智慧健康与大数据

0 引言 随着社会的发展和人们健康需求的扩大，更全面更智慧的健康服务成为每位居民的切实需要。近几年，信息通信技术不断完善，云计算、移动互联网、物联网、大数据处理挖掘等技术不断进步发展，健康服务也逐渐智能化、智慧化。智慧健康，作为智慧城市建设中的重要一环，是医疗事业、健康产业发展的必经之路。 大数据是智慧健康的重要信息基础，通过大数据技术采集、挖掘分析与处理健康信息，卫生信息平台的决策者与建设者便于对居民健康数据进行管理，为健康服务消费者提供更个性化、智慧化以及高效性的服务，提高居民健康水平。 1 智慧健康概述 IBM《智慧的城市在中国》白皮书［1］中提出的智慧城市，能够对安居、医疗、环保、公共安全、城市服务等活动的各种需求，做出智能响应的城市生活。在这一过程中，需要充分运用信息通信技术，感知、分析、整合城市运行核心系统的各项关键技术。智慧健康，作为智慧城市建设中的重要一环，也是电子健康信息技术和智慧城市相结合的产物，其建设与发展离不开大数据技术的支撑。 面临我国医疗健康领域中亚健康、慢性病群体数量的扩大以及庞大老年群体的社会护理需求增大的挑战，智慧健康的提出为解决这一难题提供了新的出路。目前各地对智慧健康正展开如火如荼的研究，但对其概念还未形成统一、权威的界定。Solanas［2］等学者在其研究中对智慧健康以及电子健康和移动健康进行了界定区分，电子健康产业链设计范围广，包含了移动健康与智慧健康。作为电子健康的一部分，智慧健康与移动健康存在重合部分。世界卫生组织提出移动健康作为电子健康的一部分，主要通过移动技术提供卫生服务和信息。倪荣等［3］认为智慧健康是通过对信息技术的应用和信息资源的深度挖掘，建立覆盖城乡居民和各级医疗卫生机构的信息化保障系统，对居民健康进行更智慧地分析，并提供疾病预警与决策支持。综合以上观念，本文认为，“智慧”是一种能迅速、灵活、正确地理解和解决事物的能力。“健康”包括身体健康、心理健康、社会适应良好和有道德。因此智慧健康可以理解为以智能技术、健康技术、网络技术等创新科学技术为支撑的，为人类健康提供服务功能的复杂动态系统［4］。 图1 协同与智慧化特征 智慧健康具有以下特征： （1）感知与互联：通过嵌入式智能设备以及可穿戴设备等智能传感设备，采集个人的各项生理指标、运动数据、起居状态等健康信息并进行实时监测。通过互联网连接智能传感设备，智能存储、管理并使用这些健康信息。 （2）泛在化：运用互联网、物联网以及无线感知穿戴设备等技术，在时间上，连续、随机、定期的监测生命体征与健康服务，空间上，无论静止的地点还是移动的空间，都可以实行监测，为智慧健康的建设提供信息支持。 （3）协同与智慧：在信息基础设施的基础上，运用物联网技术、云计算、大数据对数据进行处理以及挖掘分析，开展智能化的健康服务。（如图1） （4）以人为本：智慧健康将人类的健康作为长远目标，以个体为信息采集对象，并对其健康进行跟踪分析处理与反馈，创建一个平台将健康服务提供者（医生、护士、医院养老服务者等）与需求者（健康人、患者等）融合起来，满足个性化的健康需求，提供针对性的定制卫生健康服务。 2 大数据 随着信息通信技术的快速发展，全球数据容量也正飞速膨胀。国际数据中心（IDC）预估全球数据储存量将在未来十年增长50倍［5］。数据技术、数据应用以及数据价值的重大变革为各个领域的发展都提供了新的思路。2011年，EMC公司在第11届EMC世界年度大会上首次提出了“大数据”的概念，随后，IBM、麦肯锡等研究咨询机构也发布了关于各项大数据的研究报告，《Nature》、《Science》等杂志也相继出版专刊探讨大数据的特征及其为社会发展所带来的机遇与挑战。 对于大数据的定义，国际数据中心提出，大数据是一种新的架构与技术，对其运用能更经济地从高频率、大容量、不同结构与类型的数据中挖掘价值。信息专家涂子沛认为［6］，大数据是对海量数据进行交换、整合与分析，从而发现新知识，创造更大的价值。我们可以理解为大数据的本质在于从大量的不同类型结构的数据中获取信息，创造价值。 医疗健康大数据包括医疗信息数据以及移动健康数据。由于医疗健康领域的特殊性，医疗健康大数据除了具有体量大、速度快、模态多、难辨识以及价值密度大的特征［7］外，还具有以下特征［8］： （1）多态性：健康数据在表达上具有文本、数字、图像多种形式。对于其中非结构化的语言形式，在标化上存在难度。医疗健康数据的多态性会加大数据的分析难度，拖慢处理速度。 （2）时效性：个体的健康数据具有时效性，是某一段时间（即时的、连续的）的健康状态。 （3）不完整性：医疗健康数据在采集处理过程中可能会存在脱节，对个体健康状态的反映有限。 （4）隐私性：在数据采集挖掘中会涉及到个体的隐私信息，尤其是将医疗数据、移动健康监测数据与网络行为以及社交信息整合时，其隐私泄露所带来的不良影响更为严重。因此在医疗健康大数据的采集挖掘中要注重其信息安全性。 3 大数据与智慧健康关系 3.1 大数据为智慧健康管理提供决策支持 通过大数据对健康数据进行采集挖掘，把握规律，对生命体征及健康状态进行监测，分析个体的身体状况。同时对健康数据进行储存管理，在居民进行健康咨询或到医疗机构就诊时，可以通过这些健康数据进行更准确的诊疗以及制定更合理的治疗方案，为有关健康的决策提供支持。 3.2 大数据将提高居民健康水平 通过大数据的基础信息支持，构建智慧健康平台并与智能感知设备相连，实时实地监测、分析用户身体状况，并给予生活护理指导。用户通过这一平台管理健康，预防疾病，提高国民健康意识，提升健康水平。 3.3 智慧健康为大数据提供应用市场，大数据为智慧健康提供信息支持 对于结构类型多样、规模大、来源广的数据，大数据技术相较于传统的信息处理技术更具优势，智慧健康这一平台为大数据技术的应用提供了市场。同时，智慧健康的建设需要有标准规范的信息体系：智慧健康的管理需要深度整合与分析健康数据；智慧健康平台需要信息共享、打破信息孤岛。而大数据技术在这一过程中，能够提供健康信息采集、存储、处理、挖掘价值的服务，为智慧健康提供决策分析与信息支持。 4 大数据技术在智慧健康中的应用 智慧健康的建设是建立在标准规范的信息资源体系之上的，大数据技术可以实现医疗健康数据的采集、存储、分析处理、决策分析（如图2），构建标准规范的信息资源体系，从而助力智慧健康的建设与发展。 图2 智慧健康信息资源体系 4.1 现状 美国处于大数据发展的前沿，实施了“大数据的研究和发展计划”，将其运用到各个领域；英国建立的国民医疗服务系统，存储了庞大、完备的医疗数据；日本医疗大数据市场的发展方向主要有医疗数据的统计分析服务、存储分析工具以及医疗服务在线推广；韩国建立了国民健康数据认证和国民健康数据管理认证两个系统，对全国国民医疗信息进行管理；欧洲多国也展开了健康大数据的建设。 我国自原卫生部出台《全国卫生信息化发展纲要》以来，医疗健康大数据已经成为卫生信息化的重要研究领域以及重点研究方向；第十二届全国人民代表大会上提出的“互联网+”的行动计划，为大数据在医疗健康行业的应用提供了政策环境；2015年国家卫计委网络安全与信息化工作组全体会议明确提出：要推进健康医疗大数据的应用。这些政策环境促进了大数据在医疗健康领域的应用，也使得智慧健康的建设从中受益。目前，我国多地陆续展开了卫生信息化的建设，朝着智慧健康这个方向努力。 4.2 应用 4.2.1 数据采集 医疗大数据的采集包括网络大数据以及来自各类传感设备采集的数据，包括文本、数字、图像等形式。对于医疗健康大数据的采集，我们可以通过：①医疗机构信息系统采集每位就诊者的临床数据，包括其基本情况、诊疗数据、检查数据、电子病历等；②穿戴式传感器以及移动终端采集移动健康大数据，包括心电数据、生命体征参数（呼吸、体温、脉搏和血压）、运动健康（包括：用户行为模式、身体运动信息以及活动记录数据等，如地理信息、锻炼信息、跌倒检测，步态检测分析、习惯记录等）以及其他相关数据。 数据采集中，由于数据的形式多样，来源不一，所以在对这些医疗健康数据进行集成时，需要进行数据清洗，消除其重复或不一致的数据。由于移动终端设备的技术与功能的限制以及各设备的标准不一致，通过这一途径所得到的数据在专业性与全面性上专业医疗机构的检测相比，还存在差距。因而，在进行数据采集时，要规范穿戴式设备的标准，同时保证数据在传递过程中的准确性和安全性。 4.2.2 数据存储 医疗健康大数据的存储包括对无结构、半结构化以及结构化数据的存储。在对采集的医疗健康大数据进行存储时，下列问题需要得到解决：海量文件的存储与管理、小文件的存储、索引与管理；大文件的分块与存储；系统的扩展性与可靠性。 因而，在这一环节，我们需要根据CAP原则（一致性、可用性、分区容错性），分析已采集的数据，选择合适的存储方案。大数据的存储硬件基础设施和数据管理软件两部分（表1）。同时，数据存储系统需要提供功能接口、快速查询等编程模型，以便于数据的分析和交互。 4.2.3 数据处理 表1 数据存储［9］示例硬件基础设施根据不同应用的即时需求，有共享的I C T资源池以弹性的方式组织而成本地存储、S A N存储、云存储组成数据管理软件部署在硬件基础设施之上，用于维护大规模数据集关系型数据库、N o -S Q L数据库、实时数据库等 智慧健康动态系统中，数据的价值不言而喻。对于来源广、规模大、类型结构多样的医疗健康数据，我们需要对其进行处理分析，发现隐藏在数据中的潜在价值，如未知的相关性、隐藏的模式等，同时起到预测作用，为医务人员、个体以及健康管理者提供决策支持，影响健康水平以及治疗方案。在其分析处理上有流式处理以及批处理两种方式，会运用到计算技术、数据挖掘技术以及大数据可视化技术，如表2。 表2 数据处理技术目的计算技术M a p -R e d u c e离线计算框架、S p a r k内存计算框架、S t o r m流式计算框架、轻量级弹性计算平台等。主要技术挖掘潜在价值，预测疾病发病情况，跟踪个体健康状态。可视化处理数据流线化、任务并行化、管理并行化、数据并行化等。清晰有效传达沟通信息。将碎片化的多源数据整合为完整数据、增加挖掘深度。数据挖掘频繁模式挖掘技术、聚类分析方法、分类和预测算法、序列挖掘算法等。 4.2.4 数据决策分析 智慧健康需要对卫生健康领域中的各种需求及问题作出及时、智能的响应。通过对海量、多源、结构模式多态的医疗健康数据的分析，智慧健康可以形成高质量的数据资产，为其发展提供清晰明确的数据支撑。医疗健康大数据的分析结果，可以为医改提供决策支撑，为科学地制定医保预算、实现医保控费提供数据支持，同时提升医疗机构诊疗水平以及居民健康水平。常见的大数据决策分析技术主要包括数据知识模型、面向智慧健康决策支持的分布式海量数据管理技术、辅助决策模型的组合技术以及辅助决策技术等。 大数据与智慧健康决策有着紧密的联系。从主体上看，大数据为智慧健康决策提供了经验以及行动逻辑，强调了多元社会主体的共同参与；在决策过程中，大数据提供了实时连续决策的轨迹与路径；在方式上，大数据解决了智慧健康决策中数据驱动决策的技术难题；在决策目标上，大数据能够增加智慧健康的公共利益导向与动机，实现双赢。 5 总结与展望 目前，我国智慧健康还处于萌芽阶段，在智慧健康中使用大数据技术对健康信息进行采集、存储、处理、决策分析等，可以挖掘医疗健康数据中的价值，为医师的临床决策提供支持；对病人进行远程监控，对慢性病患者进行监测与管理；预测疾病易感染群，维护公共健康；分析疾病模式，提供个性化治疗等，从而对各种健康需求作出及时、智能响应。 总而言之，在大数据的时代背景下，智慧健康的发展能从中获益。大数据在智慧健康中的应用，不仅可以提供更优质的医疗健康服务，提升国民健康水平，对健康需求与健康问题作出及时、智能的响应，更能够发现新的知识与价值，为医学知识以及技术的进步提供思路与方法。为了进一步推进大数据在智慧健康中的发展应用，我们需要：①提供大数据在智慧健康应用中的政策支持，推动基于大数据技术的智慧健康新模式；②加快相关技术的研发和标准规范建设，加强智慧健康中数据信息的安全性；③加强海量、多来源、多类型医疗健康数据的融合应用，促进健康服务的智慧化与个性化。

文章来源：《智慧健康》 网址: http://www.zhjkzz.cn/qikandaodu/2020/0731/473.html