医疗健康大数据的发展对策研究

        信息全球化背景下，大数据发展成为时代主题。狭义上的大数据指大量的难以用现有的一般技术管理的数据的集合；广义上大数据的数据量除代指其大小外，还延伸到了数据的多样性、产生速度和价值。随着我国“互联网+”战略的推进，“互联网+医疗健康”行业的发展受到高度重视。本文就医疗健康大数据在应用中存在的部分问题进行分析探讨，并针对性地提出解决对策，以期对医疗健康大数据地正确利用和实用价值地体现提供一定参考意义。
一、医疗健康大数据概况
医疗健康大数据一般包括所有数字化的与医疗和生命健康相关的大量数据。有学者认为在界定医疗健康大数据定义上，必须将数据在性质等方面是否发生根本性变化列入考虑范围，而不能仅仅从数据量上来界定。医疗健康大数据地来源广泛，主要包括以医学专业方式记录下来的医院原始临床记录、区域協调背景下的卫生服务平台数据、基于大量人群的专门设计有目的性的医学研究疾病监测、因现代科技而逐渐应用发展起来的基于互联网的自我量化健康大数据、网络医疗信息、关于基因测序和生物标本信息的生物信息大数据等方面。与其它行业数据相比较，医疗数据与个体生命的健康、疾病密切相关，鉴于其复杂性和多样化的特点，其在实际应用中不免存在不可忽略的关键问题，对这些问题的研究解决也不可忽视。
二、医疗健康大数据实际应用中存在的关键问题
（一）采集分析医疗健康数据的高度复杂性
医疗数据的来源广泛，使数据多样化的同时也造成了收集工作的高难度。在医疗机构中，其信息系统的数据包括电子病历、医学影像存样、放射信息、实验室信息等。完整的一个数据单位包括患者的就诊、发病过程、治疗记录直至出院，但由于患者的转院或提前出院等个体因素，可能会导致数据的不完整记录，造成了医疗健康数据的缺失或删除情况。基于区域背景下的卫生服务数据方面，由于我国区域卫生服务系统还不完善，导致大量数据的不完整丢失，同时还存在着相似数据的重复记录，如社区普发流感的基本情况描述相似的情况下的大量信息的重复记录，使得数据冗余。基于互联网的个体量化健康大数据中，患者在网上寻医或购药时会考虑互联网的安全性对自己的实际情况有部分隐瞒或篡改，从而导致数据准确性的缺失，而在数据采集过程中又很难对数据的真伪进行鉴别，收入数据库中会对后续的医疗数据的分析产生不可预测的影响。
（二）医疗健康大数据分析处理人才的缺失
医疗健康大数据的分析处理是跨学科的研究，因此决定了需求人才的专业性和综合性，既需要医药专业人员起主导作用，同时需要对数据分析处理的数据库人员、统计分析人员、图像处理人员等技术性人才。有数据表明，我国在未来的五年数据人才缺失高达约130万人，处于极度匮乏状态。在人才培养方面，由于医疗大数据近年刚兴起发展，高校在大数据人才的培养上也大多处于起步状态，规模不大，资源投入也较少，造成具有扎实理论基础的专业人员的供不应求。另一方面，由于近年国家编制制度的改变，医疗行业的薪酬及待遇相较过去吸引力下降，加上对数据人才引入的初开端，更多的大数据人才偏向于传统的企业。
（三）医疗健康大数据的安全性存在漏洞
医疗健康大数据应用和研究热潮背景下，医疗数据技术仍处于初级阶段，个人隐私保护缺乏一定的机制保证，在数据的收集、存储、分析和应用的任何一个环节都存在着泄露的可能。从个人层面来说，个体医疗数据的泄露会使一些不良商家或推销人员利用患者求医心切的心理，引导患者到某种营利机构进行治疗或购买某种药品，不仅造成了个人金钱上的损失，更严重地会耽误患者的治疗进程，甚至会对患者的疾病起到反作用，影响生命和安全。从社会层面来说，患者个人医疗信息的泄露会扰乱社会秩序，阻碍我国医疗数据化的进程，降低公民对医疗产业的信任度。
（四）医疗健康大数据的开放和共享存在限制
大数据背景下，信息的开放和共享是一大趋势，但不同于其它行业大数据，由于其隐私性却缺乏一定的法律和管理机制保障，我国大部分医疗数据仅限于机构内部使用或科研使用，数据孤岛普遍存在。各个医疗机构中的数据库不与其它机构共用，无法实现整个行业内的信息共享使用，不免造成基于数据进行分析预测的区域性和片面性。
三、针对医疗健康大数据关键问题的对策
（一）结合现代化科技合理挖掘分析医疗数据
大数据背景下，越来越多的科技产品可用于实际应用中。针对医疗健康大数据的不完整性、冗余性和不准确性，应用现代科技代替人工来挖掘数据显得尤为重要。在医疗机构中引入可自动记录分析患者输入信息的系统，对输入的信息进行筛选和保存，不仅可以避免数据的丢失和误删，而且此系统也会生成数据库，给医生提供一个更为明确的疾病诊疗判断，协助医生为患者制定个性化的医疗方案。在区域卫生部门应用此系统，由于输入过程中有筛选功能，因此可避免数据的冗余，电子化系统下联网永久保存，防止了数据的丢失。在医疗数据分析上，要对繁杂、大规模的复杂的结构化与非结构化的数据频繁处理，有文献支持大数据分析的关键是高效的分布式并行数据处理。在特定的分析场景下，针对性地构建复杂地模型和算法，常用的分析方法包括聚类、关联分析、回归分析、决策树、人工神经网路算法等；为不同的分析场景设置相应的医疗大数据分析引擎，例如疾病趋势分析引擎、可视化处理引擎和人工神经网络辅助诊疗引擎等。
（二）增大大数据复合型人才培养的力度，提高待遇
首先要研究医疗健康大数据的学科发展方向，确定所需人才所需的能力建设，培育基础强、业务精的具有信息挖掘分析能力、数据集成能力同时具备医药基本技能的复合型人才。一方面，政府应投入资金鼓励高校开设并扩建医疗大数据相关专业和课程，加大教育力度；促进建设医疗健康大数据高等职业技术学院，加大职业技能培训力度；鼓励研究院成立专门的研究小组，不仅在理论上进行深入研究，在技术上也要有突破，创造出能实际应用于医疗数据机构的先进仪器。另一方面，医疗机构要加大对数据人才的的引入力度，提高环境及薪酬上的待遇，以产业化项目和医疗健康大数据领域上的研发为载体，加大医疗机构在大数据方面的资金投入，积极创造吸引人才的条件。

       （三）构建医疗健康大数据信息安全防护体系 (责任编辑：论文发表网)转贴于八度论文发表网: http://www.8dulw.com(论文网__代写代发论文_论文发表_毕业论文_免费论文范文网_论文格式_广东论文网_广州论文网)