且主要發(fā)展的業(yè)務并不是綜合性的健康管理業(yè)務，而主要是健康體檢業(yè)務，也就是通常說的相對狹義的健康管理，即基于健康體檢結(jié)果，建立專屬健康檔案，給出健康狀況評估，并有針對性地提出個性化健康管理方案或醫(yī)療處方，由專業(yè)人士提供咨詢指導、健康教育講座和跟蹤輔導服務，使人們從社會、心理、環(huán)境、營養(yǎng)、運動等多個角度得到全面的健康維護和保障服務。

健康大數(shù)據(jù)的到來是在信息大爆炸時代、計算機和互聯(lián)網(wǎng)快速發(fā)展背景下的必然產(chǎn)物，也是當今健康管理模式發(fā)展的必然結(jié)果。過去很長的一段時間中，我們的健康管理模式以既定的醫(yī)療模式為中心，從生活方式干預到醫(yī)療干預，再到過度醫(yī)療，這些現(xiàn)象的產(chǎn)生，以及對人們主動性認識的差異、資源配置的不合理，這些現(xiàn)象提示我們在健康管理的認識上還存在很多誤區(qū)及不足之處。

目前國內(nèi)健康管理理論框架還未完善，缺乏系統(tǒng)、權威的理論支持。然而在大數(shù)據(jù)時代下，信息的傳播速度快且范圍廣，人們隨時隨地都可以通過網(wǎng)絡，利用不同終端輕而易舉地獲取各種健康知識，但健康理念與宣傳混亂，往往是各種偽科普、偽養(yǎng)生充斥其間。國內(nèi)也缺乏健康管理服務的大型品牌企業(yè)，健康管理服務機構良莠混雜，市場無序競爭，健康產(chǎn)品商業(yè)信譽有待提高。且健康信息數(shù)據(jù)管理沒有統(tǒng)一標準與規(guī)范，健康評估、維護、管理技術裝備、手段參差不齊，對個人的健康沒有形成實質(zhì)性的保障。

四、對策研究

過去的健康管理更多強調(diào)的是疾病管理，但以往我們對疾病的認識經(jīng)常是基于某一個疾病的整體，忽視了疾病個體之間的差異。因此，需要利用大數(shù)據(jù)，從個體到群體再到個體這樣一個循環(huán)，這樣系統(tǒng)化的對疾病進行整體認識再到個體認識。就像對于患者的遺傳背景信息、環(huán)境因素等這些共同信息可能不僅僅幫助診斷疾病，同時更好的預測疾病。而對相同疾病患者進行相似度分析，能夠識別出這一類患者特定的健康特征，并顯示相似的臨床特征、危險因素和治療途徑[4]。將對疾病的認識由過去單純的疾病診斷過渡到疾病潛在的預警、預測[5，6]。要實現(xiàn)這一目標就要基于來自不同的大數(shù)據(jù)積累。需要采集各種包括來自基本信息、檢查信息、門診及住院信息、社會經(jīng)濟學信息、病例回顧與調(diào)查，分析提取綜合數(shù)據(jù)來構成健康管理全方位評價。不僅要關注個體及人群的發(fā)病率和死亡率，同時要關注檢查報告、治療報告、賬單生成[7]。在功能方面，不僅要關注健康狀況本身，更需要關注民眾心理的、社會體驗，還有對健康的認知，來自民眾的切身感受。隨著數(shù)據(jù)的積累我們會更多的預警、預測疾病，而不是單純的治療疾病，這就促進整個現(xiàn)代醫(yī)學模式的發(fā)展，即更多的強調(diào)預防。endprint

基于全新的健康管理體系，每一個未來健康管理從業(yè)者都應該熟練應用智能工具處理海量信息以尋求更加準確的健康管理方案。大數(shù)據(jù)的內(nèi)容有精華也有糟粕，健康管理師在數(shù)據(jù)的獲取、構架、處理和解讀方面仍然是主導者。未來優(yōu)秀的健康管理師應該具備很好的處理數(shù)據(jù)的功能，去偽存真、去粗選精，以專業(yè)的知識對數(shù)據(jù)整理、分析以及應用管理。中國13億人龐大的數(shù)據(jù)資源，再加上政府所釋放出來的健康大數(shù)據(jù)的產(chǎn)業(yè)政策，無疑為中國的健康管理從業(yè)者利用大數(shù)據(jù)提供了廣闊的前景。我們要學會利用大數(shù)據(jù)，改變疾病發(fā)生的研究，從更多的重視疾病本身，到重視疾病與環(huán)境間的相互作用，從治療疾病到預防疾病，改變疾病防控手段，給廣大民眾更好的健康保障，開創(chuàng)不同凡響的預防醫(yī)學時代。

參考文獻：

[1] Ward J.S.， Barker A. Undefined by data： A survey of big data definitions[J]. arXiv. 2013

[2] Laney D.， Bayer M.A. The importance of ‘Big Data： A definition[J]. Gartner. Retrieved. 2012；21：2014–2018.

[3] Jacobs A. The pathologies of big data[J]. Commun. ACM. 2009；52：36–44.

[4] Zhang P.， Wang F.， Hu J.， Sorrentino R. Towards Personalized Medicine： Leveraging Patient Similarity and Drug Similarity Analytics[J]. AMIA Jt. Summits Transl. Sci. Proc. 2014；2014：132–136.

[5] Mayer-Sch?nberger V.， Cukier K. Big Data： A revolution that Will Transform How We Live， Work， and Think[J]. Houghton Mifflin Harcourt； Boston， MA， USA： 2013.

[6] Schneeweiss S. Learning from Big Health Care Data[J]. N. Engl. J. Med. 2014；370：2161–2163.

[7] Deo R.C. Machine Learning in Medicine[J]. Circulation. 2015；132：1920–1930.endprint