|
中国IDC圈4月12日报道，在看大夫的时候，我们相信医疗专业人员的常识，他们能运用行之有效的科学要领对我们举办治疗，这种科学要领被称作“循证医学”（EBM）。这意味着他们开的处方药或着选择的治疗要领，在临床研究中已经被证实是乐成的。 循证医学（Evidence-Based Medicine，EBM），其观念和领域自最早被提及，就不绝在扩大、变迁和泛化。Evidence Based Medicine，重点在Evidence。办理的是什么是Evidence的问题，说的是什么样的对象可以作为临床的依据，这些依据如何确定孰高孰低？老式的，大夫自身履历和对病理状况的理论推演，是Evidence的一部门，可是只是较量弱的部门。Evidence中更强的，是应用临床试验研究手段系统总结出来的对象。它们更能代表疾病和治疗客观纪律，对患者和社会越发有利。 临床试验研究是通过研究疾病和症状，找出治疗疾病要领。研究者们针对差异的疾病和病人群体，摸索最佳治疗方案。EBM是世界各地医疗保健供应的既定尺度，可是在大数据时代，这也许将会改变。 临床试验是这样运行的：首先在小群体中测试新疗法，然后调查治疗如何奏效，同时找出任何大概的副浸染。假如试验证明大有但愿，那么就扩展到更多人群。为了保障参加者和提高靠得住性，临床试验必需切合严格的科学尺度。但这并不是说要领上的缺陷没有风险，也不是说在某一特定研究之外，临床试验总能通过极小群体推广乐成——这时就需要大数据了。我们可以通过挖掘基于实践的临床数据世界，好比，实际病人记录——按照哪个病人处于什么状况以及哪些治疗有用的信息，从中可以学到许多关于病人的照顾方法。 阐明、大数据和临床试验 一家位于加州的认知计较公司（Apixio）就刚强地把眼光投向授权医疗供给商，为从实践证据中进修以便可以单独调解照顾护士。正如Apixio 的CEO达伦·舒尔特表明的那样，“我们可以从医学实践中学到更多，并改造我们的临床照顾护士要领。这让我们间隔‘进修医疗保健系统'更近。关于什么真正有用和什么没用的思考，我们能从真实世界的数据证据中获得更新。” 一条关于病人的医疗和临床信息，80%是由非布局化数据形成而来，譬喻，内科大夫的书写笔录、参谋的备注、放射科的注释、病理功效、医院的出院备注等。 舒尔特在被录用为CEO之前，是Apixio首席医疗官的内科大夫，他说，“假如我们想进修如何更好地照顾小我私家和相识更多关于整小我私家口的康健，我们需要挖掘非布局化数据的看法。” 电子康健记载（EHRs）已经存在了一段时间，但由于数据存储在差异的系统名目，它们在设计时阐明没有被思量进去。所以Apixio首先要做的，就是从这些差异来历中提取数据，好比GP手术、医院、当局医疗记录等。然后他们需要把信息酿成计较机可以阐明的形式。临床大夫备注可以有很多差异的名目——有些是手写的，有些是以扫描的PDF文件名目。因此，Apixio利用OCR(光学字符识别)技能建设该信息的文本暗示形式，这样一来，计较机就可以读取和领略。在这之后，数据可以在小我私家级别上阐明，建设一个病人的数据模子，同时为了得到关于抱病率、治疗方法等更多的看法，它也可以聚合更多其他人口的信息。 舒尔特表明道，“我们建设了一个‘病人工具’，根基上是利用文本处理惩罚和挖掘文本以及编码医疗保健数据派生的数据，来组装设置文件。通过建设此单个设置文件和在组合雷同的小我私家设置文件在一起，在这些成为本性化医学基本的个别中，我们可以答复什么有用，什么没用。” 得到医疗保健提供商和康健保险打算的共享数据是一个挑战。为了攻陷这个困难，Apixio通过担保为数据会见提供真正代价的回报。正如舒尔特说，“除非你本日办理真正要害的问题，不然这些组织不会给你会见任何真正的数据量。”因此要害要存眷详细的成就息争决问题，阻挡添加到大数据上的所有炒作。 另一大挑战是关于数据安详问题，出格是在一些引人注目标康健数据泄露之后。有资料显示，2014年有43%的医疗记录数据被盗，医疗部分见证了自2010年以来最大增率的数据偷窃(远远高出了企业或当局部分)。舒尔特把数据安详比作“筹码”，足以说明安详问题的重要性。“为了每个新条约，我们必需证明我们系统的安详性。”也因此在Apixio，病人的数据在静止和传输进程中必需要加密，并且Apixio从未果真小我私家康健信息(PHI)，除非Apixio事恋人员必需需要数据库。 |
