数据融合，激发医疗健康价值增量

Introduction引言 多模态医疗大数据包含多种不同类型的数据源，如临床、基因组学、影像学和生物标记物等，这些多元化的数据具有多模性、动态性、实时性、连续性、海量性和客观性等特点，以多种方式表达了患者的信息，承载了患者临床信息有价值的内涵。 数据融合是一种综合处理和分析多个数据源信息的技术，通过采集、存储、清理、转换、集成、管理分析、解释等过程，将来自不同数据源和不同模态的数据进行整合，以生成新的、更丰富、更有价值的信息，实现更丰富和深入的理解。数据融合是近年来医学研究领域的热点之一，其潜在价值在于能够从多个角度深入理解疾病的发病机制、诊断过程和治疗效果，为临床实践提供更加精准和个性化的医疗服务，获得更准确的决策支持和更好的预测能力。 本报告就医疗健康大数据融合的必要性和意义、数据融合当前所面临的主要问题或瓶颈、解决途径与方法、应用领域、个人隐私保护与医学伦理规范五个方面提出了一些观点和见解，为医疗健康数据要素工程和数字化转型的工作提供参考。 卫宁健康创新研究院院长 范春 Contents目录 一、时代进程：把握数据融合新态势03 1.1 数据要素成为医疗数字化转型、发展新质生产力的核心引擎1.2 数据融合成为数据要素价值释放的重要手段1.3 数据融合成为公立医院高质量发展的关键特征1.4 数据融合成为以人为中心服务的基础支撑1.5 数据融合成为医疗健康产业培育壮大的沃土0405050606 二、方案探索：谋划数据融合主路径07 2.1究根探底，数据融合面临四重挑战制约2.2攻坚破难，多措并举纵深推进数据融合2.3 安全保障，数据融合中的个人隐私保护与医学伦理规范080915 主编EditorinChief范春执行主编 ExecutiveEditor徐安琪编委 EditingTeam徐一涵杨吴婕马洁金灿校对 Proofreader张璟玥设计 Designer王晓晨 三、多元赋能：解锁数据融合新场景16 3.1 便捷就医：流程再造，体验升级3.2 智慧临床：智慧决策，提质增效3.3 健康管理：联动服务，延伸呵护3.4数智中医：技术创新，精细管理17242628 一、时代进程：把握数据融合新态势 2024 年 1 月 5 日，国家数据局等十七部门发布《“数据要素 ×”三年行动计划（2024-2026 年）》，提出要从提升数据供给水平、优化数据流通环境、加强数据安全保障三方面支撑数据应用，至 2026 年底数据产业年均增速超过 20%，并特别指出医疗健康作为重点领域要加强医疗的数据融合创新，有序释放医疗健康数据价值。 1.1 数据要素成为医疗数字化转型、发展新质生产力的核心引擎 数据要素是指以电子形式存在的、通过计算的方式参与到生产经营活动并发挥重要价值的数据资源。根据国家网信办报告，2022 年我国数字经济规模达 50.2 万亿元，总量稳居世界第二，占 GDP 比重提升至 41.6%。从数字赋能到数字经济的跃迁，数据要素作为新型生产要素已然成为驱动我国经济高质量增长的关键动能。 在医疗数字化转型进程中，数据要素产生新的价值增量，成为发展新质生产力的核心引擎已成为行业共识。 关系，确保数据融合的安全性、合规性和有效性，研究数据融合结果的透明度与可解释性，以量变引发质变，创造新的信息和知识，充分释放医疗数据放大、叠加、乘数效应。 1.2 数据融合成为数据要素价值释放的重要手段 数据融合概念起源于美国。1973 年美国首次将数据融合理念与技术应用于军事领域，将多传感器来源的信息进行处理以实现战场态势感知。近年来随着应用场景更趋广泛 , 数据融合定义也得到丰富。现代数据融合技术是指为了实现及时完整与精准正确的状态判定、身份识别、态势评估等 , 针对多源异构数据进行检测、抽取、预处理、关联、估计和整合等一系列操作的一种多层次多角度数据处理手段。在医疗健康领域，数据融合技术主要用于异构数据的语义消岐关联和医疗影像的特征提取融合。近年来，诸多国家课题指南聚焦药物药理、精准医学、医疗价值等领域，以数据为关键要素，以数字技术与医疗应用深度融合为核心开展创新性研究，主动推进医疗数据融合共享，积极拓展智慧医疗新模式新业态。因此，以应用场景为主线对多源异构的海量医疗数据要素进行数据融合，精准捕捉数据间的相关性、因果性 1.3 数据融合成为公立医院高质量发展的关键特征 公立医院高质量发展中提出推动大数据与医疗服务深度融合，推进电子病历、智慧服务、智慧管理“三位一体”的智慧医院建设。通过数据融合、分析、处理多源数据，能够实现医疗健康数据的集成和共享，并充分挖掘数据中所蕴含的全部信息，进而做出相应估计和决策，有助于满足电子病历应用水平分级评价对全流程医疗数据闭环管理、高级医疗决策支持、区域医疗数据共享、医疗安全质量监测等要求。在进一步完善医疗卫生服务体系中提出开展国家和省级区域医疗中心、城市医疗联合体、县域医共体建设中，医 疗健康数据融合在加强、数据共享交换与保障体系建设中发挥至关重要的作用，有助于推进医疗联合体内信息系统统一运营和互联互通，加强数字化管理。在医院精细化管理方面，促进实物流、资金流、业务流、信息流的数据融合，实现临床与管理系统间的互联互通，提升业务管理与运营管理水平。公立医院高质量发展提出实施临床科研提升行动，坚持临床研究和临床诊疗协同，用科研反哺教学、让科研成果服务临床和疾病防控，融合并利用海量医疗数据信息，加强基于大人群样本的真实世界医学研究。 1.4 数据融合成为以人为中心服务的基础支撑 在真实世界中，医疗健康服务的对象是人，需要以人为中心对医疗大数据进行深度融合，通过对不同来源的医疗健康数据自动检测、关联和融合，实现更加精确的信息估计，打造可持续的临床价值。构建疾病诊断、检验、检查、监测数值等数据集，提取各个模态的特征表示、深度融合，实现信息多源互补，最终完成疾病自动诊断。通过使用健康管理类人工智能和可穿戴设备，对健康状态进行实时、连续数据获取和监测，实现在线实时管理、预警和行为干预。在群体公共卫生管理方面，医疗健康数据也可以用于支撑提升公共卫生服务水平、完善医疗政策体系，有助于合理分配和调度医疗资源、及时调整疫情防控措施，推进医疗、医保、医药联动改革。 1.5 数据融合成为医疗健康产业培育壮大的沃土 数字经济是继农业经济、工业经济之后的主要经济形态，是数字时代国家综合实力的重要体现。根据 Statista 数据资料库，2022 年数字经济为美国经济总量（GDP）增加了 2.57 万亿美元的价值，高于上一年的近 2.4 万亿美元【1】。结合经济分析局（BEA）发布的美国年度国内生产总值【2】的报告数据，截至 2022 年美国数字经济增加值占 GDP 比重达到 9.98%。在我国，《“十四五”数字经济发展规划》提出 2020 年数字经济核心产业增加值占国内生产总值（GDP）比重达到 7.8%，预计到 2025 年，数字经济核心产业增加值占 GDP 比重达到 10%【3】。为全面推进“健康中国”建设，落实习近平总书记“为人民提供全方位全周期健康服务”的指示，需要深化医疗健康产业生态建设、做优做强健康产业。《“十四五”国民健康规划》提出到 2025 年，健康服务业总规模预计到达 11.5 万亿元【4】。数据要素对提高生产效率的乘数作用不断凸显，跨行业、跨地区、跨部门的数据融合，将促进数据多场景应用、多主体复用，推动新产业新业态新模式持续涌现，成为健康产业高质量发展和壮大的沃土。 数据来源： 【1】https://www.statista.com/statistics/961908/digital-economy-value-add-to-gdp/【2】https://www.statista.com/statistics/1031678/gdp-and-real-gdp-united-states-1930-2019/【3】https://www.ndrc.gov.cn/fggz/fzzlgh/gjjzxgh/202203/t20220325_1320207.html【4】https://www.gov.cn/gongbao/content/2022/content_5695039.htm 二、方案探索：谋划数据融合主路径 程性数据，加之部分医院对临床数据质量把控不严，这使得有效的数据样本量减少，影响决策分析结果；同时，在医疗健康服务及临床科研的精准性需求下，对患者生命体征信息、康复训练信息等多维信息的利用尤为重要，而由于物联网技术水平限制，这些信息仍无法及时准确采集，造成数据维度的缺失，影响决策分析过程。 2.1 究根探底，数据融合面临四重挑战制约 医疗健康数据覆盖范围广，数据种类繁杂。从医疗数字化转型进程来看，尚存在数据标准化程度不高、医疗数据质量与可靠性低、数据应用专科化个性化场景模糊、“医工交叉”复合型人才团队建设亟待深化等问题。 数据的准确性引起医疗决策分析的可靠性争议。一些科研数据指标在不同环境条件下的定义和解读存在差异，在一项分析决策中如果没有对数据内涵加以控制，将会导致分析结果的错误、歧义或误导性问题。特别是在分析患者体征数据时，需考虑环境温度、个体情绪状态对数据偏离真实情况的影响，避免数据失真。而在临床诊疗过程中，数据内涵控制环节薄弱，病例样本情况发杂，数据在语义、逻辑层难以统一，导致分析结果准确性。在院级之间病例归集方面，各医院科室设置差异混杂，DRGs 病组细分或切分到专科难度较大，院际间数据的融合分析也需要考虑专科内涵一致性的问题。 2.1.1 标准不统一引起多源异构数据融合障碍 多源数据异构是医疗数据融合面临的主要瓶颈之一。医疗数据种类繁多格式复杂，数据范畴不仅包括患者基本信息和常规体征数据等业务系统产生的结构化数据，还包括各种医疗设备采集的时序性生理数据、医学影像以及大量关于患者病历和诊断文书等半结构化、非结构化数据。这些异构数据在形成过程中标准无法统一，对数据的抽取、转换需要充分规范保障数据的一致性和可理解性，如何将电子病历中的非结构化数据转化为机器可识别的结构化数据依然是当前技术需要突破的焦点。 即便一些医疗数据具备通用性行业标准作为参照，也会因为医院系统建设的标化差异增加数据融合的复杂性。在电子病历系统功能应用水平分级评价、医院信息互联互通标准化成熟度测评、医疗机构智慧服务分级评价等工作推动下，医院信息系统建设基本与国家、行业发布的数据标准实现并轨，但细分的业务系统较多依赖于所选择软件供应商的标准遵从度，加之系统的分阶段建设、数据标准存在滞后，数据统计口径不一致，缺乏统筹，造成多源数据之间的格式混乱、语义矛盾、重复冗余。这使得多源数据的转换和对齐上耗费大量工作，特别是一些早期建设或定制开发的业务系统、历史数据等未完全符合数据标准的要求，需对这类数据与标准进行映射，实现转换与对齐，确保源头数据符合标准的要求。 2.1.3 基于数据循证的临床专科化、个性化应用程度不高 大数据模型的可解释性尚不能满足临床需求，专科化应用还需以临床经验为主导。大数据、人工智能相关的技术“黑箱”依然存在，无法提供数据分析背后的逻辑原理，对医疗健康大数据的挖掘不仅需要分析数据间的相关性，还需要严格验证其中的因果性，由此基于数字循证的临床专科化应用仍存在模型信任争议，需要结合医师经验做人工判断和纠正，并辅以长期临床跟踪和数据佐证，保障专科化临床应用的可靠性。 患者需求差异化日益增加，数据应用场景缺少个性化创新。“新医科”概念的提出使医院服务理念走向从治疗为主到兼具预防治疗、康养的生命健康全周期医疗，对基于数据循证的场景化应用提出更加个性化的要求。首先是个性化诊疗方案，一些疾病的个体依从性较高，需根据每位患者的疾病情况、身体状况、基因特征等制定相应治疗方案；其次是个性化健康管理，特别是慢性病的防治，需从饮食、运动、心理等维度对患者进行长期跟踪与随访；同时，数字化患者服务还需更好地满足医疗资源配置优化、 2.1.2 数据质量缺陷难以满足难