7種大資料方案重塑醫療行業

懷疑主義是一把雙刃劍。 如果沒有懷疑主義的話，IT經理可能會去投資那些沒有用處的軟體。 足夠的懷疑，可以讓IT部門等待足夠的證據，以證明特定的平臺可以帶來好結果。

醫療行業的資料分析到達臨界點

大資料分析現在已經到達了醫療行業的臨界點。 一些供應商承諾在減少開支的同時，會提供更好的醫療品質，但有證據表明這些說法是有爭議性的。 同樣，一些大資料運動的批評者指出，醫療行業在開展大的專案之前，可以從小資料集榨取情報。

舉例來說，在最近的一篇博客文章中，顧問兼醫學博士David C. Kibbe和Vince Kuraitis爭論說道，運營商最好專注于使用小資料，而不是屈從于大資料分析的誘惑力。 換句話說，集中于臨床上已有的以數位化的形式保存的資料，致力於使用那些直接適用于護理管理的IT工具。

另一方面，大資料分析試圖從許多不同的來源，解析成堆的資料，試圖發現那些對於解決問題來說有用的模式。 例如，研究人員採用了大資料的方法來研究遺傳和環境因素在多發性硬化症上的表現，從而尋找個人化的治療方法。

一些研究可能會帶來令人興奮的回報，但IT公司已經迫不及待了。 就像Kibbe 和Kuraitis指出的，科技公司都在鼓吹大資料分析是醫療保健系統必須具備的，而醫生群體的目標是成為可信賴的醫療機構或者在納稅人的支援下，成立像ACO類似組織。 由於這些ACO和醫療機構嘗試得到共用儲蓄或金融風險的合同的利潤，這些大資料支援者聲稱，大資料可以説明他們整合資料，使得品質提高的同時，能夠降低成本。

一些供應商已經在病人護理方面使用大資料。 據《商業週刊》的消息，許多供應商正在轉向如微軟、SAS、IBM、戴爾和甲骨文這樣的公司，去獲得資料採礦的專業知識。 醫療保健分析是一個不斷發展的業務。 Frost&Sullivan的研究顯示將有一半的醫院在2016年使用先進的分析軟體，而現在是10%。

醫療服務提供者已經為大資料分析做好準備了麼？ 他們能夠對更有限的資料分析功能內置到他們的電子病歷系統和指向新政策和程式的關係資料庫感到滿意麼？

在最近接受《資訊週刊》醫療保健欄目採訪時，說到權衡大資料和小資料，國家健康協調IT辦公室的前負責人大衛·布盧門撒爾表示：「這不是一個選擇問題。 大資料是從小資料開始的。 我們有更多關於健康、疾病以及護理模式的資訊，這些資訊將給我們提供有益的見解，告訴我們什麼在起作用，什麼卻沒有以及什麼是疾病的自然史。 它使我們能夠更快、更有效地做研究...... 但是我們會需要一段時間，才能弄清楚如何使用這些資料。

聽到許多大資料評論家的質疑，Blumethal說：「我們堅信科學提供了機遇，同時大部分時間證明，我們的信念是正確的。 」

從這個角度出發，筆者總結了7家公司以及大型醫療中心的工作,指出他們已經在做類似的嘗試。

Explorys

克利夫蘭診所的產品Explorys，提供了一個基於雲的性能管理平臺，給醫療服務者提供臨床、財務和運營方面的資料管理，這是以前從未有過的模式。 在它的客戶中，有聖若瑟衛生系統、MedStar和天主教健康夥伴。

與老派的依賴于關聯式資料庫的分析方法不同，該公司的服務依賴于Cloudera公司。 這是一個基於Hadoop的軟體的服務公司，可以説明工程師和資訊專家處理做繁重的工作。

Explorys平臺允許供應商做三件事情：在患者人群和保健場所搜索，以説明確定疾病的發展趨勢;座標規則驅動的病人登記;性能指標——如果一個組織打算滿足ACO的要求的話，這是一個關鍵因素。

當然，如果它不產生過硬的資料，去表現出更好的醫療品質並降低成本，這一切努力都是毫無意義的。

Explorys的首席醫療資訊官兼醫學博士Anil Jain解釋說：「因為該公司相對來說比較年輕，還尚未產生這些結果。 換一句話說，沒有證據證明，它可以減少糖尿病患者截肢的人數或減少先天性心臟疾病的患者死于心肌梗死的數量。

但Explorys所產生的資料表明，它正在接近這一目標。 例如，在與辛辛那提天主教健康夥伴合作時，分析平臺有助於提高肺炎疫苗14%的接種率，乳癌篩檢率增加了13%，增加了糖尿病患者3%的糖化血紅蛋白檢測率——這是一個長期血糖控制的衡量標準。

美國醫學資訊學協會雜誌(哈福)最近在一份報告中概述了Explorys的專案，它從幾個不同的醫療保健系統近100萬患者的電子病歷中收集資料。 分析可以説明醫生找出那些位於四肢和肺部中最危險的血液凝塊。 該分析只需花費125小時，所需的也是最少的人力。 這樣一個分析專案，使用傳統的研究方法的話，通常需要幾年時間才能完成。

Humedica

Humedica提供了一個基於雲計算的人口分析系統。 它連接了患者在不同的醫療設置產生的資訊——門診和住院病人以及時間段產生的病人的護理的縱向視圖。 公司擁有30多個國家近25萬患者的資料，可以使得個人化的客戶與一個非常大的人口資料來比較他們的身體性能。

該公司的服務整合、標準化和驗證臨床資料，是從護理的不同層面開展的，不僅包括藥物治療、實驗室檢測結果、生命體征、人口統計、住院和門診，也包括醫生的筆記和實驗室檢測結果，結構化和非結構化資料均得到了利用。 它的客戶基礎來自四大類：綜合交付網路(IDN)、大型學術醫學中心、多醫院的醫療系統和多實踐的大醫療集團。

一個典型的例子：中哈得遜醫療集團的以病人為中心的醫療家已經使用Humedica的MinedShare分析服務，來衡量其患者群體，並將其與行業最佳實踐服務做比較。

例如，125-醫生的做法是提取糖尿病患者的資料，以確定最近一次問診時，其HgA1c的讀數在7%(小於最佳的血糖控制的跡象)以上，並指出哪個病人在最近一年內沒有看醫生。 因為使用該系統，醫院能夠關注到這些高危患者，並且保證在該專案開展的前8個月，大約有三分之一的人能夠得到至少一次的回訪。

在這一組中，有三分之一的患者實現了HgA1c的數位保持在8%以下的目標，60%HgA1c的數位超過9%的患者，正通過頻繁的造訪初級保健醫生，努力降低血糖。

進一步的證據表明，中哈得遜是看中了Humedica MinedShare提供的臨床指標的投資回報率，而且現在該供應商已取得了由國家品質委員會(NCQA)頒發的3級識別標誌。

InterSystems

InterSystems喜歡提醒醫療服務提供者，即使是大型企業級資料倉儲也可能是不夠用的，能夠在提供高品質的護理並顯著節省開支的情況下，提供所有必需的智慧。 負責保健機構和類似支付的性能模式的出現所需要的智慧，目前是最迫切需要的。

InterSystems公司提供的HealthShare醫療衛生資訊平臺，其內置的有源分析元件，能夠解決這個問題。 像許多其他大資料供應商一樣，收集、聚集、正常化並展示從各種孤島得來的病人的資料，以説明決策者提供臨床以及財政上的支援。

羅德島州正在全州範圍內使用HealthShare，來促進健康資訊的交流，並收集和分析病人的資料。 這使得國家的醫療實踐隊伍能夠做臨床的總結交流，以改善護理的品質，這是ACOS的一個重要組成部分。

羅德島州品質協會的首席資訊官加里·克裡斯騰森，在InterSystems網站上稱讚HealthShare，他說：「HealthShare給RIQI提供了節約成本和一定品質水準的護理的服務， 這是醫生不能從自己的記錄中得到的分析結果。 」在最近一次接受採訪時，克裡斯騰森表示：「他的團隊使用InterSystems公司的分析工具，得出在羅德島州超過四分之一的的人口所進行的實驗，8%至12%的測試是重複的，醫學上來說不必要的。

瑞典也已發覺了使用HealthShare InterSystems的好處，它創建一個900萬人口的國家電子病歷系統。 該系統以瀏覽器為基礎，能夠顯示病人的人口統計資料、藥物清單、實驗室資料、過敏和相關資訊。

Pervasive

保險詐騙是醫療保健行業最棘手的問題之一，佔用了Pervasive大量的時間和精力。 Pervasive的DataRush，是一個高速並行資料處理的多核心電腦和多台電腦聯網的應用程式框架和分析引擎，可以在服務供應商協同國家機構在檢測醫療補助欺詐行為方面，提供説明。 在一個案例研究中，該公司在其網站上強調，Pervasive可以説明恢復醫療賠償，而那些本來應該是私人保險公司償付的。

為了檢測欺詐行為，一些服務提供者為了匹配保險檔，使用SQL Server，這是一個長時間的乏味的過程。 DataRush快速模糊比對系統搜索兩個資料庫，其中一個包含從國家獲得的醫療補助的名字，另一個是參加私人計畫的病人的名字，最終是為了找到重疊部分。 根據Pervasive情況報告，最終的結果是降低運營成本和獲得更快的投資回報率。

臨床查詢

臨床查詢可能不會有和商業大資料公司相同的利潤動機，但可以肯定的是，在尚未開發的醫療資料方面它有自己的優勢。

臨床查詢是一個在貝斯以色列女執事醫療中心使用的醫療資訊平臺，它能夠在降低成本的同時，提高產品質量。 為了實現這兩個目標，醫生不僅需要重點關注坐在他們面前的病人，還有關注那些有著相同病症或情況的人群——所謂的人口健康管理。 這一任務需要的資料分析工具，比以往任何時候都複雜的多。

BIDMC的首席資訊官約翰·哈拉姆卡，把「進入臨床查詢」作為一個臨床試驗或者臨床研究商業智慧系統。 這是一個與擁有病人病歷龐大的資料庫連接起來的搜尋引擎，能夠讓醫院員工測試到底是什麼原因導致一種疾病的發生，例如測試藥物、飲食或生活習慣這些可能導致疾病發展的變數。

該庫包含了220萬名患者的200萬個資料點，包括藥物服用、診斷和實驗室值。 查詢工具能夠流覽20000條使用布林運算式的醫學概念。 所有的資料被映射到標準的醫療語言代碼。 例如診斷映射到ICD-9，藥物映射到RxNorm代碼，實驗室資料對應到邏輯觀察識別碼名稱和代碼(LOINC)。

在臨床查詢的説明下，臨床醫生或研究人員可以搜索記錄，以找出多少名乳腺癌患者也服用ACE抑制劑，這是一類用於治療高血壓的藥物。 如果藥物和惡性腫瘤之間顯示出很強的相關性，醫院可以做更深入的分析，並建立一個正式的研究專案來做調查。

最終目標是發現一個新的醫療方法，以改善整個乳腺癌患者的生存狀況。

哈拉姆卡說：「臨床查詢的獨特之處是，它是完全的自助式服務。 我沒有必要去聘請分析師。 我也不需要從我們的機構審查委員會得到特別許可，就能使用它。 」

IBM/Memorial Sloan-Kettering Cancer Center

在紐約電子健康協會最近主辦的數位健康會議上，IBM首席醫學科學兼醫學博士馬丁·科恩和紀念斯隆-凱特琳癌症中心(MSKCC)在紐約的首席資訊官 Pat Skarulis，提出共同利用沃森超級電腦的大資料處理能力， 以説明腫瘤學家為MSKCC的患者提供更好的服務。

科恩指出，沃森不僅是類固醇的「搜尋引擎」，甚至是一個龐大的資料庫。 它依賴于並行概率演算法來分析在病人的病歷和醫學文獻中數以百萬計的網頁的非結構化的文本，找到最相關的答案，以診斷和治療相關的問題。

全球90%的資料在過去的兩年被製造出來，80%的資料是非結構化的。 任何一個有著未讀醫學期刊一大堆的臨床醫生都知道，收集的大量資訊並沒有包含在人們所閱讀的文獻中。

沃森為這些人閱讀這些文獻，並且提高了速度。

借助自然語言處理 (NLP)，電腦不僅翻譯出有關條款，以符合臨床醫生在查詢中的搜尋條件，同時也瞭解英語中的成語和其他特殊表現形式。 在時間、統計釋義和地理空間演算法的説明下，能夠在臨床醫生的問題和收集的大量醫療事實以及理論之間，找到有意義的聯繫。

Skarulis表示，MSKCC決定與IBM合作，以「打造智慧引擎來提供特定的診斷測試和治療建議」。 這兩個組織現在將把從MSKCC而來的被稱為Darwin的龐大的資料庫，與屈臣氏的自然語言處理能力的資料相結合。

IBM正在使用醫療中心所有的結構化的病人的資料和它的NLP工具，致力於將醫療中心的免費文字諮詢說明轉換成可用的資料。 Skarulis希望推出一項試點工程，使得不久的將來，將允許超級電腦能夠為真正的醫療情況而工作。

甲骨文/匹茲堡大學醫學中心

匹茲堡大學醫學中心(UPMC)在回應大資料倡議方面更進了一步，投資1億美元建立了一個全面的資料倉儲，彙集了整個UPMC、UPMC健康計畫及其他關聯實體的200多個資料來源的資料。

為了收集、存儲、管理和分析保持在資料倉儲中的資訊，UPMC將使用Oracle Exadata的資料庫機，這是一個高性能的資料庫平臺。 運用IBM的COGNOS來做軟體商業智慧和財務管理。 同時運用Informatica的資料整合平臺和dbMotion的基於SOA的交互操作平臺，它集成了醫療機構和衛生資訊交流而來的病人的病歷。 這些工具將管理流經UPMC的營業單位的3.2千百萬位元組的資料。

我們的目標是説明醫生進入一個更加智慧的電子病歷時代。 比如根據實驗室檢測結果，關注指標微妙的變化，知曉患者腎功能衰竭的風險，還比如根據患者的遺傳基因和臨床資訊，為乳腺癌患者提供最有效的、同時毒性最小的治療方案。 在乳腺癌這種情況下，大部分工作將通過分析患者群體完成，使得研究人員和醫生在一段時間內，關注病人對治療效果和自己的健康情況做出的反應。

UPMC的官員解釋說，他們將開始使用新的分析工具，他們收集的是先前研究的一組140例乳腺癌患者的資料。 研究人員已經擁有了這些患者的基因組學和電子病歷資料，在尋求理解個人的差別和他們對治療的反應方面，這給研究人員提供了一個良好的開端。

甲骨文健康科學高級副總裁兼總經理尼爾·克雷申佐說：「創新性對於甲骨文和UPMC來說都是非常重要的，因為他們正在開發的企業醫療分析平臺，集成了從臨床、基因組學、金融、管理到運營整個組織的資料。 所有這些領域都需要他們的工作流程能夠提高工作效率，因為這是UPMC要完成的挑戰，以應對資料的指數增長。

為了完成排序這個資料挑戰，UPMC將廣泛的使用Oracle工具，其中包括了Oracle企業醫療分析和Oracle健康科學網。 UPMC還將利用「甲骨文融合分析」以及多個元件，比如用甲骨文融合中介軟體中的Oracle HyperionProfitability和成本管理，來支援以成本為基礎的會計;用甲骨文身份和訪問管理套件來加強合規性和資料保護。

(責任編輯：蒙遺善)