编者按：国务院办公厅近日印发《关于推进医疗联合体建设和发展的指导意见》，要求针对在边远贫困地区发展远程医疗协作网。《意见》明确大力发展面向基层、边远和欠发达地区的远程医疗协作网，鼓励公立医院向基层医疗卫生机构提供远程医疗、远程教学、远程培训等服务，利用信息化手段促进资源纵向流动，提高优质医疗资源可及性和医疗服务整体效率。

4月26日，医疗大数据开发及应用大会召开。对于运用信息技术和大数据构建专科医联体，中国工程院院士、中日友好医院院长王辰在会上分享了丰富的实践经验，贝壳社作为会议的媒体支持，将演讲干货整理于此。

推动医疗大数据发展是国家意志

医疗大数据堪称最复杂的系统。过去由于我们对纷繁复杂数据的采集能力、掌握和分析能力不足，我们把很复杂的医学问题用简化的方法，比如说RCT(随机对照试验)。RCT被医学界认为是非常重要的实验和验证手段。而现在，大数据的时代来临能够带来新的一些思考。

过去由于数据采集和处理方式有限，数据的量级在GB或TB级，但现在采集和处理方式都有了，数据达到PB级，数据就展现出之后的价值。

从总体战略到医疗领域，推动大数据的发展都已经变成了国家意志，所以国家出台了《国务院关于印发促进大数据发展行动纲要的通知》(国发[2015]50号)，以及《国务院关于促进和规范健康医疗大数据应用发展的指导意见》(国办发[2016]47号)。这体现了国际和国内医疗行业的重要趋势也是一个方向上的导引。

文件将健康医疗大数据的定位成国家最重要的最基础的战略资源。国家在安全管理、行业管理上都有要求。

在权属管理上，医疗大数据数据权属是国家所有的，然后再通过从业者的职权分级，比如保存权和管理权归医院所有，知识产权归数据创造者所有。

在安全管理上，又分为基础设施安全(软件平台系统、信息装备设施)和数据安全(涉密数据和数据资源外泄、业务流程管理、数据使用管理)。

核心挑战医疗数据质量和分析

现在谈互联网医疗的时候，要注意医疗本身的专业性，有一系列专属化的工具，而在技术又要有大数据本身的特点。

医疗大数据的多源异构性非常突出，比一般的大数据分析复杂，需要分类管理。大致可以划分为：

(1)临床医疗大数据;

(2)公共卫生数据;

(3)个人健康数据。

各个层面都有数据记录，但是都没有整合，或者整合起来很困难，分析起来就更困难。

数据的质量非常重要，必须要在源头建立医疗数据的质量规范。因为，如果要对数据做分析的话，来源必须可靠，采集方法也有讲究，大数据不是紊乱数据，要指定标准化原则，要规范化之后，才能使用。

电子病例系统(EMR)的标准化大致分为三个层面：名词标准化、病历结构化、数据同质化。首先要求的就是名词的标准化，这里包括统一医学术语、统一名词代码、兼容方言差异和规范病历标准等等方面的内容。比如，医学数据上，一个“感冒”就有“感冒”、“上呼吸道感染”等多种表述，不统一的话，后续怎么做有效分析呢，就算分析出来也没有可信度。

数据分析也是大数据的核心问题。在这之前，要经历数据处理、数据清洗、标准化、结构化和存储。但是，目前数据分析最大的困惑是临床、统计和数据之间的复合型人才问题。大数据虽然来临了，但我们面临的现状是，医生只有一点浅薄的统计学知识，统计学人才又不真的懂临床，也不真的懂数据，做数学MES的人懂数学，又不懂统计，更不要说临床了，而大数据没有数学和IT的支撑，也是不行的。所以，多学科的转化、交融和立体架构完成了，才能让大数据得到有效的分析。而现在面临藩篱就是各学科都不相通，各自为阵，很难组成实用的系统。到了建立数字模型的阶段，数学和IT如何对接，如何转化又是突出问题。

然后就是临床病历的科研病历一体化的问题。比如队列研究，数据量巨大，分为两种，一种是社区队列，一种是专病队列。社区队列主要涉及疾病的发生和发展阶段，而专病队列是精细化的，具体到采集时间点的，针对某个疾病的发展和干预过程。所以日常临床工作中大量的数据如何与科研数据对接起来，又是一个问题。

临床是相对粗化的数据来源，科研数据相对精细化，这就要求在科研单独设立系统。各家医院可以都不需要拥有超级计算机，通过互联网将数据上传到云端，通过云计算达到计算能力的跃升。我理解的云计算，就是一个具备超级计算能力的计算机。因此这个行业之间的联合非常重要。

大数据和云计算也在改变临床研究方法。我们过去崇尚的RCT是非常局限的方法。RCT实际上是把复杂问题简单化，把多元因素一元化处理，多因素单水平不确定，多因素多水平规模小。在临床上其独特之处，但也有明显的局限性。基于真实世界大数据的研究方法是现在研究的重要方向，优势是数据处理能力强大，多样本入组，多因素多水平规模大，可以从发病规律，诊断机率，病理演变，自然病程，临床效果等方面记录真实现实，发现关联性，得到更加接近于现实的结论和规律。

大数据重构专科医联体资源分配

人工智能则是大数据一个重要的价值体现。超级计算是高效的关联分析，但准确率不是100%，AlphaGo可以在四轮围棋赛中三次打败世界围棋冠军，但也有一次失败，为什么失败?因为它还有不能模仿人脑的地方，虽然运算能力强于人脑，但在规律判断和多元复合因素的判断上，AlphaGo远远不及人脑。

因此我们必须看到人工智能的局限性。现在人工智能可以达到90%的人机符合率，有10%的错误率，还是无法满足医疗需求，需要逐例人工核查。

这就是我们所谓的CDSS—— 临床决策支持系统，这个国际认为的医学的重要发展方向，中国医学界也要密切关注，尽管现在还在初步阶段，还有信息标准化、医疗语义解析等问题没有解决。

由于可及性和运算能力很强，云计算可以解决很多问题，特别是，可以解决很多终端资源调配的问题。

专科医联体实际上就是解决资源调配的问题。我们国家的医疗资源有四大特点：第一个特点，在存量上，数量不足，优质医疗资源不足;第二个特点是碎片化;第三是不均衡;第四是非同质，医生水平的不同质。专科医联体把国家目前有的专科存量资源充分调动起来，联合有影响力的学科机构，开展医教研学科建设协同，提升基层医疗能力，其中大数据和信息技术起到至关重要的作用，这当中涉及到专科医联体、区域医联体统筹、专科医师的规范化培训制度建立、行业共识、规范诊疗、推广标准建立等一系列工作。

远程会诊方面，中日医院目前帮扶的医院有100多家，所以我们医院的医生要亲自到帮扶医院几乎是不可能的。所以就需要远程医疗和数据综合管理平台。我建议远程会诊一定不要推行低价思维。怎样才是真正维护老百姓的利益?把行业发展起来了，让老百姓有医可及，这样才是维护他的利益。一个远程会诊是团队的工作，价格不上去谁来发展这个行业?行业发展不起来怎么实现可及性?这是空想社会主义变成科学主义要做到的事情，要讲求经济规律。

专科医联体的协同体系将学科连接起来了，远程会诊、双向转诊问题解决了，双向转诊问题解决了，在中国现有的医疗存量资源基础上，在专科资源高度不均一、非同质的情况下，把资源调动起来了。所以专科医联体的实践是最值得做的事情。这一系列的工作都要通过IT和大数据的手段，才能做到协同一体化。

有了大数据产出的结果，从而在管理运行上有了新的概念，从而形成了新的业态，形成新的医疗资源可及形式，形成新的医生执业形式，从而形成新的业态。特别是学科建设方面，能够给我们完全新的方法学和新的路径。

大数据时代来临，我们一方面崇尚大数据，另一方面不得不谈大数据。我们在起步阶段，要有现实路径，核心要跟IT结合起来，跟数学结合起来，形成多学科转化医学。在大数据的推动下，医疗行业会形成新的业态，新的观念，新的行业面貌，也会带给我们新的希望，希望我们保持热衷的同时，目光冷峻、头脑清晰的理出一条发展之路来。