韩温 冈倪 鲁慧 刘庆燕 王计帅

[摘要] 互联网和信息技术的加速发展推动了医疗行业的巨大变革，健康医疗大数据的发展应用成为医疗行业关注的焦点。该文在分析健康医疗大数据应用现状的基础上，针对其在深度应用方面存在的问题，提出建设基于健康医疗大数据的智能辅助诊断系统，围绕系统建设的主要内容进行研究，旨在深化健康医疗大数据的具体应用模式和应用场景，并为医疗诊断过程提供辅助，改善医疗健康服务。

[关键词] 健康医疗大数据;智能辅助诊断;系统建设

[中图分类号] R197.39 [文献标识码] A [文章编号] 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，互联网和信息技术的加速发展引发了医疗行业的巨大变革，大数据等新技术在检索能力、归纳能力和发现相关性等方面的优势为医疗行业的发展提供了强有力的技术支撑。健康医疗大数据以其庞大的数据规模、广泛的应用范围、迅猛的增长速度、较高的使用价值等特点成为医疗行业关注的焦点。当前，健康医疗大数据在公共卫生、医疗服务、疾病防控、医疗保障等领域具有广阔的应用前景[1-2]。通过对健康医疗大数据进行分析，能够挖掘出数据之间的关联和趋势，有助于改善卫生服务和疾病探索过程，更加科学进行疾病诊疗，有利于提升健康医疗服务的效率和质量，不断满足多样化的健康需求[3]。该文聚焦于健康医疗大数据的具体应用模式和应用场景，致力于智能辅助诊断系统的建立，旨在利用大数据和人工智能为医疗工作者提供辅助诊断系统，尽量减轻医务工作者的工作强度，有效提高医疗诊断的准确性。

1  健康医疗大数据现状分析

健康医疗大数据尚未有统一的定义，一般指的是人类在社会生活中因医疗卫生和生命健康活动而产生的相关数据集信息，包含整个健康活动过程及其产生的结果，贯穿人类健康活动的整个生命周期[4]。健康医疗大数据将医疗领域的数据资源（如电子病历数据、医学影像数据、患者行为数据等）与行业数据资源（基本医保、医学文献、新药研发等）以及互联网数据资源（线上挂号、线上咨询等）相结合，可以是文字、语音、符号、影像等[5]。

当前，世界各国均致力于推进健康医疗大数据的发展和应用，对健康医疗大数据的研究主要聚焦于以下几个方面：①关于健康医疗大数据的数据挖掘，包括健康医疗大数据的采集、分类、归档和分析整合等[6]，提高海量健康医疗大数据的使用价值，有必要对其进行深层次的分析和挖掘，通过算法搜索隐藏在其中的信息，其中，常用的大数据分析工具主要有MapReduce、Hadoop分布式文件系统、HBas及Zookeeper等。②关于健康医疗大数据的资源环境的研究，包括健康医疗大数据资源的共享机制及共享过程中的安全防护机制研究，健康医疗大数据由于信息量大、结构多样性等特点，在推动数据应用和共享的同时如何有效保护数据安全和个人隐私成为大数据面临的重大挑战[1]。③关于健康医疗大数据的应用研究，包括健康医疗大数据的应用实践及未来应用方向等[7]，健康医疗大数据为社会、医生和患者等提供了越来越多的便利，在医疗行业和结构的管理领域，通过多维度的结果呈现，能够为管理者进行科学合理的决策提供强有力的数据支撑;在临床医疗领域，通过对海量文献的学习和数据的分析，健康医疗大数据能够为医疗诊断决策提供科学参考等，同时，健康医疗大数据在医疗保险、公共卫生、生物医药等领域也发挥着积极作用[8]。

然而，当前对健康医疗大数据的应用研究，更多的是方向性的概述和阐述，鲜有具体的应用模式和应用场景的研究，尤其是当前，健康医疗大数据尚处于行业发展的初期阶段，不同地方医疗信息化建设参差不齐、医疗资源短缺、医疗门诊数据管理繁琐等问题依旧突出，一定程度上阻碍了健康医疗大数据的实际应用探索，医疗卫生行业面临着巨大的服务需求压力。另外，由于医疗卫生领域资源供给和需求严重不平衡，人工智能辅助诊断技术的出现大幅减轻了医生工作的重负，提升了医疗服务效率，然而，人工智能辅助诊断技术的发展受限于相关医疗数据，一定程度上阻碍了智能辅助诊断技术的持续发展。

针对以上现实问题，建立基于健康医疗大数据的智能辅助诊断系统具有重大现实意义。通过利用现有门诊数据辅助医生进行日常疾病诊断工作，能够有效地减轻医务工作者的工作强度、提高医疗诊断的准确性，实现计算机对现代医务人员工作量的信息管理，支持完善对疾病的日常管理，实现快速的疾病咨询系统，并在一定程度上实现医务自动就诊。

2  智能辅助诊断系统建设

借助健康医疗大数据能够有效地辅助医师进行临床诊疗，目前，世界上许多医疗研究机构如德国的质量和效率医疗保健研究所、英国的国家卫生与临床技术优化研究所以及IBM创立的Watson Health等机构都开始了智能辅助诊疗项目的研究，且已取得了阶段性成果。近年来，我国在人工智能辅助诊断方面做出了巨大努力，智能辅助诊断技术取得系列突破。医疗信息化水平全面提升，区域卫生信息平台推进实施，但也存在着平台之间缺乏协同性、信息交流不畅等问题，制约着智能辅助诊断技术的深度应用[9]。因此，推进智能辅助诊断系统建设，需解决医疗健康数据碎片化问题，打破“数据孤岛”，构建开放共享的健康医疗信息环境。

智能辅助诊断系统以大量的医疗资源数据为依托，通过信息抽取技术和语言处理技术等多维度地对健康医疗大数据进行采集、处理、存储、管理、挖掘、分析、展现与应用。另外，在信息技术和医学影像技术不断发展之下，医师能够结合数据挖掘中的信息进行更加智能化的医疗诊断。智能辅助诊断系统以计算机技术、仿真技术和信息技术为手段，基于循证医学的观点，针对半结构化或非结构化的医学问题，通过人机交互方式为医务工作者在临床诊疗和学习过程中即时提供精准、可信的诊疗知识，以帮助医生做出最佳诊断、优化治疗方案、改善患者预后，实现标准化治疗。

基于健康医疗大数据的智能辅助诊断系统利用计算机的B/S（Browser/Server，浏览器/服务器）结构技术和人工智能实现统一管理和协调分配，进行标准化医疗服务，数据集中管理和业务内容综合管理等。以县乡、市区、省级医疗机构为单位，统一开发部署基于大数据的智能辅助诊断系统，结合实际情况采用B/S架构，搭建多级医疗机构数据中心，在各级医疗机构部署应用客户端，并配置服务器、存储备份、网络设备、安全设备和系统软件等相关系统。智能辅助诊断系统的建设主要围绕以下方面来进行。

2.1  信息标准体系建设

基于健康医疗大数据的智能辅助诊断系统的建立严格遵循国家卫生健康委已发布的一系列标准和规范，医疗卫生机构信息数据集及标准体系，规范卫生健康各领域针对医疗卫生机构信息化建设的基本功能、业务功能、业务流程、数据模型和数据编码等，并将其作为智能辅助诊断系统后续开发实施的蓝本和验收依据，确保整个系统的成熟性、拓展性和适应性，实现医疗卫生机构信息数据的纵横贯通和共享共用。设立智能辅助诊断决策规则库，制定规范的智能辅助判斷标准、决策流程、合理性审查规则、医学工具运算逻辑、表达式以及健康医疗大数据分析方法等。

2.2  医疗资源信息库

智能辅助诊断系统的设立，首先需要构建医疗资源信息库，目的是方便智能辅助诊断系统分析处理医疗诊断后得到的病症描述信息，为医师提供准确的匹配结果。智能辅助诊断系统从HIS（医院信息管理系统）抽取患者电子病历等信息，运用人工智能的相关技术—自然语言处理技术对健康医疗大数据进行语义结构化处理，建立临床知识库，主要包括诊疗指南、操作规范、药品说明书、检验手册、检查手册、症状体征库、病历文献等。收集8000+种疾病信息和5000+条临床症状信息，主要包括疾病症状、治疗科室、治疗方式、实验检查、推荐药品、宜食忌食等，建立卫生数据中心的基础数据库、业务分类数据库、健康档案数据库、综合业务管理数据库和外部系统数据库。在此基础上，经ETL（Extract-Transform-Load）处理，采用深度学习模型等医疗数据分析模型得出较为科学、合理的诊断结果，最终对诊断疾病提供常用药品和治疗方式等信息。

2.3  应用软件系统建设

应用软件系统建设是整个智能辅助诊断系统的核心内容，主要包括四大核心功能模块。

患者管理：患者管理支撑的数据库为基础数据库，数据库中已经将患者的医学影像储存，医生可以根据患者关键词进行信息检索。这个模块需要电子病历系统作为支撑，电子病历系统作为医疗信息的门户，整合了病人所有的临床信息，包括患者基本信息，ICU波形数据、检验数据、用药信息、手术及麻醉信息等，连同患者的历次就诊信息，形成完整的病人临床诊疗信息流。由于病历文本具有半结构化的特点，因此，构建高质量的标注语料库，应用当前表现优异的深度学习技术，在双向LSTM+CRM模型基础上建立的病历信息语料库能为医生全面、客观、及时、准确地做出诊疗决策提供科学依据，从而为辅助诊断服务。

影像辅助诊断：医学影像在疾病诊断过程种发挥着关键作用。辅助诊断功能通过PACS（Picture Archiving and Communication Systems，影像归档和通信系统）与临床活动紧密结合，其使用不改变医院现有检查的门诊和住院业务流程，患者就医流程不受影响，患者检查完成后图像实时上传到平台;平台即时对图像进行识别，医生在自己的工作站上通过PACS菜单可以即时看到平台识别结果，医生点击查看分析详情可以打开详情的AI分析结果;AI分析结果和提示作为辅助诊断的依据，医生据此在PACS中出具诊断报告。

医技协同：区域医技协同平台通过区域医疗机构的联合形成互通互联、协同服务，实现影像、检验检查数据的集中诊断和统一质控，具体包括：健康档案共享调阅系统、区域检验中心、影像中心、心电系统等系统。区域信息数据的纵横贯通，为专家资源、设备资源和医疗资源的共享提供支撑，解决基层医疗卫生机构专业人才缺少，诊断水平较低的问题。依据提供的患者全息视图（包括患者不同生命阶段就诊记录、临床资料、健康档案的详细信息），实现区域范围内患者影像、检验检查资料的共享与互认，医务工作者在临床诊疗过程中能即时获得精确、可靠的诊疗信息，做出最佳诊断、优化治疗方案、改善患者预后，避免重复检查，节省患者诊疗时间和检查费用，实现跨区域的智能辅助诊断服务。

运营管理：智能辅助诊断需要智能化的运营管理作为其实施的保障。运营管理主要针对医院端进行资源管理，具体包括：人力资源管理、绩效管理、科研教学管理、财务管理、预算管理、成本管理、资产管理、物资管理等子系统，子系统集成形成健康医疗运营数据中心，支持医院内部医疗信息、设备信息、药品信息、人员信息、管理信息等數字化、精细化、量化、标准化管理，能够实现物资管理可视化、医疗信息数字化、医疗流程科学化等，为智能辅助诊断的实施提供了重要保障。

3  结语

健康医疗大数据的应用推广将推动医疗健康模式的进一步发展。该文首先对健康医疗大数据的研究现状及趋势进行分析，指出当前智能辅助诊断技术的发展受限于相关医疗大数据，在此基础上，提出了建设基于健康医疗大数据的智能辅助诊断系统，并围绕智能辅助诊断系统的主要建设内容进行了具体阐述。基于健康医疗大数据的智能辅助诊断系统将从以下几个方面发挥作用：实现疾病咨询信息的自动处理，提高门诊效率，减轻医护人员的工作强度和难度;为医疗业务部门提供更加精准、高效的辅助诊断服务，实现规范化的临床诊断，例如：某些疾病的快速诊断和确定;提高医疗诊疗的速度和质量;完善管理方法，利用计算机技术，能够快速获取统计数据并且对其进行分析，探讨该病的发展趋势和其它相关性;通过诊疗后病历扫描，辅助病历质控管理;方便医护人员随时查看所需的临床指南，利于医护人员自身的再学习过程。

[参考文献]

[1]  李静，单既桢.大数据时代下区域健康医疗数据资源共享及安全防护机制研究[J].信息技术与信息化，2019（4）：132-134.

[2]  孟群，毕丹，张一鸣，等.健康医疗大数据的发展现状与应用模式研究[J].中国卫生信息管理杂志，2016，13（6）：547-552.

[3]  徐志祥，王莹.我国医疗行业大数据应用现状及政策建议[J].中国卫生信息管理杂志，2017，14（6）：822-825.

[4]  杨山石，王贤吉，宋捷，等.基于健康医疗大数据的卫生决策机制构建[J].中国数字医学，2018，13（3）：5-8.

[5]  汪冬，秦利，魏洪河，等.健康医疗大数据发展现状与应用[J].电子技术与软件工程，2018（11）：209-210.

[6]  王蓓，张晴，李洁莉，等.基于物联网的健康医疗大数据深层挖掘的应用与研究[J].中国医学装备，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.医疗大数据在医院绩效管理中的应用探讨[J].现代信息科技，2019，3（10）：142-143.

[9]  孔鸣，何前锋，李兰娟.人工智能辅助诊疗发展现状与战略研究[J].中国工程科学，2018，20（2）：86-91.

（收稿日期：2020-01-11）