我所知的醫療大數據

多出去看看走走，果然是能長見識的。

最近因緣際會，參加了一場醫療大數據相關的論壇。相當大比例的參會人員是醫療工作者，論壇大會主要介紹的是：基於信息化和互聯網手段，開展醫療領域應用的各種實踐。

論壇參加完，感悟挺多。

1、未來的醫療大數據研究，需要跨學科的合作。

論壇前期的拓導課，介紹了一種基於知識圖譜的科研方法——利用技術手段和數據，幫助開展醫療領域的科研工作。

參加拓導課的人有一半是醫療工作者，課程中需要使用了很多技術名詞和開源軟體。在真實場景中，複雜數據來源的情況下，使用軟體前需要醫學背景的人員進行數據預處理。這些開源軟體僅達到了demo甚至半成品的水平，純學醫背景的人可能難以入手使用。

在我看來，做數據處理、基礎詞庫和科研流程設計，可能都需要以醫學背景的人為主，但研究實踐，需要IT背景的人主導。

2、醫療數據生態存在錯位。

知名醫院的醫療工作者格外重視臨床科研，但他們通常難以獲得所在醫院的數據支持。知名醫院的信息化管理團隊，以及非三甲醫院的從業者，通常沒有科研工作的剛性要求。

知名醫院目前生存狀態較好，數據化改造不可能顛覆式前進，必然是局部優化。非三甲醫院的生存狀態堪憂，市場中已出現資本驅動的整合，整合後的互聯網化升級是整體一盤棋，跨越式發展。

相對發達地區的政府正在引領醫療行業數據標準的建設，驅動醫療數據的互聯互通，但這些數據不確定何時以何種方式為醫療工作者所用。

3、問診與治療的智慧化進程必然不同

已經有醫院，開始提供線上的智能醫生，提供概率化的問診服務。準確性必然隨著數據訓練以及病人檔案的完善，而不斷提升。

醫療知識圖譜建設，在建立疾病、癥狀和病患特徵等相關概念模型後，未來基於統計手段，即可診斷絕大部分已知疾病。目前，技術手段已經能幫助發現疾病間的關聯，評估療效，並跟蹤藥品和治療手段的潛在風險。

問診是福爾摩斯式的探案過程，醫生的通過提問和檢查來尋找更多證據，從而判斷疾病。基於全面的信息獲取，計算機最終會做的比醫生更好。

治療方案絕非僅僅吃藥，還需要其他治療手段。信息化互聯網化能使流程更加順暢，但治療手段的智慧化，還需要伴隨智能硬體的發展而逐步完善。

4、就醫不難，治病不易

問診的智慧化，能很大程度的解決當前分級診療中的高質量就醫問題。問診交給ai之後，普通醫生可能主要在治療手段上發揮作用，對醫療器械的依存度可能會提升。老百姓可以低成本快捷的獲得準確診斷，如果僅僅只是吃藥，則治病不難。如果需要治療手段，則在醫療器械價格下降之前，還是需要去醫院的。

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！