近年来，我国健康医疗数据的类型和规模呈现指数级增长。在抗击新冠肺炎疫情期间，医疗大数据发挥了巨大价值，可实时抓取电子病历数据，并通过人工智能技术进行分析，从而探寻病情的发展规律并做出科学分析和预测。医疗大数据的分析和挖掘还包括临床决策支持系统、医疗数据透明度、远程病人监测等多方面，为临床提供更直接、更准确的诊断和治疗建议，为科研提供丰富的数据支撑。6月19日19:30开讲的第11期，聚焦健康医疗大数据应用，研讨应用实践与发展思路。Intel公司为本期大讲堂提供支持。
本期大讲堂由北京市卫生健康委信息中心主任琚文胜担任主持人，邀请了深圳市医学信息中心主任林德南，厦门市健康医疗大数据中心主任叶荔姗，武汉市中心医院信息中心主任左秀然，医渡云合伙人、CEO张实，Intel中国区行业解决方案部首席技术官CTO吴闻新等业内专家，对医疗大数据的应用实例和价值做了全方位剖析，并与观众进行了深入探讨。
厦门市在医疗信息化建设方面采取的原则是标准筑基、互联互通、信息惠民，有力支撑了医改发展。叶荔姗主任介绍，全市于2006年搭建了全国首个“市民健康信息系统”，为95%以上的常住人口建立了全方位、全周期的终身电子健康档案（500多万份），实现了门诊、住院、体检、妇幼、社区就诊记录与计划免疫等信息的有机整合，推动诊疗数据共享。基于云计算技术，厦门市搭建了医疗云平台，这是全国首个健康医疗云，也是一张卫生专网的高速公路，为互联互通奠定基础。全市建设了慢病管理系统，助力慢病“三师共管”，依托互联网+模式，实现医院-社区-专业机构一体化管理，为病人提供全程医疗、保健、康复等一体化服务，支撑医改深入发展。
厦门市健康医疗大数据应用愿景目标是实现个人健康数据开放共享，分为两个阶段：阶段一是实现不同行业、不同机构的个人健康档案的安全可信共享，阶段二是构建安全共享的健康医疗服务的生态体系，形成以个人健康云平台为支撑的大数据应用新形态。通过这两个阶段的建设，最终实现健康大数据“数据不出门，隐私不泄露，利益共分享，监管无漏洞”的应用生态。全市健康医疗大数据的应用主要体现在以下几个方面：深入推进信息惠民应用、惠医应用—人工智能识别系统、智能健康档案应用、真实世界数据与研究平台、慢病管理大数据应用、辅助保险欺诈分析、“4+7”药品集中采购和使用监管平台、疾病预防与控制大数据分析应用。在新冠肺炎疫情防控中，厦门市的新冠肺炎防抗能力在33个直辖市、省会及计划单列市中位列第一。大数据技术助力重点人员摸排，实现对疾控人员的流调分析，构建密切接触者图谱模型，通过智能任务分配系统辅助政府实现精准、全闭环的防治协同。
武汉市在抗击新冠肺炎疫情的紧要关头，推动建立全市新冠肺炎疫情大数据应用系统建设项目，主要是加强数据资源整合，充分发挥其协调指挥、业务协同和数据分析的作用。左秀然主任介绍，该项目的建设目标是全面整合医疗、疾控、公安、政数局等多条线数据，统一各类需求，统一数据源，统一报表产出，为科学决策疫情防控提供数据支撑。系统设计原则是坚持四个全面：全口径，关注人群覆盖；全要素，关注数据覆盖；全流程，关注过程覆盖；全业务，关注功能覆盖，形成了9大子系统62个功能点。应用系统涵盖网络直报、网络报表等系统功能，整合7个来源的21项数据源采集；通过15项53个主题功能，管理六类重点人群及风险人群；个人数据应用方面，建设了个人轨迹、密接图谱和电子病历应用；通过大屏系统、电脑端、手机端三个系统面向用户提供服务。
系统建设技术架构是基于云计算环境的大数据应用部署机构，实现快速部署、可靠运行、在线运维和无终端依赖。四类关键技术推动系统落地应用：多源异构数据处理，共有7类21项数据源；大数据治理，治理数据量15亿余条，近5T；联机分析处理OLAP；自然语言处理，用于智能搜索和电子病历检索两大类应用。
大数据系统核心功能包括以下几点：大屏应用系统；风险人群监控预警雷达，成为后疫情时期风险防控精准化的重要支撑；主题分析应用，包括16项子主题模块和181个分析指标；个人轨迹，包括个人诊疗轨迹、流调密接和核查摸排记录；密接图谱；直报与报表系统，包含15个部门16个直报系统；电子病历，关键系统包含医嘱、用药、检验检查、体征信息、治疗处置、病案首页等。安全不出事是大数据应用的底线，该系统的安全体系是同步规划、同步建设、同步使用，采用五层安全防护，同时强化管理，通过网络安全重点保障服务。
武汉新冠疫情大数据应用系统应用于平战结合，也将升级为公共卫生应急协同指挥大数据平台，充分发挥大数据价值支撑传染病精准防控。
疫情期间，医渡云助力十多个城市建设疫情大数据监控平台。在当前新冠病毒疫情防控形势依然非常严峻的情况下，医渡云CEO张实认为，疫情给我们带来了如下反思：我们对疾病的认知仍然有限、公共卫生应急能力正面临考验、技术基础设施建设有待提升。AI技术在疫情防控中发挥了重要作用，成为推动“医疗新基建”和公卫体系建设的催化剂。统一的数据治理是当前基于数据智能服务应用的迫切需求，是开启全面数据智能的前置条件。多源异构医疗数据处理技术包括两种：院内智能集成，可进行全系统对接，异源异构数据合规整合；智能患者索引EMPI，跨系统唯一的患者标识。医渡云的医疗新基建主要体现为根据授权进行数据采集、数据治理、数据增强和数据应用，把不可计算数据变成可计算数据，从而赋能政府，赋能行业，服务百姓健康。
作为底层架构技术支撑企业，Intel深耕医疗行业多年。其医疗行业首席技术官吴闻新指出，医疗信息系统的演进实现了从集成平台到大数据分析和人工智能演进，当前信息系统正在构建以数据为中心的新一代信息系统。数据的服务是推动医疗服务的核心，提供患者对数据的访问，第三方应用通过APls对数据访问，花精力解决可用性和安全性的问题，为政府的医疗计划提供数据。从基础架构来讲，需构建数据湖支撑医疗数据服务。数据湖包括高质量的数据采集、流式数据的采集、批量数据处理、流式数据处理、利用NoSQL数据库存储数据、提供API支持数据服务。在大型数据湖系统架构的变迁方面，将计算节点、存储节点分离。Intel傲腾数据中心级持久内存实现高性能低成本的内存扩展和持久存储，加速获取数据洞察，其操作模式分为内存模式和“应用直接访问”模式。在医疗大数据应用中，InterSystem IRIS使用傲腾数据中心级持久内存和第二代至强可扩展处理器，同时减少DDR内存的使用，大大提升了海量数据情况下的HL7数据交换写入和IRIS数据读取操作的性能，提高了整体系统的TCO。
在加强公卫应急管理体系建设方面，林德南主任表示，人工智能在公共卫生应急机制的建立作用应是全方位的。在抗击疫情期间，人工智能在疫情监测、预警、决策、处置等方面的应用非常广泛。如在抗击新冠肺炎疫情的宣传教育方面，语音人工智能可以普及抗疫知识，人工智能影像可以对新冠肺炎做出比较快速准确的诊断，有的城市通过云平台部署预分诊人工智能系统，实现发热病人和非发热病人的分诊等应用。即便如此，人工智能应用目前仍然处于初级阶段，主要是弱人工智能的应用。人工智能在疫情监测、预警和决策等方面的应用还有很大空间。接下来，强人工智能在进一步加强对公共卫生事件的科学、及时和高效的处置方面将发挥出更大更好的作用。
在最后的讨论环节，琚文胜主任、5位与会嘉宾和观众针对医疗大数据应用的机制、技术等话题进行了深入探讨。