杨吉江，李建强，王青，胡建平（.清华大学 信息技术研究院，北京 00084；.北京工业大学 软件学院，北京 004，；.国家卫计委统计信息中心，北京 00044）



数字医疗与健康服务中的新兴技术综述

杨吉江1，李建强2，王青1，胡建平3
（1.清华大学 信息技术研究院，北京 100084；2.北京工业大学 软件学院，北京 100124，；3.国家卫计委统计信息中心，北京 100044）

摘要：现代信息技术，包括传感技术、云计算、安全技术等发展日新月异。这些技术深刻地影响着现代医疗和健康服务，也改变了医疗健康服务的理念和服务模式，即从传统的“有病医病”被动方式变为“无病防病”的主动方式。本文首先回顾了电子病历的发展，然后综述了健康检测技术、医疗大数据分析技术及云计算技术等在医疗里的应用。最后总结了新技术对医疗健康服务的影响，并提出了主动服务的理念。

关键词：数字医疗；健康检测；医疗大数据；医疗云；主动服务

1　引言

医疗与健康服务是一比较复杂的行为，特别是医疗服务牵涉到的内容非常多。本文所提的“数字医疗和健康”是指利用信息技术和网络及传感等技术等辅助医疗和健康服务。这里不涉及到医院院内的各种医疗诊断和治疗中的信息技术，而是基于图1所示的这样一个基本服务模型。很显然，有效的健康或疾病信息的收集和利用是现代医疗和健康服务的基础，而这个基础又是以电子病历（EMR，Electronic Medical Records）和个人健康档案（PHR，Personal Health Records）为基石的。

本文将围绕图1模型中的三个方面所呈现的主要技术进行分析和综述：包括医疗数据收集的健康检测技术，对医疗健康数据进行预测分析和使用的技术，以及高效、低成本的医疗数据存储和管理技术等。

准确而恰当地收集、管理和使用医疗健康信息对于诊断病人的疾病或健康问题［5］、确认创新方案、分配医疗资源［1］等方面非常重要。而信息技术在提高医疗健康服务方面发挥着重大作用［4］。随着新兴技术的产生和应用，它们不仅仅应用在一般的医疗管理系统中，比如医院和诊所，它们还被用来解决其它问题，比如疾病预防、康复等健康管理方面工作。此外，智能检测生成了大量的与健康和医疗相关的数据。这些数据不仅仅应用于治疗和健康管理，同时还可以运用大数据和云计算技术来分析数据，并预测或揭示疾病或健康的发展趋势。传统的医疗分析和检测方法也必将会因为这些新技术的出现而发生巨大的变化。

随着老龄化人口的增长，以及慢性疾病人口的增多，巨大的花费将成为医疗服务和经济建设的一个巨大负担［97，98］。特别是在不远的将来，世界范围内，预计生命还将延长［100］，退休人口人数将会和工作人口持平［101］，严重下降的劳动力很可能无法支持现有的老龄人口。因此，新兴技术的到来正是恰到好处，它们可以极大地提升医疗和健康服务水平，降低医疗服务成本。

图1　数字医疗健康服务基本模型

2　新兴的医疗信息技术

2.1整体趋势

目前有许多重要的新兴技术和模式对医疗服务产生着重大影响［4-7］。其主要趋势可以表现在以下几个方面：

● 健康检测：在生理学、感知和生理健康学方面，终端医疗设备和医疗检测设备有长足的进展。新兴技术可以通过提供持续的监控和记录来影响终端用户，如有危险则会寻求远程协助。

● 医疗大数据分析：随着医疗的数字化，数据的数量和规模都大大增长。挖掘这些数据深层次的知识和价值为循证医学、以病人为核心和降低医疗成本都具有巨大的作用。

● 医疗云计算：医疗服务提供者一直在寻求低价的解决办法，新兴科技比如云计算可以提供理想的平台来取得高效实用的计算资源，且能起到简单管理和提高服务安全质量的效果。云计算还可以支持大数据的分析。毫无疑问的，采用这些技术可以创造重大的机会。然而，为了在医疗领域取得重大突破还有许多挑战。

个人健康档案（PHR）是健康信息的主要载体，而电子病历（EMR）是其重要的组成部分。因此本人在2.2节首先简要回顾了EMR系统在不同国家的应用。而新兴的健康检测、大数据分析和云计算等技术提升健康信息收集、使用和管理方面起着很大的作用。所以2.3和2.4节主要描述这些新兴技术在学术的研究和产业方面的应用。2.5节分析了云计算的使用。2.6节则结合了新兴技术带来的新的医疗服务模式以及对未来研究的思考和建议。

2.2电子病历

按照美国医院信息管理系统协会（HIMSS）［2］和ISO/TS 18308 标准［3］，病人的医疗记录指的是电子病历、电子健康档案和个人健康档案。

● 电子病历（EMR）：由医疗机构创建和管理，合法地记录住院病人和门诊病人的记录。

● 电子健康档案（EHR，Electronic Health Records）：由机构或者社区创建和维护的记录。以电子格式可在全国或地区多个机构分享的信息。EMR可以被当作EHR的来源。一旦EMR被分享给其他机构，就变为EHR 。

● 个人健康档案（PHR）：是一种由个人生成和维护的特别信息记录。它可以提供完整和准确的健康一医疗历史记录，通过从多个来源收集信息，包括EMR和EHR。

EMRs的应用是EHRs和PHRs的基础。为了不失去普遍性，这篇文章主要专注于EMRs，讨论同样也能适用于EHRs和PHRs。

EMRs是电子健康信息的主要载体和现代医疗的基石。EMR系统被广泛部署在许多以医疗为主体的相关机构中［8］。以美国为例，在2009年［9］的调查中，只有9.1％的医院部署了基本的或稍微完整的EMR系统。然而到2011年底，部署EHRs的基层医疗机构从20％增加到40％。2010年预计，到2014年80％的基层医疗机构必须使用EHRs，最近的调查表明已经有82％的全科医生已经或者计划使用EMR系统［8］。通过使用EMR作为医疗信息的载体，新兴的信息技术提供了促进研究和提高医疗服务质量的机会［6］。下面将集中从三个领域，即健康数据收集，医疗及健康数据分析和使用，以及医疗计算设施。并分析所有这些手段对医疗健康服务产生的影响。

2.3健康检测

嵌入式计算和检测技术的快速发展为健康信息的广泛、方便地采集提供了新的机会［10］。通常，健康检测技术［94-96］可以为病人健康状态提供实时的精确的监控和记录。这成为早期检测和干预的重要手段，也是对病人进行有效管理的里程碑［11］。

按照功能分析，通常这类检测分为两类［10，94］：一类是生理数据的采集，另一类是运动数据的采集。前者主要是检测病人的生理指标或物理状态，以作为诊断和治疗的依据。如血糖、血压的测量，或者ECG/EEG/EMG（Electrocardiagram/Electroencephalogram/electromyography）等。人们还研究了很多轻便的可穿戴用以保证测量数据的连续性和检测的无意识性。如测量ECG的无线项链［14］，腕带血压仪和测量心率和脉搏的眼镜架［13］、检测动脉血压的H型内衣［15］，测量血氧的可穿戴式光电织品［16］和基于智能移动手机的健康监测和温度测量设备［17］。

● 心脏状况监测：心脏病是猝死的主要原因之一。因此心脏监测技术受到医疗产业和信息处理领域的研究者关注。心脏信号包括心率，心率变异性（HRV），RR，P-QRS间期［18］，这些指标可以从病人的ECG中提取［19］。文献［20］提出了一种获取ECGs特征的算法，利用这个算法可以很好地说明通过移动手机和无线传感器对于心脏病的诊断是有效的。Leijdekkers［21］给出了一种通过智能手机和无线ECG传感器的个性化心律管理系统。该系统可以记录和监测心律失常。Cheng［22］介绍了在智能手机上进行实时监测心血管病的方法，该方法通过监测心率异常来判断心脏病的风险。

● 睡眠监测：睡眠不仅仅是一种被动的过程，还是一种高度动态的过程。它可以高度反映人的健康状况。研究人员提出用可穿戴设备、身体传感器网络和智能手机来检测睡眠。这些解决办法可以分为两类：1）利用临床或可穿戴设备进行睡眠监测，也就是被监测者需要佩戴某些设备来监测睡眠状况［24］。2）对睡眠质量进行不知不觉地监测，而不需佩戴任何设备［25］。显然，后一种方法对使用者更为方便，而且实际调查［23］也显示绝大多数的人更希望在不知不觉情况下对睡眠进行监测。

运动传感器主要用来导航、运动状态、活动评估。现有的运动传感器可以粗略分为两大类：可穿戴传感器和环境传感器。这两者的不同点在于：前者并不需要与外部设施产生互动就可以取得运动的状态信息，比如加速器、指南针、陀螺仪和惯性测量单元；而后者则要通过与外部设备的交互才能测量身体的活动，比如通过Wi-Fi及蓝牙、红外线、麦克风、压力，甚至相机等。

● 行人位置：对于老人来说，有时候了解其实时位置非常重要。譬如现有的定位方法坐标推算法（DR，Dead Reckoning），就是利用在鞋上安装IMU［31］或用智能手机，判断使用者两个不同位置的加速信号［31］来定位。

● 行动的识别：行动识别对于老人、残疾人和神经康复病人［32］的姿态和行动监控非常重要。利用RGB-D 信息来进行行动识别的典型算法可分为两类：基于轮廓的算法（Skeleton-based）［32］和基于深度图的方法（depth map-based）［33］。

● 跌倒检测：摔倒对于老人来说有时候也是一件非常危险的事。自动跌倒检测可以及时在跌倒时进行报警，从而能够及时接受治疗，减少致命伤害的概率。目前跌倒检测的方式主要是依靠加速度计和陀螺仪来获取运动信息，然后再利用阈值算法来识别是否跌倒［29］。

● 步态分析：步态分析是通过可穿戴传感设备来评估走路时的参数，这对于疾病的诊断和移动能力的评估非常有用［26］。步态的参数一般包括：（1）脚步及步幅的规律性；（2）脚步的均匀性；（3）节奏性。由于步态监测需要长期监测和数据分析，因此通常利用可穿戴的运动传感器和智能手机组成身体传感网络 来监测步态［27］。

● 平衡训练：平衡性训练对于老年人、残疾人和受伤需康复者非常重要［36］。典型的平衡训练方案可以采用视觉压力中心反馈（VCPF）来提高活动中的平衡性［34-36］。

除了上述两类传感器外，现有又出现一种新型的检测或监测传感器，称为：衍生传感器，可用来感知面目表情和声音情况。信息技术可以用来推演衡量指标，例如通过时序变化或多源传感输入融合对衡量指标分析（“传感器融合”）。还可以使用人工智能技术，例如运动传感器输入推断一个人多长时间坐着或甚至试图衡量人们的心理健康（“认知传感器”）。

2.4医疗大数据分析

由于各种监测和检测以及其它信息技术手段越来越丰富，医疗和健康数据规模也越来越大。一般描述表型和治疗方法的健康数据包括多种数据来源，包括药物治疗信息、生理生化信息、影像和各类病史、习惯等描述数据。所有这些数据还没有得到充分利用，因此具有非常大的潜力［102］。利用各种大数据分析技术对医疗大数据进行分析，可以极大地改善医疗服务能力［4，5］。信息检索和数据挖掘是医疗大数据利用的两种主要方式。

这些分析技术的应用可以分为两类，一类是一般性应用，即针对研究人群进行数据分析和挖掘，另一类则针对具体个体信息进行分析。两种方式的目标和具体的技术应用很不相同。譬如第一类应用，一个很好的例子是，通过大规模数据分析来寻找Q热病的原因和传播规律，利用时序和地理分布数据来进行预测分析，从而找到组织疾病传播的目的。对于那些具有较长疾病潜伏期且具有严重传播性疾病，这类技术的应用是十分必要的。后一类应用的一个具体例子是发现“临床路径”，即在大量看似无关的数据中，通过分析挖掘，找到针对个人治疗的“临床路径”。当然最终发现的结果并不一定只是应用于某个具体的人，而同样可以应用于具有相似情况的其他个人。

2.4.1医学信息检索

信息检索就是一个在大规模文档中寻找最相似条目，或者从某个已知的文档集合中寻找某个具体特种的子集合的过程。显然，信息检索并没有对数据进行分析和整理，因此它返回的结果没有增加“价值”。其目的就是如何最快速、准确找到需要的东西。特别在大数据时代，这种快速需求对于医生或病人都是非常重要的。在医疗领域中，信息检索一般包含了医疗文本的检索和图像的检索。

医疗文本的检索，包括诊断的结果、治疗方案和病人电子病历的首页等。在著名的以文本检索评测为目的的TREC会议上，专门构建了医疗数据讨论组［43］。医疗文本检索是针对一个具体领域的文本检索任务，其主要困难在于如何处理医疗数据查询结果的复杂性和模糊性［40，41］。一般在医疗信息检索中，可以利用标准的术语和本体，比如ICD（国际疾病分类），UMLS（统一医学语言系统），MeSH（医学主题词表），通过基于语义的文本搜索方法来解决医疗数据检索的模糊性问题。提高搜索质量的常用机制是查询展开［99］和查询重构［42］。在文献［37，39］中，他们利用语义资源作为查询表达式的查询语言，以此来缩小实际查询和EMRs之间的语义分歧，从而提高医疗信息检索质量。现有的六种与具体领域无关的语义相似性度量方法都可以适用于生物医学领域中［38］。

医疗图像查询主要有两个不同方法来解决，即基于文本的方法和基于内容的方法。前者就是首先对医疗图像进行文本标注，然后通过文本来检索图像。譬如Biotext［44］，Yale image finder［45］，ARRS Goldminer［46］都是采用这样的方法。与医疗文本搜索相似的，复杂的医疗术语会使得搜索无法产生预期的结果。为了提高基于文本的图像搜索，许多研究者利用MeSH和UMLS注释，通过查询展开机制来呈现查询结果。如，参考文献［47，48］作者分别在PubMed和ImageCLEF竞赛数据集中使用MeSH和UMLS本体，再利用查询展开方法，则可以大大提高医疗图像检索的质量。不过，由于基于文本的图像检索方法需要手动注释，非常消耗时间，无法有效地展现语义化的医疗图像信息。

在基于内容的图像检索方法中，虚拟的图像内容特点被应用在医疗图像检索中。医疗图像通过自动化产生的表述元产生目录，通常通过自然的数字顺序［49］。在医疗图像检索时，用户先给定一个样本医疗图像，系统会将所检索图像的描述元与数据库中的图像进行比较从而得出检索结果［51］。虽然颜色也是描述图像的重要视觉特征，但一般并不用到，因为医疗图像大多是灰度图。以下是两种应用于医疗图像搜索的功能分别是纹理和形状［49，51］。

● 纹理：是一组反映空间组织像素值（关于颜色或强度）的指标。从统计的角度，一个图像纹理可以量化成一个区域的灰度分布。一般有两种广为使用的方法：一是共生矩阵，即，用相似的灰色色调的空间关系来捕获数值特性，一是边缘检测，即，用给定区域的边缘像素的数量表示纹理特征。由于检测一个图像结构内的语义细节可以量化感知特征，因此纹理已被广泛用于医学图像搜索。

● 形状：也就是利用特定区域的形状来进行搜索。通常首先应用分割和边缘检测方法确定一个图像的形状。分割后得到的片段可用现有的形状特性来描述，包括移动时不变性、旋转和缩放。

最近，多模式（Multi-Modal）图像检索技术成为一个热议的研究课题［50］。多模式图像检索是一种通过同时使用基于文本和基于视觉技术的检索技术。在多模式图像检索时，用户提供纹理和检索图像后，系统将将会呈现一组满足复杂检索要求的图像。

2.4.2医疗大数据挖掘

数据挖掘就是一种从给定数据集中发现未知模式的计算方法，以便帮助人们做出更好的决策［60］。这种从给定数据集中“发掘”的新模式通常是有一定新意且以前并不为人所知的。很显然，与信息检索不同，数据挖掘将展示数据内部没有或不容易被发现的新价值。对于医疗数据分析和利用的数据挖掘算法可以被分为两类，无监督的（描述性的）和有监督的（预测性的）方法。

无监督的方法主要考虑数据聚类。即，通过在已知数据集中测量EMRs之间的相似性，以便发现未知的模式或关系来将数据进行成组合并归类。典型的无监管数据挖掘方法包括数据聚类，关联规则挖掘和序列发现［53］。

根据台湾NHIRD的数据，作者［54］应用一种关联规则算法，并研究ADHD（注意力缺乏症/多动症）并发症。研究结果发现，ADHD儿童精神失序的关联关系完全颠覆了以前的认知。由于NHIRD数据集包含着抗酸剂索赔记录以及处方记录，在利用关联挖掘技术分析抗酸剂时［60］，结果发现有五种最常用的药物组具有抗酸性。作者［55］提出了一种基于抽象疾病、发现、流程和药物治疗特点的组合方法去衡量内部关联性，实验结果显示可以从循证实践角度来帮助找到其他相似的案例。［56］作者提出了一个两个阶段的分析办法，即利用EMRs去观测病人队列中发病率的相异性。第一阶段采用ICD-9计算优势比，该比率描述了两个病人队列之间的调整差，所有的结果组合起来作为第二阶段的总体发病率的相异性指数。对几个病人队列的实验说明该方法的有效性。同样，ICD本体还可以用于从电子病历的自由文本中提取表型信息，而电子病历中的结构化信息可以扩展以便进行细粒度的患者分层和疾病共生统计。

有监督的数据挖掘方式通常是基于先前的知识构建模型来预测新数据的可能产生的结果，这些先前的知识是在已标注的数据基础上产生的［52］。医学数据挖掘的典型有监督的方法包括预测、分类和回归。

作者［58］运用回归分析来研究基于模型的机器学习来预测心肺移植病人的存活率。有三种方法可供选择：基于学习，专家定义和基于常识的方法。这些方法要经过领域专家评估。结果显示，与传统方法相比，这种集成化数据挖掘方法效果更好。文献［59］介绍了三种流行的分类器构建方法，即，神经网络，决策树和逻辑回归，并用在预测乳腺癌的存活率。有超过二十万案例的大数据集用来做对比学习，并采用“十折交叉”验证法无偏见地衡量这三种预测模型的准确度。最后的结果显示了决策树有着最好的预测表现而逻辑回归是表现最差的。在［60］中，作者首先为传统中医临床数据构建了临床参考信息模型和物理数据模型，以用来管理众多的信息主体及其关系。然后用三种分类模型，即支持矢量机器、决策树和贝叶斯网络网络，来研究发现症状差役的知识。此外，关联挖掘还可以用来从临床处方中抽取有用的针灸点和中草药混合模式等方面的知识。

医疗诊治中最常用，也是最有用的方法就是循证方法。而这种方法必须要经过长时间的验证。如果使用大数据技术，只要数据规模足够大，那么可以通过数据分析和挖掘在短时间内就可以达到相同效果。因此健康数据的采集和利用为循证医学提供了非常好的基础［5］。而且利用大数据技术还可以带来一个副产品，那就是它对新药和新的干预办法会产生革命性影响。

2.5医疗云计算

为了降低医疗服务的负担，许多医疗和健康服务提供者都在寻找更有创新的办法来减少提供医疗服务的花费［1］。

随着新兴的云计算技术，基于互联网的互联性，使得使用者有能力利用其可扩展性、分布式的云计算环境。因此，由于这种扩展性，以及云服务提供商可以降低医疗服务花费，所以，电子医疗和健康云被看作是合适的平台来部署标准化的医疗信息系统［1，6］。

在建立医疗和健康云时，一般考虑三方面的问题：医疗健康数据存储和管理，安全和隐私保护，以及电子（数字）健康服务提供。

2.5.1医疗健康数据存储和管理

云计算和云服务将管理和维护复杂医疗健康数据的负担转移到了云端。目前已经有很多研究和工程实践证明了云存储和云计算可以提高医疗数据存储和管理的效率和效果。

作者在［61］中提出了6层次的云平台构架，使用消息队列作为云引擎，每一层都通过发布/订阅机制建立松散的通讯方式实现相对独立。实验研究显示这种云构架可以支持和适应对大规模的半结构化的或非结构化医疗数据的访问，能够很好地满足普适性的医疗服务需求。而文献［62］提出了一种基于云的智能医院文件管理系统，该系统旨在改进某些传统医院管理系统的缺陷，如硬件存储能力的限制，计算速度慢的问题，以及异构平台间的共享问题等。譬如考虑到在现有的医疗影像档案越来越多，导致了系统扩展性和维护越来越成问题，于是有些机构开始使用诸如微软Azure为云平台部署医疗影像档案系统［63］。同样地，为了解决医学图像存储、交换及跨机构共享等问题，［65］作者就介绍了一种基于Hadoop及 HDFS［64］的医疗图像文件访问系统。

另一个关于健康大数据存储和管理的例子是荷兰2006启动的大型多维队列研究和生物银行。这个项目叫Lifelines。它是基于荷兰北部人群的队列研究，包括了165，000个将被追踪30年的个体，涵盖了环境因素的信息，基因、心理和社会因素，以及医疗服务数据。这个庞大的数据库对于荷兰，甚至国际科学界都是非常宝贵的。

2.5.2安全和隐私保护

安全和隐私保护对于医疗服务信息系统的实施是非常重要的。医疗服务必须要具备CIA：C=保密，终端用户要求能够控制访问他们自身的健康数据，包括隐私。

I=完整，防止数据传输错误，也防止数据质量受到污染。

A=可提供性，包括自动化的安全备份，合适的医疗服务者可以随时访问恰当的医疗健康数据。另外，还要具备一旦传输中断时的恢复能力。

安全包括很多方面，如在ISO/IEC 27001:2013中所描述的那样［96］。但对于医疗服务来说，还需要有更多的要求。民众要求有很好的服务质量（QoS）。服务质量不仅包括安全的诸多方面，还包括“可适应性”，即针对出现的问题和变化能快速地做出响应。也就是说我们的医疗服务系统要想避免出现昂贵的修改和维护，比如通过模块化设计和应用国际化标准，等。

部署和实施一个安全而高质量的服务系统非常要。在云环境中，数据存储的提供者是第三方，使用者既不知道具体的数据访问地点，也不清楚是否还有什么其他数据源也存储在相同地方。在互联网环境中，通常总是让用户接受默认的安全信任［66］。因此，即使云服务一直在增长，但对安全和隐私要求严格的医疗服务领域仍然存在许多顾虑［67］。

过去几年有关医疗数据安全和隐私问题一直被广泛研究。许多机构［68-70］都发布了如何在网络系统中管理和利用医疗数据安全和隐私的报告。目前医疗领域关于医疗数据安全和隐私保护最流行的法案是美国的HIPPA和欧洲数据保护指导规范（95/46/EC）［70］。在这两个规范中，我们可以看到有两个基本问题：在传输中的隐私保护和存储数据的隐私保护。前者主要集中在研究SSL［71］和TSL［72］两种协议。后者较少被专门提及，多数都是在研究云服务的范式时提到相关问题，如存储及服务［67］，也就是数据外包给提供云服务的第三方。

实际上，在医疗领域中有很多关于隐私保护的技术在应用［70］，比如在［74，75，78，79］中提到的医疗服务系统中的隐私保护政策。在［74，93］中，给出了一种优化的匿名化方法以隐藏个人敏感信息。而［73，76，77，80-82，103］采用密码学和数据安全的组合方法来解决医疗信息系统开发中的安全和隐私问题。尤其是基于属性［76］的密码学原理也被用于构建安全的个人健康档案系统，病人可以无顾虑地在云环境中分享数据。［73，76-78，81］的研究则主要解决的是记录层面的隐私保护问题（即，考虑访问过程中的隐私保护，以及每个个人医疗档案应用时的隐私保护）。［74，75，79，72，104］的研究则集中在医疗数据在不同机构中的交换。这种解决方案集中在于数据层面的隐私保护（即，考虑访问过程中的隐私保护，以及整个医疗档案数据集的隐私安全）。

2.5.3电子健康服务的交付

电子健康服务的交付是指如何利用信息技术和网络等技术将医疗健康服务传递到被服务者身上。显然它与传统的面对面服务方式存在着巨大的差别。云服务是让医疗健康服务成为普适服务的关键模式［83］，它可以让一般独立的医疗健康系统变成一种高效的共享服务系统（HaaS，Healthcare system As A Service）。按照这个思路，已经有一些服务商在尝试使用云平台来交付（Deliver）健康服务。如埃森哲和AT&T就把埃森哲的医疗影像解决方案部署在云端，并向外提供服务。该系统能够提供专业的医疗影像存储和远程浏览服务，如X光片、MRI和CT扫描图像等。参考文献［85］中介绍了一种基于云端和移动终端的远程心电分析服务系统。利用该系统ECG数据可以从移动端以特定的频率被上传至云端，则ECG分析服务系统将会实时被触发分析算法，包括ECG增强，ECG质量评估，ECG参数提取等分析服务。参考文献［86］介绍了一种云医疗急救服务系统，该系统涵盖了病人从急救呼叫到最终离开急救室的一系列活动。参考文献［84］则介绍了以云技术和传感网络技术为基础的个人健康数据采集系统，连接着现有医疗设备的传感器将采集到的数据实时传输到医疗云上进行存储、处理和浏览。这样就可以为病人提供全天候的健康数据收集服务。

3　对医疗实践的影响

因为信息技术，尤其是新兴的传感检测技术，可穿戴式设备，以及移动设备的应用，使得医疗和健康服务不仅在手段上发生了巨大的变化，在理念上也具有重大的转变。“消费者”的概念正在取代“病人”［87］。医疗和健康服务不再是某些医疗机构的“专有”行为，个人也在为他们的自身健康承担责任。他们可以人通过新兴医疗信息技术的推动下寻找更优的医疗知识来做出合理的决定［4］。同时，由于新兴技术的集成使用和大数据分析，使得社会力量可以通过专有的平台，以及技术协作网络［88］协助医疗机构对终端用户的医疗健康服务发挥更大的作用。

另外，为了降低医疗服务成本与质量同时提高质量，现代卫生保健的一项重要内容就是向预防保健转变［90］。也就是关注疾病的预防而不是治疗，通过早期干预，从而最终达到降低整体医疗成本，降低疾病发病率，提高医疗服务质量。美国国会预算办公室表示，医疗改革的一个重点是预防保健［89］。然而，先前的研究表明，由于有限的医疗资源［91］预防很难实现。新的解决方案利用健康数据实时监测，并融合电子病历及诊疗记录、个人健康档案等，可以让服务者能够根据这些信息准确了解服务对象的健康状况，并及时提供干预服务。

国家科技部十二五期间，在前期完成的大量的医疗数字化，以及第三方健康管理服务项目的基础上，启动了“主动医疗服务模式研究和应用示范”项目。该项目就是基于现代卫生保健的服务理念，从“治已病”到“治未病”转变，从“接受治疗”到“预防疾病”转变，从传统的“有病看病”的被动式诊疗服务，向现代“以健康为中心”的主动式疾病管理和健康管理服务转变。将“院前”、“院中”与“院后”连接起来，形成连续服务模式。并充分借助社会的第三方力量，补充医疗资源的不足［105］。让健康教育、健康指导、运动指导、营养指导等专业能力以新兴技术的形式展现并推送给服务对象；利用智能随访、数据主动采集和整理、健康分析和预警（早期筛查）等辅助工作，降低专业医疗机构的服务强度和成本，从而实现主动式医疗服务模式。图2是这种服务模式的其中一个具体展现形式。

图2　一种基于第三方服务的主动医疗健康服务模式

很显然，主动服务模式将充分集成了各类医疗机构，包括社区、体检机构，以及卫生保健机构。而且利用云端数据共享机制，还可以将医疗数据分析师、医疗监管机构等连接起来，形成多样化的医疗服务生态［92］。

4　结论

新兴的医疗信息技术为改善医疗服务的可能性，但同时也带来了新的挑战。健康检测、大数据分析和云计算在医疗和健康领域逐步发挥着重要的作用。它们不仅可以大大提升医疗服务能力和服务水平，而且还可以均衡医疗资源，惠及基层人群、甚至偏远人群。新兴技术改变的不仅仅是检测和服务手段，它还改变了人们的健康观念，以及医疗服务模式。传统的医疗服务模式由于医疗资源的有限性，很多医疗活动只能围绕医疗机构（如，医院）展开，属于被动应对；而现代新型医疗服务将依托于这些新兴的技术，极大地发挥医疗资源的辐射能力和服务能力，许多医疗活动将不再局限于医疗机构，而是可能延伸到社区、甚至家庭，并及早发现疾病问题，早期干预，属于主动出击。当然，新兴技术在应用实践中，必须考虑整体解决方案，包括技术的适宜性、安全性和隐私保护、数据利用的授权机制、多种机构的网上协作方式，等。当然，这些也正是未来需要认真研究的课题。

参考文献

［1］A.Mu-Hsing Kuo，Opportunities and challenges of cloud computing to improve health care services，Journal of Medical Internet Research 13（3）（2011）e67.

［2］D.Garets，M.Davis，A HIMSS Analytics White Paper.Electronic Medical Records vs.Electronic Health Records:Yes，There Is a Difference，2006.

［3］ANSI，ISO/TS 18308 Health Informatics-Requirements for an Electronic Health Record Architecture，ISO，2003.

［4］T.B.Murdoch，A.S.Detsky，The inevitable application of big data to health care，Journal of the American Medical Association 309（13）（2013）1351-1352.

［5］P.B.Jensen，L.J.Jensen，S.Brunak，Mining electronic health records:towards better research applications and clinical care，Nature Reviews Genetics 13（6）（2012）395-405.

［6］E.AbuKhousa，N.Mohamed，J.Al-Jaroodi，e-Health cloud:opportunities and challenges，Future Internet 4（2012）621-645.

［7］Y.-L.Zheng，X.-R.Ding，C.C.Yan Poon，B.P.Lai Lo，H.Zhang，X.-L.Zhou，G.-Z.Yang，N.Zhao，Y.-T.Zhang，Unobtrusive sensing and wearable devices for health informatics，IEEE Transactions on Biomedical Engineering 61（5）（2014）.

［8］A.E.K.Sobel，The move toward electronic health records，Computer 45（11）（2012）.

［9］A.K.Jha，C.M.DesRoches，E.G.Campbell，K.Donelan，S.R.Rao，T.G.Ferris，A.Shields，S.Rosenbaum，D.Blumenthal，Use of electronic health records in U.S.hospitals，The New England Journal of Medicine 360（2009）1628-1638.

［10］H.Alemdar，C.Ersoy，Wireless sensor networks for healthcare:a survey，The International Journal of Computer and Telecommunications Networking 54（15）（2010）2688-2710.

［11］J.G.Ko，C.Lu，M.B.Srivastava，J.A.Stankovic，A.Terzis，M.Welsh，Wireless sensor networks for healthcare，Proceedings of the IEEE 98（11）（2010）1947-1960.

［12］Y.L.Zheng，B.Leung，S.Sy，Y.T.Zhang，C.C.Y.Poon，A clipfree eyeglasses-based wearable monitoring device for measuring photoplethysmographic signals，in:Proc.34th Annu.Int.Conf.IEEE Eng.Med.Biol.Soc.，San Diego，CA，（2012），pp.5022-5025.

［13］C.C.Y.Poon，Y.M.Wong，Y.-T.Zhang，M-Health:the development of cuff-less and wearable blood pressure meters for use in body sensor networks，in:Proc.IEEE/NLM Life Sci.Syst.Appl.Workshop，Bethesda，MD，（2006），pp.1-2.

［14］J.Penders，J.van de Molengraft，M.Altini，F.Yazicioglu，C.Van Hoof，A low-power wireless ECG necklace for reliable cardiac activity monitoring on-the-move，in:Proc.Int.Conf.IEEE Eng.Med.Biol.Soc，2011，1-4.

［15］W.B.Gu，C.C.Y.Poon，M.Y.Sy，H.K.Leung，Y.P.Liang，Y.T.Zhang，A H-shirt-based body sensor network for cuffless calibration and estimation of arterial blood pressure，in:Proc.6th Int.Workshop Wearable Implantable Body Sensor Netw.，Berkeley，CA，（2009），pp.151-155.

［16］M.Rothmaier，B.Selm，S.Spichtig，D.Haensse，M.Wolf，Photonic textiles for pulse oximetry，Optics Express 16（17）（2008）12973-12986.

［17］Y.C.Wu，C.S.Chang，Y.Sawaguchi，W.C.Yu，M.J.Chen，J.Y.Lin，S.M.Liu，C.C.Han，W.Liang，A mobile-phone-based health management system，in:K.S´ migo´ rski（Ed.），Health Management—Different Approaches and Solutions，InTech，Rijeka，Croatia，2011.

［18］Electrocardiography，February 2014.Page Version ID:594435221.

［19］H.Li，J.Tan，ECG segmentation in a body sensor network using hidden Markov models，in:5th International Summer School and Sympo-sium on Medical Devices and Biosensors，June，（2008），pp.285-288.

［20］P.Langley，L.Y.Di Marco，S.King，D.Duncan，C.Di Maria，W.Duan，M.Bojarnejad，D.Zheng，J.Allen，A.Murray，An algorithm for assessment of quality of ECGs acquired via mobile telephones，in:Computing in Cardiology，September，（2011），pp.281-284.

［21］P.Leijdekkers，E.Barin，V.Gay，Feasibility Study of a Non invasive Cardiac Rhythm Management System，2009.

［22］A.C.Cheng.Real-Time Cardiovascular Diseases Detection on a Smartphone.

［23］E.K.Choe，J.A.Kientz，S.Halko，A.Fonville，D.Sakaguchi，N.F.Watson，Opportunities for computing to support healthy sleep behavior，in:CHI'10 Extended Abstracts on Human Factors in Computing Systems，CHI EA'10，2010，3661-3666.

［24］S.Ancoli-Israel，R.Cole，C.Alessi，M.Chambers，W.Moorcroft，C.P.Pollak，The role of actigraphy in the study of sleep and circadian rhythms，Sleep 26（3）（2003）342-392，PMID:12749557.

［25］A.Gaddam，K.Kaur，G.S.Gupta，S.C.Mukhopadhyay，Determination of sleep quality of inhabitant in a smart home using an intelligent bed sensing system，in:2010 IEEE Instrumentation and Measurement Technology Conference（I2MTC），May，（2010），pp.1613-1617.

［26］A.Salarian，H.Russmann，F.J.G.Vingerhoets，C.Dehollain，Y.Blanc，P.R.Burkhard，K.Aminian，Gait assessment in Parkinson's disease:toward an ambulatory system for long-term monitoring，The IEEE Transactions on Biomedical Engineering 51（8）（2004）1434-1443.

［27］S.J.Morris，J.A.Paradiso，Shoe-integrated Sensor System for Wireless Gait Analysis and Real-time Feedback，vol.3，2002，pp.2468-2469.

［28］L.Liu，M.Popescu，M.Skubic，M.Rantz，T.Yardibi，P.Cuddihy，Automatic Fall Detection based on Doppler Radar Motion Signature，2011，222-225.

［29］J.Chen，K.Kwong，D.Chang，J.Luk，R.Bajcsy，Wearable sensors for reliable fall detection，in:27th Annual International Conference of the Engineering in Medicine and Biology Society，2005 IEEE-EMBS，2005，3551-3554.

［30］J.-O.Nilsson，I.Skog，P.Handel，K.Hari，Foot-mounted INS for everybody-an open-source embedded implementation，in:IEEE Position Location and Navigation Symposium（PLANS），2012，140-145.

［31］A.Serra，D.Carboni，V.Marotto，Indoor pedestrian navigation system using a modern smartphone，in:Proceedings of the 12th International Conference on Human Computer Interaction with Mobile Devices and Services，2010，pp.397-398.

［32］J.Sung，C.Ponce，B.Selman，A.Saxena，Human activity detection from RGBD images，in:AAAI Workshop on Pattern，Activity and Intent Recognition（PAIR），2011.

［33］O.Oreifej，Z.Liu，HON4D:histogram of oriented 4D N normals for activity recognition from depth sequences，in:Proceedings of the 24th IEEE Conference on Computer Vision and Pattern Recognition（CVPR），Portland，OR，June，2013.

［34］A.Srivastava，A.B.Taly，A.Gupta，S.Kumar，T.Murali，Post-stroke balance training:role of force platform with visual feedback technique，Journal of the Neurological Sciences 287（2009）89-93.

［35］B.Lange，S.Koenig，E.McConnell，C.Chang，R.Juang，E.Suma，M.Bolas，A.Rizzo，Interactive game-based rehabilitation using the Microsoft Kinect，in:Proc.Of IEEE VRW，2012，171-172.

［36］A.Gonzalez，M.Hayashibe，P.Fraisse，Subject-specific Center of Mass Estimation for In-home Rehabilitation - Kinect-Wii Board vs.Vicon-Force Plate，2013.

［37］G.Zuccon，B.Koopman，A.Nguyen，D.Vickers，L.Butt，Exploiting medical hierar-chies for concept-based information retrieval，in:Proceedings of the Seventeenth Australasian Document Computing Symposium，2012，pp.111-114.

［38］X.Yan，R.Y.Lau，D.Song，X.Li，J.Ma，Toward a semantic granularity model for domain-specific information retrieval，ACM Transactions on Information Systems 29（2011）15:1-15:46.

［39］J.Li，J.-J.Yang，C.Liu，Y.Zhao，B.Liu，Y.Shi，Exploiting semantic linkages among multiple sources for semantic information retrieval，Enterprise Information Systems（2014），http://dx.doi.org/10.1080/17517575.2013.879923.

［40］A.Babashzadeh，J.Huang，M.Daoud，Exploiting semantics for improving clinical information retrieval，in:SIGIR，2013，801-804.

［41］E.Voorhees，R.Tong，Overview of the TREC 2011 medical records track，in:Proc.of TREC，2011.

［42］H.K.Jain，C.Thao，H.Zhao，Enhancing electronic medical record retrieval through semantic query expansion，Information Systems and e-Business Management 10（2）（2012）165-181.

［43］T.Edinger，A.Cohen，et al.，Barriers to retrieving patient information from electronic health record data:failure analysis from the TREC medical records track，in:AMIA 2012 Annual Symposium，Chicago，IL，2012.

［44］M.A.Hearst，A.Divoli，H.Buturu，A.Ksikes，P.Nakov，M.A.Wooldridge，et al.，Biotext search engine:beyond abstract search，Bioinformatics 23（16）（2007）2196-2197.

［45］S.Xu，J.McCusker，M.Krauthammer，Yale image finder（YIF）:a new search engine for retrieving biomedical images，Bioinformatics 24（17）（2008）1968-1970.

［46］C.H.Kahn Jr.，C.Thao，GoldMiner:a radiology image search engine，American Journal of Roentgenology 188（2007）1475-1478.

［47］Z.Lu，W.Kim，W.Wilbur，Evaluation of query expansion using MeSH in PubMed，Information Retrieval 12（1）（2009）69-80.

［48］M.C.D1´az-Galiano，M.A.Garc1´a-Cumbreras，M.T.Mart1´n-Valdivia，L.A.Uren~a-Lo´ pez，Montejo-Ra´ez，Query expansion on medical image retrieval:MeSH vs.UMLS，in:Peters，T.Deselaers，N.Ferro，J.Gonzalo，G.J.F.Jones，M.Kurimo，T.Mandl，A.Pen~as，V.Petras（Eds.），CLEF 2008，LNCS，vol.5706，Springer，Heidelberg，2009，pp.732-735.

［49］K.H.Hwang，H.Lee，D.Choi，Medical image retrieval:past and present，Healthcare Informatics Research 18（1）（2012）3-9.

［50］I.Kitanovski，K.Trojacanec，I.Dimitrovski，S.Loskovska，Multimodal medical image retrieval，Advances in Intelligent Systems and Computing 207（2013）81-89.

［51］H.Mu¨ ller 1，N.Michoux，D.Bandon，A.Geissbuhler，A review of content-based image retrieval systems in medical applications -clinical benefits and future directions，International Journal of Medical Informatics 73（1）（2004）1-23.

［52］X.Wu，V.Kumar，J.Ross Quinlan，J.Ghosh，Q.Yang，H.Motoda，G.J.McLachlan，A.Ng，B.Liu，P.S.Yu，Z.-H.Zhou，M.Steinbach，D.J.Hand，D.Steinberg，Top 10 algorithms in data mining，Knowledge and Information Systems 14（2008）1-37.

［53］I.Yoo，P.Alafaireet，M.Marinov，K.Pena-Hernandez，R.Gopidi，J.-F.Chang，L.Hua，Data mining in healthcare and biomedicine:a survey of the literature，Journal of Medical Systems 36（2012）2431-2448.

［54］T.J.Chen，L.F.Chou，S.J.Hwang，Application of a datamining technique to analyze coprescription patterns for antacids in Taiwan，Clinical Therapeutics 25（9）（2003）2453-2463.

［55］H.Cao，G.B.Melton，M.Markatou，G.Hripcsak，Use abstracted patient-specific features to assist an information-theoretic measurement to assess similarity between medical cases，Journal of Biomedical Informatics 41（2008）882-888.

［56］J.S.Schildcrout，et al.，An analytical approach to characterize morbidity profile dissimilarity between distinct cohorts using electronic medical records，Journal of Biomedical Informatics 43（2010）914-923.

［57］R.H.Perlis，et al.，Using electronic medical records to enable large-scale studies in psychiatry:treatment resistant depression as a model，Psychological Medicine 42（2012）41-50.

［58］A.Oztekin，D.Delen，Z.J.Kong，Predicting the graft survival for heart-lung transplantation patients:an integrated data mining methodology，International Journal of Medical Informatics 78（2009）e84-e96.

［59］D.Delen，G.Walker，A.Kadam，Predicting breast cancer survivability:a comparison of three data mining methods，Artificial Intelligence in Medicine 34（2005）113-127.

［60］X.Zhou，S.Chen，B.Liu，R.Zhang，Y.Wang，P.Li，Y.Guo，H.Zhang，Z.Gao，X.Yan，Development of traditional Chinese medicine clinical data warehouse for medical knowledge discovery and decision support，Artificial Intelligence in Medicine 48（2010）139-152.

［61］T.Venkatesh，N.Premkumar，G.Sivaguru，Efficient cloud platform providing an omnipresent healthcare services，International Journal of Research in Engineering & Advanced Technology 1（October-November（5））（2013）.

［62］L.Guo，F.Chen，L.Chen，X.Tang，The building of cloud computing environment for e-health，in:Proceedings of the International Conference on e-Health Networking，Digital Ecosystems and Tech.（EDT），Shenzhen，China，17-18 April，（2010），pp.89-92.

［63］C.C.Teng，J.Mitchell，C.Walker，A medical image archive solution in the cloud，in:Proceedings of the 2010 IEEE International Conference on Software Engi-neering and Service Sciences（ICSESS），Beijing，China，16-18 July，（2010），pp.431-434.

［64］Hadoop［Online］.Available:http://hadoop.apache.org/.

［65］C.-T.Yang，L.-T.Chen，W.-L.Chou，K.-C.Wang，Implementation of a medical image file accessing system on cloud computing，in:IEEE International Conference on Computational Science and Engineering，2010.

［66］L.M.Kaufman，Data security in the world of cloud computing，IEEE Security &Privacy 7（4）（2009）61-64.

［67］D.Zissis，D.Lekkas，Addressing cloud computing security issues，Future Generation Computer System（2012）583-592.

［68］Communicating health information in an insecure world，R.Bakker，B.Barber，R.Tervo-Pellikka，A.Treacher（Eds.），Proceedings of the Helsinki Working Conference 43:11995，p.2.

［69］B.Barber，D.Garwood，P.Skerman，Security in Hospital Information Systems，Security and Data Protection Programme Presented at the IMIA WH10 Working Conference，Durham，1994.

［70］J.L.Ferna´ndez-Alema´ n，I.C.Sen~ or，Lozoya PA´ ，A.Toval，Security and privacy in electronic health records:a systematic literature review，Journal of Biomedical Informatics 46（3）（2013）541-562.

［71］P.Karlton，A.Freier，P.Kocher，The SSL Protocol v3.0.Internet Draft，1996.

［72］［74］T.Dierks，C.Allen，The TSL Protocol.Internet Draft，1997.

［73］K.T.Win，W.Susilo，Y.Mu，Personal health record systems and their security protection，Journal of Medical Systems 30（4）（2006）309-315.

［74］R.Agrawal，C.Johnson，Securing electronic health records without impeding the flow of information，International Journal of Medical Informatics 76（5-6）（2007）471-479.

［75］B.S.Elger，J.Iavindrasana，L.Lo Iacono，H.Mu¨ ller，N.Roduit，P.Summers，et al.，Strategies for health data exchange for secondary，cross-institutional clinical research，Computer Methods and Programs in Biomedicine 99（3）（2010）230-251.

［76］S.Narayan，M.Gagne´ ，R.Safavi-Naini，Privacy preserving EHR system using attribute-based infrastructure，in:Proc ACM Workshop on Cloud Computing Security，2010，47-52.

［77］J.Benaloh，M.Chase，E.Horvitz，K.Lauter，Patient controlled encryption:ensuring privacy of electronic medical records，in:Proc ACM Workshop on Cloud Computing Security，2009，103-114.

［78］C.A.Ardagna，S.D.C.di Vimercati，S.Foresti，T.Grandison，S.Jajodia，P.Samarati，Access control for smarter healthcare using policy spaces，Computers & Security 29（8）（2010）848-858.

［79］M.Jafari，R.Safavi-Naini，C.Saunders，N.P.Sheppard，Using digital rights management for securing data in a medical research environment，in:Proc Digital Rights Management Workshop，2010，55-60.

［80］C.Quantin，D.O.Jaquet-Chiffelle，G.Coatrieux，E.Benzenine，F.A.Allaert，Medical record search engines，using pseudonymised patient identity:an alternative to centralised medical records，International Journal of Medical Informatics 80（2）（2011）e6-e11.

［81］J.Jin，G.J.Ahn，H.Hu，M.J.Covington，X.Zhang，Patient-centric authorization framework for electronic healthcare services，Computers & Security 30（2-3）（2011）116-127.

［82］J.Hu，H.H.Chen，T.W.Hou，A hybrid public key infrastructure solution（HPKI）for HIPAA privacy/security regulations，Computer Standards & Interfaces 32（5-6）（2010）274-280.

［83］N.Sultan，Making use of cloud computing for healthcare provision:opportunities and challenges，International Journal of Information Management 34（2014）177-184.

［84］C.O.Rolim，F.L.Koch，C.B.Westphall，A cloud computing solution for patient's data collection in health care institutions，in:Proceedings of the Second International Conference on eHealth，Telemedicine，and Social Medicine（ETELEMED'10），St.Maarten，The Netherlands，10-16 February，（2010），pp.95-99.

［85］H.Xia，I.Asif，X.Zhao，Cloud-ECG for real time ECG monitoring and analysis，Computer Methods and Programs in Biomedicine 253-259（2013）.

［86］V.Koufi，F.Malamateniou，G.Vassilacopoulos，Ubiquitous access to cloud emergency medical services，in:IEEE International Conference on Information Technology and Applications in Biomedicine（ITAB），2010.

［87］H.S.Wald，C.E.Dube，D.C.Anthony，Untangling the web—the impact of Internet use on health care and the physician-patient relationship，Patient Education and Counseling 68（2007）218-224.

［88］V.Fuchsberger，Ambient assisted living:elderly people's needs and how to face them，in:Proceedings of the 1st ACM International Workshop on Semantic Ambient Media Experiences，2008.

［89］G.Halvorson，Kaiser Foundation:Healthcare Reform Now，1st ed.，Jossey-Bass，2007.

［90］M.V.Maciosek，A.B.Coffield，T.J.Flottemesch，N.M.Edwards，L.I.Solberg，Greater use of preventive services in U.S.health care could save lives at little or no cost，Health Affairs（Millwood）29（9）（2010）1656-1660.

［91］M.V.Maciosek，A.B.Coffield，N.M.Edwards，T.J.Flottemesch，M.J.Goodman，L.I.Solberg，Priorities among effective clinical preventive services:results of a systematic review and analysis，American Journal of Preventive Medicine 31（2006）52-61.

［92］Chang H.H.，Chou P.B.，S.Ramakrishnan，An ecosystem approach for healthcare services cloud，in:IEEE International Conference on e-Business Engineering，2009.

［93］J.Li，J.-J.Yang，Y.Zhao，B.Liu，A top-down approach for approximate data anonymization，Enterprise Information Systems 7（3）（2013）272-302.

［94］A.Pantelopoulos，N.G.Bourbakis，A survey on wearable sensor-based systems for health monitoring and prognosis，IEEE Transactions on Systems，Man，and Cybernetics，Part C:Applications and Reviews 40（1）（2010）1-12.

［95］S.Coyle，K.-T.Lau，N.Moyna，D.O'Gorman，D.Diamond，et al.，BIOTEX—biosen-sing textiles for personalised healthcare management，IEEE Transactions on Information Technology in Biomedicine 14（2）（2010）364-370.

［96］A.Grillet，D.Kinet，J.Witt，M.Schukar，K.Krebber，F.Pirotte，A.Depre，Optical fiber sensors embedded into medical textiles for healthcare monitoring，IEEE Sensors Journal 8（7）（2008）1215-1222.

［97］http://www.iso.org/iso/home/store/catalogue_ics/catalogue_detail_ics.htm?csnumber=54534(accessedonDecember2014).

［98］Eurostat，Europe in Figures - Eurostat Yearbook 2008，European Communities，Luxembourg，2008.

［99］J.Li，Y.Zhao，B.Liu，Exploiting semantic resources for large scale text categorization，Journal of Intelligent Information Systems 39（3）（2012）763-788.

［100］WHO，World Health Statistics 2014，WHO，2014，pp.42-44 Opgehaald van，http://www.who.int/gho/publications/world_health_statistics/2014/en.

［101］European Commission，The 2012 Ageing Report - Economic and Budgetary Projections for the 27EU Member States（2010-2060），European Union，Brussels，2012，http://dx.doi.org/10.2765/19991.

［102］R.Mao，H.Xu，W.Wu，J.Li，Y.Li，M.Lu，Overcoming the challenge of variety:big data abstraction，the next evolution of data management for AAL communication systems，IEEE Communications Magazine 53（1）（2015）42-47.

［103］B.Liu，J.Li，Y.Zhao，Repairing and reasoning with inconsistent and uncertain ontologies，Advances in Engineering Software 45（1）（2012）380-390.

［104］J.-J.Yang，J.Li，Y.Niu，A hybrid solution for privacy preserving medical data sharing in the cloud environment，Future Generation Computer Systems 43-44（2015）74-86.

［105］L.Guo，J.-J.Yang，L.Peng，L.Li，Q.Liang，A computer-aided healthcare system for cataract classification and grading based on fundus image analysis，Computers In Industry，Volume 69，May 2015，Pages 72-80

Review on Emerging Technologies in Digital Medical and Health Service

YANG Ji-Jiang1，LI Jian-qiang2，WANG Qing1，HU Jian-ping3
（1.RIIT，Tsinghua University，Beijing 100084，China； 2.School of Software，Beijing University of Technology，Beijing 100124，China； 3 Statistic Information Center of NHFPC，Beijing 100044，China）

Abstract:Information technologies，including sensing，cloud，security，are changing quickly.These technologies are deeply impacting on medical and health service，and are also changing medical and health service perception and patterns，i.e.，from passive pattern on curing disease to active pattern on prevention.In this paper，we firstly summarize the EMR history.Then three category technologies，i.e.，health sensing，medical bigdata analysis and cloud are reviewed in medical area.And then the influence of the emerging technologies on medical and health service is analysed.Active service is proposed.

Keywords:Digital medicine； Health sensing； Medical bigdata； Medical cloud； Active service

作者简介：杨吉江，博士，清华大学信息技术研究院，副研究员，数字医疗健康工程研究中心主任。主要研究方向：医疗信息化，隐私保护，医疗大数据分析，医疗和健康云。

*基金支持：国家科技支撑计划项目“主动医疗服务共性关键技术”（编号：2013BAH05F02）