為了推進數據整合和信息共享、發展以數據為基礎的醫療健康服務體系，11月28日至29日，“2015中國醫療健康大數據峰會”在北京召開，此次會議圍繞“開放、變革、發展”的主題，邀請主管部門、科研機構、醫療機構、優秀企業、市場研究機構等領導與專家、高層及800余位行業精英參與，深入探討科學推進醫療健康大數據的應用和價值挖掘、推動醫療健康大數據依法有序開放、醫療健康大數據互聯互通、數據標準與安全等醫療健康大數據相關熱點議題，為我國醫療健康的數據的發展提供前瞻的思想與觀點，為研究制定促進健康醫療大數據應用的政策和戰略獻計獻策。

在28日下午舉辦的醫療健康大數據應用與創新論壇上，甲骨文大中華區醫療衛生行業總監侯雪橋作了題為《甲骨文醫療大數據與病例探索分析》的精彩演講，以下為演講實錄：

我題目是大數據的自由探索與自助分析。

從甲骨文的角度講，我們希望致力于數據整合和數據分析，幫助醫療產業優化效率，提高它的臨床科研和改進。我們如何用大數據的技術幫助臨床科研人員，幫助我們臨床醫生做基于循證醫學的決策支持，幫助科研人員。

我們真正做醫療大數據實踐的時候碰到一個問題，今天臨床的，無論是科研人員，還是管理者，我們談到的病例，談到的診斷、手術、癌癥、指征，醫療大數據的挑戰，雞同鴨講。IT人員不可能聽懂專業臨床科研人員和臨床管理人員，談到一些CMI等，臨床醫學的循證標準是怎么產生的。

我個人感覺，大數據和真正醫療的數據應用場合結合，最大的問題是我們沒有辦法去找一個全才，又懂IT，又懂醫療或臨床。我們解決大數據技術和醫療領域脫節的問題，我們讓醫療人員自己對大數據進行自由探索的分析。什么叫醫療人員自我完成數據的價值發現，IT人員把所有數據整理好，我們花盡心思設計非常巧妙的工具，讓醫護人員和醫療專業人員自己去探索他想要查詢什么樣的病例，我找到什么樣的癌癥患者，判斷什么樣的指征，分析什么樣的東西，增加條件，減少條件，我把數據給你整理好，你可以非常好地探索。你想做預測，還是分步分析，你拖拽。我把統計工具給你，你自己來。

這是我在北京數據中心做好的臨床倉庫的演示系統，來自一萬名的患者的住院數據。住院的信息比較復雜，有很多數據。今天我是臨床科研人員，我想找到我過去一年間收治的所有癌癥患者，他都有什么樣的病理診斷。我們提交的是說，我們想找到泌尿外科專業，找到診斷，主要是腫瘤診斷的癌癥患者，膀胱惡性腫瘤等五個惡性腫瘤的患者。我們可以看到數據中心的平臺立刻返回，他們平均住院天數15.58天。200多個患者有哪些是淋巴細胞真比比普通患者高的，檢驗報告里檢驗項的淋巴細胞占比，我們提交了以后，就可以從252個患者篩選到一些住院患者。所有的查詢、點選都是醫生自助的。IT把這個維度放在里面，無論是責備條件，還是減少條件，都是醫生在不斷地探索過程中自己突發想到的，我想增加一個條件、增加一個種類，或減少一個條件，減少一個種類。

我分析這252個患者他們的病例診斷在哪分布，就可以拖拽出餅圖。可以配置一個餅圖，讓餅圖的顏色是代表維度，代表病理診斷。在度量上，面積大小是患者的數量。通過這樣簡單的配置，可以去產生醫生，或臨床科研人員自己分析的主題，或一個目標。針對剛才篩選252個患者264次住院的分析，可以點選一下。

我想分析一下這些病理診斷和相互之間做了什么樣的手術，這些手術的費用可以用平均住院天數來代替，有什么樣的關系。這是雙軸的曲線柱狀圖，可以在系統里拖拽出，這里面藍色的是手術名稱和手術例數。黃色的是這21例患者平均住院天數21天，是代表這樣的含義。

我們對比分析這些手術、住院天數和病理診斷有什么樣的關系。在大數據平臺里，可以拖拽出容器的概念，可以把不同的數值放在一起分析把剛才定義的病理診斷，自定義的手術住院天數分析放在一起。我可以點選其他的病理診斷，也可以也變化。我把圖表進行截屏，做進一步研究的時候，一開始提的病理診斷比較少，再增加幾個，所謂自由探索，回到所選的維度，隨機選了兩個病理診斷，就變成三個值對應的患者數。拖拽出的手術和圖表就發生變化，就是我們說的自由的探索，我想找什么樣的患者就找什么樣的患者，我想拖拽什么樣的患者，怎么對照，怎么分析和篩選條件，就是所謂大數據的分享，IT人員可以不用干預。

給到醫院管理者一個新的思路，通過拖拽的方式拖拽出這樣的圖表。球的大小代表患者數量，不同的顏色代表不同的分析。哪些是手術時間不長，很快就做的，但是術后康復的時間到出院時間很長，可以由針對性地，針對不同的科室進行不同的分析。以前我們讓這些數據做成圖表、做成表格，我們理解不是這樣的。今天有大數據技術，只要我們準備好這樣數據，所有的都會交給業務人員，交給管理者，自己親力親為地做探索。

現在電腦上有一個活的系統，比如說點選一些男女的相應患者，看看他們的診斷、手術、藥品，包括療效指標，具體我就不操作了。

談到這么多，可以讓醫生，或者管理者拖拽和點選，可以達到自己大數據的價值發現。真正的挑戰是如何保障這些業務人員對大數據的分析，實時體驗。我找泌尿外科專業，所有的點選下去20分鐘才出來。交互式實時分析數據量非常大，我剛才操作的一萬多個數據倉庫，是TB級的數據倉庫。怎么包括數據分析，這是甲骨文真正的技術優勢。

真正的核心是數據倉庫，將醫院的電子病例，將相關的移動數據構建成倉庫，剛才的拖拽和點選是在這個平臺上去操作的。同時還可以支持傳統的分析，包括醫院進行分析、多維分析，然后報表。所有的甲骨文的一系列的產品，包括甲骨文的一體機，這是突破性的一體機。

今天來的IT人員比較多，我多介紹一下一體機。甲骨文的一體機并不是說我簡單一個X86服務器，把數據庫裝上去了，軟硬件打包賣，是完全不一樣的架構。從傳統數據庫、服務器，我們要考慮數據庫的環境，也數據庫的查詢。甲骨文不是這么回事，所有的查詢都是扔掉了集成的存儲板卡，每一個板卡上有一個小CPU、小內存、兩塊硬盤，非常多的小板卡組成一個大的集群，叫智能存儲集群，它和服務器是通過交換機存儲的。最大的特點，簡單的查詢扔過來以后直接扔到板卡上，有無數個節點一塊算。數據庫服務器只是做一個合并，然后再產生。它把任何一個復雜查詢都分享為無數小節點，就保證了突破的性能。

突破性的設計有幾個特點，數據庫服務器不負責查詢，是結果輸出。真正的查詢是高集群解決的。以前說我們買更好的機器，升更好的CPU，你的X86和你的服務器沒有任何關系，集群里所有的數據會自動區分。數據庫服務器存儲之間的，吞吐也不再成為瓶頸，吞吐非常大。最后有一個方法，每一個板卡都會做保存。

針對醫院，或針對臨床的大數據，一體機的特點是既可以把核心系統放上去，同時也構建非常高性能的數據平臺。因為是采用集群，云的設計，所以高性能、高可靠、易維護。每塊板卡壞了，插上新的把板卡，除非把機器燒掉了，所有的數據都可以進行維護的。包括動態的資源，有多少板卡做His，可能剩下的都變成其他的。

海量的存儲，可以增加內存列數據庫，支持數據挖掘應用的性能。內線支持高性能數據挖掘，特別是對醫療行業，如果做基因組學的測序、噪聲，包括模式識別，可以提供TB級的數據挖掘的支持。最后是包一鍵遷移，所有存在數據庫的數據都可以進行云備份。

一些經典案例，這個采用一體機，他們的臨床和組學設計的設計倉庫，相應的分析解決方案，他們著重解決的是各種各樣的診療數據，包括傳統的病例數據、環境數據、其他的一些基因組學數據、環境安全數據等。

標簽：醫療大數據、智慧醫療、遠程醫療、健康大數據、移動醫療