
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
随机森林算法的核心特点:原理、优势与应用解析 在机器学习领域,随机森林(Random Forest)作为集成学习(Ensemble Learning) ...
2025-09-05Excel 区域名定义:从基础到进阶的高效应用指南 在 Excel 数据处理中,频繁引用单元格区域(如A2:A100、B3:D20)不仅容易出错, ...
2025-09-05CDA 数据分析师:以六大分析方法构建数据驱动业务的核心能力 在数据驱动决策成为企业共识的当下,CDA(Certified Data Analyst) ...
2025-09-05SQL 日期截取:从基础方法到业务实战的全维度解析 在数据处理与业务分析中,日期数据是连接 “业务行为” 与 “时间维度” 的核 ...
2025-09-04在卷积神经网络(CNN)的发展历程中,解决 “梯度消失”“特征复用不足”“模型参数冗余” 一直是核心命题。2017 年提出的密集连 ...
2025-09-04CDA 数据分析师:驾驭数据范式,释放数据价值 在数字化转型浪潮席卷全球的当下,数据已成为企业核心生产要素。而 CDA(Certified ...
2025-09-04K-Means 聚类:无监督学习中数据分群的核心算法 在数据分析领域,当我们面对海量无标签数据(如用户行为记录、商品属性数据、图 ...
2025-09-03特征值、特征向量与主成分:数据降维背后的线性代数逻辑 在机器学习、数据分析与信号处理领域,“降维” 是破解高维数据复杂性的 ...
2025-09-03CDA 数据分析师与数据分析:解锁数据价值的关键 在数字经济高速发展的今天,数据已成为企业核心资产与社会发展的重要驱动力。无 ...
2025-09-03解析 loss.backward ():深度学习中梯度汇总与同步的自动触发核心 在深度学习模型训练流程中,loss.backward()是连接 “前向计算 ...
2025-09-02要解答 “画 K-S 图时横轴是等距还是等频” 的问题,需先明确 K-S 图的核心用途(检验样本分布与理论分布的一致性),再结合横轴 ...
2025-09-02CDA 数据分析师:助力企业破解数据需求与数据分析需求难题 在数字化浪潮席卷全球的当下,数据已成为企业核心战略资产。无论是市 ...
2025-09-02Power BI 度量值实战:基于每月收入与税金占比计算累计税金分摊金额 在企业财务分析中,税金分摊是成本核算与利润统计的核心环节 ...
2025-09-01巧用 ALTER TABLE rent ADD INDEX:租房系统数据库性能优化实践 在租房管理系统中,rent表是核心业务表之一,通常存储租赁订单信 ...
2025-09-01CDA 数据分析师:企业数字化转型的核心引擎 —— 从能力落地到价值跃迁 当数字化转型从 “选择题” 变为企业生存的 “必答题”, ...
2025-09-01数据清洗工具全景指南:从入门到进阶的实操路径 在数据驱动决策的链条中,“数据清洗” 是决定后续分析与建模有效性的 “第一道 ...
2025-08-29机器学习中的参数优化:以预测结果为核心的闭环调优路径 在机器学习模型落地中,“参数” 是连接 “数据” 与 “预测结果” 的关 ...
2025-08-29CDA 数据分析与量化策略分析流程:协同落地数据驱动价值 在数据驱动决策的实践中,“流程” 是确保价值落地的核心骨架 ——CDA ...
2025-08-29CDA含金量分析 在数字经济与人工智能深度融合的时代,数据驱动决策已成为企业核心竞争力的关键要素。CDA(Certified Data Analys ...
2025-08-28CDA认证:数据时代的职业通行证 当海通证券的交易大厅里闪烁的屏幕实时跳动着市场数据,当苏州银行的数字金融部连夜部署新的风控 ...
2025-08-28