0
| 本文作者： 張利 | 2017-06-27 10:26 |
雷鋒網消息，近日，由HC3i中國數字醫療網、中關村移動互聯網產業聯盟移動醫療專委會主辦的《2017中美智能醫療大數據峰會》在北京召開，眾多專家出席探討了智能醫療大數據存在的問題。
其中哥倫比亞大學醫療信息學系副教授翁春華以“云計算和大數據帶來了很好的機會，但擁抱的同時也應該知道數據可能存在的局限性”開始了她的演講，她指出醫療數據現狀令人擔憂。
據翁春華副教授介紹，醫療大數據存在的問題有數據質量不高、數據不完整、信息不具體、數據重復、數據分布不均與、信息不集中等。
以下是其演講內容，雷鋒網做了精簡編輯。
醫院常用的疾病分類標準是ICD9/10，診斷信息最常見的問題是粒度不夠。ICD的信息本來都是統計出來的，所以真正有意義的深度信息和表型信息應該來自于文本或者是其它更有意義的數據類型。另外，ICD9/10有漏診和過渡診斷的問題。
如果生成的數據是醫生特別忙的時候，他們可能沒有時間把正確的代碼找出來，只是找幾個特別有用的或可以代表病人疾病的數據，漏掉其它非主要的疾病。如果診斷信息不是醫生生成，而是專門人員生成，他們可能會漏掉一些經濟價值不高的信息。
我們有一次做研究尋找高血壓病人，讓他們參與有關高血壓的臨床測試，結果我們發現所有病人都沒有關于高血壓的ICD9/10數據，醫生說因為所有人都有高血壓，所以懶得把信息放在病例里，病人患其它疾病時才會把信息放在病例里。可以看到，電子病例的很多信息是否記錄是基于記錄人的需要，之后信息會被用來重用或做其他研究分析，如果不知道當初記錄信息時的篩選標準，有可能產生誤導。
還有就是過度診斷的問題，患者的情況不斷變化，有可能以前患有的病現在已經治好了，但這些信息還繼續留在那里，當你拿到電子病例的時候，可能以為這個病人還患有這種病。如果基于這些信息分析的話，有可能會被誤導。
衡量數據是否完整有4個維度，分別是：有多少醫療事件會被記錄；數據類型有多少；同一數據類型是否有完整的數據收集結果；是否有具體的數據值。
長老醫院有450萬病人的電子病歷記錄，可以說數據是非常龐大的，但如果用這四個維度衡量一下，結果讓人大吃一驚。
我們的實驗中納入了390萬個病人信息，只有一半左右的病例滿足其中一種完整性標準；1/4滿足更嚴格的數據完整性要求，比如其文本信息和來訪時間記錄吻合或有多個來訪記錄等；僅有小部分有充分信息或有研究價值；只有0.6%的病歷完全符合4種數據完整性定義。
在此之前，我們樂觀地認為有海量數據，可以做很多事情。但分析之后，我們才知道在用數據之前衡量一下數據能做什么非常重要。
數據的重復性嚴重影響數據挖掘的算法結果解釋。病人疾病進展記錄中54%是重復的，出院記錄的30.7%和登記記錄完全一樣。電子病例中有很多沒有價值、不產生新信息的數據，這些數據分析影響特別大，帶來偏見和噪音，降低數據的可用價值，其實其中很多信息根本沒用。大家都繼續粘貼和復制，更加加大了數據的不一致性。如果需要使用要尋找真實的信息和信息來源，但這個過程很困難。如果欲根據其中數據概念的頻率了解概念和疾病的相關性，不能直接用，因為頻率受重復性的影響，很多概念是通過拷貝生成的。
更多關于雷鋒網的人工智能升級傳統行業文章，請關注雷鋒網AI商業化垂直微信公眾號：AI掘金志（ID：HealthAI）
雷峰網原創文章，未經授權禁止轉載。詳情見轉載須知。
