基于健康醫(yī)療大數(shù)據(jù)的智能輔助診斷系統(tǒng)研究

韓溫 岡倪 魯慧 劉慶燕 王計帥

[摘要] 互聯(lián)網(wǎng)和信息技術(shù)的加速發(fā)展推動了醫(yī)療行業(yè)的巨大變革，健康醫(yī)療大數(shù)據(jù)的發(fā)展應(yīng)用成為醫(yī)療行業(yè)關(guān)注的焦點。該文在分析健康醫(yī)療大數(shù)據(jù)應(yīng)用現(xiàn)狀的基礎(chǔ)上，針對其在深度應(yīng)用方面存在的問題，提出建設(shè)基于健康醫(yī)療大數(shù)據(jù)的智能輔助診斷系統(tǒng)，圍繞系統(tǒng)建設(shè)的主要內(nèi)容進行研究，旨在深化健康醫(yī)療大數(shù)據(jù)的具體應(yīng)用模式和應(yīng)用場景，并為醫(yī)療診斷過程提供輔助，改善醫(yī)療健康服務(wù)。

[關(guān)鍵詞] 健康醫(yī)療大數(shù)據(jù);智能輔助診斷;系統(tǒng)建設(shè)

[中圖分類號] R197.39 [文獻標(biāo)識碼] A [文章編號] 1672-5654（2020）04（a）-0159-03

Research on Intelligent Assisted Diagnosis System Based on Big Data of Health Medical

HAN Wen， GANG Ni， LU Hui， LIU Qing-yan， WANG Ji-shuai

Shanxi Zhijie Software Engineering Co.， Ltd.Taiyuan， Shanxi Province， 030006 China

[Abstract] The accelerated development of the Internet and information technology has promoted great changes in the medical industry. The development and application of big data in health care have become the focus of the medical industry. Based on the analysis of the status quo of the application of big data in health care， this paper proposes the construction of an intelligent auxiliary diagnosis system based on big data in health care. The specific application models and application scenarios of big data， and provide assistance for the medical diagnosis process and improve medical and health services.

[Key words] Big data of health care， Intelligent assistant diagnosis， System construction

近年來，互聯(lián)網(wǎng)和信息技術(shù)的加速發(fā)展引發(fā)了醫(yī)療行業(yè)的巨大變革，大數(shù)據(jù)等新技術(shù)在檢索能力、歸納能力和發(fā)現(xiàn)相關(guān)性等方面的優(yōu)勢為醫(yī)療行業(yè)的發(fā)展提供了強有力的技術(shù)支撐。健康醫(yī)療大數(shù)據(jù)以其龐大的數(shù)據(jù)規(guī)模、廣泛的應(yīng)用范圍、迅猛的增長速度、較高的使用價值等特點成為醫(yī)療行業(yè)關(guān)注的焦點。當(dāng)前，健康醫(yī)療大數(shù)據(jù)在公共衛(wèi)生、醫(yī)療服務(wù)、疾病防控、醫(yī)療保障等領(lǐng)域具有廣闊的應(yīng)用前景[1-2]。通過對健康醫(yī)療大數(shù)據(jù)進行分析，能夠挖掘出數(shù)據(jù)之間的關(guān)聯(lián)和趨勢，有助于改善衛(wèi)生服務(wù)和疾病探索過程，更加科學(xué)進行疾病診療，有利于提升健康醫(yī)療服務(wù)的效率和質(zhì)量，不斷滿足多樣化的健康需求[3]。該文聚焦于健康醫(yī)療大數(shù)據(jù)的具體應(yīng)用模式和應(yīng)用場景，致力于智能輔助診斷系統(tǒng)的建立，旨在利用大數(shù)據(jù)和人工智能為醫(yī)療工作者提供輔助診斷系統(tǒng)，盡量減輕醫(yī)務(wù)工作者的工作強度，有效提高醫(yī)療診斷的準(zhǔn)確性。

1? 健康醫(yī)療大數(shù)據(jù)現(xiàn)狀分析

健康醫(yī)療大數(shù)據(jù)尚未有統(tǒng)一的定義，一般指的是人類在社會生活中因醫(yī)療衛(wèi)生和生命健康活動而產(chǎn)生的相關(guān)數(shù)據(jù)集信息，包含整個健康活動過程及其產(chǎn)生的結(jié)果，貫穿人類健康活動的整個生命周期[4]。健康醫(yī)療大數(shù)據(jù)將醫(yī)療領(lǐng)域的數(shù)據(jù)資源（如電子病歷數(shù)據(jù)、醫(yī)學(xué)影像數(shù)據(jù)、患者行為數(shù)據(jù)等）與行業(yè)數(shù)據(jù)資源（基本醫(yī)保、醫(yī)學(xué)文獻、新藥研發(fā)等）以及互聯(lián)網(wǎng)數(shù)據(jù)資源（線上掛號、線上咨詢等）相結(jié)合，可以是文字、語音、符號、影像等[5]。

當(dāng)前，世界各國均致力于推進健康醫(yī)療大數(shù)據(jù)的發(fā)展和應(yīng)用，對健康醫(yī)療大數(shù)據(jù)的研究主要聚焦于以下幾個方面：①關(guān)于健康醫(yī)療大數(shù)據(jù)的數(shù)據(jù)挖掘，包括健康醫(yī)療大數(shù)據(jù)的采集、分類、歸檔和分析整合等[6]，提高海量健康醫(yī)療大數(shù)據(jù)的使用價值，有必要對其進行深層次的分析和挖掘，通過算法搜索隱藏在其中的信息，其中，常用的大數(shù)據(jù)分析工具主要有MapReduce、Hadoop分布式文件系統(tǒng)、HBas及Zookeeper等。②關(guān)于健康醫(yī)療大數(shù)據(jù)的資源環(huán)境的研究，包括健康醫(yī)療大數(shù)據(jù)資源的共享機制及共享過程中的安全防護機制研究，健康醫(yī)療大數(shù)據(jù)由于信息量大、結(jié)構(gòu)多樣性等特點，在推動數(shù)據(jù)應(yīng)用和共享的同時如何有效保護數(shù)據(jù)安全和個人隱私成為大數(shù)據(jù)面臨的重大挑戰(zhàn)[1]。③關(guān)于健康醫(yī)療大數(shù)據(jù)的應(yīng)用研究，包括健康醫(yī)療大數(shù)據(jù)的應(yīng)用實踐及未來應(yīng)用方向等[7]，健康醫(yī)療大數(shù)據(jù)為社會、醫(yī)生和患者等提供了越來越多的便利，在醫(yī)療行業(yè)和結(jié)構(gòu)的管理領(lǐng)域，通過多維度的結(jié)果呈現(xiàn)，能夠為管理者進行科學(xué)合理的決策提供強有力的數(shù)據(jù)支撐;在臨床醫(yī)療領(lǐng)域，通過對海量文獻的學(xué)習(xí)和數(shù)據(jù)的分析，健康醫(yī)療大數(shù)據(jù)能夠為醫(yī)療診斷決策提供科學(xué)參考等，同時，健康醫(yī)療大數(shù)據(jù)在醫(yī)療保險、公共衛(wèi)生、生物醫(yī)藥等領(lǐng)域也發(fā)揮著積極作用[8]。

然而，當(dāng)前對健康醫(yī)療大數(shù)據(jù)的應(yīng)用研究，更多的是方向性的概述和闡述，鮮有具體的應(yīng)用模式和應(yīng)用場景的研究，尤其是當(dāng)前，健康醫(yī)療大數(shù)據(jù)尚處于行業(yè)發(fā)展的初期階段，不同地方醫(yī)療信息化建設(shè)參差不齊、醫(yī)療資源短缺、醫(yī)療門診數(shù)據(jù)管理繁瑣等問題依舊突出，一定程度上阻礙了健康醫(yī)療大數(shù)據(jù)的實際應(yīng)用探索，醫(yī)療衛(wèi)生行業(yè)面臨著巨大的服務(wù)需求壓力。另外，由于醫(yī)療衛(wèi)生領(lǐng)域資源供給和需求嚴(yán)重不平衡，人工智能輔助診斷技術(shù)的出現(xiàn)大幅減輕了醫(yī)生工作的重負，提升了醫(yī)療服務(wù)效率，然而，人工智能輔助診斷技術(shù)的發(fā)展受限于相關(guān)醫(yī)療數(shù)據(jù)，一定程度上阻礙了智能輔助診斷技術(shù)的持續(xù)發(fā)展。

針對以上現(xiàn)實問題，建立基于健康醫(yī)療大數(shù)據(jù)的智能輔助診斷系統(tǒng)具有重大現(xiàn)實意義。通過利用現(xiàn)有門診數(shù)據(jù)輔助醫(yī)生進行日常疾病診斷工作，能夠有效地減輕醫(yī)務(wù)工作者的工作強度、提高醫(yī)療診斷的準(zhǔn)確性，實現(xiàn)計算機對現(xiàn)代醫(yī)務(wù)人員工作量的信息管理，支持完善對疾病的日常管理，實現(xiàn)快速的疾病咨詢系統(tǒng)，并在一定程度上實現(xiàn)醫(yī)務(wù)自動就診。

2? 智能輔助診斷系統(tǒng)建設(shè)

借助健康醫(yī)療大數(shù)據(jù)能夠有效地輔助醫(yī)師進行臨床診療，目前，世界上許多醫(yī)療研究機構(gòu)如德國的質(zhì)量和效率醫(yī)療保健研究所、英國的國家衛(wèi)生與臨床技術(shù)優(yōu)化研究所以及IBM創(chuàng)立的Watson Health等機構(gòu)都開始了智能輔助診療項目的研究，且已取得了階段性成果。近年來，我國在人工智能輔助診斷方面做出了巨大努力，智能輔助診斷技術(shù)取得系列突破。醫(yī)療信息化水平全面提升，區(qū)域衛(wèi)生信息平臺推進實施，但也存在著平臺之間缺乏協(xié)同性、信息交流不暢等問題，制約著智能輔助診斷技術(shù)的深度應(yīng)用[9]。因此，推進智能輔助診斷系統(tǒng)建設(shè)，需解決醫(yī)療健康數(shù)據(jù)碎片化問題，打破“數(shù)據(jù)孤島”，構(gòu)建開放共享的健康醫(yī)療信息環(huán)境。

智能輔助診斷系統(tǒng)以大量的醫(yī)療資源數(shù)據(jù)為依托，通過信息抽取技術(shù)和語言處理技術(shù)等多維度地對健康醫(yī)療大數(shù)據(jù)進行采集、處理、存儲、管理、挖掘、分析、展現(xiàn)與應(yīng)用。另外，在信息技術(shù)和醫(yī)學(xué)影像技術(shù)不斷發(fā)展之下，醫(yī)師能夠結(jié)合數(shù)據(jù)挖掘中的信息進行更加智能化的醫(yī)療診斷。智能輔助診斷系統(tǒng)以計算機技術(shù)、仿真技術(shù)和信息技術(shù)為手段，基于循證醫(yī)學(xué)的觀點，針對半結(jié)構(gòu)化或非結(jié)構(gòu)化的醫(yī)學(xué)問題，通過人機交互方式為醫(yī)務(wù)工作者在臨床診療和學(xué)習(xí)過程中即時提供精準(zhǔn)、可信的診療知識，以幫助醫(yī)生做出最佳診斷、優(yōu)化治療方案、改善患者預(yù)后，實現(xiàn)標(biāo)準(zhǔn)化治療。

基于健康醫(yī)療大數(shù)據(jù)的智能輔助診斷系統(tǒng)利用計算機的B/S（Browser/Server，瀏覽器/服務(wù)器）結(jié)構(gòu)技術(shù)和人工智能實現(xiàn)統(tǒng)一管理和協(xié)調(diào)分配，進行標(biāo)準(zhǔn)化醫(yī)療服務(wù)，數(shù)據(jù)集中管理和業(yè)務(wù)內(nèi)容綜合管理等。以縣鄉(xiāng)、市區(qū)、省級醫(yī)療機構(gòu)為單位，統(tǒng)一開發(fā)部署基于大數(shù)據(jù)的智能輔助診斷系統(tǒng)，結(jié)合實際情況采用B/S架構(gòu)，搭建多級醫(yī)療機構(gòu)數(shù)據(jù)中心，在各級醫(yī)療機構(gòu)部署應(yīng)用客戶端，并配置服務(wù)器、存儲備份、網(wǎng)絡(luò)設(shè)備、安全設(shè)備和系統(tǒng)軟件等相關(guān)系統(tǒng)。智能輔助診斷系統(tǒng)的建設(shè)主要圍繞以下方面來進行。

2.1? 信息標(biāo)準(zhǔn)體系建設(shè)

基于健康醫(yī)療大數(shù)據(jù)的智能輔助診斷系統(tǒng)的建立嚴(yán)格遵循國家衛(wèi)生健康委已發(fā)布的一系列標(biāo)準(zhǔn)和規(guī)范，醫(yī)療衛(wèi)生機構(gòu)信息數(shù)據(jù)集及標(biāo)準(zhǔn)體系，規(guī)范衛(wèi)生健康各領(lǐng)域針對醫(yī)療衛(wèi)生機構(gòu)信息化建設(shè)的基本功能、業(yè)務(wù)功能、業(yè)務(wù)流程、數(shù)據(jù)模型和數(shù)據(jù)編碼等，并將其作為智能輔助診斷系統(tǒng)后續(xù)開發(fā)實施的藍本和驗收依據(jù)，確保整個系統(tǒng)的成熟性、拓展性和適應(yīng)性，實現(xiàn)醫(yī)療衛(wèi)生機構(gòu)信息數(shù)據(jù)的縱橫貫通和共享共用。設(shè)立智能輔助診斷決策規(guī)則庫，制定規(guī)范的智能輔助判斷標(biāo)準(zhǔn)、決策流程、合理性審查規(guī)則、醫(yī)學(xué)工具運算邏輯、表達式以及健康醫(yī)療大數(shù)據(jù)分析方法等。

2.2? 醫(yī)療資源信息庫

智能輔助診斷系統(tǒng)的設(shè)立，首先需要構(gòu)建醫(yī)療資源信息庫，目的是方便智能輔助診斷系統(tǒng)分析處理醫(yī)療診斷后得到的病癥描述信息，為醫(yī)師提供準(zhǔn)確的匹配結(jié)果。智能輔助診斷系統(tǒng)從HIS（醫(yī)院信息管理系統(tǒng)）抽取患者電子病歷等信息，運用人工智能的相關(guān)技術(shù)—自然語言處理技術(shù)對健康醫(yī)療大數(shù)據(jù)進行語義結(jié)構(gòu)化處理，建立臨床知識庫，主要包括診療指南、操作規(guī)范、藥品說明書、檢驗手冊、檢查手冊、癥狀體征庫、病歷文獻等。收集8000+種疾病信息和5000+條臨床癥狀信息，主要包括疾病癥狀、治療科室、治療方式、實驗檢查、推薦藥品、宜食忌食等，建立衛(wèi)生數(shù)據(jù)中心的基礎(chǔ)數(shù)據(jù)庫、業(yè)務(wù)分類數(shù)據(jù)庫、健康檔案數(shù)據(jù)庫、綜合業(yè)務(wù)管理數(shù)據(jù)庫和外部系統(tǒng)數(shù)據(jù)庫。在此基礎(chǔ)上，經(jīng)ETL（Extract-Transform-Load）處理，采用深度學(xué)習(xí)模型等醫(yī)療數(shù)據(jù)分析模型得出較為科學(xué)、合理的診斷結(jié)果，最終對診斷疾病提供常用藥品和治療方式等信息。

2.3? 應(yīng)用軟件系統(tǒng)建設(shè)

應(yīng)用軟件系統(tǒng)建設(shè)是整個智能輔助診斷系統(tǒng)的核心內(nèi)容，主要包括四大核心功能模塊。

患者管理：患者管理支撐的數(shù)據(jù)庫為基礎(chǔ)數(shù)據(jù)庫，數(shù)據(jù)庫中已經(jīng)將患者的醫(yī)學(xué)影像儲存，醫(yī)生可以根據(jù)患者關(guān)鍵詞進行信息檢索。這個模塊需要電子病歷系統(tǒng)作為支撐，電子病歷系統(tǒng)作為醫(yī)療信息的門戶，整合了病人所有的臨床信息，包括患者基本信息，ICU波形數(shù)據(jù)、檢驗數(shù)據(jù)、用藥信息、手術(shù)及麻醉信息等，連同患者的歷次就診信息，形成完整的病人臨床診療信息流。由于病歷文本具有半結(jié)構(gòu)化的特點，因此，構(gòu)建高質(zhì)量的標(biāo)注語料庫，應(yīng)用當(dāng)前表現(xiàn)優(yōu)異的深度學(xué)習(xí)技術(shù)，在雙向LSTM+CRM模型基礎(chǔ)上建立的病歷信息語料庫能為醫(yī)生全面、客觀、及時、準(zhǔn)確地做出診療決策提供科學(xué)依據(jù)，從而為輔助診斷服務(wù)。

影像輔助診斷：醫(yī)學(xué)影像在疾病診斷過程種發(fā)揮著關(guān)鍵作用。輔助診斷功能通過PACS（Picture Archiving and Communication Systems，影像歸檔和通信系統(tǒng)）與臨床活動緊密結(jié)合，其使用不改變醫(yī)院現(xiàn)有檢查的門診和住院業(yè)務(wù)流程，患者就醫(yī)流程不受影響，患者檢查完成后圖像實時上傳到平臺;平臺即時對圖像進行識別，醫(yī)生在自己的工作站上通過PACS菜單可以即時看到平臺識別結(jié)果，醫(yī)生點擊查看分析詳情可以打開詳情的AI分析結(jié)果;AI分析結(jié)果和提示作為輔助診斷的依據(jù)，醫(yī)生據(jù)此在PACS中出具診斷報告。

醫(yī)技協(xié)同：區(qū)域醫(yī)技協(xié)同平臺通過區(qū)域醫(yī)療機構(gòu)的聯(lián)合形成互通互聯(lián)、協(xié)同服務(wù)，實現(xiàn)影像、檢驗檢查數(shù)據(jù)的集中診斷和統(tǒng)一質(zhì)控，具體包括：健康檔案共享調(diào)閱系統(tǒng)、區(qū)域檢驗中心、影像中心、心電系統(tǒng)等系統(tǒng)。區(qū)域信息數(shù)據(jù)的縱橫貫通，為專家資源、設(shè)備資源和醫(yī)療資源的共享提供支撐，解決基層醫(yī)療衛(wèi)生機構(gòu)專業(yè)人才缺少，診斷水平較低的問題。依據(jù)提供的患者全息視圖（包括患者不同生命階段就診記錄、臨床資料、健康檔案的詳細信息），實現(xiàn)區(qū)域范圍內(nèi)患者影像、檢驗檢查資料的共享與互認，醫(yī)務(wù)工作者在臨床診療過程中能即時獲得精確、可靠的診療信息，做出最佳診斷、優(yōu)化治療方案、改善患者預(yù)后，避免重復(fù)檢查，節(jié)省患者診療時間和檢查費用，實現(xiàn)跨區(qū)域的智能輔助診斷服務(wù)。

運營管理：智能輔助診斷需要智能化的運營管理作為其實施的保障。運營管理主要針對醫(yī)院端進行資源管理，具體包括：人力資源管理、績效管理、科研教學(xué)管理、財務(wù)管理、預(yù)算管理、成本管理、資產(chǎn)管理、物資管理等子系統(tǒng)，子系統(tǒng)集成形成健康醫(yī)療運營數(shù)據(jù)中心，支持醫(yī)院內(nèi)部醫(yī)療信息、設(shè)備信息、藥品信息、人員信息、管理信息等數(shù)字化、精細化、量化、標(biāo)準(zhǔn)化管理，能夠?qū)崿F(xiàn)物資管理可視化、醫(yī)療信息數(shù)字化、醫(yī)療流程科學(xué)化等，為智能輔助診斷的實施提供了重要保障。

3? 結(jié)語

健康醫(yī)療大數(shù)據(jù)的應(yīng)用推廣將推動醫(yī)療健康模式的進一步發(fā)展。該文首先對健康醫(yī)療大數(shù)據(jù)的研究現(xiàn)狀及趨勢進行分析，指出當(dāng)前智能輔助診斷技術(shù)的發(fā)展受限于相關(guān)醫(yī)療大數(shù)據(jù)，在此基礎(chǔ)上，提出了建設(shè)基于健康醫(yī)療大數(shù)據(jù)的智能輔助診斷系統(tǒng)，并圍繞智能輔助診斷系統(tǒng)的主要建設(shè)內(nèi)容進行了具體闡述。基于健康醫(yī)療大數(shù)據(jù)的智能輔助診斷系統(tǒng)將從以下幾個方面發(fā)揮作用：實現(xiàn)疾病咨詢信息的自動處理，提高門診效率，減輕醫(yī)護人員的工作強度和難度;為醫(yī)療業(yè)務(wù)部門提供更加精準(zhǔn)、高效的輔助診斷服務(wù)，實現(xiàn)規(guī)范化的臨床診斷，例如：某些疾病的快速診斷和確定;提高醫(yī)療診療的速度和質(zhì)量;完善管理方法，利用計算機技術(shù)，能夠快速獲取統(tǒng)計數(shù)據(jù)并且對其進行分析，探討該病的發(fā)展趨勢和其它相關(guān)性;通過診療后病歷掃描，輔助病歷質(zhì)控管理;方便醫(yī)護人員隨時查看所需的臨床指南，利于醫(yī)護人員自身的再學(xué)習(xí)過程。

[參考文獻]

[1]? 李靜，單既楨.大數(shù)據(jù)時代下區(qū)域健康醫(yī)療數(shù)據(jù)資源共享及安全防護機制研究[J].信息技術(shù)與信息化，2019（4）：132-134.

[2]? 孟群，畢丹，張一鳴，等.健康醫(yī)療大數(shù)據(jù)的發(fā)展現(xiàn)狀與應(yīng)用模式研究[J].中國衛(wèi)生信息管理雜志，2016，13（6）：547-552.

[3]? 徐志祥，王瑩.我國醫(yī)療行業(yè)大數(shù)據(jù)應(yīng)用現(xiàn)狀及政策建議[J].中國衛(wèi)生信息管理雜志，2017，14（6）：822-825.

[4]? 楊山石，王賢吉，宋捷，等.基于健康醫(yī)療大數(shù)據(jù)的衛(wèi)生決策機制構(gòu)建[J].中國數(shù)字醫(yī)學(xué)，2018，13（3）：5-8.

[5]? 汪冬，秦利，魏洪河，等.健康醫(yī)療大數(shù)據(jù)發(fā)展現(xiàn)狀與應(yīng)用[J].電子技術(shù)與軟件工程，2018（11）：209-210.

[6]? 王蓓，張晴，李潔莉，等.基于物聯(lián)網(wǎng)的健康醫(yī)療大數(shù)據(jù)深層挖掘的應(yīng)用與研究[J].中國醫(yī)學(xué)裝備，2019，16（1）：107-110.

[7]? Ward J，Hildebrandt C，Patel A.NEDSS Base System （NBS）：Electronic Data Exchange and Workflow Decision Support[J].Online Journal of Public Health Informatics，2017，9（1）：211.

[8]? 李海琳.醫(yī)療大數(shù)據(jù)在醫(yī)院績效管理中的應(yīng)用探討[J].現(xiàn)代信息科技，2019，3（10）：142-143.

[9]? 孔鳴，何前鋒，李蘭娟.人工智能輔助診療發(fā)展現(xiàn)狀與戰(zhàn)略研究[J].中國工程科學(xué)，2018，20（2）：86-91.

（收稿日期：2020-01-11）