所在位置:大陸新聞 > 社會

標準不一醫療信息大數據難共享 數字醫療還需分步走

   數字醫療服務 離“五顆星”還差四步

   記者日前從國家衛生計生委獲悉,為保證醫患雙方合法權益,電子病歷新規4月1日起施行。這預示著我國在醫療信息化融合方面又邁進了一步。

   不過,近日出版的《數字醫療》一書中卻談及了過去人們在醫療信息化路上遇到的一些障礙。該書作者被稱為“醫院醫生之父”,加州大學舊金山分校醫學院院長羅伯特瓦赫特,在書中他曝光了不少醫療事故:一位在加州大學舊金山分校醫學中心貝尼奧夫兒童醫院接受治療的罕見遺傳病少年患者,遵醫囑應該吃1片抗生素,護士卻讓他吃了38.5片!這個離譜錯誤發生的部分原因是由於信息系統參與到了醫療過程中:系統中的計量單位與醫生熟悉的不一致,機器人取藥系統未提出質疑,系統警告因為太多假警報而被忽視……

   數字醫療,一個計量單位的小錯誤,就可能危及生命。當整個世界信息化的比重越來越大,每個人的生活甚至可以分為“實體維”和“二進制維”時,醫療的信息化卻進展緩慢。儘管各種機器人奔走于藥房與病房之間,儘管AI診斷工具的診斷錯誤率在大幅降低,但“就醫的便利性提升”一欄中,患者的直觀感受並不能像金融、通信等領域那樣,不假思索地打上“五顆星”。

   儘管步伐艱難,醫療卻是最需要信息化的領域,醫療信息化過程中有哪些困難?該如何破解?如何又快又安全地讓民眾獲得最大便利?樹蘭醫療集團總裁、該書的翻譯者鄭傑表示,“醫療與信息技術的‘婚姻’,確實是一個全球性課題,尤其作為超級大國,中美有一定的可比性”。

   標準不統一 醫療信息大數據難共享

   在沒有醫療信息系統之前,美國數一數二的梅奧醫學中心通過氣動管道傳輸系統傳送病人的紙質病歷和X射線膠片等,有1萬多條總長16公里的氣動管道在地底,把病人的信息傳來換去。直到2004年,美國明確提出十年內讓每個美國人都擁有電子健康檔案。

   我國的數字化進程起步稍晚,資料顯示,2009年下半年,當時的衛生部開始推行健康檔案電子化,在半年中先後發佈了《電子病歷基本架構與數據標準(徵求意見稿)》、關於印發《基於健康檔案的區域衛生信息平臺建設技術解決方案(試行)》的通知等多個文件和標準。

   如果沒有健康檔案,醫生對於患者的了解將每次都要從“零”開始,檔案的積累讓信息得以連接成連續的“健康線”。在數據積累的過程中,中美兩國遇到了醫學所特有的相似的技術難題。“比如血液鉀含量低可能被記為‘低鉀’‘血鉀過少症’‘低K離子’‘↓K’等。”瓦赫特在書中寫到,這些五花八門的醫學專有名詞在電子化中必須統一,否則無法實現醫療系統間的無縫對接。

   2011年發表在《中國衛生産業》的一篇題為《淺談電子病歷與電子健康檔案發展歷程》的論文寫到,目前的數據資源局限在某部門或某一個業務系統內,建設標準不統一,各個系統之間難以進行數據交換和信息共享,産生大量的“信息孤島”。

   多年來,隨著硬體和算法的升級,信息“孤島”逐漸毗鄰,計算機不僅能夠識別文本信息,還可以識別圖片信息,虛擬世界裏“結構化數據和非結構化數據”能被同時“消化”的時代如同現實中的“全球一體化”般到來,信息交換從技術上已經不再是難題,它迅速在基層得到應用。

   “為了構建緊密型的醫聯體,我們把社區和三級醫院的信息聯絡起來。”北京大學首鋼醫院院長顧鋼介紹,基於可對接的信息系統他們自發地嘗試信息共享,但其他醫院如果效倣可能還需要從機制體制上推一把。

   北京市方莊社區衛生服務中心是主動聯合的社區醫院之一。中心主任吳浩介紹,“我們和天壇醫院(聯合的4家三級醫院之一)信息已經聯網打通,方莊所有病人的信息每天晚上要和天壇醫院交互。我們的簽約患者在天壇醫院的病歷、住院信息等都會同步到他的健康檔案數據庫和簽約醫生的管理平臺”。據此,人們完整的“健康線”逐漸顯現,社區簽約患者不同階段的健康可以做到“有蹤可查”,並且由醫護人員進行隨訪和健康管理。

   AI加入 科技巨頭紛紛放“大招”

   “沃森清楚,它需要與醫生互動並且成為他們所在生態系統中的一部分。”IBM的全球醫療改革總監這樣告訴作者瓦赫特。IBM的沃森是進入醫療行業的人工智慧(AI)之一,它掌握大量的病歷,甚至可以初步診斷,儘管不少媒體用“沃森醫生”報道它,但是它的創造者其實是極力想要撇清這個稱謂的。

   在中國,對AI醫療的資本投入佔整個AI投入的一半左右。中國同樣擁有自己版本的“沃森”。2017年11月,科大訊飛“智醫助理”機器人以456分的成績通過了臨床執業醫師考試,其專業知識已能夠擔負起執業醫師的工作。

   中國自主研發的肺部結節等圖像識別系統在國際比賽中也多次名列前茅。公眾感受最直觀的,是多地大醫院配備的人形導醫機器人,為患者回答問題、初步分診、疏導患者。AI落地醫療目前正在為一線醫生降低勞動強度,並幫助醫療資源覆蓋到偏遠地區。

   更複雜算法被用於開拓此前不存在的診斷方法,增強醫學整體實力。尤其在近期,科技巨頭們頻繁放出“大招”:2月,谷歌大腦從視網膜圖像,輔以各種因素如年齡、性別、吸煙史、血壓等數據中,可以預測心血管疾病的風險,他們構建的系統使用了130000個視網膜圖像進行訓練,成功率7成左右。而3月15日《自然》發表了德國癌症中心的腦腫瘤診斷AI工具,彌補神經系統腫瘤診斷的短板。

   中國在AI拓展醫學能力方面的進展鮮見於公眾,記者在多次採訪中了解到,多個院所高校均在AI醫療領域有所部屬,例如在國家重點研發計劃的支持下,中科院軟體所田豐研究團隊與協和醫院開展合作,利用患者持物的微小抖動試圖預測患帕金森症等神經退行性疾病的風險。

   集納數據 數字醫療還需分步走

   中國擁有龐大的患者人群,能提供珍貴的研究數據。“給出10000個基因組與療效的案例,能夠通過數據挖掘預判出10000+1個患者的可能療效。”國家重點研發計劃幹細胞專項專家組副組長王小寧建議,建立國家生物治療療效數據庫,強制要求生物治療臨床研究申報單位將數據集中,解決無法判定療效適應症指標的難題。

   集納數據仍舊是中國需要進一步完善的工作,“我們需要提升的是醫療信息的標準化,目前一些主流的醫學信息標準大部分來自美國的標準化組織,美國在醫療系統的‘互操作’方面的進展也值得我們關注和學習”。鄭傑説,從火車和鐵軌、燈泡與燈座、互聯網TCP/IP協議的例子可以看出,一個複雜的信息生態系統裏,標準可以極大地提高效率,獲得數據價值。

   “一個人一生的健康數據一定會分散在不同的醫療健康服務機構,必然面臨跨醫療機構、跨健康醫療終端的數據共享問題。”鄭傑提醒,相關配套的法律、法規,數據追溯防篡改的技術機制也要不斷完善。

   我們走到哪兒了?《數字醫療》一書中將目前可預知的醫療衛生信息化過程分為4個發展階段。一階段:實現整個醫療衛生服務體系的數字化;二階段:不同的醫療信息系統間實現互聯;三階段:充分發揮醫療大數據的價值;四階段:創造技術工具、完善醫療制度、建設醫療機構、改進醫院文化,在前三個階段的基礎上,提升大眾健康和改善醫療質量。如果高度概括的話,可總結為“建庫、互聯、AI和落地”。這4個階段不是分割明確的,瓦赫特認為,美國即將完成一階段,正在解鎖二階段,為三階段奠定基礎,也初步涉及四階段。

   “未來,我們可以通過‘數字病人’模擬一系列的臨床醫療問題,通過分析大數據做出更佳的臨床決策,但最終,只有真正的患者才是需要我們真心去關注的。”瓦赫特説。對比中國,也在相同的階段摸索,國家層面指徵全面營養健康的“全息數字人”的提出,也是對醫療信息化未來走向觀點一致性的表現。本報記者 張佳星

關鍵詞: 醫療;信息;數據;系統;階段;健康;數字;標準;患者;醫院