
健康医疗大数据的安全与应用
医疗健康大数据是覆盖自然人的全生命周期,既包括个人健康,又涉及医药服务、疾病防控、健康保障和食品安全、养生保健等多方面数据的汇聚和聚合。
简单讲就是涉及到健康的、医疗的跟个人相关的数据的合集,不仅在医院,在互联网,在企业、医院都存在。
同时会议上也提到要利用健康医疗大数据,创新业态,创新应用,促进医疗行业发展。
利用健康医疗大数据,不仅对改进健康医疗服务模式,而且对经济社会发展都有着重要的促进作用,是国家重要的基础性战略资源。
健康医疗数据从哪来?
我们可以大致分为五方面。
第一来自诊疗数据:
患者在医疗机构、体检机构等就医过程中产生并由信息系统记录的数据;
包括电子病历、检验检查、基因测序、用药、医学影像等;
第二来自研究数据:药品或器械研究机构,由研究机构录入或采集的个人健康数据,比如临床试验、生物样本库等;
第三是个人数据:个人在医疗机构外自行记录的健康数据,比如可穿戴设备采集的心率、脉搏、睡眠等数据;互联网行为记录的检索、问诊、查询、病患交流数据等;
第四是结算数据: 由商业保险公司、医保机构、物价管理机关存储的报销和流通数据;最后是公共医学:由临床指南、医疗健康期刊、医学文献,循证医学数据资源库等组成。这就是医疗大数据的来源。
健康医疗数据核心在医疗机构
因为医院的数据是真实的疾病数据,其他的社会药品采买数据等等跟真正核心医疗健康的核心还有些距离。
而在医院包括护理记录、电子病历、用药信息、疾病诊断等等,这些数据综合一个特点就是敏感度非常高。
第二就是真实,为什么真实?看病有医嘱、处方、病案等,这些医疗文书是可以作为法律证据的。
同时质量比较高,在医疗信息化20年时间的不断积累和持续改进,数据的完整度和质量也在不断地提高。
行业要求
医疗健康大数据据作为新生事物,在行业标准和行业规范上尚有欠缺。直至近一年,国家卫计委陆续出台的全国医院信息化"功能指引"和"建设标准和规范",其中提到大数据平台,就是希望医院须要建设大数据平台,执行国家十三五规划中大数据战略落地的内容和时间计划,要求三甲医院最终要建设面向大数据和人工智能技术的服务架构,高效高质组织数据资源,形成数据生产力。
行业现状
健康大医疗数据共享及应用不易。
针对于医院来说:客观存在"不敢、不愿、不会"三种形态。
不敢,因为数据共享、数据安全这些问题没有解决,所以不敢去做。
没有规定,或者不太明确,不敢做。不愿,因为医院权益、政府权益、社会权益,不清楚。还有医院内部科室的数据担心被拿走,不愿意。
不会,因为大数据必须要有大数据的技术支撑,没有技术支撑就没法儿对数据进行挖掘和利用,同样在数据共享开放过程中,技术、标准、机制、体制突破仍存在较大的障碍,造成各部门在推动过程当中不会做,这些现状造成了「不会」现象。
这些都是现状,但核心是数据安全和无法做到安全可控,让医院放心。
安全和隐私保护
数据安全挑战
数据安全没有解决,能不能用?怎么建立安全体系?
首先医院安全受到不断的挑战。
我在昨天看到一个新闻,我不知道大家看到没看到,就是新加坡的某医院集团,其医院数据被黑,包括他们总理在内的就诊数据都在里面,非常敏感。
黑客拿走了。
为什么大家盯到了医院?说明黑客对医疗数据还是感兴趣的。
比如勒索数据,过去病毒很少到医院,但去年勒索病毒刚爆发时就是针对医院,英国到中国都有中招,但是中国医院被曝光的很少。所以说安全形势比较严峻。
医院安全管理
第一是物理安全
医院的网络物理网是分内部网:挂号、结算、收费。一个是外网办公网,再往外才是英特网。
整个物理是隔离的,而且网络也是隔离的。
第二数据安全,主要是指医疗内部数据,数据保护采用了加密、数据库审计、防篡改等技术。
第三是网络安全,从网络角度讲,国家卫计委提出2015年全部三甲医院要建立信息安全三级等级保护,逐步实现了基本的安全。
第四隐私安全,这是新的命题,因为我们数据在内部用的话是不去隐私的明文。
那些是隐私数据?
国内还没明确法律规定细则。
我们可借鉴美国HIPPA法案,其明确规定了个人姓名、社保号、车牌号等18项隐私数据,或者说只要能指向患者个体的都算隐私。
那么数据如何去隐私?
现在通用的还是基本加密技术。
医院内部不需要加密,所谓外部就是科研研究、药物研究时需要大量统计分析时需要加密,我们现在用的是MD5加密等机密技术,有可逆的和不可逆的。
健康大数据应用
在安全前提下要放开应用。
借用国家卫计委规划信息司领导所言"一分部署、九分落地"。健康医疗大数据也需要一分建设,九分要应用。从产业应用现状看,公司多,投资多,期望大,产出还未确定。
从应用方向上,我们可以分为:临床决策支持(AI),医保控费和险种开发,医院管理,医疗器械和新药研发,慢病和健康管理等多个方向。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在数据成为新时代“石油”的今天,几乎每个职场人都在焦虑: “为什么别人能用数据驱动决策、升职加薪,而我面对Excel表格却无从 ...
2025-10-18数据清洗是 “数据价值挖掘的前置关卡”—— 其核心目标是 “去除噪声、修正错误、规范格式”,但前提是不破坏数据的真实业务含 ...
2025-10-17在数据汇总分析中,透视表凭借灵活的字段重组能力成为核心工具,但原始透视表仅能呈现数值结果,缺乏对数据背景、异常原因或业务 ...
2025-10-17在企业管理中,“凭经验定策略” 的传统模式正逐渐失效 —— 金融机构靠 “研究员主观判断” 选股可能错失收益,电商靠 “运营拍 ...
2025-10-17在数据库日常操作中,INSERT INTO SELECT是实现 “批量数据迁移” 的核心 SQL 语句 —— 它能直接将一个表(或查询结果集)的数 ...
2025-10-16在机器学习建模中,“参数” 是决定模型效果的关键变量 —— 无论是线性回归的系数、随机森林的树深度,还是神经网络的权重,这 ...
2025-10-16在数字化浪潮中,“数据” 已从 “辅助决策的工具” 升级为 “驱动业务的核心资产”—— 电商平台靠用户行为数据优化推荐算法, ...
2025-10-16在大模型从实验室走向生产环境的过程中,“稳定性” 是决定其能否实用的关键 —— 一个在单轮测试中表现优异的模型,若在高并发 ...
2025-10-15在机器学习入门领域,“鸢尾花数据集(Iris Dataset)” 是理解 “特征值” 与 “目标值” 的最佳案例 —— 它结构清晰、维度适 ...
2025-10-15在数据驱动的业务场景中,零散的指标(如 “GMV”“复购率”)就像 “散落的零件”,无法支撑系统性决策;而科学的指标体系,则 ...
2025-10-15在神经网络模型设计中,“隐藏层层数” 是决定模型能力与效率的核心参数之一 —— 层数过少,模型可能 “欠拟合”(无法捕捉数据 ...
2025-10-14在数字化浪潮中,数据分析师已成为企业 “从数据中挖掘价值” 的核心角色 —— 他们既要能从海量数据中提取有效信息,又要能将分 ...
2025-10-14在企业数据驱动的实践中,“指标混乱” 是最常见的痛点:运营部门说 “复购率 15%”,产品部门说 “复购率 8%”,实则是两者对 ...
2025-10-14在手游行业,“次日留存率” 是衡量一款游戏生死的 “第一道关卡”—— 它不仅反映了玩家对游戏的初始接受度,更直接决定了后续 ...
2025-10-13分库分表,为何而生? 在信息技术发展的早期阶段,数据量相对较小,业务逻辑也较为简单,单库单表的数据库架构就能够满足大多数 ...
2025-10-13在企业数字化转型过程中,“数据孤岛” 是普遍面临的痛点:用户数据散落在 APP 日志、注册系统、客服记录中,订单数据分散在交易 ...
2025-10-13在数字化时代,用户的每一次行为 —— 从电商平台的 “浏览→加购→购买”,到视频 APP 的 “打开→搜索→观看→收藏”,再到银 ...
2025-10-11在机器学习建模流程中,“特征重要性分析” 是连接 “数据” 与 “业务” 的关键桥梁 —— 它不仅能帮我们筛选冗余特征、提升模 ...
2025-10-11在企业的数据体系中,未经分类的数据如同 “杂乱无章的仓库”—— 用户行为日志、订单记录、商品信息混杂存储,CDA(Certified D ...
2025-10-11在 SQL Server 数据库操作中,“数据类型转换” 是高频需求 —— 无论是将字符串格式的日期转为datetime用于筛选,还是将数值转 ...
2025-10-10