2018年10月，陸軍軍醫(yī)大學第一附屬醫(yī)院（西南醫(yī)院）正式成立了醫(yī)學大數(shù)據(jù)與人工智能中心，從信息科中剝離獨立運行。分家不分心，我們?nèi)允且黄饛牟煌瑐?cè)重點共同推進醫(yī)院信息化建設。對于我這個擁有16年醫(yī)院信息建設管理經(jīng)驗的“老板凳”來說，終于能從信息科負責人的崗位上“光榮退休”。慶幸的是，總算逃離了過去無窮無盡的瑣碎和時刻緊繃的不安，是莫大的釋放與解脫。而同步而至的是新的壓力與挑戰(zhàn)，這一切都來源于自身對新領域知識儲備的不足，以及開辟全新工作領地的艱難。

在這個新組建的部門成員中，既有OCP（Oracle數(shù)據(jù)庫認證專家），也有C#.net、Java、PB開發(fā)程序員，還有高工級網(wǎng)絡工程師，更有科研項目組織能手，全都是身懷絕技的業(yè)務骨干。但是，一開始大部分人還不知道下一步具體該干什么、怎么干，自己能發(fā)揮什么作用。用“深感茫然”來形容，一點也不為過。為了給并肩戰(zhàn)斗的小伙伴們鼓勁，我確定了八字方針“居安思危、迎難而上”，并勉勵大家如果不想被時代淘汰，那就搏擊潮頭、改變自己，不斷提升未來20年職業(yè)生涯的核心競爭力。

言歸正傳，作為一名“初出茅廬”的醫(yī)療數(shù)據(jù)探路者，我謹談談醫(yī)院后信息化時代，如何讓數(shù)據(jù)驅(qū)動新一輪醫(yī)院信息化建設。

一、掌握基本技能，實現(xiàn)從信息管理專家向數(shù)據(jù)利用專家的轉(zhuǎn)變。

傳統(tǒng)信息管理人員的核心能力在于對管理流程和數(shù)據(jù)流程的深入理解，在此基礎上，準確把握用戶需求，科學頂層設計，并優(yōu)選適宜的技術(shù)開發(fā)或產(chǎn)品加以實現(xiàn)。而數(shù)據(jù)管理人員的核心能力在于對數(shù)據(jù)邏輯和相互關系的理解，以及掌握整個數(shù)據(jù)處理的技術(shù)鏈條，包括數(shù)據(jù)抽取、清洗、標準化、結(jié)構(gòu)化、語義識別、存儲、分析和開發(fā)等。這兩者并非完全割裂，而是相輔相成，相互促進。這也是我們從信息管理崗位向數(shù)據(jù)處理應用崗位轉(zhuǎn)換的優(yōu)勢所在。

然而，從信息管理走來的我們，劣勢也不少。在上述整個鏈條中，有太多我們不熟悉的領域知識需要補課。譬如，拿最基礎的數(shù)據(jù)抽取來說，抽取的方式、ETL工具、同步頻率、一致性校驗、字符集轉(zhuǎn)換等細節(jié)都需要考慮。醫(yī)院極其多樣化、復雜的數(shù)據(jù)來源和類型，給數(shù)據(jù)匯聚與利用帶來很大難度。下圖從數(shù)據(jù)來源、數(shù)據(jù)類型、存儲位置這三個維度體現(xiàn)了醫(yī)療相關數(shù)據(jù)的概貌。

做醫(yī)療大數(shù)據(jù)研究，正是要將這些分散的數(shù)據(jù)通過患者主索引（EMPI）等方式關聯(lián)起來，通過大數(shù)據(jù)架構(gòu)進行存儲、處理，結(jié)合臨床、科研、管理的需求進行統(tǒng)計學方法或全樣本分析。

舉一個我們在數(shù)據(jù)抽取過程中的小例子：由于歷史原因，軍隊醫(yī)院HIS數(shù)據(jù)庫都是采用AMERICAN_AMERICA.US7ASCII英文字符集，因各系統(tǒng)間錯綜復雜的聯(lián)系，絕大部分醫(yī)院都沒有轉(zhuǎn)換成當前主流的中文字符集。于是問題來了，要想在數(shù)據(jù)中心采用中文字符集以兼容各種數(shù)據(jù)來源，就必須完成轉(zhuǎn)換。我們采用了Oracle Golden Gate（簡稱：OGG）技術(shù)進行業(yè)務庫實時同步和字符集轉(zhuǎn)換，采用開源ETL工具Kettle進行數(shù)據(jù)抽取，在這一過程中遇到了一些問題。譬如：OGG要求歸檔日志必須延續(xù)一致，Oracle的SID不能發(fā)生變更，如果環(huán)境變了，前面的工作都可能要重來。對于大容量數(shù)據(jù)倉庫來說，這就是“噩夢”。Kettle數(shù)據(jù)抽取工具的原理是，將英文字符集的數(shù)據(jù)表映射遷移至中間表，再寫入中文字符集數(shù)據(jù)庫。但是，對數(shù)據(jù)庫字段中的空格等特殊字符的處理經(jīng)常發(fā)生錯誤，處理blob等大對象類型的數(shù)據(jù)也存在問題。在數(shù)據(jù)開發(fā)過程中，如主流的Tableau、FineReport等報表工具完全不支持英文字符集，而有些實時數(shù)據(jù)的分析仍需要從英文字符集的生產(chǎn)數(shù)據(jù)中心直接得到分析結(jié)果。

這只是一個很基礎、很小的技術(shù)障礙，可能有好的解決方案，只是我們暫時還沒掌握。而這只是數(shù)據(jù)處理分析“萬里長征”的第一步，還有無數(shù)“攔路虎”在前面埋伏著。我們深刻地感到，知識更新時不我待！

究竟還有哪些知識領域需要我們潛心學習？下圖是我總結(jié)的一張大數(shù)據(jù)知識體系圖：

2.png

術(shù)業(yè)有專攻。面對如此龐雜的知識體系要求，一個人精力有限，難以全面掌握和精通。但既然專業(yè)研究大數(shù)據(jù)，必然要求一專多能。所以，每位團隊成員多少都要了解一些，并且要按這個知識體系逐步把團隊打造好。

二、打破傳統(tǒng)觀念，以數(shù)據(jù)思維解決傳統(tǒng)信息化中的難點與痼疾。

“互聯(lián)網(wǎng)+”促使數(shù)據(jù)以前所未有的速度數(shù)量級增長，大家又開始討論“數(shù)據(jù)思維”了。那什么是數(shù)據(jù)思維呢？

個人認為，數(shù)據(jù)思維是當數(shù)據(jù)積累到一定程度后，發(fā)生了量變到質(zhì)變，用數(shù)據(jù)產(chǎn)生知識，進而反過來影響工作流程、業(yè)務模式和決策方式。有句老話說：“船到橋頭自然直”，正是時代發(fā)展到現(xiàn)階段，數(shù)據(jù)量、算法、算力這三要素共同催生的結(jié)果。用數(shù)據(jù)思維思考問題、解決問題成為當下各行各業(yè)變革的方向，這也是為什么數(shù)據(jù)產(chǎn)生的價值越來越大的原因。數(shù)據(jù)已成為智能化和人工智能的基礎。大數(shù)據(jù)方法促使傳統(tǒng)的統(tǒng)計學抽樣轉(zhuǎn)變?yōu)槿珮颖痉治觯瑪?shù)據(jù)越大，得到的結(jié)果可能就越好。同時，大數(shù)據(jù)不再追求個體數(shù)據(jù)的“精益求精”，而轉(zhuǎn)變?yōu)閷π实年P注，快速采集、快速分析、快速決策、快速預見、快速創(chuàng)新和快速應用。當然，數(shù)據(jù)質(zhì)量永遠是一切數(shù)據(jù)利用的基礎。

那醫(yī)院又如何運用數(shù)據(jù)思維呢？

首先，要數(shù)據(jù)化。從患者就醫(yī)到醫(yī)護工作、物資設備管控等，絕大部分醫(yī)院業(yè)務流程都可以通過信息化手段實現(xiàn)數(shù)據(jù)化，特別是運用物聯(lián)網(wǎng)技術(shù)使人和物成為信息網(wǎng)絡中的數(shù)據(jù)節(jié)點，這一重要趨勢日益彰顯。數(shù)據(jù)化有助于建立業(yè)務規(guī)范，并為后期精準管控創(chuàng)造基礎條件。譬如，對于醫(yī)院不容易管好的高值耗材，一些醫(yī)院正在構(gòu)建SPD體系（SPD是Supply-供應、Processing-加工、Distribution-配送，這三個英文單詞的首字母縮寫），通過信息化技術(shù)和智能設備，在供應商、醫(yī)院各科室、患者之間建立全程追蹤、全程質(zhì)量監(jiān)管、高效運營的醫(yī)院供應鏈體系。

其次，要工具化。數(shù)據(jù)挖掘分析是一門精深的專業(yè)，數(shù)據(jù)并非人人想用就能用。要想讓更多人享有數(shù)據(jù)紅利，就必須將數(shù)據(jù)分析應用工具化。操作越簡單、功能越強大的數(shù)據(jù)工具越受歡迎。譬如，過去我院醫(yī)生要找一些臨床研究用的病例資料，一般只能去病案室先查基本信息，再翻閱病案資料。不僅費時費力，還找不準、找不全。自從構(gòu)建了醫(yī)院臨床大數(shù)據(jù)搜索引擎后，許多醫(yī)生臨床科研的小宇宙頓時爆發(fā)了。因為我們提供的是一個類似于百度、Google一樣的工具界面，醫(yī)生幾乎不用經(jīng)過任何培訓，就能在幾秒鐘找到所需資料。

三是要善用數(shù)據(jù)解決方案。很多時候，慣性思維導致我們對一些問題一籌莫展，數(shù)據(jù)思維有助于解決很多問題。在重慶舉行的2019 CHINC會議上，聽了浙江省建德市第一人民醫(yī)院相鵬副院長介紹的智能病案質(zhì)控系統(tǒng)。他介紹，為解決醫(yī)生在書寫病歷過程中濫用復制的問題，參考了論文查重的經(jīng)驗。醫(yī)生在書寫病歷時，計算機系統(tǒng)自動進行大數(shù)據(jù)檢測，如果某段病歷相似度達到一定值，超越了常理，那么計算機系統(tǒng)會認為這是一份不合格病歷，并且不允許保存提交。這應該是一個典型的引入數(shù)據(jù)思維的好辦法，也是將大數(shù)據(jù)和AI技術(shù)應用在醫(yī)院信息化基礎環(huán)節(jié)的典型案例。

三、深入臨床一線，跟醫(yī)生交朋友，成為醫(yī)工結(jié)合的專業(yè)化樞紐。

要用好大數(shù)據(jù)，不能閉門造車。我們中心成立以后，已到全院20個科室進行大數(shù)據(jù)服務介紹和臨床需求調(diào)研。有些還是被院士領銜科室、排行榜王牌科室邀請去的。除了倍感榮幸、責任外，確實感覺到越是發(fā)展好的臨床科室，越是對大數(shù)據(jù)、智能化的要求更迫切。

在與科室的交流過程中，我發(fā)現(xiàn)，醫(yī)學專家和IT人之間的鴻溝并不容易逾越。有些需求，他們認為很簡單，但在我們看來實現(xiàn)起來會比較復雜，還有一些則剛好相反。譬如，兩年前我們就開始給乳腺中心做一個小型的基于臨床指南的乳腺癌CDSS（臨床決策支持系統(tǒng)），到現(xiàn)在還沒完成驗收。當時，我們認為很簡單，先將指南結(jié)構(gòu)化，建立規(guī)則知識庫，然后結(jié)合患者診療過程中的各項指標推薦指南建議。然而，由于疾病的復雜性、人機交互的便捷性、數(shù)據(jù)接口的可用性等問題，導致系統(tǒng)難以真正落地和發(fā)揮應有價值。

究竟怎樣才能讓大數(shù)據(jù)中心成為醫(yī)工結(jié)合的專業(yè)化樞紐呢？我認為應該關注以下三個方面：

一是加強學習，注重復合型人才培養(yǎng)。共同語言是有效溝通的前提，工科人去理解醫(yī)生的思維方式是比較困難的。所以，對于醫(yī)院信息專業(yè)人員要理解臨床思維，就必須加強醫(yī)學領域知識的積累學習，至少對醫(yī)學基礎常識應有所了解，少“開黃腔”或完全沉浸在自己的世界里異想天開。同時，著力構(gòu)建醫(yī)學大數(shù)據(jù)開發(fā)應用團隊必備的人才結(jié)構(gòu)，一般應包括：數(shù)據(jù)庫工程師、大數(shù)據(jù)處理軟硬件工程師、數(shù)據(jù)分析師、大數(shù)據(jù)與AI開發(fā)工程師等。其中，數(shù)據(jù)分析師最好有醫(yī)學統(tǒng)計學專業(yè)背景，熟練掌握常用醫(yī)學數(shù)據(jù)處理的模型、算法和工具。如果能有臨床和科研經(jīng)驗的醫(yī)務人員加入，那就如虎添翼了。

二是技術(shù)引導，價值推動。讓醫(yī)學人員及時了解可能在醫(yī)學上應用的最新信息通信技術(shù)，是產(chǎn)生思想碰撞火花的重要條件。大數(shù)據(jù)中心人員在自身學習的同時，可將相關領域進展與成果的情報信息分享給醫(yī)務人員，不斷用新視野、新方法、新事物去“熏陶”啟發(fā)他們。此外，醫(yī)院總有一批對大數(shù)據(jù)與AI等特別感興趣的醫(yī)務人員發(fā)燒友，把這類“積極分子”的作用發(fā)揮好，至關重要。在日常工作中，大數(shù)據(jù)中心可以重點協(xié)助他們進行項目課題申報、論文撰寫、定制化軟件研發(fā)等服務，形成互相依賴、互相促進的共同體，把大數(shù)據(jù)中心的能力和價值充分釋放、快速體現(xiàn)出來。

三是促進大數(shù)據(jù)服務職能化、規(guī)范化。過去幾年，在醫(yī)院開展大數(shù)據(jù)、AI應用都是錦上添花的事情，能做更好，不能做也問題不大，因為醫(yī)院信息中心對常規(guī)需求都應接不暇、難以兼顧。而現(xiàn)在這一狀況正在改變，以醫(yī)療大數(shù)據(jù)和AI等為核心的新興領域競爭，不僅是醫(yī)療信息化發(fā)展水平本身的競爭，更是臨床醫(yī)技學科發(fā)展的競爭。醫(yī)院大數(shù)據(jù)中心應該明確職能任務，把相關工作流程化、常態(tài)化。譬如，大數(shù)據(jù)平臺構(gòu)建維護、數(shù)據(jù)質(zhì)量監(jiān)管、臨床科研數(shù)據(jù)服務、大數(shù)據(jù)與AI產(chǎn)品落地推廣、定制化大數(shù)據(jù)應用開發(fā)等，應該成為大數(shù)據(jù)中心的常規(guī)任務。有任務就得有考核指標，這樣才能有序良性發(fā)展。此外，隨著大數(shù)據(jù)應用常態(tài)化，經(jīng)常會有臨床科室要求我們協(xié)助數(shù)據(jù)利用和導出。為此，我們制訂了《醫(yī)學大數(shù)據(jù)臨床科研使用管理規(guī)定》，從患者隱私保護、數(shù)據(jù)安全、審批流程和醫(yī)學倫理等方面進行了規(guī)范，促使我們提供的數(shù)據(jù)服務不再是“人情”活兒，而是規(guī)范操作，有章可循。

四、借力發(fā)展，探尋學科交叉融合創(chuàng)新之路。

對于軍改縮編形勢下的醫(yī)院來說，成立十來人的隊伍專門從事大數(shù)據(jù)相關工作，可以說支持力度已算不小。但與目前旺盛的需求和如火如荼的行業(yè)發(fā)展態(tài)勢相比，仍顯勢單力薄，要形成自己的特色優(yōu)勢和核心競爭力，需要精心謀劃。充分借力發(fā)展，優(yōu)勢互補，特別是促進跨學科交叉融合，是個人摸索出的重要經(jīng)驗。

目前，我們中心已和中科院重慶院、中科院北京軟件所、重慶大學、電子科大、北京大數(shù)據(jù)研究院等高校和科研院所建立了穩(wěn)定的合作關系，有的合作已經(jīng)產(chǎn)出了實質(zhì)性成果。通過近三年跟這些單位合作，我們共同承擔了多個大數(shù)據(jù)、AI、“互聯(lián)網(wǎng)+醫(yī)療”等方面的重大、重點和面上科研項目。

值得一提的是，2018年，我們中心聯(lián)合中科院等組織一批單位，聯(lián)合申報并獲批了一項國家重點研發(fā)計劃項目——“基于人工智能的危重癥事件追蹤預警及決策支持服務”，這是2018年我院唯一一項獲批的國家級項目，這也是我們多年來堅持學科交叉不斷磨合結(jié)出的創(chuàng)新碩果。

該項目的主要研究內(nèi)容是，采集和辨識手術(shù)中臨床監(jiān)護大數(shù)據(jù)，智能分析異常監(jiān)護數(shù)據(jù)與主要危重癥事件；融合HIS和EMR臨床數(shù)據(jù)，并基于遺傳算法、進化算法、深度神經(jīng)網(wǎng)絡，構(gòu)建神經(jīng)進化危重癥不良事件預測模型；基于自動推理與認知技術(shù)，構(gòu)建主要危重癥事件人工智能決策支持知識圖譜，實現(xiàn)監(jiān)護期間主要重癥事件的實時追蹤、早期診斷和預警。

項目由我院臨床專家主持，大數(shù)據(jù)中心人員從IT技術(shù)方面全力配合。雖然我們這個小團隊對醫(yī)學層面的專業(yè)貢獻有限，但在組織研究團隊、項目總體設計、數(shù)據(jù)治理、促進學科交叉方面，發(fā)揮了較好的支撐和橋梁作用。

基于多年的學科交叉合作經(jīng)驗，我也有一些心得體會與大家分享：

虛心求教，要充滿求知欲?？此撇惶嚓P的學科，實則可能存在許多潛在關聯(lián)。合作并非是完全依賴對方，而是建立在相互理解的基礎上。通過廣泛接觸各類相關知識，融會貫通后形成新的創(chuàng)意。

善于思考，靈感來自碰撞。知識的學習是基礎，在需求中探索技術(shù)，在技術(shù)研究中挖掘需求，這些都是靈感的來源。一次又一次的碰撞，總會產(chǎn)生思想的火花。

要有耐心，成果需要積累。學科交叉合作并非一蹴而就，更不是合作就一定很快有成果，要有足夠的耐心。三人行必有我?guī)?，多結(jié)識些不同領域的專家學者，多了解些跨領域知識，機會總是留給有準備的人。

一吐為快！就算是一個大數(shù)據(jù)研究的入門者，或許還是門外漢，跟大家嘮叨嘮叨轉(zhuǎn)型過程中的一些感悟吧。

活到老，學到老。路漫漫其修遠，吾將馬不停蹄去求索！