随着新技术的发展，医疗机构解决问题的手段推陈出新。医疗机构借助于数字化的强大能量，可以更加有效的改造、改善现有医疗健康的种种不足，当然，这种实践过程充满了坎坷与艰辛，考验着医疗机构的决心与意志。

健康实践在不断提高医疗机构把握、运用新事物能力的同时，也让医疗机构积累了非常宝贵的实践经验，在知识经济共享的时代下，中关村移动互联网产业联盟移动医疗专委会(ZMH)携手中国数字医疗网(HC3i)举办“2016数字医疗健康最佳实践”评选，旨在共同分享和探讨当今发展趋势下的医院信息化建设实践经验。

经过数月的资料收集、审核与专家评选，北京大学人民医院的“医疗大数据平台在科研中的应用”荣获“2016数字医疗健康最佳实践”，下面为大家呈现实践项目具体内容。

申报机构简介

北京大学人民医院成立于1918年，是中国人自己筹资建设和管理的第一家西医综合医院。经过九十余年的发展，已成为一所学科齐全、集医、教、研于一体的大型综合性三甲医院。

北大人民医院HIS系统建立于1995年，是国内第一家HIS在医院的全面应用，也是原卫生部试点“金卫工程”项目。2011年，医院制订了信息化的中长期规划，并在随后的几年中，精耕细作，优化流程，不断进取。2014年5月13日，北大人民医院成为亚洲第二家、国内第一家通过HIMSS7级的医院。

作为医院信息化的重点，2011年，医院搭建了信息化集成平台，实现了院内患者主索引的管理，并将不同临床业务系统的数据整合到一起，建成了覆盖430万人群的高度结构化医疗大数据中心，服务于科研和患者管理。

项目概况

随着医院信息系统的建设，医院信息化的程度越来越高，各业务系统、管理系统也在不断完善，在医院管理、提升医疗服务质量、临床学科建设等方面发挥着重要作用，与此同时，在医院及各科室的运营中，也积累了大量的医疗数据，这些数据不仅容量大、类型多，而且具有很高的价值。在面对这些数据时，传统的信息系统已无法满足越来越多样的应用需求，如何挖掘这些数据，使其有效利用，成为迫切需要解决的问题。

基于此，北京大学人民医院与国内领先的医疗大数据公司合作院内医疗大数据平台项目，利用先进的医疗大数据挖掘和处理技术，唤醒这些沉睡的医疗数据，创新医疗，使其服务于临床科研、患者管理。

通过医疗大数据处理和应用平台，打破信息孤岛，实现数据整合，建立基于数据生命周期和科研应用视角的科研平台，助力临床科研一体化，大大提升了科研的效率。病历实时快速搜索、智能定义CRF、多中心数据管理、准确入组纳排等创新应用，将传统的病历搜集、数据管理周期由几个月缩短到一周、两周，对确定科研方案、收集数据、数据筛选、分析、管理，均起到了有效的支撑作用。

目前，在科研平台上已经开展100+科研项目，提升效率、降低成本、快速发掘有效信息，均得到有效验证。

关键指标

临床科研平台从医生的实际科研需求出发，科研需求大致可以分为八大类：风险预测模型、人群健康管理、药物及器械安全型监测、疾病及治疗的异质性分析、精准医疗及临床决策、医疗质量及行为评估、公共健康和研究应用。

要让大数据真正服务于科研，必须要思考的问题是，如何把大量的临床资料和临床科研整合在一起，将数据转化为解决临床需求的知识。医疗大数据科研平台的核心功能，就是提供一个平台，运用各种大数据技术和传统的统计学方法等，为医生和科研人员提供一个工具。

大数据带来的真正意义是，通过历史的数据发现新的规律，做没有假设的研究。

科研、IT和数字科学三方合作的基本逻辑是：首先，也是最重要的一点，医生在长期的临床工作实践中，总结、思考后，提出科研问题和目标；第二，基于这个目标，医生提出需要哪些数据，并从所有数据中确定所需要的临床条件；最后，技术人员根据这些需求把数据整理好，最终达到支持临床研究的目的。

人民医院曾经有一个心内科专家提出，想要做出心衰病人出院1年后再入院发生率的预测模型，了解其影响因素。因为心衰病人基数大，且住院期间发生的费用是其医疗总费用的60%，从卫生经济学角度上说，这个研究非常有意义——减少再入院率是减少医疗费用的关键因素。

对于这个项目而言，第一件事就是确定研究对象。技术人员根据ICD诊断为心衰的指数，筛选出了自2010年到2015年间的14985份疑似病历，但ICD只能作为初选的纳入标准。

确定真正的研究对象，要使用改良的Framingham心力衰竭诊断标准进行复核。要从每份疑似病历中提取症状、体征、诊断、病史、辅助检查和治疗等数据，并通过数据分析把有差异的病历都抽取出来。

评估下来，如果靠人来筛选的话，每份病历需要耗费半小时，以每天连续工作10小时、无节假日计算，需2.05年的时间。这样的投入成本让研究看起来不可操作。并且，已有的主客观病历数据，都是非结构化的，不可以直接被使用。

这种情况下，北大人民医院的临床科研大数据平台就发挥作用了。

平台首先做的就是根据医生的需求做自然语言分析，其使用NLP（将非结构化数据进行结构化处理的一种分词方法），将自然语言进行全切分，比如将“他说的确实在理”这句话，切分为“他”、“说”、“的确”、“确实”“实在”、“在理”。这样在医院原始数据的基础上，又形成了新的数据层，也就是把所有的数据打上标签，再用一系列的大数据技术，把浩如烟海的原始的临床数据变成可搜索的数据。

在此基础之上，还有一个数据应用平台，这个平台上搭载了科研系统分析平台、项目管理平台（多中心管理、患者管理、疾病管理、随访管理系统、eCRF管理系统）等，以这种方式给医生提供科研工具。

根据这些需求，技术人员只花了1周左右的时间，就完成相关的配置，通过临床大数据平台提取了心衰再入院及非再入院患者的特征变量，找到了研究所需的所有数据共纳入1103例心衰患者，研究变量123个，共135669个变量。

通过“随机森林算法”，技术人员找到年龄、糖尿病、高脂血症、缺血性脑血管病、慢性阻塞性肺病、舒张压、血清白蛋白、血清钠、Ln血胆固醇和出院带β受体阻滞剂等10个可能影响患者未来再入院率的指标，然后做了一个比例风险的模型，把各个因素加权后变成一个公式。

最后回到临床，这个公式在新进病历中得到了很好的验证。

医疗大数据平台的使用，受到了医生们的欢迎，截止11月，医疗大数据平台上有科研统计需求101个，涉及临床科室35个（北大人民医院临床科室数44个，占比80%），已有用户数256人（北大人民医院医生数945人，占比达27.1%），7月一个月，医生查询次数达到2718次，大大提升了医生科研数据获取的速度。

更多信息，请点击查看专题