上海市第一人民醫院：如何讓科研數據平臺具有生命力？

來源：HIT專家網      作者：龔晨、張明飛

“我們認為，作為面向院內需求的科研數據平臺，70%的功夫要花在數據元素上，20%的功夫花在NLP、深度學習等技術，10%花在數據分析方法與算法推薦。”

從2019年探索至今，上海市第一人民醫院（以下簡稱上海市一）著力建設“臨床數據研究智能平臺”。不同于一些醫療大數據平臺強調數據分析、算法推薦等功能，上海市一的科研數據平臺始終立足于院內臨床科研的最迫切需求，希望幫助科研人員搬走兩塊“絆腳石”：

一是數據準備工作繁雜耗時，“二八效應”突出，科研人員80%的時間用于數據準備，僅有20%的時間用于科研創新思路探索與實踐；

二是科研數據共享難，缺乏院內共享的工具與機制，哪怕是一個覆蓋面很窄的小課題，科研人員也要從零起步、從下至上完成許多重復性的數據準備工作。

解決數據來源問題，滿足臨床科研的“首要剛需”：這是上海市一建設科研數據平臺的初心與立足點。

走近業務，數據治理才能如“烹小鮮”

根據《上海市“便捷就醫服務”數字化轉型2.0工作方案》，上海將著力打造三大“未來醫院”，上海市一是三家試點醫院之一。

什么是“未來醫院”？上海市第一人民醫院信息處主任傅春瑜認為，“未來醫院”的本質是“數管醫院”，也即圍繞全數據要素進行醫院管理，因此數據治理、數據利用將尤為重要。

“治大國如烹小鮮，數據治理也如同烹小鮮。”傅春瑜用烹飪流程來比喻醫院數據治理方法論：“跌一跌”（上海方言，意為采摘），數據采集；“揀一揀”，數據分類；“汰一汰”，數據清洗；“斬一斬”，建立數據模型；“煸一煸”，數據質量定義；“炒一炒”，數據加工與融合；“燜一燜”，場景化適應；“收汁擺盤”，數據交付；“評一評”，根據用戶反饋進行優化。

其中，“煸一煸”是為了“把食材最鮮美的味道保留下來”，也即保證較高的數據質量，這取決于業務系統的功能是否健全、流程是否合理；“燜一燜”的目的是確保菜品入味、口感適中，也即在數據交付前要進行精細化場景適配，以適合使用者的“口味”；“評一評”則是傾聽用戶聲音，并將其作為新一輪PDCA閉環管理的起點。

傅春瑜認為，上述環節對于醫院信息部門的要求不僅是技術層面的，更要求“走出信息科、走到臨床一線”。只有數據治理人員能夠走近業務，才能了解如何保留數據的精華部分、如何提供更符合使用者需求的數據產品。

“數據治理如烹小鮮，但我們的任務不僅僅是做一道菜，而是要‘辦食堂’，具備規模化產出的能力。”傅春瑜表示，在智慧醫院的建設過程中，醫院要辦好數據利用的“大食堂”，一方面需要強化“灶具”，通過系統化、平臺化的信息化建設提高生產力；另一方面，則需對數據共享、數據安全、全員參與能動性等問題進行整體規劃，通過機制建設，理順生產關系。

傅春瑜說，醫院信息部門要與臨床、科研部門“擰成一股繩”，這一目標的實現需要基于“七共”的基礎上，分別是共建、共治、共促、共管、共享、共創和共贏。“這需要醫院‘一把手’的重視，在醫院信息化建設委員會的推動下，通過組織機制的保證，舉全院之力推動科研水平再創新高。”

據介紹，上海市一在臨床科室設有信息專管員，作為醫院信息部門的“IT前哨”，他們負責收集并消化科室內部的科研需求；信息處專門設置“科研輔助人才”的數據開發管理崗位，目前有4名成員。有別于信息處此前傳統的系統研發工作，這些工程師的主要技術能力在于數據處理、數據分析以及人工智能算法模型創建，工作職責是負責協助科研人員完成數據采集、數據治理、數據模型設計等工作，并負責對接平臺技術合作伙伴。

“當前，醫院信息部門處于角色轉型的關鍵階段。”傅春瑜認為，未來的醫院信息部門將是一個綜合性科室，這一點在科研信息化建設中已表現得尤為突出。

不做“無根之萍”，科研數據平臺要有生命力

在上海市一的建設規劃中，“未來醫院”的轉型方向之一是“從以臨床診療為主”逐步轉向“臨床診療與科研創新并重”。

“未來醫院”需要一個科研大腦。2019年，上海市一聯合醫利捷（上海）信息科技有限公司基于RDR（科研數據中心），啟動建設“臨床數據研究智能平臺”。該平臺是一個全面的、基于院內信息網絡的臨床數據分析工具，可以匯聚患者在院內所有的醫療行為，通過數據洞察和分析，加速臨床研究的實施和開展。

據上海市第一人民醫院信息處副主任范駿翔介紹：“我們希望通過這個平臺，將科研人員從他們不擅長且耗時多的數據準備工作中解脫出來。另一方面，從全院視角來看，各類專病數據庫有超過50%的數據是可復用、可共享的基礎數據。我們在平臺上預先將其提煉成公共元素，面向所有科研人員開放。”

在平臺建設之初，上海市一就秉承這樣的理念：科研數據平臺不能成為“無根之萍”，需要具有可持續發展的生命力。如果專病數據庫的數據錄入需要臨床醫生花費大量精力回憶病史、翻閱病歷、手工輸入，這對于臨床而言是一種負擔，這個專病庫必然也無法長久維持。

為此，上海市一信息處與臨床部門，特別是PI（Principle Investigator，學術領頭人) 溝通研討，確立了平臺數據分類模型，將數據分為L1、L2與L3級別。其中，L1是指臨床系統中天然存在的數據，可直接采集，比如根據醫囑顯示，患者服用過的藥物信息；L2是需要進行聚類分析等加工處理后才能獲取的數據，比如患者是否服用過“胃黏膜保護劑”，這需要先對哪些藥物屬于胃黏膜保護劑進行定義，再在系統中進行標記；L3則是需要借助NLP、深度學習等技術，從大段描述性文本中抓取的數據。

“一個可持續發展的專病數據庫，L1、L2數據應合計占據50%-60%，L3數據應占據20%-30%，剩下的10%-20%是需要依靠臨床經驗判斷與隨訪獲取的數據信息。”范駿翔介紹，在這個數據分級模型的指引下，醫院信息處找到了管理臨床科研需求的“新抓手”。

比如，當臨床科室提出某個專病庫的建設需求時，信息處會對其提供的數據集字段進行分析、評估。如果L1、L2的字段占比過低，則數據集質量不佳，雙方應進一步探討各類數據的重要性與可行性，對數據集進行調優。“如果部分數據確實非常重要，應從臨床系統直接采集但尚未實現，這將倒逼我們對臨床系統進行改造，比如在電子病歷系統中增加相關數據的結構化。”范駿翔介紹，上海市一信息處具有較強的技術能力，包括HIS、電子病歷在內的多個業務系統都是自主研發的，因此有足夠能力支持科研數據平臺與臨床業務系統的深入對接，方便臨床醫生在接診環節通過打標簽、在結構化電子病歷中直接錄入等方式，快速收集核心數據，提升L1、L2數據占比，改善數據集質量。

在院內數據共享方面，平臺引入“數據沙盒”模式，每個沙盒對應一個專病數據庫。項目負責人在院內通過授權后，可以在自己的沙盒中創建任意隊列，并引用院內任意的臨床客觀數據。以擁有近500個數據字段的重癥肺炎專病庫為例，其中超過300個通用數據集數據可從平臺上得到共享，科研人員只需專注于其他200個個性化數據，即可合并成eCRF表單。

在過去三年多的建設中，范駿翔認為有三類問題需要重點關注：

首先是因部分單機設備缺乏數字化接口帶來的數據采集問題。這類問題主要出現在醫技系統中，如有的骨密度測量儀只能打印紙質報告。為實現自動采集，上海市一最初嘗試利用OCR技術，但90%的精度不夠理想；其后引入TensorFlow等深度學習技術，實現圖片報告的自動識別與抓取，將數據精度提升至97%以上。

第二是平臺數據檢索的效率瓶頸問題。當數據量達到億級，常規的檢索技術不足以支持條件、事件的秒級檢索，影響使用體驗。上海市一先后引入ClickHouse、Lucene文本檢索等新技術，可確保任意數據檢索在3秒內返回結果。

第三是平衡臨床數據錄入的質量與效率問題。理論而言，如果科研所需數據來源于臨床系統的直接錄入，效果將是最好的。上海市一曾做過試驗，讓臨床醫生在接診時填寫科研隊列中的所有數據信息，單次接診時間從8分鐘延長至20分鐘，最終因耗時過長而不得不放棄；此后調整策略為：將科研數據集中非常重要的關鍵信息定義為L1數據，必須在臨床接診時完成數據記錄，如臨床系統無法自動采集，則由信息處對臨床業務系統進行相應改造支撐；L2或L3數據的獲取盡量不對臨床產生干擾。這需要醫院信息部門在效率與質量之間找到平衡點。

成效初顯，平臺將不斷成長

2021年，上海申康醫院發展中心啟動“第二輪臨床三年行動計劃”，任務之一是打造45個高標準的專病數據隊列，上海市一承擔了其中5個專病數據隊列的主中心和18個專病數據隊列的分中心工作。

這在很大程度上得益于臨床數據研究智能平臺的支撐。作為平臺的“深度用戶”，上海市第一人民醫院呼吸科主任張旻用數字說話：在重癥肺炎專病數據庫建設之初，通過人工方式錄入數據，平均一個病例需耗費6小時；自從對接平臺后，最快5分鐘就可以完成單個病例的數據整合。

上海市第一人民醫院內分泌科副主任醫師馮曉云此前一直苦惱于臨床工作與科研分析是彼此割裂的，不得不留待下班后把所需數據手工錄入到自我管理的數據庫中。平臺上線后，醫生可以在診療過程中實時將研究對象加入隊列，迅速且準確地收集、檢查、檢驗各項指標，自動進行數據質控，節約時間、提高效率且保證質量。

根據整體規劃，目前臨床數據研究智能平臺處于1.0階段，主要任務是L1字段數據的收集、管理。據范駿翔介紹，平臺將在2022年下半年升級至2.0版本，重點將圍繞三項工作：L2、L3字段數據的收集和深加工；提供數據分析功能，幫助科研人員在平臺上直接進行數據分析或頭腦風暴；將慢病隨訪管理與專病庫進行對接，便于科研人員對入隊患者進行針對性隨訪。

而平臺3.0版本則是面向未來進行探索，為新藥研發等前瞻性研究提供數據支撐。“這將是我們未來的五年計劃。平臺將不斷成長，未來將會有更多科室、更多科研團隊入駐平臺，共同打造開創性的科研數據庫。我們希望借助這個平臺，使得各類專病庫的數據積累超過3年、5年，甚至10年、20年。如果能夠積累20年，這個數據庫的價值將超乎想象。這是我們努力的方向。”范駿翔說。

【責任編輯：陳曦】