韩 屹

    近年来大数据和人工智能(AI)的结合在世界范围内产生了深远的影响。大数据的概念最早是MichaelCox 和David Ellswort 于1997年IEEE 会议上首先提出[1]。2009年以来，大数据技术取得了重大突破，云计算不仅大幅度提高了数据存储和提取能力，数据分析方法也由以前的集中结构化数据处理逐步推进至对非结构化信息的分析和建模[2]。目前，主流搜索引擎可根据用户搜索历史调整搜索结果的前后排序，网络电商根据用户的购买和浏览历史了解不同客户的购物倾向。世界范围内，包括以谷歌(Google)和亚马逊(Amazon)为代表的众多直接服务于消费者的行业均开始借助大数据和AI 技术提高服务效率并获取新的增长动力。

    然而大数据和AI 在医疗健康领域，是在医药产 品上市后的应用，却远滞后于其他行业。以发表论文数目为例，图1展示的趋势也证明了医药领域的滞后：PubMed 文献库的大数据和药物评估文章从2013年才起步。值得注意的是虽然中文核心期刊在这个领域的论文数目一直超过全球英文文献总和，但在2018年这个代表高质量中文论文的总数出现拐点，反而低于2017年。同期国际英文研究论文数目仍在稳定增加。

    1 大数据特性和应用框架

    目前大数据在各行各业取得了广泛应用。而所谓大数据针对于不同行业有不同的定义。概括来说，它主要是指规模及数据量巨大的数据。针对于医疗卫生来说，大数据主要是指由医学诊断、患者行为及管理、医保、研发等形成的海量的、高增长率、多样化的信息资产。这些信息隐含着巨大的信息量及潜在价值，若得到有效开发，必能使每个医疗卫生行业的参与方受益无穷。在熟练掌握大数据分析的基础上，通过深层次挖掘关联性及价值性的信息，必能在信息化的基础上实现医疗行业的一体化及智能化的发展。

    Doug Laney 在2001年提出的大数据3V 概念(Volume,Velocity 和Variety)已被广范接受[3]。即使仅从一所医院内部数据出发，患者接受医疗服务中产生的大量问诊记录、处方数据、医保付费数据、住院病历和医嘱、化验结果及医学影像图片均格外突出了大数据的3V 特征。目前医院信息系统(HIS)尚未提出全国统一的电子健康档案(HER)行业标 准。不同HIS 之间的数据标识和管理差异巨大。汇总并联合来自于不同医院和不同HIS 供应商的数据库是一项高投入的艰巨任务。

    支持循证医学是医疗大数据应用的重要方向之一。值得注意的是Kruse 等[4]提出了3V 之外非常重要的一个V：准确性(Veracity) ......