第三届「医疗大数据学术高峰论坛」于 7 月 30 日在北京成功召开，本届会议以「大数据与新方法、新应用」为主题，邀请了国内外众多重量级专家，来自政府、医院、大学、企业等国内知名专家学者齐聚一堂，与会专家结合目前医疗大数据现状、成功案例等深入探了讨医疗大数据在药物安全性评价、药物经济学和医疗政策研究中的应用。
什么是医疗大数据？
医疗大数据指的是在医疗行业中产生的数据，它的来源主要包括 4 类：临床实验室数据、生命科学与制药、费用报销、个体健康信息等。医疗大数据以多种形式出现，如文本、数字、纸质文件、数码、图片、影像或多媒体资料等。随着医疗服务产生的数据总量增多，有人预测，到 2020 年，医疗数据将增至 35ZB，相当于 2009 年数据量的 44 倍。在这么庞大的数据下，如何利用大数据创造价值？专家们分享了一些医疗大数据相关解决方案。
第一、 更好的医疗服务
提供精准医疗及个性化健康指导：大数据时代可以充分利用物联网、云计算等技术来打破点对点的远程医疗束缚，形成基于移动通信技术以及物联网技术、无处不在的远程医疗服务体系，这种服务模式充分发挥个体在远程医疗中的作用，灵活性强、数据全面、决策迅速，关联能力强。使居民能在医院、社区及线上的服务保持连续性。例如，提供心血管、癌症、高血压、糖尿病等慢性病干预、管理、健康预警及健康宣教（保健方案订阅、推送）；同时减少患者住院时间，减少急诊量，提高家庭护理比例和门诊医生预约量。
辅助诊断： 通过挖掘用户基因信息和电子病例可以根据患者基因信息和患者的其他特征预测各种治疗方案可能的副作用；包括疾病诊断与预测、提高临床试验设计的统计工具和算法、临床实验数据的分析与处理等方面，如针对重大疾病识别疾病易感基因、极端表现人群；提供最佳治疗途径。
医学研究方面：大数据疾病谱研究，通过了解人群疾病谱的改变，这有助于制定新的疾病防治策略。以大数据为导向的人群队列研究逐渐成为医学研究的热点，超大规模队列研究具有大样本-如数十万人群，前瞻性-如数十年长期随访，经过长期随访能够产出大量人群数据，基于大数据的人群队列研究更具有科学性、可靠性和权威性。
第二、 更好的建立预测模型
公共卫生监测：如 2009 年 Google 比美国疾病控制与预防中心提前 1-2 周预测到了甲型 H1N1 流感爆发，Google 正是借助大数据技术从用户的相关搜索中预测到流感爆发。
药物副作用监测： 药品上市后的不良反应监测一般依赖被动监测和主动监测。被动监测依赖于医生、患者、制药公司提供的不良反应报告，最大的问题是漏报；而主动检测则是利用文本挖掘、 数据挖掘技术从 EHR、EMR、社交网络、搜索引擎中发现潜在药品导致不良反应事件。
第三、 更好的临床决策支持
以医疗账单为数据源，建立关于治疗费用、住院时间等数据的预测模型，发现其中可能存在的问题，如医疗器材滥用、手术过度与病情诊断不符等，提早检测出医疗过程中的问题，将为国家保险机构、患者、私立保险机构节省大量花费。
医疗大数据与糖尿病
2015 年 IDF 世界地图显示，我国有 1.096 亿糖尿病患者，居世界第一。第七版世界地图数据显示，用于糖尿病的支出约占全球总医疗保健支出 12%，美国用于糖尿病的医疗支出最多约 3200 亿美元，而我国用于糖尿病的支出为 510 亿美元。
大数据时代正在改变这人们的生活方式，对于疾病的预防与研究模式也产生着巨大的影响。随着新世纪医疗保健模式从中心级医院回归家庭的转变，大数据、互联网和家庭保健新技术的完美结合将为人类健康管理做出积极的贡献。那么，医疗大数据在糖尿病诊治及管理中有哪些价值呢？来自阜外医院的李光伟教授就医疗大数据与糖尿病的相关进展进行了介绍与探讨。
在糖尿病流行病调查中，不乏大样本量的研究，有的研究样本量甚至多达 192 万例。一些 RCT 研究纳入的样本量也高达 9000 余例。一项前瞻性、多中心、随机、双盲、安慰剂对照研究（EXAMINE 研究），纳入了 5380 例近期发生急性冠脉综合征的 T2DM 患者，患者随机分为两组，在常规治疗基础上分别加用阿格列汀或安慰剂，探讨阿格列汀的心血管风险。其研究结果提示，阿格列汀不增加心血管死亡和全因死亡风险，证明了给药物的心血管安全性。
另一项大样本，基于人群的，真实世界的一项观察性注册研究，纳入起始二线治疗的患者 52760 例，77% 起始使用二甲双胍+SU 治疗，23% 使用二甲双胍+DPP-4i，评估与二甲双胍联用时，SU 与 DPP-4i 的严重低血糖风险、CVD 风险和全因死亡风险。结果显示，DPP-4i 严重低血糖累积发生率、致死/非致死性 CVD 累积发生率、全因死亡累积发生率显著低于磺脲类。此项大型研究提示，与二甲双胍联用时，DPP-4i 较磺脲类心血管安全性更佳。
李教授还分享了由他负责领导的大庆研究。中国大庆糖尿病预防研究至今已历时 20 余年，是世界最先开展的大型随机分组以社区为基础的糖尿病一级预防临床试验，探讨简单的生活方式干预是否能在高危人群预防糖尿病及其大小血管并发症和死亡。
经过 23 年的漫长等待和观察，大庆研究终于在 2014 年 4 月在 Lancet 子刊发表硬终点的研究结果：与未接受生活方式干预相比，接受生活方式干预的受试者随访 23 年间心血管病死亡降低了 41%、全因死亡降低了 29%、新发糖尿病风险降低了 45%，差别均达到显著统计学意义。
这一结果表明，干预不仅长期降低了糖尿病的发病，且减少了威胁生命的心血管病硬终点。该长期临床获益进一步证明，生活方式干预作为遏制糖尿病流行的公共卫生措施可行。这一结果被同期杂志评论为是「一个真正的突破」。
李教授介绍说，当前糖尿病流行趋势严峻，有关糖尿病的 RCT、大样本量的研究层出不穷，但不足以描述真实世界现状。RCT、大样本量研究与 real word 间仍存在巨大差异，需要医疗大数据介入。在国内外，大数据应用于糖尿病的管理已有探索，将医疗大数据应用在糖尿病管理项目中。
例如，2014 年谷歌与诺华达成协议，将共同开发一款「智能」隐形眼镜，帮助糖尿病患者追踪血糖水平，同时可能帮助远视眼读者重新获得对附近物体的部分自动对焦能力；2015 年，腾讯推出智能血糖仪「糖大夫」，并牵手药企打造「移动互联网技术的糖尿病慢病健康管理平台」，加强糖尿病患者的血糖管理等等。
这些大数据的介入将更好地探寻了真实世界的情况，将患者元数据信息全面、准确、及时地输送至大数据处理平台，保证处理平台动态数据的科学性和有效性，为医疗卫生领域应用大数据提供了科学的整体框架。但李教授提醒，虽然我国对于医疗大数据的搜集工作已开展多年，但目前大数据相对比较分散，医院间各自为营、互不相联的「信息孤岛」效应依然是有待突破的难点。
医疗大数据还缺什么？
专家们都认为，目前，我国尚没有真正的医疗大数据，医疗大数据的利用率仍然太低。虽然有海量证据，但缺乏数据收集、加工、分析和统计的统一平台，并且各家医院信息系统的标准、接口都不同，这成为利用率低、共享难的重要原因。不仅如此，数据种类的多样化也为数据标准的制定和应用带来了挑战，对于非结构化的音、视频数据都很难处理。中国医疗大数据的实现仍需努力。
现阶段，怎样才能做好大数据？医疗大数据还缺什么？与会专家也提出了自己的看法：
第一、还是要在大数据产品和技术方面有比较好的学习和理解。要深入地理解和学习大数据的差别、了解它的优势和劣势。
第二、需要我们参考国内外的经验，找到比较合适的、别人在使用的大数据产品和应用方向。
第三，需要有一个比较合理的利用大数据产品和技术的架构设计。
第四、就是实践，大胆地用新的技术和新的思维模式进行尝试。