• 站点公告:
  • 【通知】国家职业技能等级证书《健康管理师》《保健调理师》,四川专项能力证书《中医康复理疗》开始申报,报名 028-87788670

  • 当前位置:时事资讯-> 新闻内页
健康医疗大数据面临的机遇
http://www.kxys.org.cn〢发布:kxys.org.cn [2021-09-22]
  • 信息科学技术的发展突飞猛进,大数据受到越来越多的关注,逐渐成为研究热点,其应用发展极大程度地改变了人们的工作生活和思维方式。在大数据与众多领域的结合中,健康医疗大数据不容忽视。近年来云计算、基因测序、物联网等技术不断融合发展,促使医疗卫生行业进入了大数据时代。


    然而大数据的特征加上医疗行业的特殊性,使其快速发展面临隐私保护等一系列伦理学挑战。采取何种方法应对伦理问题,成为健康医疗大数据合理发展应用需要思考解决的问题。


    每个人从出生到死亡的整个生命周期中会产生大量与健康有关的数据,广义上都属于健康医疗大数据的范畴。有学者认为信息网络技术应用于医保、公共卫生、药品监管等传统医疗领域,以及远程医疗、精准诊断、人工智能等新兴领域所产生的大量与健康相关的数据,均可称为健康医疗大数据。


    健康医疗大数据符合大数据的4V特征:(1)容量大(volume):信息汇集成海量数据,数量级可达TB甚至PB级别。(2)多样性(variety):数据结构复杂,种类繁多,包括文本型,如医嘱、患者主诉等;数字型,如检验科的生理数据、生命体征等;图像型,如各种影像学检查(B超、CT、X光、心电图等)。(3)增长速度快(velocity):数据更新速度快,加上数据之间的互联互通不断产生新的数据,数据量将会以几何倍数快速增长。(4)价值高(value):通过人工智能和计算机技术整合,统计分析实现数据"增值"。


    目前健康医疗大数据在很多方面都得到了广泛应用:

    (1)决策制定:通过大数据分析,结合电子病历和健康应用中的患者信息,在此基础上医生根据临床经验帮助患者选择最佳个性化方案,提高临床诊疗决策的科学性。[]同时越来越多的医疗机构成立了信息中心或统计室,从各个角度分析医院运营数据,为管理者制定决策提供依据。

    (2)精准医学:医疗及经济条件允许的情况下可以对患者进行基因测序,了解其对药物的敏感性,方便进一步精准化治疗。

    (3)药品研发:患者药物需求、用药效果和不良反应情况等大数据分析可以提高投入得到有效产出的可能性,降低药物临床试验的成本,加速药品上市。

    (4)公共健康:大数据分析能够在公共卫生领域疾病监测和管理人群健康方面发挥作用。2009年,谷歌公司利用互联网搜索大数据研究出的"谷歌流感趋势"系统,在美国爆发甲型H1N1流感几周前成功预测了流感在全美的传播范围。[]随着可穿戴设备和移动医疗应用程序(APP)的推广普及,人们能不受时间和地点的限制,利用收集到的生理信息数据主动参与到自身健康管理中,结合大多数临床决策共同提高全民健康和诊疗技术水平。


    知情同意是指主体在充分知晓自己个人信息被利用的范围、方式和后果后,自主做出如何处理个人信息的决定。以往的医学研究中,研究者通过现场试验调查才能获取数据,而在大数据的背景下,研究者可以通过检索电子数据库对数据进行再次利用,进一步开展研究。


    按照传统的知情同意模式,使用数据之前要告知数据所有者并征求其同意。海量数据需要耗费大量的人力和时间成本,而且有时刚开始数据被利用的方式和研究目的并不明确,未来会有哪些用途也无法预测,这种情况下无法签署传统知情同意书。当数据在整合重组的过程中产生了新的用途,或者需要二次利用的时候,找到原始数据所有者征求同意不具备可操作性。


    医疗卫生领域进入大数据时代之前,患者的医疗记录保存在纸质材料中,而现在智能设备将一切信息以数据的形式记录下来,且通过网络快速传输并可以存储在云端,留下永久的数据足迹。尽管存储方便,但扩散速度不易控制,数据传播痕迹难以消除,增加了数据泄露的风险,数据安全存在隐患。特别是基因测序技术的使用和推广,面临遗传信息泄露的安全隐患问题。


    不同级别的医院收治的患者数量有很大的差别,能够收集到的患者数据及其质量也就不在同一个水平。同样条件下,就诊人次越多的大型三甲综合医院拥有的数据资源越多,尤其是现在医院之间的数据互联互通渠道尚未建立,国家层面的数据共享平台建设还未成熟。尽管国家人口与健康科学数据共享平台已经汇集了一部分各类疾病数据,但相当数量的疾病数据资源仍保存在患者就诊的医院科室中,因此处于不同平台的医务人员获取医学研究数据的便利程度是不同的,使用数据的公平性问题有待考量。


    相比传统诊疗讲究"望闻问切",现代医学的发展有越来越依赖数据的趋势,当然不可否认先进医疗器械的应用提高了医疗检查水平,各种生理及病理检查数据对临床诊疗有很大的帮助,但同时也产生了去个人化的担忧。医生可能面对由大量离散数据构成的虚拟化数字人体,而非患者或疾病本身。随着远程医疗技术的进步和可穿戴设备的普及,人体健康相关数据的收集打破了时间和空间的限制,医患面对面不再是诊疗的必须条件,患者在医生眼里就成为一个由数据构建出的数字人体,医学的人文关怀被忽略。


    检查数据的精准化可能会造成医生的关注点由患者本身变成了一堆数据,一定程度上忽视了患者的心理感受,沟通不充分,增加了发生医患矛盾的可能性。同时,大数据分析和互联网搜索结果容易误导患者,一旦与医生的意见不一致,且患者感觉自己没有受到重视,医患之间的信任关系面临破裂危机。


    电子健康病历和医疗机构HIS系统中包含大量患者的健康信息和医疗数据,相当一部分医生或医疗机构默认系统中的医疗数据在隐藏患者的个人信息后可以用作医学研究,但不愿意将临床过程中形成的数据库共享给其他医疗机构,认为这是竞争的优势资源。医疗机构之间在最初选择医疗信息系统时往往难以达成共识.也难以进行协调改进。[]数据之间无法互联互通,即使勉强共享也难以获得有价值的数据,阻碍了创造更大的价值。


    近年来,精准医疗作为一种新的理念和技术逐渐成为热点。精准医疗基础数据库的建立需要对患者进行基因测序获取大量的生物数据,其中包含了大量涉及个人隐私的遗传信息,如某些基因会导致患病或身体缺陷。[]因此,一旦信息泄露,则可能导致某些缺陷基因或者疾病易感基因携带者在入学、就业、婚姻以及社会保险等活动中遭受歧视,比如在同等条件下的招聘录用中受到不公平待遇,购买保险被拒绝或收取高额保费等。[]数据传播大多数通过互联网进行,会留下永久的痕迹,因此基因歧视一旦形成很难消除,会严重影响人们的工作和生活,对其心理健康造成的伤害也是难以磨灭的。


    有调查显示医疗行业的数据泄漏问题要远高于其他行业,约占60%,健康医疗数据在共享过程中的隐私保护问题日趋重要。可穿戴设备的普及和远程医疗的发展带来便利的同时也增加了安全隐患,远程收集健康数据和监控可能会收集多余的信息,比如患者/用户的位置信息,可能会暴露患者的隐私。[]数据收集、储存、挖掘、共享中任何一个环节都有可能发生数据泄露,稍有不慎就会造成无法挽回的后果,对隐私保护提出了新的挑战。


    临床数据经过处理后可用于医学研究,具有学术价值。除此之外,医疗大数据有潜在的市场价值。患者在进行网上咨询或接受远程医疗时,多多少少会透露出部分个人信息,若这些数据被医疗商业机构获取,可能针对个人的信息进行量身定制的医疗广告投放,医疗保险推销员可能查到人的病历资料和电话号码,从而不厌其烦地推销某种疾病保险。[]医疗信息的商业化是令人担忧的用途。典型案例是英国健康医疗大数据应用care.data项目的停运,公众医疗数据资源不恰当的商业开发利用,是其走向失败不可忽视的原因。


    我国在隐私数据保护和使用共享方面尚未建立完善的法律体系,缺乏可操作的规范。欧美很多国家都有相对成熟的隐私保护法律体系,虽然实施细则不尽相同,但基本观念都是以患者为中心,均衡各方合法权益捍卫患者的隐私权。[]我国应尽快推进相关立法工作,从法律层面建立健康隐私数据保障体系,才能从根本上消除患者对隐私泄露的担忧。另外,针对未来的基因歧视等问题,也应该做出法律法规层面的应对和规定。


    健康医疗大数据背景下,传统知情同意模式存在费时费力、实施困难等弊端。这一问题有3类解决思路可供参考:

    (1)"提前告知"方案,在知情同意书中提示将来可能的一些数据使用或共享方案,数据贡献人签署知情同意书并给予授权数据使用。

    (2)设立排除性条款,在知情同意书中给个人排除其数据参与某些活动的自主权。

    (3)分类处理,承认在有些情况下无法实施知情同意程序,如很多年前的临床试验数据。


    在医疗卫生领域复合型人才非常短缺,掌握计算机信息技术,能够满足医学数据的匿名化和防火墙设置等需求,提高数据处理效率;拥有管理学和医学背景,能够满足医疗大数据共享平台的专业管理,推进大数据的发展应用;了解医学伦理学和卫生法学,能够加强患者的人文关怀,尽力保护患者的合法权益不受侵害,减轻患者的焦虑和医患矛盾的发生。因此,应该促进健康医疗复合人才队伍建设,推动医学信息学和医学伦理学等学科建设,建立合理可行的人才培训体系,培养既了解健康医疗行业特点又掌握信息技术、伦理学、法律等背景知识的复合人才。


    安全保护相关技术需要进一步创新优化,更好地保障数据使用的安全。对于大数据的隐私保护目前主要有包括数据访问、数据加密、数据匿名、数据映射、数据失真和可逆置换在内的6种技术。针对隐私保护方法,有学者提出医疗隐私层次化控制,对患者个人信息采用分类分级的层次化控制,患者对自己的隐私数据的使用意图具有管理资格,每个患者可根据自己对隐私的偏好来定义个性化的访问控制策略。[]这种解决方案充分尊重了患者的自主意愿,同时也不违背医学研究的初衷。


    对于医疗大数据使用与共享之前要进行"脱敏"处理,通过技术手段去除个人身份标识。开发去标识工具或系统能够最大限度地降低患者隐私风险,从而获取更多健康数据。[]除此之外,还可以设置数据系统安全密码,授予医学研究的参与者访问权限,加强医务人员的数据安全和保密意识,禁止随意传播受试者的个人隐私。对于随意将系统密码或使用权限透漏给他人的行为,取消参与研究的资格并制定相应的惩罚措施。