医疗大数据指导意见将出台:数据“多跑路” 群众“少跑腿”

本文涉及的产品
云原生大数据计算服务MaxCompute,500CU*H 100GB 3个月
云原生大数据计算服务 MaxCompute,5000CU*H 100GB 3个月
简介:

据中国之声《新闻纵横》报道,相信现在不少人手机里都下载了一些关于医疗的APP,点开它们,查查某些疾病信息,或者预约挂个号,或者在线联系某位医生,互联网+ 正在悄然改变着我们传统的看病方式。

不妨再大胆设想一下:既然我们身体状况、看病经历都可以通过网络连接到医疗服务中去,那是不是未来可以实现:每一个人从出生到死亡,生命的整个过程都可以被记录在数据轨迹里?那样的话,它能带来的,不仅仅是就医的便捷、自我管理、个性化治疗,还将推动生命科研的进步。而现在,这样的一份医疗大数据,即将到来。

《关于促进和规范健康医疗大数据应用发展的指导意见》已经在国务院常务会议上审议通过,到2020年,将建立国家医疗卫生信息分级开放应用平台,健康医疗大数据产业体系初步形成。

健康医疗大数据是涵盖人的全生命周期,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。《指导意见》明确,“按照安全为先,保护隐私的原则,优先整合利用现有资源,建设互联互通的国家、省、市、县四级人口健康信息平台,实现部门、区域、行业间数据开放融合、共建共享。”

当互联网+遇上健康医疗,会对每个人的个体健康带来怎样的实惠?国家卫生计生委副主任金小桃表示:建立医疗大数据,让健康数据“多跑路”,让人民群众“少跑腿”。

金小桃说:“互联网健康咨询、预约就诊、预约挂号、诊间结算、医保联网异地结算、移动支付等方面,都给老百姓带来更加便捷的应用服务。群众体会最深的是,挂号和支付,下载通过互联网、移动等方式,比较好地解决排长队、花很长时间才能完成就诊等问题。”

《指导意见》提出,将重点推进网上预约分诊、检查检验结果共享互认、医保联网异地结算等便民惠民应用,发展远程医疗和智能化健康医疗设备。国家卫生计生委规划司副司长张锋表示,在远程医疗方面,主要是集中在诊断。比如现在推广的区域病理、影像、心电,下一步都有利于百姓在基层检查,到上级去诊断,省了百姓去跑路。未来,如果把百姓的就医数字医学足迹都能很完整准确地记录下来的话,有利于构建预防、治疗、康复和自我健康管理的一体化电子健康服务。

提到医疗大数据,不得不提的是与健康有关的各种APP,近几年,如雨后春笋般疯狂生长的各种健康APP既可以咨询病情也可以规范自我健康。《指导意见》提出:“规范医疗物联网和健康医疗应用程序管理”。

张锋介绍称,初步统计,我国目前有2000种APP涵盖方方面面,有许多APP号称医疗APP但是应用不规范。下一步将做相关APP的评估,确保患者安全,符合诊疗规律,同时有利于医生做出正确的判断。因此,要推出APP应用标准和适用规范。

从全球情况看,促进和规范健康医疗大数据应用发展是当前重要趋势,欧美国家已经迈出实质步伐。从国内情况看,今年我国医疗卫生行业IT市场年增长率保持在14%以上,移动医疗市场增速高达20%以上。

金小桃认为,《指导意见》当中涉及到的部门有20多个,几乎涵盖了主要的行业产业领域,未来健康医疗产业对于国民经济的贡献将会越来越大。推动医药、金融、物流、养老、保险、教育、健身等产能释放,带来健康产业加快升级。当前的重点,首先是把健康医疗在大数据当中的各种应用软件、各种服务平台尽快搭建好,让老百姓提高获得感,为深化医改提供支撑和动力。

医疗大数据实现共建共享的同时,如何保护患者个人隐私和数据安全?金小桃说,个人的健康医疗信息最为敏感,属于隐私保护范围,要依法进行严格管控保护,绝不能公开或泄露,一定会加强应用安全风险评估和防范。

金小桃说:“一个比较惯常的做法,就是 ‘脱敏’、‘去标识化’,对个人隐私产生影响的内容一定要去掉,才能就某一种疾病进行大数据的挖掘分析。二是对涉及健康医疗数据的整个管理要有一套严格的法律法规。现在了解到的是,尚未发生个人隐私泄密的事情。”

《指导意见》提出了医疗大数据实施的时间表:到2017年底,实现国家和省级人口健康信息平台以及全国药品招标采购业务应用平台互联互通,跨部门健康医疗数据资源共享共有格局基本形成。到2020年,基本实现城乡居民拥有规范化电子健康档案和功能完备的健康卡,适应国情的健康医疗大数据应用发展模式基本建立。

我国中医讲“治未病”,未来的“未”。医疗大数据能做到对健康的深度管理,也就是做到“预防为主、防治结合”。金小桃说,通过大数据分析应用,推动覆盖全生命周期的预防、治疗、康复和健康管理的一体化健康服务,这是未来健康服务管理的新趋势。

金小桃指出,利用大数据,将各种健康数据、各种生命体征的指标,集合在我们的数据库和健康档案里面,然后再通过可穿戴设备,及时监控血压、心率等方面的生命体征指标,及时进行健康提醒。

中国工程院院士、浙江大学医学院附属第一医院教授李兰娟认为,通过对每个人健康大数据的汇集,尤其是汇聚成千上万人的同类疾病大数据,可能对这个领域的治疗诊断、医疗技术产生突破性的变革。“健康大数据包括临床看病的资料、健康资料,例如体重、生命体征、血压等变化,以及数据差异在哪里。将来的发展还有基因数据,每个人的健康基因不同,基因遗传数据、很多疾病是家族遗传性疾病,这些遗传数据的影响,可能对预防疾病产生突破性的变革,对治疗产生突破性的变革。”

当然,发展了多年的传统医疗行业现在要跨入“互联网+”,其固有的复杂性和特殊性致使转型难度不容小觑。就拿一个初具规模的医院来说,每天需要接待上万的患者前来就诊,患者的基本信息、影像信息与其他特殊诊疗信息汇集在一起,那将是一个非常庞大的数据。

但可以预期的是,这个平台一旦建立起来,解决医改顽疾、管理群众健康,医疗领域的各方面都将打开新的局面。我们也希望,健康数据“跑得再快一些”,那么在看病的路上,群众就不用再来回奔波了。
本文转自d1net(转载)

相关实践学习
基于MaxCompute的热门话题分析
本实验围绕社交用户发布的文章做了详尽的分析,通过分析能得到用户群体年龄分布,性别分布,地理位置分布,以及热门话题的热度。
SaaS 模式云数据仓库必修课
本课程由阿里云开发者社区和阿里云大数据团队共同出品,是SaaS模式云原生数据仓库领导者MaxCompute核心课程。本课程由阿里云资深产品和技术专家们从概念到方法,从场景到实践,体系化的将阿里巴巴飞天大数据平台10多年的经过验证的方法与实践深入浅出的讲给开发者们。帮助大数据开发者快速了解并掌握SaaS模式的云原生的数据仓库,助力开发者学习了解先进的技术栈,并能在实际业务中敏捷的进行大数据分析,赋能企业业务。 通过本课程可以了解SaaS模式云原生数据仓库领导者MaxCompute核心功能及典型适用场景,可应用MaxCompute实现数仓搭建,快速进行大数据分析。适合大数据工程师、大数据分析师 大量数据需要处理、存储和管理,需要搭建数据仓库?学它! 没有足够人员和经验来运维大数据平台,不想自建IDC买机器,需要免运维的大数据平台?会SQL就等于会大数据?学它! 想知道大数据用得对不对,想用更少的钱得到持续演进的数仓能力?获得极致弹性的计算资源和更好的性能,以及持续保护数据安全的生产环境?学它! 想要获得灵活的分析能力,快速洞察数据规律特征?想要兼得数据湖的灵活性与数据仓库的成长性?学它! 出品人:阿里云大数据产品及研发团队专家 产品 MaxCompute 官网 https://www.aliyun.com/product/odps 
相关文章
|
1月前
|
存储 分布式计算 数据挖掘
数据架构 ODPS 是什么?
数据架构 ODPS 是什么?
290 7
|
1月前
|
存储 分布式计算 大数据
大数据 优化数据读取
【11月更文挑战第4天】
44 2
|
1月前
|
数据采集 监控 数据管理
数据治理之道:大数据平台的搭建与数据质量管理
【10月更文挑战第26天】随着信息技术的发展,数据成为企业核心资源。本文探讨大数据平台的搭建与数据质量管理,包括选择合适架构、数据处理与分析能力、数据质量标准与监控机制、数据清洗与校验及元数据管理,为企业数据治理提供参考。
86 1
|
25天前
|
机器学习/深度学习 存储 大数据
在大数据时代,高维数据处理成为难题,主成分分析(PCA)作为一种有效的数据降维技术,通过线性变换将数据投影到新的坐标系
在大数据时代,高维数据处理成为难题,主成分分析(PCA)作为一种有效的数据降维技术,通过线性变换将数据投影到新的坐标系,保留最大方差信息,实现数据压缩、去噪及可视化。本文详解PCA原理、步骤及其Python实现,探讨其在图像压缩、特征提取等领域的应用,并指出使用时的注意事项,旨在帮助读者掌握这一强大工具。
63 4
|
1月前
|
存储 大数据 数据管理
大数据分区简化数据维护
大数据分区简化数据维护
24 4
|
1月前
|
存储 大数据 定位技术
大数据 数据索引技术
【10月更文挑战第26天】
58 3
|
1月前
|
存储 大数据 OLAP
大数据数据分区技术
【10月更文挑战第26天】
66 2
|
1月前
|
消息中间件 分布式计算 大数据
数据为王:大数据处理与分析技术在企业决策中的力量
【10月更文挑战第29天】在信息爆炸的时代,大数据处理与分析技术为企业提供了前所未有的洞察力和决策支持。本文探讨了大数据技术在企业决策中的重要性和实际应用,包括数据的力量、实时分析、数据驱动的决策以及数据安全与隐私保护。通过这些技术,企业能够从海量数据中提取有价值的信息,预测市场趋势,优化业务流程,从而在竞争中占据优势。
112 2
|
1月前
|
数据采集 分布式计算 大数据
数据治理之道:大数据平台的搭建与数据质量管理
【10月更文挑战第27天】在数字化时代,数据治理对于确保数据资产的保值增值至关重要。本文探讨了大数据平台的搭建和数据质量管理的重要性及实践方法。大数据平台应包括数据存储、处理、分析和展示等功能,常用工具如Hadoop、Apache Spark和Flink。数据质量管理则涉及数据的准确性、一致性和完整性,通过建立数据质量评估和监控体系,确保数据分析结果的可靠性。企业应设立数据治理委员会,投资相关工具和技术,提升数据治理的效率和效果。
107 2
|
1月前
|
存储 安全 大数据
大数据隐私保护:用户数据的安全之道
【10月更文挑战第31天】在大数据时代,数据的价值日益凸显,但用户隐私保护问题也愈发严峻。本文探讨了大数据隐私保护的重要性、面临的挑战及有效解决方案,旨在为企业和社会提供用户数据安全的指导。通过加强透明度、采用加密技术、实施数据最小化原则、加强访问控制、采用隐私保护技术和提升用户意识,共同推动大数据隐私保护的发展。
下一篇
DataWorks