vmUruq6

无论对于医疗健康行业,还是对于医疗保险行业来说,健康大数据都是行业治理的基础设施和得力工具。海量数据采集自人类个体,流淌于IT系统之中。据测算,每个人一生将产生不少于605 TB(不包括任何可能和必要的数据交互),全国每年将产生超过1000 ZB的交互数据量(不包括这些数据的二次使用和复制/衍生等)。

何为健康大数据?

世界卫生组织(WHO)早已言明,健康是一种生理、心理与社会适应都臻于完满的状态,而不仅是没有疾病或虚弱。2016年,中央召开的全国卫生和健康大会指出,全方位全周期保障人民健康。 大数据是人民健康水平、国民健康战略的“晴雨表”和“指南针”。 大数据可以提高卫生健康部门、医保部门的决策精准性、精细化水平,比如:预测下一个段季节病、流行病高峰期的时点、周期、烈度,可以提前部署医疗卫生资源,避免被动挨打的“非典”(SARS)事件重演。再比如:预测近期有组织在线欺诈行为的单数、行业、架构、流程,可以针对“黑灰产”将魔手伸到医保欺诈骗保领域提前布防,避免医保基金成为“唐僧肉”。

从这一总要求出发,广义的健康大数据可以从两个维度予以定义:一是涵盖人类个体产生的所有作为健康影响因素的数据,包括:生理大数据(含基因等多组学大数据)、心理大数据、环境健康大数据、生活方式大数据,等等。二是国民健康服务、国民健康保障这两大体系所产生的数据,包括:医疗机构大数据、公共卫生大数据、健康管理大数据、医疗保障大数据、商业保险大数据,等等。

然而,我国健康大数据治理水平低、实际利用率低,难以形成健康绩效。一是多头监管:由国家卫生健康部门提出的“健康医疗大数据”(狭义健康大数据),尚未也无法将国家医保部门提出的“医保大数据”囊括其中,难以形成覆盖全生命周期、全方位需求的广义健康大数据,健康医疗大数据、养老大数据、社保医保大数据、商业保险大数据、生物多组学数据之间更是无法打通。二是数据质量低:来自智能监测设备(如:智能手环、智能血压计、智能血糖仪)的海量健康数据,在维度、精度、实时性、稳定性等方面难以达到医疗级应用,仅起到预警功能,无法用于临床诊断治疗。

有基于此,在建立数据共享开放平台的部分省份、地市,健康大数据被框定在医疗机构大数据(甚至只是医院大数据)的范围内。2018年,我国公立医院12032个,民营医院20977个。医院大数据相对定期采集、处理相对规范、应用相对成熟,是卫生健康部门、医保部门、商业机构开展行业治理的首要选择。2015年以来,国家卫生健康部门围绕系统集成、业务协同、数据互联互通、智慧医疗应用,先后开展了一系列举措。这包括:电子病历系统应用水平分级评价、医院信息平台应用功能指引、医院信息互联互通标准化成熟度测评,等等。

谁来喂饱医疗AI?

2017年,“人工智能”首次写入国务院《政府工作报告》,并上升为国家战略。国务院印发《新一代人工智能发展规划》,设置了“智能医疗”专门段落,提出:“探索智慧医院建设,开发人机协同的手术机器人、智能诊疗助手,研发柔性可穿戴、生物兼容的生理监测系统,研发人机协同临床智能诊疗方案,实现智能影像识别、病理分型和智能多学科会诊。基于人工智能开展大规模基因组识别、蛋白组学、代谢组学等研究和新药研发,推进医药监管智能化。加强流行病智能监测和防控。”

特别是在深度学习辅助诊断、辅助治疗辅助决策领域,新一代医疗人工智能技术(如深度学习、神经网络等)有助于在三个方面提升医疗卫生体系的治理绩效:(1)缓解我国专科医务人员短缺局面,为高饱和度工作减负(如:影像医生、病理医生),(2)洞察医务人员肉眼识别无法发现的高维空间影像,揭示隐藏在疑难病症之后无法感受也无法表达的“暗知识”,提高诊断准确性和治疗方案科学性。(3)将高等级医院、高年资医生的“人类智能”固化为算法模型,用人工智能赋能基层医院、低年资医生。

随着新一代人工智能在医疗领域开展应用,对健康大数据(尤其是医院大数据)提出了更高要求。

算法是人工智能产业的“皇冠”,但在临床应用环节面临着诸多未知数。自达特茅斯会议标志着人工智能诞生以来,人工智能发展经过了“三落三起”。最近一轮的人工智能崛起,深度学习、神经网络算法是其核心驱动力。由于“人命关天”的医疗决策对人工智能脆弱性、不稳定性、“算法黑箱”问题容忍度低,且许多医疗机构基于自身的医疗安全、患者隐私、医嘱知识产权等因素,不愿将医院大数据交付给自己控制范围之外的算法模型。

据国家卫生健康委统计信息中心2018年调查数据显示,仍有多达一半以上的三级医院尚未开展大数据、智能应用。据国家心血管病中心对95家医院进行的问卷调查,有超过3成医院近3年来并未在医疗人工智能方面进行投入,投入上千万元的医院仅占比5.3%。

临床大数据是训练算法模型绕不过去的坎,如果机器学习所需的“食材”连喂都喂不饱,更别说吃上精细加工后的“餐食”,这就无法让算法模型一天比一天“聪明”。大数据和人工智能行业对数据共享开放表达了困惑:一是数据共享水平有限,数据量、数据维度、数据精度受限,难以满足神经网络的算法模型训练需求。二是大部分原始数据为非结构化数据,数据的集中化、标准化、智能化程度较差,需经过数据归集、清洗、数据脱敏、数据标注等额外环节,导致算法模型训练的耗时过长、成本过高。

相关阅读:

大数据与实体经济深度融合全国行首站贵阳启动

阿里云飞天大数据平台亮相,中国唯一自主研发、集群规模世界第一    

关注中国IDC圈官方微信:idc-quan 我们将定期推送IDC产业最新资讯

查看心情排行你看到此篇文章的感受是:


  • 支持

  • 高兴

  • 震惊

  • 愤怒

  • 无聊

  • 无奈

  • 谎言

  • 枪稿

  • 不解

  • 标题党
2019-07-31 13:34:00
大数据资讯 贵州省人大审议大数据安全保障条例(草案)
7月29日,贵州省十三届人大常委会第十一次会议举行第一次全体会议,听取了贵州省人大法制委员会关于《贵州省大数据安全保障条例(草案)》审议结果的报告,并分组审议了《 <详情>
2019-07-31 13:28:21
大数据资讯 贵州:大数据服务队为传统企业“会诊”
日前,贵州省大数据发展管理局和国家工业信息安全发展研究中心共同主办的大数据与实体经济深度融合全国行在贵阳举行启动会。贵州以大数据为传统企业的转型升级“把脉问诊” <详情>
2019-07-31 13:23:06
大数据技术 贵州大数据让脱贫攻坚“大”有可为
前几年,大数据这个词在不少人眼里恐怕还是“高大上”的代名词。随着近几年信息技术高速发展、互联网的快速普及,全球数据爆发增长、海量集聚,大数据应用渗透到我们生活的 <详情>
2019-07-31 09:58:00
大数据技术 运用大数据实现扶贫脱贫“精准”性
2019年中央一号文件将聚力精准施策,决战决胜脱贫攻坚作为一项硬任务,明确要求到2020年确保现行标准下,农村贫困人口实现脱贫、贫困县全部“摘帽”、解决区域性整体贫困。从 <详情>
2019-07-31 09:05:34
大数据技术 中云数据:用去中心化打破孤岛,“数工场” 实现工业数据互联|创业
“工业数据比电商数据复杂的多,首先它多且杂,传统工业企业产生大量数据但不知道如何应用;其次是它数据产生的频率不规律但是要求很严格,尤其数据不能出错,不然会影响整 <详情>