火箭军总医院卢敬泰：互联网+医疗大数据辅助诊疗研究

以下为火箭军总医院信息中心主任卢敬泰在2018中国企业互联网CEO峰会的演讲实录，内容略有删减。

火箭军总医院信息中心主任  卢敬泰

互联网+医疗 目前医院信息化发展已经20多年，随着医院业务不断拓展、规模不断扩大，信息化的支撑作用也在飞速的发展。 “互联网+医疗”，是互联网在医疗行业的新应用，“互联网+”是以互联网为载体，以信息技术为手段（包括移动通讯技术、云计算、物联网、大数据、人工智能等），与医疗行业服务融合而形成的一种新型医疗服务业态，这就是传统医疗产业与互联网紧密结合，形成的“互联网+医疗”模式。 目前这种模式下主要开展健康教育、医疗信息查询、电子健康档案、疾病风险评估、在线疾病咨询、复诊电子处方、远程会诊及远程治疗和康复等多种形式的健康医疗服务。 医疗大数据的利用 首先，我们能看到通讯技术、云计算、物联网、大数据、移动互联和人工智能等技术应用在医疗行业，对医院信息化的发展既带来了机遇，同时也面临着巨大挑战。 应该说医院具有大数据多样性特性典型的的应用场景，医疗数据产生的类型非常繁杂。 从病人到医院就诊之后会产生大量的数据，门诊到住院的各类检查、检验、病历等，有些是结构化的，有些是非结构化的，比如CT、核磁、X片、超声、内镜、心电图以及电生理等，都会产生大量的图像和报告文本。 还有一些视频资料，比如，在内窥镜下采集视频，在脑卒中介入治疗下采集动态影像，观察心脏24小时动态心电图等。还有一类就是组织学数据，包括微生物、基因序列、组学蛋白等，这些数据量都非常大。 总之，随着医院信息系统上线数量的增加，信息系统就会产生大量的异构数据，这些数据相对独立，形成另一种形式的“信息孤岛”，为了解决这个问题我们上线了集成平台，实现了数据融合，形成术语标准化、结构化的数据库，称之为临床数据中心（CDR）。 我们数据中心建成以后之后，我们要将医院业务系统与应用流程优化相结合，把标准化的数据用于辅助医生诊断和治疗，叫集成融合利用。 从我们通过对临床和组学检测数据分析，把主业务系统、临床业务系统等产生的结构化和非结构化的数据，生成标准化临床数据库，依据CDR建立临床数据利用的数据模型，再经过人工智能(AI)深度学习，生成知识图谱，比如文献收集、临床指南、诊断路径和用药指导等，存入知识库。 这个过程循环往复为临床累积知识库，反过来辅助指导临床。 主要用于一是辅助医生诊疗，比如预测生存期、发现新疗法、治疗方案和预后方案等；二是辅助医生医学研究，比如致病基因、肠道菌群、药物代谢或靶向用药以及肿瘤驱动基因等；三是临床用药指导，比如治疗药物推荐、联合用药指导以及药物不良反应评估等。 我们有这些数据以后，基于云计算，通过数据清洗、大数据挖掘等技术，对数据进行分析利用，形成知识库，通过再学习，建立数据模型进行临床的辅助诊疗以及临床的科研，这正是医院信息化目前经历的场景。 医疗数据挖掘技术 我们做医疗数据挖掘，分为六步。

• 一是对业务进行理解，通过对决定业务目标、评估现状、决定数据挖掘目标以及制定项目计划书等业务流程的理解；
• 二是数据理解，通过收集原始数据、描述数据、探索数据及检查数据质量等，了解掌握数据分类交换的逻辑关系；
• 三是数据准备，通过选取数据、清洗数据、构建数据、整合数据及标准化数据等；
• 四是数据建模，通过选择数据建模技术、核查检验设计、构建模型及评估模型等；
• 五是结果评估，通过评估结果、回顾流程和制定下一步计划等；
• 六是模型部署，通过计划部署、计划监控和维护、撰写最终报告及总结项目报告等。经过六步法将临床诊疗需要的基础数据抽取出来，为基于大数据辅助诊疗提供支撑。

  大数据辅助诊疗 大数据诊疗的最关键的一点，就是从这些大量的临床数据里面，把它抽取出来通过诊断模型，明确疾病诊断，同时对于癌症患者预测生存期，并发现新疗法、治疗方案和预后方案等。 我们正在研究胰腺癌的大数据，利用诊断模型，通过构建疾病知识库图谱，为门诊医生实现辅助诊疗，依据临床症状提供一些合理化诊断建议，结合医生经验得出正确的诊疗方案，数据再反馈回来，形成良性循环，使我们的数据库不断的完善，不断的再学习，构成一个标准化、结构化的数据库，为未来诊疗数据的大样本库积累有价值数据。 胰腺癌大数据辅助诊疗 1.胰腺癌大数据辅助诊疗现状及解决方法 有了大数据挖掘技术作支撑，我们重点做了是胰腺癌诊疗研究。因为医院积累了大量的临床数据，怎么样让这些数据说话？有很多企业转行医疗行业时间很长，由于没有找到应用点，几年投入未见成效，什么原因？就是因为对医院的数据没有深入了解和分析。这就是为什么我们国家临床数据样本很大，却比西方国家落后很多的原因。 国内关于胰腺癌手术量大，但基础科研水平不高，表现勤于动手，而不善于勤于动脑；导致结果是国内医院一年做1万台手术，反倒听从国外一年做500台手术的医院指导； 国外写美国国立综合癌症网络（National Comprehensive Cancer Network，NCCN）指南的专家，很多手术做的比中国医生少。结果：我们处处要向人家学习，时时刻刻要向人家学习。 针对这些问题，我们专家逐步找到了解决方法。 一是建立完善的临床数据库，培养数学思维模式和严谨认真作风； 二是高度重视基础和临床科研，培育科研人员； 三是加强学术修养和人文修养，善于思考、总结；四是参考指南，但更要敢于突破指南，实事求是的说话和做事。 2. 胰腺癌大数据辅助诊疗和随诊 依据胰腺癌临床诊疗规范，建立专注的研究型数据库，表单按各专科专家的经验定制，提供面向医院主任医师和各专科医生专业的统计分析工具，可分析出个人数据变化曲线和群体数据统计分析结果，以满足医生科研与临床的需求。 通过随诊APP面向患者个体，跟踪患者术后恢复情况，并及时完善EMR的后期数据完整性，提高专业分析效果。也方便了患者康复期各类咨询，有利于进行慢病管理。还可以提供VIP服务，满足患者个性化服务，提高患者满意度。 未来以构建私有云的方式，通过手机APP和网上社区，把各胰腺癌患者的情况，通过医生随诊与患者聊天方式，采集出院后患者病历样本。利用语义识别技术，把这些样本标准化和结构化存入到我们数据库。使得我们的数据库样本量持续更新增加，利用诊断模型辅助诊断结果指导临床辅助诊疗。 3.胰腺癌预后分析 胰腺癌预后（prognosis）分析，对胰腺癌各种结局发生概率及其影响因素的研究，预后分析是非常实用、很有指导作用的临床研究，对比病因学分析和治疗学分析。 预后分析一般包括各种“率”的估计，比如发病率、生存率、治愈率、复发率、死亡率等。还有影响因素的研究，比如筛选影响预后的指标。 预后分析作用，主要包括一是选择治疗方案，根据疾病的诊断和临床指标，判断其预后，以选择合适的治疗方案；二是消除负面因素改善预后，在临床治疗中设法消除影响预后的因素，改善疾病的预后。 所以我们建立了胰腺癌大数据中心，主要解决胰腺癌的生存期预测、治疗方案和预后方案。通过这些积累了十几年的胰腺癌样本量数据挖掘分析，实现胰腺癌大数据辅助诊疗。 4.胰腺癌预后分析的基本方法 胰腺癌预后分析的一般步骤，一是先从回顾性的临床资料中进行筛检，然后通过病例对照研究 ； 二是进一步进行前瞻性队列研究加以论证，从而确定是否为预后因素。 从单因素分析开始，然后进行多因素分析。得出生存分析的方法是预后研究常用的统计学方法。研究结局可以是死亡、痊愈、完全缓解等，同时为计算时间生存率，每个研究病例均需进行随访。 构建胰腺癌诊疗云平台 建设线上社区 医生社区可以分享医疗资料、手术方案、手术视频等，组织线上线下活动，如手术在线直播等； 患者社区可以成立患者互助小组，分享治病经验，树立抗击病魔信心； 科普社区可以把常见疾病预防、诊断和治疗知识科普及用药指南等。 人工智能（AI）影像诊断 辅助诊断，对上传的影像进行病灶自动识别和标注，为影像科医生阅片提供参考，大幅度减少误诊、漏诊； 辅助手术，平台提供器官3D模型自动构造，帮助医生术前规划和设计，确保手术更加精准； 辅助放疗，自动勾画出放疗靶区，辅助放疗科医生制定放疗方案，大大缩短时间。 构建影像云 实现对数字影像的存储、展现和处理，以支持影像远程诊断服务； 基于多中心的影像云实现，采用最新的边缘计算技术，保证数据安全和系统效率。 医院在这个课题研究基础上，我们把它“云化”，前期先建立私有云，随着形成规模和影响力增大，建成公有云。安全问题主要做好脱敏处理和患者隐私处理。