廣州醫(yī)科大學附屬第二醫(yī)院（簡稱廣醫(yī)二院），是一所集醫(yī)、教、研于一體的大型三甲綜合醫(yī)院，也是廣州市重要的醫(yī)療診治、醫(yī)學教育及醫(yī)學研究機構(gòu)。尤其在科研方面，過去十年，在神經(jīng)內(nèi)科、心血管疾病、外科學、急診醫(yī)學都多個領(lǐng)域都取得了重大突破，建立了數(shù)個重點學科及重點實驗室，并獲得各級課題立項超600余項，為醫(yī)院的綜合實力提升做出了巨大貢獻。

但與此同時，傳統(tǒng)科研模式中存在的數(shù)據(jù)獲取難、統(tǒng)計分析難、論文總結(jié)難等弊端，也一直困擾著臨床醫(yī)生，成為阻礙科研工作進一步發(fā)展的最大壁壘。亟需找到一種方法，來緩解日益增長的科研需求與數(shù)據(jù)挖掘利用困難之間的矛盾，簡化科研流程、提高科研效率，加速成果轉(zhuǎn)化。

在此背景下，我院基于原有數(shù)據(jù)中心，建立了大數(shù)據(jù)科研分析平臺。該平臺是以智能醫(yī)學數(shù)據(jù)中臺為基礎(chǔ)，通過數(shù)據(jù)采集、治理，以及自然語言分詞、機器學習、知識圖譜等大數(shù)據(jù)處理和建模技術(shù)，整合并挖掘院內(nèi)電子病歷、檢驗檢查、醫(yī)療影像、基因序列以及院外隨訪、課題數(shù)據(jù)庫等在內(nèi)的海量醫(yī)療數(shù)據(jù)，構(gòu)建以疾病為中心、具有完整時間序列的高質(zhì)量專病數(shù)據(jù)庫；并利用機器學習算法及統(tǒng)計分析模型等，實現(xiàn)對數(shù)據(jù)的深度解析與可視化，形成覆蓋從科研構(gòu)思到數(shù)據(jù)統(tǒng)計分析的全流程“一站式”工作模式。此外，還可以通過大數(shù)據(jù)分析提取出疾病重點特征，訓練智能預(yù)測引擎，實現(xiàn)對疾病危險因素的預(yù)測等，促使科研成果有效轉(zhuǎn)化臨床，提升醫(yī)療服務(wù)質(zhì)量。

智能醫(yī)學數(shù)據(jù)中臺架構(gòu)如下圖所示：

1.輔助科研構(gòu)思

傳統(tǒng)模式下，科研人員在面對雜亂無章的海量數(shù)據(jù)時，往往很難在第一時間發(fā)現(xiàn)數(shù)據(jù)潛在的關(guān)聯(lián)關(guān)系，提出有效的科研假設(shè)；同時，也無法在實驗開始前驗證研究思路的可行性，存在后期因數(shù)據(jù)質(zhì)量等問題導(dǎo)致實驗失敗的風險?；诖?，大數(shù)據(jù)科研分析平臺通過文獻復(fù)習、數(shù)據(jù)回顧和可行性研究三種路徑，在實驗設(shè)計階段即幫助科研人員很好地解決了上述問題。

（1）文獻復(fù)習：通過平臺知識庫，可以讓醫(yī)生方便地查找相關(guān)文獻，了解研究現(xiàn)狀及最新發(fā)展；

（2）數(shù)據(jù)回顧：通過對全院或各科室門急診人次、住院人次、時間分布等情況的回顧統(tǒng)計，或?qū)颊叻植?、疾病分布等進行多維特征分析，可以快速找出其中隱含的知識或規(guī)律，幫助創(chuàng)新科研思路；

（3）可行性研究：在統(tǒng)計學處理模塊，系統(tǒng)可對所選變量的數(shù)據(jù)完整度進行預(yù)覽，若數(shù)據(jù)缺失程度過高，則認為該統(tǒng)計結(jié)果不成立，需要重新調(diào)整或改變研究思路，提高實驗成功幾率。

2.輔助數(shù)據(jù)獲取

以往科研數(shù)據(jù)絕大部分都是基于CRF表格，通過臨床科室與信息科、檔案室、統(tǒng)計室等協(xié)調(diào)后傳遞給醫(yī)生，數(shù)據(jù)還有可能不合要求，費時費力且效果不佳。大數(shù)據(jù)科研分析平臺通過集成院內(nèi)外全量疾病相關(guān)數(shù)據(jù)，可實現(xiàn)多種形式、不同維度的數(shù)據(jù)實時檢索，查詢結(jié)果秒級返回，召回率可達90%以上，大大提高了數(shù)據(jù)獲取的效率及準確性。

3.輔助數(shù)據(jù)處理

由于病歷中存在著大量自由文本數(shù)據(jù)，無法直接用于科研，依靠人工轉(zhuǎn)錄不僅耗時耗力且極容易出錯。利用大數(shù)據(jù)科研分析平臺的自然語言處理、數(shù)據(jù)歸一等技術(shù)，則可輕松實現(xiàn)對數(shù)據(jù)的后結(jié)構(gòu)化處理，以及標準化、清洗、量化等，形成計算機可識別、可利用的有效信息。

4.輔助統(tǒng)計分析

統(tǒng)計分析是科研活動中的環(huán)節(jié)關(guān)鍵之一，也是制約科研產(chǎn)出的主要壁壘。以往醫(yī)生通常需要手工采集、導(dǎo)出數(shù)據(jù)，處理后再導(dǎo)入SPSS/SAS進行統(tǒng)計學分析，過程繁瑣且容易出現(xiàn)錯誤。大數(shù)據(jù)科研分析平臺通過集成R算法，可根據(jù)課題研究目的及分組情況自動選擇合適的統(tǒng)計模型，包括比較均值分析、非參檢驗、回歸分析、相關(guān)性分析等，有效提升了科研效率及質(zhì)量。

5.輔助數(shù)據(jù)質(zhì)控

臨床科研對數(shù)據(jù)質(zhì)量有著極高的要求，但實際中的數(shù)據(jù)卻存在很多問題，如：數(shù)據(jù)表示不統(tǒng)一，數(shù)據(jù)不一致、不完整，錯誤數(shù)據(jù)等，嚴重影響著其在疾控、臨床、疾病預(yù)測等方面的適用性。大數(shù)據(jù)科研分析平臺可提供對科研全變量的實時數(shù)據(jù)質(zhì)控，包括數(shù)據(jù)缺失、異常值等，為醫(yī)生選擇科研統(tǒng)計指標提供參照，避免到研究終末階段因數(shù)據(jù)質(zhì)量不合格導(dǎo)致數(shù)據(jù)重復(fù)采集和研究周期拉長等問題。同時，還可將問題溯源至原始病歷，促進病歷書寫質(zhì)量的改進，從而提升科研數(shù)據(jù)采集質(zhì)量。

我院利用大數(shù)據(jù)臨床科研平臺，將院內(nèi)數(shù)據(jù)（醫(yī)院數(shù)據(jù)中心HDR）與課題數(shù)據(jù)庫集成后，經(jīng)過整合、清洗、標記、解析、對齊等數(shù)據(jù)處理和自然語言分詞后，輸入到數(shù)據(jù)中臺，可方便醫(yī)生通過科研平臺直接進行研究人群的篩選、確定、關(guān)聯(lián)分析，以及對數(shù)據(jù)質(zhì)量的核對、統(tǒng)計建模分析等。

截至目前，我院大數(shù)據(jù)科研平臺已累積經(jīng)過規(guī)范化處理的住院患者232,813人次，門診患者9,253,814人次，覆蓋包括病歷文書、醫(yī)囑、檢驗檢查報告、課題隨訪數(shù)據(jù)等在內(nèi)的37種文檔類型，總量達36,688,402份。平臺開放變量4000余維，其中經(jīng)過自然語言處理之后的變量可占80%。

平臺目前已開通醫(yī)生使用賬號336個，輔助醫(yī)生搭建完成專病庫200多個，研究課題10余項，累計登錄次數(shù)達2500余次。與傳統(tǒng)人工操作相比，無論數(shù)據(jù)質(zhì)量、科研效率及還是成果產(chǎn)出，均有明顯提升。

1.多層次醫(yī)療術(shù)語抽取技術(shù)

基于對病歷數(shù)據(jù)的深入理解，設(shè)計了一種基于多層次醫(yī)療術(shù)語抽取技術(shù)的醫(yī)學自然語言處理方法，以實現(xiàn)對病歷自由文本的語義分詞。語義分詞與傳統(tǒng)標簽分詞的區(qū)別主要體現(xiàn)在病歷數(shù)據(jù)本身復(fù)雜的分級結(jié)構(gòu)上，傳統(tǒng)標簽分詞是實體抽取，詞性標注，缺乏上下文語義性關(guān)聯(lián)，語義分詞則能達到串聯(lián)病歷復(fù)雜分級結(jié)構(gòu)的效果。如：10年前，患者的癥狀是什么？癥狀的持續(xù)時間多長？恢復(fù)方式是什么？近期又是什么臨床表現(xiàn)？

2.數(shù)據(jù)歸一

“數(shù)據(jù)歸一”是保證數(shù)據(jù)檢索快速、精準的必不可少的核心工作，包含診斷、實驗室檢查、手術(shù)名稱、藥物名稱等專用名詞的歸一。由于病歷會持續(xù)產(chǎn)生新的非標準詞匯，需要一個增量模式去擴展詞庫。平臺以標準詞匯庫為中心，對病歷中出現(xiàn)的非標準醫(yī)療詞匯，通過機器學習技術(shù)和人工標注相結(jié)合，將意義相同的醫(yī)療詞匯進行歸一處理，持續(xù)擴大詞庫，滿足動態(tài)變化需求。

3.醫(yī)療知識圖譜構(gòu)建與應(yīng)用

醫(yī)療知識圖譜，是在醫(yī)療命名、實體及其屬性信息抽取的基礎(chǔ)上，構(gòu)建出的不同命名實體之間的關(guān)聯(lián)模型。平臺針對醫(yī)療數(shù)據(jù)跨語種、專業(yè)性強、結(jié)構(gòu)復(fù)雜等特點，利用馬爾可夫隨機場、貝葉斯網(wǎng)絡(luò)等概率圖模型方法，從大量結(jié)構(gòu)化、非結(jié)構(gòu)化的醫(yī)學數(shù)據(jù)中提取出實體、關(guān)系、屬性等知識圖譜的組成元素，以合理高效的方式存入知識庫；并對知識庫內(nèi)容進行消歧和鏈接處理，大大增強了其內(nèi)部邏輯性與表達能力。通過知識圖譜，可以完成知識推理，輔助疾病診斷、治療等。

4.統(tǒng)計分析R語言的無縫接入

R是一套完整的數(shù)據(jù)處理、計算和制圖的開源軟件系統(tǒng)，功能包括：數(shù)據(jù)存儲和處理；數(shù)組運算；完整連貫的統(tǒng)計分析工具；優(yōu)秀的統(tǒng)計制圖功能；簡便強大的編程語言。鑒于其開源性和在統(tǒng)計分析方面的強大優(yōu)勢，大數(shù)據(jù)科研分析平臺無縫接入R語言，實現(xiàn)多種醫(yī)學常用統(tǒng)計分析方法及決策樹和主成分分析等數(shù)據(jù)挖掘算法，保證科研過程流暢性的同時，也提高了研究過程數(shù)據(jù)階段分析的可行性，降低了臨床研究人員使用統(tǒng)計工具的門檻。

1.“一站式”科研工作模式

（1）研究對象篩選：支持多種篩選模式靈活組合，可自助篩選研究對象，并根據(jù)入排條件動態(tài)更新研究對象數(shù)量；

（2）確定課題信息并建立研究分組：完成對象篩選后，需進一步確定研究基本信息，如目的、類型、起止時間等；之后根據(jù)課題需要，可靈活創(chuàng)建多個研究組別或亞組；

（3）統(tǒng)計分析及結(jié)果解讀：平臺通過嵌入R語言，實現(xiàn)了對數(shù)據(jù)的實時在線統(tǒng)計分析，目前已涵蓋包括獨立樣本T檢驗、卡方檢驗等在內(nèi)的30余種常用統(tǒng)計算法；同時也支持對統(tǒng)計結(jié)果的解讀，使醫(yī)生能夠更好地選擇統(tǒng)計算法及統(tǒng)計結(jié)果。

2.數(shù)據(jù)導(dǎo)出服務(wù)

平臺可提供基于多維變量的數(shù)據(jù)導(dǎo)出，并可實現(xiàn)檢驗指標相對時間計算和導(dǎo)出值域自動量化等。

3.個案視圖

平臺通過整合患者在院期間的各類門急診、住院就診記錄，可通過時間軸進行統(tǒng)一展示，方便醫(yī)生全面了解患者情況。

4.專病庫建立

此外，平臺還支持對已有數(shù)據(jù)庫的導(dǎo)入，對其數(shù)據(jù)進行處理分析，從而輔助建立高質(zhì)量專病庫。目前，我院已建成9個單病種專病庫，包括：腦梗塞、乳腺腫瘤、冠心病、過敏性鼻炎、膿毒癥、下肢深靜脈血栓、椎間盤突出、帶狀皰疹后神經(jīng)痛、癲癇。

5.文獻檢索

平臺可提供對1400多萬種中外文獻的摘要檢索服務(wù)，方便醫(yī)生隨時查閱。

6.權(quán)限管理

平臺提供靈活的權(quán)限管理機制?？赏ㄟ^不同層級的權(quán)限設(shè)置，確保對患者數(shù)據(jù)應(yīng)用安全的最大保障。

1.構(gòu)建智能預(yù)測引擎

智能預(yù)測引擎，是利用影響因素分析、主成分分析、決策樹等多種數(shù)據(jù)挖掘算法，從專病庫中提取出重點疾病特征，并通過相關(guān)真實病歷的機器學習和模型訓練，得出疾病精準預(yù)測規(guī)則，納入到知識庫中。這樣，在臨床遇到相似病例時，即可觸發(fā)該規(guī)則，實現(xiàn)對患者相關(guān)疾病危險因素的預(yù)測分析、疾病嚴重程度分級、治療效果評估等，從而提高和改善臨床診療質(zhì)量。

目前，我院已積攢包含30余種疾病類型、12大分析主題的近百個模型知識庫，用來對疾病的再手術(shù)、再入院、并發(fā)癥以及生存期等進行預(yù)測分析，并可針對疾病不同干預(yù)方式進行療效評價。未來，將逐步探索將模型知識應(yīng)用于實際臨床業(yè)務(wù)，用以進行疾病危險程度評估和手術(shù)預(yù)警等，使科研成果能夠更好地服務(wù)臨床，擴大臨床效益。

2.多中心協(xié)作網(wǎng)絡(luò)建設(shè)

此外，我院大數(shù)據(jù)科研分析平臺目前主要還是支持本院的單中心研究。未來，發(fā)展協(xié)作網(wǎng)絡(luò)、開展多中心研究將是優(yōu)化臨床實踐和學科探索的必然趨勢。因此，將利用該平臺大力發(fā)展涉及大樣本、多中心的實驗，以智能化科研工作模式支持醫(yī)生搭建協(xié)同研究網(wǎng)絡(luò)，快速積累病例、縮短研究周期，開展大規(guī)?；仡櫺曰蚯罢靶匝芯?，以提高研究水平，獲取高質(zhì)量研究成果。