柴揚(yáng)帆，孔桂蘭，張路霞

1. 北京大學(xué)健康醫(yī)療大數(shù)據(jù)國(guó)家研究院，北京 100191；2. 北京大學(xué)公共衛(wèi)生學(xué)院，北京 100191

1 引言

隨著移動(dòng)互聯(lián)網(wǎng)、云計(jì)算、物聯(lián)網(wǎng)等技術(shù)的深入應(yīng)用，各種業(yè)務(wù)系統(tǒng)均累積了海量數(shù)據(jù)，即大數(shù)據(jù)。大數(shù)據(jù)蘊(yùn)含巨大價(jià)值，針對(duì)大數(shù)據(jù)的二次使用已被廣泛應(yīng)用在醫(yī)療、通信、零售及各類科學(xué)研究中。其中，醫(yī)療大數(shù)據(jù)的有效使用有利于降低醫(yī)療成本、提升醫(yī)療質(zhì)量、改善患者預(yù)后，最終將對(duì)社會(huì)、經(jīng)濟(jì)、公眾健康等各方面產(chǎn)生極大影響。因而，醫(yī)療大數(shù)據(jù)的二次使用已成為當(dāng)前健康醫(yī)療領(lǐng)域的研究熱點(diǎn)。

2007年，Etheredge L M[1]提出了學(xué)習(xí)型健康醫(yī)療系統(tǒng)（learning health system，LHS）的概念。隨后，美國(guó)醫(yī)學(xué)研究所（Institute of Medicine，IOM）提出了應(yīng)用集成的交互式系統(tǒng)建設(shè)LHS，以持續(xù)改善醫(yī)療實(shí)踐的戰(zhàn)略構(gòu)想[2]。LHS是依賴于計(jì)算機(jī)網(wǎng)絡(luò)、醫(yī)療大數(shù)據(jù)以及決策建模技術(shù)建立起來(lái)的快速學(xué)習(xí)系統(tǒng)，該系統(tǒng)旨在通過快速學(xué)習(xí)健康醫(yī)療數(shù)據(jù)、及時(shí)生成醫(yī)學(xué)知識(shí)，并將其實(shí)時(shí)應(yīng)用到醫(yī)療實(shí)踐來(lái)輔助各類醫(yī)學(xué)決策，從而提高醫(yī)療服務(wù)水平。

在LHS的構(gòu)建與運(yùn)行過程中，充分合理地利用醫(yī)療大數(shù)據(jù)，不僅能夠有效地提高醫(yī)療資源的利用率，還能在服務(wù)患者的過程中調(diào)整與優(yōu)化醫(yī)療流程，并改善醫(yī)療服務(wù)質(zhì)量，達(dá)到提高社會(huì)整體健康水平的目標(biāo)。在美國(guó)，LHS的建設(shè)首先是從單病種開始的，如旨在為乳腺癌病人提供個(gè)性化治療建議的Athena乳腺健康網(wǎng)絡(luò)（the Athena breast health network）[3]、輔助糖尿病人進(jìn)行胰島素治療方案選擇的即時(shí)臨床試驗(yàn)（point-of-care clinical trial）[4]，均是在LHS的理念下進(jìn)行系統(tǒng)開發(fā)和實(shí)踐的。

緊跟美國(guó)，歐洲一些國(guó)家也相繼提出構(gòu)建LHS，并開始把醫(yī)療大數(shù)據(jù)應(yīng)用到LHS的建設(shè)中，目前已經(jīng)在醫(yī)療實(shí)踐中取得了一定的成效[5-7]。如英國(guó)曼徹斯特大學(xué)的互聯(lián)健康城市（connected health cities，CHC）項(xiàng)目[5]，在包括大曼徹斯特在內(nèi)的4個(gè)地區(qū)建設(shè)LHS，以推動(dòng)健康醫(yī)療服務(wù)的改善。當(dāng)前國(guó)內(nèi)醫(yī)療界也已經(jīng)開始關(guān)注LHS以及醫(yī)療大數(shù)據(jù)在LHS中的應(yīng)用，但相關(guān)研究尚處于起步階段。本文回顧了醫(yī)療大數(shù)據(jù)與LHS的理念及發(fā)展現(xiàn)狀，給出了LHS的典型應(yīng)用案例，并分析了醫(yī)療大數(shù)據(jù)在LHS中應(yīng)用的特點(diǎn)，以期對(duì)我國(guó)醫(yī)療大數(shù)據(jù)及其在LHS中的應(yīng)用研究有所啟示。

1.1 醫(yī)療大數(shù)據(jù)的現(xiàn)狀

所有與醫(yī)療及健康相關(guān)的海量數(shù)據(jù)均可被稱為醫(yī)療大數(shù)據(jù)[8]。現(xiàn)階段，隨著醫(yī)療領(lǐng)域信息化進(jìn)程的不斷加快，醫(yī)療數(shù)據(jù)類型以及規(guī)模呈指數(shù)級(jí)增長(zhǎng)。與其他行業(yè)大數(shù)據(jù)不同的是：醫(yī)療大數(shù)據(jù)除了具備一般大數(shù)據(jù)的5V特征外，還具有多態(tài)性、時(shí)效性、不完整性、冗余性、隱私性等特點(diǎn)[9]。多態(tài)性是指醫(yī)師對(duì)病人的描述具有主觀性，難以達(dá)到標(biāo)準(zhǔn)化；時(shí)效性是指數(shù)據(jù)僅在醫(yī)療流程的一段時(shí)間內(nèi)有用；不完整性是指醫(yī)護(hù)人員對(duì)病人的狀態(tài)描述有可能存在偏差和缺失；冗余性是指醫(yī)療數(shù)據(jù)存在大量重復(fù)信息；隱私性是指醫(yī)療大數(shù)據(jù)中的患者個(gè)人信息屬于高度隱私。廣義上的醫(yī)療大數(shù)據(jù)包括臨床醫(yī)療數(shù)據(jù)（主要包含電子病歷（electric medical record，EMR）、生物醫(yī)學(xué)影像和信號(hào)等數(shù)據(jù)）、公共衛(wèi)生（監(jiān)測(cè)）數(shù)據(jù)（包括疫苗接種、傳染病及其他流行病監(jiān)測(cè)系統(tǒng)、健康宣教、疾病預(yù)防與控制方面產(chǎn)生的數(shù)據(jù)）、環(huán)境數(shù)據(jù)（包含對(duì)個(gè)人健康產(chǎn)生影響的氣象、地理等自然環(huán)境數(shù)據(jù)）、生物學(xué)數(shù)據(jù)（從生物醫(yī)學(xué)實(shí)驗(yàn)室獲得的基因組學(xué)、轉(zhuǎn)錄組學(xué)、實(shí)驗(yàn)胚胎學(xué)、代謝組學(xué)、蛋白質(zhì)組學(xué)等研究數(shù)據(jù)）、管理運(yùn)營(yíng)數(shù)據(jù)（指各類醫(yī)療機(jī)構(gòu)、社保中心、商業(yè)醫(yī)療保險(xiǎn)機(jī)構(gòu)、藥企、藥店等管理運(yùn)營(yíng)過程中產(chǎn)生的數(shù)據(jù)）以及網(wǎng)絡(luò)數(shù)據(jù)（基于網(wǎng)絡(luò)、社交媒體等產(chǎn)生的與健康相關(guān)的數(shù)據(jù)）[10-11]。

醫(yī)療大數(shù)據(jù)是持續(xù)、高增長(zhǎng)的復(fù)雜數(shù)據(jù)，蘊(yùn)涵著巨大價(jià)值，在輔助臨床決策、醫(yī)療質(zhì)量監(jiān)管、疾病發(fā)展及預(yù)后預(yù)測(cè)、臨床藥物研發(fā)、個(gè)性化治療等領(lǐng)域發(fā)揮著巨大作用。利用大數(shù)據(jù)技術(shù)對(duì)醫(yī)療數(shù)據(jù)進(jìn)行分析挖掘，可以從中提取重要信息，發(fā)現(xiàn)有效臨床途徑，從而幫助醫(yī)生做出最合理的診斷，選擇最佳的治療方案，提供最佳的診療建議。例如Ko K D等人[12]利用大數(shù)據(jù)技術(shù)預(yù)測(cè)運(yùn)動(dòng)神經(jīng)元疾病的嚴(yán)重程度，研究者利用HBase和Apache Mahout的隨機(jī)森林分類器，基于可以公開訪問的臨床試驗(yàn)數(shù)據(jù)庫(kù)提供的病患醫(yī)療記錄信息，分析、預(yù)測(cè)肌萎縮性脊髓側(cè)索硬化癥患者失去神經(jīng)肌肉功能的速度，預(yù)測(cè)準(zhǔn)確率達(dá)到66%。Qiang X L等人[13]采用機(jī)器學(xué)習(xí)算法開發(fā)預(yù)測(cè)模型，用于預(yù)測(cè)感染新型冠狀肺炎病毒的風(fēng)險(xiǎn)，最高準(zhǔn)確率（accuracy，ACC）達(dá)98.18%。在醫(yī)學(xué)影像學(xué)方面，利用醫(yī)療大數(shù)據(jù)以及深度學(xué)習(xí)技術(shù)可以實(shí)現(xiàn)基于醫(yī)學(xué)影像的疾病自動(dòng)識(shí)別[14]。此外，可以將生物學(xué)數(shù)據(jù)（如基因、蛋白質(zhì)、生物小分子的相關(guān)數(shù)據(jù)）和EMR數(shù)據(jù)結(jié)合使用，使基因測(cè)序、個(gè)性化用藥及個(gè)人健康管理等個(gè)性化醫(yī)療變成臨床實(shí)踐[15]。

醫(yī)療大數(shù)據(jù)從產(chǎn)生到應(yīng)用可分為5個(gè)階段：數(shù)據(jù)生成、數(shù)據(jù)采集、數(shù)據(jù)存儲(chǔ)、數(shù)據(jù)分析和數(shù)據(jù)應(yīng)用。其中，數(shù)據(jù)分析是最重要的階段，是數(shù)據(jù)價(jià)值的實(shí)現(xiàn)手段，也是數(shù)據(jù)應(yīng)用的基礎(chǔ)[16]。傳統(tǒng)的醫(yī)學(xué)統(tǒng)計(jì)方法在處理規(guī)模大、維度高、數(shù)據(jù)類型多的醫(yī)療大數(shù)據(jù)時(shí)有一定難度，需要采用更強(qiáng)大的機(jī)器學(xué)習(xí)模型來(lái)挖掘大數(shù)據(jù)中的潛在醫(yī)學(xué)知識(shí)[17]。

1.2 LHS簡(jiǎn)介

在過去的50年中，醫(yī)療領(lǐng)域的新知識(shí)飛速發(fā)展，然而，傳統(tǒng)的醫(yī)療系統(tǒng)在保證醫(yī)療質(zhì)量、降低醫(yī)療成本和維護(hù)醫(yī)療公平等方面并沒有較大的革命性創(chuàng)新。研究發(fā)現(xiàn)，醫(yī)學(xué)知識(shí)從論文發(fā)表到轉(zhuǎn)化為真實(shí)世界的臨床應(yīng)用平均需要17年的時(shí)間[18]，這直接導(dǎo)致醫(yī)學(xué)研究產(chǎn)生的知識(shí)很少能被及時(shí)用于改善臨床實(shí)踐，而臨床實(shí)踐產(chǎn)生的真實(shí)世界的數(shù)據(jù)也很少被用于知識(shí)的生成或改進(jìn)[19]。LHS的理念是通過不間斷的數(shù)據(jù)、知識(shí)、實(shí)踐之間周期性的學(xué)習(xí)來(lái)實(shí)現(xiàn)的，旨在通過實(shí)時(shí)分析醫(yī)療實(shí)踐產(chǎn)生的數(shù)據(jù)、加快醫(yī)學(xué)知識(shí)的生成和臨床轉(zhuǎn)化應(yīng)用，并且通過循環(huán)的學(xué)習(xí)過程，使知識(shí)能夠得到持續(xù)改進(jìn)，從而能夠及時(shí)、精準(zhǔn)地輔助臨床決策[20]。Friedman C P等人[21]提出，LHS中數(shù)據(jù)、知識(shí)和實(shí)踐之間一個(gè)完整的學(xué)習(xí)周期應(yīng)包括3個(gè)階段：從實(shí)踐到數(shù)據(jù)（performance to data，P2D）、從數(shù)據(jù)到知識(shí)（data to knowledge，D2K）以及從知識(shí)回到實(shí)踐（knowledge to performance，K2P）。一個(gè)良性運(yùn)轉(zhuǎn)的LHS通過循環(huán)建立周期性P2D、D2K及K2P的學(xué)習(xí)過程，實(shí)時(shí)采集數(shù)據(jù)，來(lái)推動(dòng)知識(shí)生成、轉(zhuǎn)化應(yīng)用和持續(xù)改進(jìn)。在一個(gè)完整的LHS學(xué)習(xí)周期中，P2D、D2K及K2P過程中具體的數(shù)據(jù)處理、知識(shí)生成以及實(shí)踐應(yīng)用的步驟如圖1所示[21]。對(duì)于具體的醫(yī)學(xué)問題，可通過在LHS中建立P2D、D2K及K2P的周期性學(xué)習(xí)過程來(lái)尋找決策方案。

由圖1可見，LHS中最核心的是待解決的醫(yī)學(xué)問題。LHS運(yùn)轉(zhuǎn)的第一步是確定要解決的醫(yī)學(xué)問題。在確定醫(yī)學(xué)問題后，可以構(gòu)建一個(gè)D2K、K2P及P2D的循環(huán)學(xué)習(xí)周期。例如，在Tammem?gi M C等人[22]2013年的一項(xiàng)關(guān)于篩查肺癌高危人群的研究中，構(gòu)建了一個(gè)LHS來(lái)推動(dòng)該項(xiàng)目的研究和實(shí)際開展。該LHS中D2K、K2P及P2D的完整學(xué)習(xí)周期如圖2所示。該LHS要解決的目標(biāo)問題是“如何鑒別肺癌高危人群”，首先，在D2K階段，進(jìn)行肺癌相關(guān)數(shù)據(jù)的整合與分析，構(gòu)建預(yù)測(cè)模型，預(yù)測(cè)患者未來(lái)6年患肺癌的風(fēng)險(xiǎn)。該醫(yī)學(xué)問題對(duì)應(yīng)的學(xué)習(xí)型健康醫(yī)療社區(qū)（learning health community，LHC）將審查該預(yù)測(cè)模型的可用性和可信度，在確定此預(yù)測(cè)模型在實(shí)際中可應(yīng)用后，進(jìn)入K2P階段，將其封裝為機(jī)器可執(zhí)行的知識(shí)。在知識(shí)實(shí)現(xiàn)時(shí)，設(shè)計(jì)通過EMR系統(tǒng)可實(shí)時(shí)調(diào)用的該肺癌風(fēng)險(xiǎn)預(yù)測(cè)模型。在實(shí)際應(yīng)用中，可計(jì)算的預(yù)測(cè)模型將與患者個(gè)體信息進(jìn)行匹配推理，生成對(duì)患者個(gè)體的肺癌風(fēng)險(xiǎn)預(yù)測(cè)結(jié)果，從而判斷該患者是否屬于肺癌高危人群，并提出是否需要進(jìn)行肺癌篩查的建議。該系統(tǒng)體現(xiàn)了利用LHS輔助實(shí)現(xiàn)個(gè)性化醫(yī)療的特點(diǎn)?；颊邆€(gè)體將針對(duì)這些建議做出響應(yīng)，如依據(jù)建議進(jìn)行肺癌篩查。這就進(jìn)入了P2D階段。P2D階段將記錄每個(gè)個(gè)體患者在干預(yù)下做出的改變，以及這些干預(yù)措施對(duì)健康的影響，為下一個(gè)學(xué)習(xí)周期提供可靠、真實(shí)的數(shù)據(jù)。

LHS的潛力巨大，自2007年LHS的概念被提出以來(lái)，在過去的10多年中，有關(guān)LHS的研究的文獻(xiàn)數(shù)量一直在增長(zhǎng)。LHS的實(shí)施最初主要在美國(guó)，并在美國(guó)國(guó)家科學(xué)基金會(huì)的支持和幫助下進(jìn)行推廣[23-24]。如，由美國(guó)臨床腫瘤學(xué)會(huì)組織實(shí)施的腫瘤學(xué)習(xí)網(wǎng)絡(luò)CancerlinQ（Cancer learning intelligence network for quality）[25]，它匯總了來(lái)自電子健康檔案（electric health records，EHR）以及臨床研究的相關(guān)數(shù)據(jù)，以創(chuàng)建癌癥領(lǐng)域臨床的快速學(xué)習(xí)系統(tǒng)，使腫瘤患者群體能夠通過分析和共享每個(gè)癌癥患者的數(shù)據(jù)，從大量觀察數(shù)據(jù)中得出有用的知識(shí)以輔助臨床決策，從而幫助改進(jìn)臨床服務(wù)質(zhì)量。此外，在美國(guó)得到推廣實(shí)踐的LHS還有美國(guó)食品藥品監(jiān)督管理局（Food and Drug Administration，F(xiàn)DA）推出的哨點(diǎn)計(jì)劃（sentinel initiative），以及醫(yī)療保健系統(tǒng)研究網(wǎng)絡(luò)等。隨著LHS在美國(guó)推廣和應(yīng)用，其理念越來(lái)越受到研究人員的關(guān)注。例如，由歐盟支持的轉(zhuǎn)化醫(yī)學(xué)與患者安全（the translational medicine and patient safety in Europe，TRANSFoRm）項(xiàng)目[6]、英國(guó)的學(xué)習(xí)型健康醫(yī)療項(xiàng)目[5]、瑞士的全國(guó)性LHS[7]，以及日本與我國(guó)臺(tái)灣省促成的亞太醫(yī)療系統(tǒng)加強(qiáng)網(wǎng)絡(luò)[26]等。這些項(xiàng)目主要集中在腫瘤學(xué)、兒科學(xué)、外科手術(shù)、初級(jí)醫(yī)療保健等醫(yī)療領(lǐng)域。

在傳統(tǒng)循證醫(yī)學(xué)思維下，研究人員是基于臨床試驗(yàn)數(shù)據(jù)進(jìn)行醫(yī)學(xué)研究的，醫(yī)護(hù)人員是基于發(fā)表的醫(yī)學(xué)證據(jù)進(jìn)行臨床實(shí)踐的。這些傳統(tǒng)的醫(yī)學(xué)研究和實(shí)踐模式確實(shí)延長(zhǎng)了從數(shù)據(jù)到知識(shí)、從知識(shí)到實(shí)踐應(yīng)用的周期。在LHS中，根據(jù)不同的醫(yī)學(xué)問題，可建立D2K、K2P及P2D的循環(huán)學(xué)習(xí)周期，可基于真實(shí)世界的數(shù)據(jù)進(jìn)行醫(yī)學(xué)研究，并使醫(yī)學(xué)研究中產(chǎn)生的知識(shí)能夠基于LHS的系統(tǒng)平臺(tái)被快速應(yīng)用到日常臨床實(shí)踐中。這彌補(bǔ)了傳統(tǒng)循證醫(yī)學(xué)思維的不足，加速了醫(yī)學(xué)知識(shí)的生成和轉(zhuǎn)化，更促進(jìn)了患者和醫(yī)護(hù)人員共同參與臨床證據(jù)和臨床知識(shí)的產(chǎn)生與實(shí)踐應(yīng)用。

2 大數(shù)據(jù)在LHS中的應(yīng)用

2.1 大數(shù)據(jù)對(duì)LHS的促進(jìn)作用

醫(yī)療大數(shù)據(jù)以及大數(shù)據(jù)相關(guān)技術(shù)對(duì)LHS的發(fā)展起到了重要的促進(jìn)作用。

圖1所示的LHS學(xué)習(xí)周期（解決特定的健康醫(yī)療問題）多次循環(huán)可以形成一個(gè)學(xué)習(xí)系統(tǒng)，在一個(gè)完善的LHS中，可以有多個(gè)學(xué)習(xí)周期同時(shí)進(jìn)行?；卺t(yī)療大數(shù)據(jù)開展的數(shù)據(jù)采集、數(shù)據(jù)存儲(chǔ)、數(shù)據(jù)處理和數(shù)據(jù)應(yīng)用的基礎(chǔ)功能組件支撐LHS中各個(gè)學(xué)習(xí)周期的進(jìn)行。要構(gòu)建完整的LHS基礎(chǔ)功能架構(gòu)，開發(fā)支持D2K的基礎(chǔ)功能組件是必要的。在D2K階段，支撐臨床數(shù)據(jù)共享的基礎(chǔ)平臺(tái)有——PopMedNet（PMN）[27]，其由Harvard Pilgrim Health Care公司開發(fā)，使用分布式網(wǎng)絡(luò)進(jìn)行設(shè)計(jì)。PMN旨在促進(jìn)分布式健康數(shù)據(jù)網(wǎng)絡(luò)的構(gòu)建和運(yùn)行，以滿足不同的數(shù)據(jù)持有者、數(shù)據(jù)管理中心和研究人員數(shù)據(jù)共享的需求。類似的數(shù)據(jù)共享平臺(tái)還有I2B2（informatics for integrating biology and the bedside）[28]，其由美國(guó)國(guó)立衛(wèi)生研究院（National Institutes of Health，NIH）資助，由哈佛大學(xué)醫(yī)學(xué)院Isaac Kohane等人開發(fā)，旨在從EHR中查找患者數(shù)據(jù)集，形成基于特定項(xiàng)目的數(shù)據(jù)庫(kù)，同時(shí)通過特定工具保護(hù)患者隱私。此外，在LHS中，還需要支持K2P的基礎(chǔ)功能組件來(lái)管理知識(shí)、為決策者提供知識(shí)，并根據(jù)使用者的需求和特征提供個(gè)性化決策建議。在K2P階段，支撐LHS以機(jī)器可執(zhí)行形式進(jìn)行知識(shí)表示，并隨著系統(tǒng)學(xué)習(xí)快速更新和管理知識(shí)的基礎(chǔ)平臺(tái)有：Apervita，其由Apervita公司開發(fā)，旨在提供一個(gè)獨(dú)立、安全、可信的平臺(tái)來(lái)實(shí)現(xiàn)知識(shí)共享和運(yùn)行，產(chǎn)生臨床決策建議，并將這些建議實(shí)時(shí)應(yīng)用到臨床工作流程中；臨床知識(shí)管理系統(tǒng)（clinical knowledge management system，CKMS），其由Semedy公司開發(fā)，旨在通過軟件產(chǎn)品、內(nèi)容服務(wù)和咨詢提供集成的知識(shí)管理解決方案，用于管理與健康相關(guān)的預(yù)測(cè)模型等知識(shí)；知識(shí)網(wǎng)格平臺(tái)（knowledge grid，KGrid）[21]，其由密歇根大學(xué)開發(fā)，旨在進(jìn)行知識(shí)的封裝和部署、加快K2P的流程[20]，該平臺(tái)支持的知識(shí)不僅包括自然語(yǔ)言描述的規(guī)則，還有各類算法模型，通過代碼對(duì)知識(shí)進(jìn)行打包封裝，形成一個(gè)個(gè)可計(jì)算的知識(shí)對(duì)象，從而可以被其他應(yīng)用反復(fù)調(diào)用。此外，由歐盟的TRANSFoRm項(xiàng)目團(tuán)隊(duì)[6]開發(fā)的數(shù)字平臺(tái)也提供可擴(kuò)展的基礎(chǔ)功能組件，不僅包括基本的數(shù)據(jù)共享和數(shù)據(jù)分析功能（支持D2K部分），還包括流行病學(xué)研究查詢工作臺(tái)、臨床試驗(yàn)監(jiān)測(cè)工具和EHR系統(tǒng)的診斷支持插件，從而為K2P提供支持。P2D階段需要能夠?qū)崟r(shí)捕捉醫(yī)療實(shí)踐變化以及能夠?yàn)長(zhǎng)HS的數(shù)據(jù)傳輸提供支持的基礎(chǔ)功能組件。目前，P2D的數(shù)據(jù)采集基本上是通過醫(yī)院的EMR系統(tǒng)實(shí)現(xiàn)的，是對(duì)真實(shí)世界醫(yī)療實(shí)踐的數(shù)據(jù)記錄，但是EMR中的真實(shí)世界數(shù)據(jù)并非針對(duì)特定的LHS。如何在特定的LHS中，針對(duì)特定的D2K和K2P平臺(tái)，實(shí)現(xiàn)P2D的基礎(chǔ)功能組件還有待進(jìn)一步的研究。

表1給出了幾個(gè)典型的LHS實(shí)踐案例中醫(yī)療大數(shù)據(jù)、數(shù)據(jù)平臺(tái)及相關(guān)功能組件的應(yīng)用分析，數(shù)據(jù)源均為EHR。

總體來(lái)講，一個(gè)功能齊全的LHS離不開大數(shù)據(jù)的支撐，原因有以下3點(diǎn)[31]。

第一，LHS的正常運(yùn)行需要可靠的醫(yī)療大數(shù)據(jù)。LHS的D2K階段需要足夠數(shù)量和質(zhì)量的醫(yī)療數(shù)據(jù)，以產(chǎn)生可靠的醫(yī)學(xué)知識(shí)。一個(gè)高效的LHS需要定期或?qū)崟r(shí)采集大量醫(yī)療數(shù)據(jù)，并存儲(chǔ)在集中的數(shù)據(jù)庫(kù)中，即圖1所示的P2D過程。這些數(shù)據(jù)不僅包含個(gè)人的健康情況，還包含醫(yī)療服務(wù)的流程、機(jī)構(gòu)和環(huán)境信息。需要注意的是，對(duì)患者個(gè)人數(shù)據(jù)的訪問和使用需采取一定的安全控制措施。

表1 LHS中大數(shù)據(jù)、數(shù)據(jù)平臺(tái)及功能組件分析

第二，LHS中用于輔助決策的知識(shí)是基于大數(shù)據(jù)產(chǎn)生的。在LHS的K2P過程中，基于數(shù)據(jù)生成的知識(shí)必須以計(jì)算機(jī)可計(jì)算的形式進(jìn)行表示和存儲(chǔ)。下一步，LHS將基于該可計(jì)算知識(shí)，結(jié)合患者個(gè)人數(shù)據(jù)進(jìn)行推理，并針對(duì)該患者提出個(gè)性化的診療決策建議[20]。

第三，基于醫(yī)療大數(shù)據(jù)開發(fā)的LHS的基礎(chǔ)功能架構(gòu)能夠支持多個(gè)學(xué)習(xí)周期的并行推進(jìn)[32-33]。LHS的每個(gè)學(xué)習(xí)周期都旨在解決一個(gè)特定的醫(yī)學(xué)問題。在一個(gè)LHS平臺(tái)中，可能同時(shí)有多個(gè)醫(yī)學(xué)問題亟待解決，因而多個(gè)D2K、K2P及P2D學(xué)習(xí)周期需要在LHS中并行推進(jìn)。

2.2 大數(shù)據(jù)在LHS中的應(yīng)用特征

LHS的出現(xiàn)為傳統(tǒng)醫(yī)療系統(tǒng)的改革提供了機(jī)遇，然而由于醫(yī)療數(shù)據(jù)規(guī)模龐大，在存儲(chǔ)、分析和知識(shí)轉(zhuǎn)化應(yīng)用方面面臨著技術(shù)挑戰(zhàn)。醫(yī)療大數(shù)據(jù)分布在多個(gè)業(yè)務(wù)系統(tǒng)中，通過數(shù)據(jù)檢索進(jìn)行分析或傳播既耗時(shí)又昂貴，使得LHS的理念無(wú)法得到真正有效的實(shí)踐。大數(shù)據(jù)領(lǐng)域前沿技術(shù)的出現(xiàn)為L(zhǎng)HS的有效實(shí)踐提供了兩個(gè)重要的支撐：①可存儲(chǔ)大數(shù)據(jù)的數(shù)據(jù)共享平臺(tái)，可以提供大數(shù)據(jù)的遠(yuǎn)程實(shí)時(shí)訪問與共享；②低成本的、巨大的計(jì)算能力，能夠快速有效地對(duì)海量數(shù)據(jù)進(jìn)行挖掘[23]。大數(shù)據(jù)革命為L(zhǎng)HS的實(shí)踐提供了前所未有的機(jī)遇，將醫(yī)療大數(shù)據(jù)應(yīng)用于LHS中，利用大數(shù)據(jù)技術(shù)在數(shù)據(jù)收集、處理、分析和應(yīng)用方面的創(chuàng)新（例如風(fēng)險(xiǎn)預(yù)測(cè)分析系統(tǒng)、臨床決策支持系統(tǒng)和其他知識(shí)管理系統(tǒng)等工具的開發(fā)應(yīng)用），為臨床實(shí)踐提供最佳建議，并減少LHS學(xué)習(xí)的時(shí)長(zhǎng)，加速證據(jù)的擴(kuò)散，可以更加有效地針對(duì)相應(yīng)的人群進(jìn)行干預(yù)。此外，還可以通過個(gè)性化醫(yī)療減少不必要的資源浪費(fèi)，以更低的成本提供更高質(zhì)量的醫(yī)療服務(wù)，促進(jìn)醫(yī)療服務(wù)的創(chuàng)新，確保醫(yī)療公平，以達(dá)到維護(hù)公眾健康的目的。

下面將從數(shù)據(jù)源、數(shù)據(jù)規(guī)模、數(shù)據(jù)平臺(tái)3個(gè)維度對(duì)文獻(xiàn)中醫(yī)療大數(shù)據(jù)在LHS中的應(yīng)用特征進(jìn)行分析。

（1）數(shù)據(jù)源

在文獻(xiàn)中已經(jīng)實(shí)施的LHS中，其數(shù)據(jù)源主要為EHR數(shù)據(jù)，其包括家庭檔案、個(gè)人健康檔案、慢病管理及計(jì)劃免疫、患者的人口統(tǒng)計(jì)學(xué)資料、患者的醫(yī)療支付信息等[34]。將EHR作為L(zhǎng)HS的主要數(shù)據(jù)來(lái)源的原因有以下幾點(diǎn)：首先，在實(shí)施LHS的部分國(guó)家，EHR系統(tǒng)得到了廣泛應(yīng)用，例如在美國(guó)，有近95%的醫(yī)院有住院和門診EHR系統(tǒng)[35-36]；第二，EHR能夠提供較為詳細(xì)的患者數(shù)據(jù)[37]；第三，EHR數(shù)據(jù)具有及時(shí)性的特點(diǎn)，能夠被實(shí)時(shí)應(yīng)用。EHR數(shù)據(jù)的及時(shí)性能夠支持迅速的患者風(fēng)險(xiǎn)評(píng)估，從而快速確定患者的臨床風(fēng)險(xiǎn)，以及各種患者群體（如醫(yī)院或社區(qū)人群）的疾病發(fā)展趨勢(shì)等[38-42]；第四，EHR數(shù)據(jù)可以為臨床登記提供數(shù)據(jù)，生成基準(zhǔn)質(zhì)量和性能指標(biāo)，便于進(jìn)行個(gè)性化的醫(yī)療資源分配，需要注意的是，這項(xiàng)功能要求較高質(zhì)量的EHR數(shù)據(jù)[43-45]；最后，EHR數(shù)據(jù)可用于多中心、國(guó)家或國(guó)際臨床研究[46-48]。

一個(gè)正常運(yùn)轉(zhuǎn)的LHS可包括許多EHR數(shù)據(jù)庫(kù)，例如LHS的實(shí)踐案例——PORTAL的數(shù)據(jù)源是來(lái)自11個(gè)區(qū)域醫(yī)療機(jī)構(gòu)的EHR數(shù)據(jù)[27]。這些EHR數(shù)據(jù)可以按多種不同方式進(jìn)行重新組織，如登記類別（如退伍軍人、醫(yī)療保險(xiǎn)、醫(yī)療補(bǔ)助、私人醫(yī)療等）、機(jī)構(gòu)類別（如?？圃\所和綜合性醫(yī)院）、研究類別（如藥物安全性和有效性、臨床決策證據(jù)等）、地理區(qū)域（如華盛頓州外科護(hù)理研究[30]）、年齡組（如全國(guó)兒科研究[49]）或特殊人群。重組后的EHR數(shù)據(jù)庫(kù)可以用于開展多種用途的研究。

除此之外，臨床登記數(shù)據(jù)（臨床干預(yù)措施的觀察數(shù)據(jù)，其中包含尚未注冊(cè)授權(quán)的實(shí)驗(yàn)性治療方法和相應(yīng)的納入或排除標(biāo)準(zhǔn)）[50]、與醫(yī)療實(shí)踐相關(guān)的行政管理數(shù)據(jù)和環(huán)境數(shù)據(jù)也可以為L(zhǎng)HS提供補(bǔ)充信息。這些數(shù)據(jù)均屬于能夠及時(shí)進(jìn)行更新的動(dòng)態(tài)數(shù)據(jù)。每個(gè)數(shù)據(jù)源都有其優(yōu)勢(shì)和局限性，將它們結(jié)合使用可確保LHS所需的醫(yī)療實(shí)踐數(shù)據(jù)更加全面。

（2）數(shù)據(jù)規(guī)模

從覆蓋地域、參與機(jī)構(gòu)數(shù)以及覆蓋的患者人數(shù)來(lái)看，文獻(xiàn)中近年實(shí)現(xiàn)的LHS傾向于進(jìn)行較大范圍內(nèi)區(qū)域醫(yī)療系統(tǒng)的融合，其覆蓋人數(shù)甚至可以達(dá)到千萬(wàn)人數(shù)以上。例如，SCILHS[29]覆蓋人數(shù)達(dá)1 000萬(wàn)；pSCANNER[24]覆蓋人數(shù)達(dá)2 100萬(wàn)。此外，隨著數(shù)據(jù)積累時(shí)間的增長(zhǎng)和研究對(duì)象的擴(kuò)充，LHS中產(chǎn)生的數(shù)據(jù)量也會(huì)隨之增長(zhǎng)。

（3）數(shù)據(jù)平臺(tái)

全面收集健康醫(yī)療數(shù)據(jù)只是構(gòu)建LHS的第一步，分析和使用數(shù)據(jù)是LHS建設(shè)更重要的步驟，為患者提供定制化醫(yī)療服務(wù)、研究并改進(jìn)醫(yī)療服務(wù)提供方法、開展臨床研究以實(shí)現(xiàn)LHS的全部潛力等都需要大數(shù)據(jù)平臺(tái)技術(shù)的支撐。LHS的大數(shù)據(jù)平臺(tái)包括4個(gè)層次，即數(shù)據(jù)采集層、數(shù)據(jù)存儲(chǔ)層、數(shù)據(jù)處理分析層和數(shù)據(jù)應(yīng)用層。其中，數(shù)據(jù)采集和數(shù)據(jù)存儲(chǔ)屬于LHS的P2D階段，數(shù)據(jù)處理與分析屬于D2K階段，數(shù)據(jù)應(yīng)用屬于K2P階段。此外，由于醫(yī)療大數(shù)據(jù)的特殊性，還需要相應(yīng)的數(shù)據(jù)監(jiān)督系統(tǒng)。

大規(guī)模的EHR數(shù)據(jù)對(duì)數(shù)據(jù)的存儲(chǔ)與共享提出了挑戰(zhàn)。由于海量EHR數(shù)據(jù)無(wú)法使用傳統(tǒng)的數(shù)據(jù)庫(kù)進(jìn)行存儲(chǔ)與共享，在大多數(shù)LHS實(shí)踐案例中，EHR數(shù)據(jù)是分布式存儲(chǔ)于各個(gè)參與的研究中心的，借助分布式數(shù)據(jù)共享平臺(tái)進(jìn)行數(shù)據(jù)的共享與查詢，這類共享平臺(tái)有前文提到的PopMedNet、I2B2等。這些平臺(tái)多為分布式可計(jì)算平臺(tái)，能夠承擔(dān)數(shù)據(jù)共享與數(shù)據(jù)分析的功能。這些分布式可計(jì)算平臺(tái)可以分享和共用多個(gè)數(shù)據(jù)源的數(shù)據(jù)，分析的規(guī)模和統(tǒng)計(jì)能力都大大增強(qiáng)，并且數(shù)據(jù)隱私和安全可以得到保障。

同時(shí)，由于LHS中的EHR數(shù)據(jù)是動(dòng)態(tài)更新的數(shù)據(jù)，傳統(tǒng)的單機(jī)系統(tǒng)和分布式系統(tǒng)難以處理這些動(dòng)態(tài)更新的EHR數(shù)據(jù)，于是以集群方式構(gòu)建的多機(jī)系統(tǒng)再加上以互聯(lián)網(wǎng)相連的云計(jì)算平臺(tái)將成為L(zhǎng)HS中的有效計(jì)算平臺(tái)。分布在各地的數(shù)據(jù)由當(dāng)?shù)氐募菏接?jì)算平臺(tái)對(duì)數(shù)據(jù)做預(yù)處理，然后通過互聯(lián)網(wǎng)將數(shù)據(jù)傳輸?shù)綌?shù)據(jù)處理中心，使用更高性能的集群式系統(tǒng)進(jìn)行數(shù)據(jù)整合和分析，并將結(jié)果反饋到各個(gè)分布的醫(yī)療機(jī)構(gòu)，從而輔助臨床決策。

在醫(yī)學(xué)實(shí)踐中，進(jìn)行數(shù)據(jù)處理分析的目的通常是預(yù)測(cè)具有不同人口學(xué)特征、不同治療方法或不同疾病狀態(tài)的患者的預(yù)后。隨著LHS基礎(chǔ)架構(gòu)的發(fā)展，基于分析預(yù)測(cè)工具將數(shù)據(jù)轉(zhuǎn)化為可操作的臨床決策建議至關(guān)重要。通過將分析預(yù)測(cè)工具集成到EHR中，可以及時(shí)地進(jìn)行臨床風(fēng)險(xiǎn)評(píng)估、生成個(gè)性化決策建議，從而優(yōu)化臨床實(shí)踐。LHS中的數(shù)據(jù)分析方法較為廣泛，包括簡(jiǎn)單的描述性統(tǒng)計(jì)、邏輯回歸、生存分析以及各種機(jī)器學(xué)習(xí)方法（如決策樹模型、神經(jīng)網(wǎng)絡(luò)、支持向量機(jī)）等。LHS中的EHR數(shù)據(jù)通常集成了來(lái)自多個(gè)臨床站點(diǎn)的數(shù)據(jù)，可以通過提供更大的樣本量來(lái)加速知識(shí)發(fā)現(xiàn)和風(fēng)險(xiǎn)預(yù)測(cè)，同時(shí)提高疾病風(fēng)險(xiǎn)估計(jì)和預(yù)測(cè)的準(zhǔn)確性。為了克服患者數(shù)據(jù)共享的障礙，研究者開發(fā)了分布式算法進(jìn)行跨中心的統(tǒng)計(jì)分析。OHDSI（the Observational Health Data Sciences and Informatics Consortium）聯(lián)盟開發(fā)了允許跨多個(gè)臨床數(shù)據(jù)集進(jìn)行分布式分析的算法 ODAL（oneshot distributed algorithm）[51]。ODAL是一種保護(hù)隱私且通信效率高的分布式算法，其使患者數(shù)據(jù)不需要跨站點(diǎn)傳輸，從而維護(hù)了患者的隱私安全。與將數(shù)據(jù)匯集在一起的算法相比，ODAL分布式算法在疾病風(fēng)險(xiǎn)預(yù)測(cè)方面達(dá)到了比較高的精確度。

數(shù)據(jù)監(jiān)督包括數(shù)據(jù)治理、監(jiān)管、隱私保護(hù)和數(shù)據(jù)安全。由于LHS的數(shù)據(jù)中包含有關(guān)個(gè)體和人群的健康醫(yī)療信息，因此需要相應(yīng)的監(jiān)督系統(tǒng)與規(guī)則來(lái)保護(hù)隱私，并確保數(shù)據(jù)安全。規(guī)則的制定需要考慮數(shù)據(jù)使用的總體目標(biāo)、LHS的具體架構(gòu)和流程以及數(shù)據(jù)隱私保護(hù)。LHS同時(shí)具有臨床數(shù)據(jù)采集、數(shù)據(jù)分析處理和臨床決策生成的功能，這使得傳統(tǒng)的隱私保護(hù)、數(shù)據(jù)加/解密和訪問限制形式不可行。LHS數(shù)據(jù)監(jiān)督系統(tǒng)需要平衡3個(gè)因素：加/解密技術(shù)、使用者的可靠性以及數(shù)據(jù)物理安全性。例如，為了便于數(shù)據(jù)采集和分析，系統(tǒng)通常需要對(duì)患者數(shù)據(jù)進(jìn)行匿名化處理，此外可以通過限制登錄的方式指定只有處理數(shù)據(jù)的成員才有訪問權(quán)限，并且在相對(duì)安全的環(huán)境下進(jìn)行數(shù)據(jù)存儲(chǔ)和分析工作[2,52]。

2.3 醫(yī)療大數(shù)據(jù)在LHS中的應(yīng)用挑戰(zhàn)

自LHS概念提出的十余年間，雖然相關(guān)研究一直在開展，支持LHS實(shí)現(xiàn)的相關(guān)技術(shù)和平臺(tái)也相繼在研發(fā)，但目前能夠完全支撐LHS中D2K、K2P及P2D學(xué)習(xí)周期的基礎(chǔ)架構(gòu)尚未出現(xiàn)，具備完整功能集成的LHS還未形成。針對(duì)圖1中D2K、K2P階段提供特定服務(wù)的基礎(chǔ)功能組件的進(jìn)一步研發(fā)、P2D階段基礎(chǔ)設(shè)施組件的研發(fā)、將它們集成到一個(gè)連貫的工作流程中是當(dāng)前LHS的基本挑戰(zhàn)。此外，當(dāng)前文獻(xiàn)中也尚未有研究對(duì)LHS在臨床實(shí)踐中產(chǎn)生的效益進(jìn)行充分的評(píng)估。

LHS中數(shù)據(jù)驅(qū)動(dòng)的醫(yī)療服務(wù)需要解決軟件系統(tǒng)和基礎(chǔ)架構(gòu)設(shè)計(jì)中的許多問題，包括軟件系統(tǒng)的設(shè)計(jì)規(guī)則、數(shù)據(jù)的標(biāo)準(zhǔn)化，特別是跨機(jī)構(gòu)、跨區(qū)域之間數(shù)據(jù)和醫(yī)學(xué)知識(shí)的術(shù)語(yǔ)及標(biāo)準(zhǔn)差異等。不同機(jī)構(gòu)、不同地區(qū)的數(shù)據(jù)質(zhì)量參差不齊，如何進(jìn)行數(shù)據(jù)的整合并確保LHS操作的可靠性都是有待進(jìn)一步研究的問題[53]。

另外，將現(xiàn)有LHS進(jìn)行大規(guī)模推廣也面臨著一系列問題。大數(shù)據(jù)是充分利用LHS潛力的促進(jìn)因素，但同時(shí)它也是LHS應(yīng)用受限的根源。倘若要將LHS推廣應(yīng)用于整個(gè)國(guó)家的醫(yī)療衛(wèi)生系統(tǒng)，需要解決數(shù)據(jù)收集與病人就醫(yī)之間的時(shí)間滯后、數(shù)據(jù)使用成本高等問題[54]。目前美國(guó)正在嘗試建立一個(gè)國(guó)家級(jí)的醫(yī)療信息系統(tǒng)，該系統(tǒng)包括詳細(xì)的患者和醫(yī)院數(shù)據(jù)，幾乎實(shí)時(shí)可用。基于這樣的全國(guó)性醫(yī)療數(shù)據(jù)系統(tǒng)，理論上講可以開發(fā)一個(gè)國(guó)家級(jí)的LHS，使國(guó)家整體的醫(yī)療水平得到提升[55]。

最后，目前臨床實(shí)踐和臨床研究中針對(duì)知情同意的不同標(biāo)準(zhǔn)也為L(zhǎng)HS的構(gòu)建帶來(lái)了困難。當(dāng)前的醫(yī)療系統(tǒng)假設(shè)臨床研究必須與臨床實(shí)踐分開，因?yàn)檠芯咳藛T致力于追求有效的知識(shí)，而不一定是患者的最佳利益。因此，臨床研究的受試者需要額外的保護(hù)[56]。但是LHS中的醫(yī)學(xué)知識(shí)是對(duì)真實(shí)世界的醫(yī)療大數(shù)據(jù)進(jìn)行挖掘產(chǎn)生的，針對(duì)LHS中醫(yī)療大數(shù)據(jù)的分析研究制訂相關(guān)的倫理?xiàng)l例比較復(fù)雜，這個(gè)方向還需要進(jìn)一步的研究[57]。

3 我國(guó)醫(yī)療大數(shù)據(jù)的發(fā)展情況分析

3.1 我國(guó)發(fā)展醫(yī)療大數(shù)據(jù)的優(yōu)勢(shì)

醫(yī)療大數(shù)據(jù)作為國(guó)家重要的基礎(chǔ)性戰(zhàn)略資源，其應(yīng)用發(fā)展將對(duì)我國(guó)健康醫(yī)療事業(yè)產(chǎn)生重要影響[58]。2015 年國(guó)務(wù)院發(fā)布《促進(jìn)大數(shù)據(jù)發(fā)展行動(dòng)綱要》，提出要構(gòu)建健康醫(yī)療大數(shù)據(jù)體系。2016 年國(guó)務(wù)院辦公廳發(fā)布《關(guān)于促進(jìn)和規(guī)范醫(yī)療大數(shù)據(jù)應(yīng)用發(fā)展的指導(dǎo)意見》，提出要不斷完善健康醫(yī)療大數(shù)據(jù)相關(guān)政策法規(guī)、安全防護(hù)、應(yīng)用標(biāo)準(zhǔn)體系及發(fā)展模式?！丁敖】抵袊?guó)2030”規(guī)劃綱要》明確提出“推進(jìn)健康醫(yī)療大數(shù)據(jù)應(yīng)用”。

我國(guó)醫(yī)療數(shù)據(jù)資源豐富，有動(dòng)態(tài)的醫(yī)療機(jī)構(gòu)、醫(yī)療人力等信息庫(kù)，以及醫(yī)療資源與醫(yī)療服務(wù)利用、疾病報(bào)告與健康監(jiān)測(cè)等大型數(shù)據(jù)資源庫(kù)[59]。每5年進(jìn)行一次的國(guó)家醫(yī)療服務(wù)調(diào)查覆蓋全國(guó)31個(gè)省20萬(wàn)人口的家庭，數(shù)據(jù)包含人口基本信息、患病、就醫(yī)、基本醫(yī)療服務(wù)利用等200余項(xiàng)指標(biāo)[59]。

現(xiàn)階段，我國(guó)醫(yī)療大數(shù)據(jù)主要被運(yùn)用在在線醫(yī)療指導(dǎo)、醫(yī)院評(píng)價(jià)和健康管理等方面，在疾病預(yù)防和臨床決策方面也有涉足[9]。有的研究利用區(qū)域醫(yī)療大數(shù)據(jù)平臺(tái)（如寧波市鄞州區(qū)醫(yī)療平臺(tái)[60]）上的EMR、公共醫(yī)療服務(wù)數(shù)據(jù)等研究疾病的轉(zhuǎn)歸及影響因素；有的研究利用遠(yuǎn)程醫(yī)療平臺(tái)上傳各類檢查檢驗(yàn)數(shù)據(jù)資料，實(shí)現(xiàn)在線醫(yī)療互動(dòng)[61]；有的醫(yī)療機(jī)構(gòu)利用住院病案首頁(yè)數(shù)據(jù)進(jìn)行疾病診斷相關(guān)分組（diagnosis related group，DRG）醫(yī)療付費(fèi)機(jī)制的研究[62]；還有的研究利用乳腺癌早期篩查及風(fēng)險(xiǎn)評(píng)估的臨床數(shù)據(jù)，運(yùn)用支持向量機(jī)、邏輯回歸、貝葉斯網(wǎng)絡(luò)等機(jī)器學(xué)習(xí)算法建立乳腺癌的診斷模型，可自動(dòng)完成對(duì)乳腺腫癌的診斷，篩查的準(zhǔn)確性達(dá)到98%[63]。不過總體來(lái)講，基于醫(yī)療大數(shù)據(jù)輔助臨床決策的實(shí)際應(yīng)用不多。

3.2 我國(guó)推行LHS面臨的挑戰(zhàn)

LHS理念自提出以來(lái)，歐美發(fā)達(dá)國(guó)家已經(jīng)進(jìn)行過不少的實(shí)踐性研究。我國(guó)的相關(guān)研究尚處于起步階段。究其原因，主要是由于我國(guó)的醫(yī)療衛(wèi)生系統(tǒng)建設(shè)在管理體制和運(yùn)行機(jī)制方面還不完善，醫(yī)療衛(wèi)生系統(tǒng)一體化推行緩慢，且存在各個(gè)醫(yī)療機(jī)構(gòu)的文檔標(biāo)準(zhǔn)和代碼標(biāo)準(zhǔn)不一致等情況，這使得我國(guó)的醫(yī)療大數(shù)據(jù)資源不能得到有效利用，也使得LHS的理念在我國(guó)尚未得到足夠的重視與發(fā)展。

目前國(guó)內(nèi)尚無(wú)已發(fā)表的LHS相關(guān)研究。筆者所在的課題組目前正在進(jìn)行相關(guān)方面的研究。筆者參考美國(guó)基于EHR數(shù)據(jù)建立LHS的經(jīng)驗(yàn)，與密歇根大學(xué)合作，利用密歇根大學(xué)基于LHS理念研發(fā)的KGrid平臺(tái)和技術(shù)以及寧波市鄞州區(qū)的區(qū)域EHR平臺(tái)，選擇慢性腎臟?。╟hronic kidney disease，CKD）作為目標(biāo)疾病，將鄞州區(qū)作為實(shí)驗(yàn)基地，研究如何利用成熟的EHR數(shù)據(jù)構(gòu)建一個(gè)單病種LHS，以研究改善CKD患者結(jié)局的可行性。

3.3 我國(guó)醫(yī)療大數(shù)據(jù)在LHS中的應(yīng)用前景

我國(guó)的醫(yī)療大數(shù)據(jù)資源豐富，潛力巨大，如果得到充分利用，將會(huì)在臨床輔助診斷、藥品研發(fā)、醫(yī)?？刭M(fèi)、管理決策等方面發(fā)揮重要作用[64]。LHS的主要數(shù)據(jù)來(lái)源為EHR數(shù)據(jù)，近年來(lái)，各省市的EHR系統(tǒng)已經(jīng)陸續(xù)啟動(dòng)建設(shè)工作，建設(shè)模式主要有“省-市”兩級(jí)平臺(tái)和“省-市-縣”三級(jí)平臺(tái)兩種。截至2017年6月底，國(guó)家全民健康信息平臺(tái)已完成與全部省級(jí)平臺(tái)的聯(lián)通工作，并實(shí)現(xiàn)全員人口信息數(shù)據(jù)庫(kù)的網(wǎng)絡(luò)報(bào)送，互聯(lián)互通的全民健康信息服務(wù)體系框架初步形成[65]。部分省市已經(jīng)實(shí)現(xiàn)了EHR的共享調(diào)閱及數(shù)據(jù)互傳，多地建立了檢查檢驗(yàn)結(jié)果互認(rèn)機(jī)制。EHR系統(tǒng)的完善發(fā)展為L(zhǎng)HS在國(guó)內(nèi)的實(shí)踐應(yīng)用提供了良好的條件。

借助LHS平臺(tái)，可以使醫(yī)療大數(shù)據(jù)資源得到更有效的利用，加快知識(shí)的生成和臨床轉(zhuǎn)化應(yīng)用，為臨床決策提供及時(shí)、精準(zhǔn)的決策建議，從而提高醫(yī)療服務(wù)質(zhì)量，改善患者預(yù)后。在引入大數(shù)據(jù)技術(shù)后，隨著數(shù)據(jù)的分析方法和技術(shù)越來(lái)越成熟，LHS將會(huì)更加智能。例如，借助圖像分析與識(shí)別技術(shù)對(duì)醫(yī)療影像數(shù)據(jù)（包括X光、CT圖像、核磁共振成像等）進(jìn)行挖掘，構(gòu)建疾病模型庫(kù)，并應(yīng)用于LHS，為醫(yī)生提供診療決策建議。LHS的實(shí)踐和應(yīng)用將有助于提高醫(yī)療服務(wù)質(zhì)量，降低服務(wù)成本，提高國(guó)民健康水平。然而，由于數(shù)據(jù)壁壘的存在，相關(guān)法律法規(guī)不夠健全，并且缺乏相應(yīng)的全國(guó)統(tǒng)一標(biāo)準(zhǔn)，技術(shù)上不夠成熟，要在我國(guó)推行LHS，還有很長(zhǎng)一段路要走。

4 結(jié)束語(yǔ)

醫(yī)療大數(shù)據(jù)在LHS中的應(yīng)用在優(yōu)化醫(yī)療決策、改善醫(yī)療質(zhì)量方面潛力巨大，是未來(lái)以患者為中心的醫(yī)療體系的發(fā)展趨勢(shì)之一。國(guó)外眾多專家學(xué)者已經(jīng)開展了一系列LHS的相關(guān)研究，將其應(yīng)用于實(shí)踐層面，并且取得了一定的成效，在相關(guān)技術(shù)層面上也有了較大進(jìn)展。我國(guó)的醫(yī)療大數(shù)據(jù)資源豐富，潛力巨大，但標(biāo)準(zhǔn)不統(tǒng)一、醫(yī)療信息系統(tǒng)的一體化推進(jìn)較慢等原因限制了我國(guó)在醫(yī)療大數(shù)據(jù)與LHS方面的實(shí)踐與研究。目前由于技術(shù)上的原因，LHS還不具備大規(guī)模應(yīng)用的條件。但隨著互聯(lián)網(wǎng)以及云計(jì)算等基礎(chǔ)設(shè)施的日益完善，大數(shù)據(jù)技術(shù)的不斷發(fā)展，相關(guān)政策的不斷完善，在大數(shù)據(jù)技術(shù)的驅(qū)動(dòng)下，LHS必將在中國(guó)得到廣泛推廣。