医疗大数据完美应用，中山大学肿瘤医院携手医渡云《柳叶刀·肿瘤学》重磅发布鼻咽癌研究成果
2018-06-17 MedSci MedSci原创
一百多年来，现代医学经历了飞速的发展，医疗实施过程、药物研发及评价、药品疗效信息、基因信息、生物标志物、临床试验等积累了大量数据。在数据驱动的医学时代，如何从海量医学数据中找出数据的价值所在，解决大规模数据引发的问题、利用好数据挖掘所带来的竞争力，需要多学科的协同和创新。当前，适应于生物医学大数据的软硬件平台、大数据存储、大数据分析挖掘等方法等还不成熟， 制约着生物大数据的研究。基于此，近年来
一百多年来，现代医学经历了飞速的发展，医疗实施过程、药物研发及评价、药品疗效信息、基因信息、生物标志物、临床试验等积累了大量数据。在数据驱动的医学时代，如何从海量医学数据中找出数据的价值所在，解决大规模数据引发的问题、利用好数据挖掘所带来的竞争力，需要多学科的协同和创新。当前，适应于生物医学大数据的软硬件平台、大数据存储、大数据分析挖掘等方法等还不成熟， 制约着生物大数据的研究。基于此，近年来越来越多IT公司、互联网公司、数据挖掘公司进入传统上被认为行业壁垒很高的医疗行业，挖掘万亿的医疗市场，国际国内已经涌现出一批典型的医疗数据公司。
2018年上半年，《柳叶刀·肿瘤学》杂志收录了中山大学肿瘤防治中心马骏教授团队投稿的文章《Development and validation of a gene expression-based signature to predict distant metastasis in locoregionally advanced nasopharyngeal carcinoma： a retrospective， multicentre， cohort study》，据悉，这项研究我国学者首次发现分子标记物有效预测鼻咽癌远处转移，采取传统的肿瘤临床N分期方法预测远处转移的准确性仅为57%左右。而且，相同分期的患者接受同样的治疗后常常出现不同的生存结局。目前，临床上缺乏有效的标志物指导鼻咽癌患者的治疗方案选择，在本次研究中通过表达谱芯片，对接受治疗后有无出现远处转移的鼻咽癌组织全基因组表达水平进行了对比分析。从数万个基因中初步锁定137个差异表达基因，再用回归分类器的统计方法从410例患者中筛选出13个远处转移相关的基因构建分子标签，并将病人分为高风险组和低风险组。结果显示，高风险组患者5年远处转移率高达37%，低风险组仅为9%。
本次研究可以说是医疗大数据的完美应用的又一体现，为了让数据利用满足更多临床业务需求，中山大学附属肿瘤医院其实早在三年前就开始与医渡云进行医疗大数据的合作，当时是针对全院的DPAP（医学数据智能平台）双方进行了初次的对接，而这一新平台的引入，让中山大学附属肿瘤医院能够有效的对大规模多源异构的真实世界数据进行集成、挖掘和利用，采用专业的安全技术与运营服务体系，高效开展临床科研、服务与管理。 以DPAP为基础生长研发的“医渡云医院精益化管理平台”、“医渡云专科数据平台”、“医渡云科研协作平台”及“医渡云政务数据平台”等服务，也为医院提供领先的模块智能定制化解决方案，为医学数据智能应用赋予突破性价值。
在这次的历时五年的鼻咽癌课题中，医渡云可以说是“临危受命”，研究过程中其实也遇到了很多“危机”，PET在国外的使用比例很高，国内临床研究由于设备和经费的限制，PET相对来说做的较少，当时投稿后评审要求限时补充相关的数据，也幸好合作方医渡云在专病库的建立时，结构化设计完善，一天内就从数据库中调取了对应的数据，按时完成了评审的要求，提高了文章发表的效率。
目前中山大学附属肿瘤医院已经围绕鼻咽癌、结直肠癌和肺癌与医渡云建立专病库进行了合作，医渡云通过建立专病库将所有数据集成在一起，按照一定的检索条件，针对不同的疾病建立不同的数据库，不但更加系统的进行了数据整理，同时也为各个研究团队提供了很多不同的思路，2017年中山大学附属肿瘤医院通过医渡云数据服务支持，前后完成了4次临床研究课题的国际期刊发表，而在不久的未来，还将有10余篇重磅学术研究即将发表，仅从鼻咽癌专病数据库来看，其三年内将支撑30-50篇科研文章发布。可以说医渡云医疗大数据处理方案在里面起到了至关重要的作用，而专病库的合作是为了更好的完成高质量临床研究课题，想要更高质量的文章，数据溯源性是国际上对中国数据最大的顾虑，医渡云能帮助解决这个问题。
除了DPAP（医学数据智能平台）与专病库的合作，围绕辅助诊疗领域，中山大学附属肿瘤医院也正在和医渡云一起申报一个国家重点研发计划项目。另外，在医院管理与考核等多维度，中山大学附属肿瘤医院也正在和医渡云联手完善更人性化的科室和医生的KPI指标。
随着信息化技术不断的提高，很多医院已完成电子病历系统、实验室检查系统、影像系统等建设工作，产生了十分庞大且繁杂的医疗数据，但从现状而言，医院对现有数据的利用度极低。医院的数据对于医疗诊断行为是十分宝贵的，具有极高的参考价值。而医渡云正是能够辅助医院对医院数据的集成和清洗，帮助医院建立“大数据平台”，构建新型医疗数据模型，充分挖掘数据价值。
通过对医院医疗数据的智能化处理，如对于病程等非结构化数据的结构化，在医生临床科研和辅助决策的应用上，医疗大数据已经发挥了越来越重要的作用。但是大部分医院的独立运营，各个数据库规则的差异化也给医院相互协作业务互联互通带来了阻碍，医渡云希望更多的帮助到国内医院进一步协作，乃至于与国外医院也建立连接，扩大医生诊断及治疗方案的信息来源，通过平台模型的筛选，给出医生指导性的意见，帮助医院和医生提高临床服务质量、科研转化率和管理效率。
为此医渡云搭建了多中心科研平台，联动各家医渡云合作医院，帮助医生进行科研样本的筛选，在线、一体化地帮助医生在科研过程中制定观测指标、分析内容等，这大大加快了医学科研的进度，提升了研究效率。对于病人的数据安全，医渡云也严格遵守医院管理办法和伦理要求。
对于数据服务类企业来说，数据安全更是重中之重，医渡云服务医院搭建的数据智能平台系统首获国家公安部“信息系统安全等级保护3级备案”，之后医渡云自主搭建的“医渡云医学数据智能平台系统”及与重庆医科大学合作搭建的“医渡云重庆医科大学医学数据智能平台系统”再度成功获得公安部3级备案。3级备案的成功获得意味着医渡云数据智能系统安全工作质量及系统重要性受到了国家信息安全监管部门认证肯定。
作为一家以“唤醒数据、创新医疗”为企业态度的公司，目前医渡云已合作国内20个省市近百家顶级医疗机构及60余位全国专科主委/副主委，合作涉及超过30个专科疾病、1，5000+个专科字段及50余项国家/省级科研课题，与合作伙伴协作处理了涉及3亿多名患者的超过12亿份病历数据，并且合作规模和深度持续还在持续增长中。在“大数据”的背景下，科学研究已经不局限于实验室，样本的容量也因为各种在线平台的搭建指数增加。相信在未来，这种临床数据挖掘和基础研究的结合可以在计算机技术的辅助下交叉碰撞出更多的灵感和成果。医渡云将技术和医学相结合，赋予了数据医学逻辑。这样的数据才能真正帮助医生解决问题。医学最需要的是医学背后的逻辑，医渡云是将数据做了医学处理，这一点目前还没有别的公司还能够实现。
小提示：本篇资讯需要登录阅读，点击跳转登录
版权声明：
本网站所有内容来源注明为“梅斯医学”或“MedSci原创”的文字、图片和音视频资料，版权均属于梅斯医学所有。非经授权，任何媒体、网站或个人不得转载，授权转载时须注明来源为“梅斯医学”。其它来源的文章系转载文章，或“梅斯号”自媒体发布的文章，仅系出于传递更多信息之目的，本站仅负责审核内容合规，其内容不代表本站立场，本站不负责内容的准确性和版权。如果存在侵权、或不希望被转载的媒体或个人可与我们联系，我们将立即进行删除处理。
在此留言
本网站所有内容来源注明为“梅斯医学”或“MedSci原创”的文字、图片和音视频资料，版权均属于梅斯医学所有。非经授权，任何媒体、网站或个人不得转载，授权转载时须注明来源为“梅斯医学”。其它来源的文章系转载文章，或“梅斯号”自媒体发布的文章，仅系出于传递更多信息之目的，本站仅负责审核内容合规，其内容不代表本站立场，本站不负责内容的准确性和版权。如果存在侵权、或不希望被转载的媒体或个人可与我们联系，我们将立即进行删除处理。
在此留言
#肿瘤医院#
87
#医疗大数据#
75
#研究成果#
78
好好好好好好好好
145
学习谢谢分享
130
学习了谢谢分享
129
阅
101
学习了.谢谢分享
124
一起学习学习学习
79
好好好好好好好好
72