高質量的研究是臨床開展精準診療的必要條件。其中,大樣本、多中心臨床研究是目前疾病診療及藥物開發的主要循證證據來源,國內外專家借此不斷探索真實世界醫療數據,期望從中發掘潛在的臨床規律,以指導疾病診治。
但是,在開展臨床科研的過程中,因為數據沒有“資產化”,海量數據價值被雪藏,往往面臨著數據采集難、數據分析難、數據共享難、患者隨訪難等問題,使得臨床科研成為一項要耗費大量人力、財力和時間的工作,嚴重制約了科研成果的產出。
針對臨床研究中面臨的痛點,專病庫成為近年來解決臨床數據智能化采集和應用的主要方向之一,越來越受到臨床研究者的青睞。
專病庫,也稱為臨床科研數據庫,是對某一類疾病的全病歷資料進行匯總搜集,結合對應疾病的特征,對數據進行結構化、標準化、歸一化處理,建立相應的數據集合與字段,并在此基礎上實現精細化、細粒度數據分析與應用。
神州醫療秉承一貫追求“國際一流、國內第一”整體目標,一直深耕醫療大數據與人工智能領域,在專病庫建設和應用方面擁有大量成功經驗。神州醫療專病庫產品已支持多項“十三五”、“十四五”國家重點研發計劃項目順利交付,在國內同行中處于先進地位。
神州醫療專病庫有哪些亮點?
數據模型
神州醫療專病庫基于OMOP CDM的通用數據模型,與OHDSI、COLUMBIA UNIVERSITY等全球化組織同步,技術成熟、工作流程透明可重復。核心價值以患者為主索引,降低數據篩選和采集誤差,維護成本低,便于后期增量數據擴充。支持向MDT模式擴展,可以減少數據在不同科室之間流轉的技術障礙,適應不同數據模型擴展,為開展多中心研究及國際間科研協作建立基礎。
醫學術語標準化
標準化內容:診斷、手術操作、藥品、檢查、檢驗;病歷文本、檢查報告等通過NLP自然語言提取后結構化的醫學術語信息。國家標準、國際標準化表、行業共識標準化表等:ICD10、ICD9、LOINC、SNOMED CT、國家藥品目錄、NCCD等。
醫學文本結構化
基于深度網絡的信息抽取模型,可以精確理解病歷文本。
AI輔助的可配置規則抽取框架,可以高效應對個性化提取需求。
數據安全
神州醫療隱私計算基于機器學習框架,敏感數據通過脫敏規則變形處理,得到的新數據依舊保持源數據特性、業務數據邏輯,以及數據關聯性,能夠滿足科研應用數據的要求。平臺身份標識實名,統一安全認證,根據科室主任、臨床醫生、數據管理人員等不同角色授予不同等級的權限,實時監控訪問用戶對目標設備的所有敏感操作,日志記錄留痕。
數據統計
神州醫療專病庫的首頁提供患者相關和疾病相關兩大類數據統計功能,例如患者總數、治療方案分類、病理分型、腫瘤分期(TNM)等多維度的數據分布情況,以豐富的圖形色塊將數據統計結果呈現出來,體驗猶如置身駕駛艙,聚焦院領導、臨床醫生最關注的核心指標,滿足日常統計的多樣化展示需求,幫助醫生快速解讀指標,洞察疾病變化規律,發現問題;支持定制化報表,突出不同科室特色與疾病特征。
病例檢索
支持快速檢索、高級檢索、樹結構邏輯檢索、模板定制檢索等多種檢索方式,支持如關鍵字、時間區間、人口學信息、檢驗、檢查、診斷、手術等多種納排條件組合進行病例檢索,還能根據關鍵事件進一步篩選,更精準地圈定目標人群,智能化搜索引擎百萬數據的秒級響應,極速在線分析查詢。
360全景時間軸
以患者為中心,結合臨床診療路徑,以時間軸方式標簽化圖形化展示患者歷次就診細節,同時為臨床醫生帶來大數據友好的感官體驗。
科研管理
系統可以將納排后篩選的患者進行入組,也可以將已有隊列導入文件上傳,創建多個前瞻性和回顧性研究項目。創建項目后用戶可進行信息編輯,調整篩選條件及對應的觀察指標。對于變量庫暫未存在的觀測指標,平臺支持自定義生成。
隊列分析
專病庫系統具備多種分析方法,如描述性統計、2×2卡方分析、方差分析、T檢驗、回歸模型等,滿足醫學基本統計分析需求。
病例報告表(CRF)管理
根據不同科室、疾病類型、研究方向,支持臨床醫生自定義CRF隨訪表單,預設多種題型、題目靈活自定義、可視化邏輯編輯、表單模板庫積累,支持CRF表單平臺自動填寫。
靈活的訪視計劃
支持自定義電話+微信+門診+住院+短信隨訪方式,隨訪頻次靈活安排,允許時間偏差,支持定義隨訪階段、特殊事件,支持表單內容定制,短信內容定制,支持異常數據醫生端提醒,支持隨訪計劃短信+微信患者端提醒。
三位一體的創新服務模式
三位一體的創新服務模式——以“數據工程為基礎、技術能力為驅動、成果轉化為目標”。
主要應用效果
提升科研水平
通過專病庫系統對相關臨床數據的抽取與匯聚,可完成全院多年門診和住院患者的病例數據結構化和標準化處理,并與醫院HIS、PACS、EMR、LIS等系統實現對接,實現病例資源的整合與共享。通過對數據的回顧性分析及深度挖掘,給臨床科研提供足夠的數據支撐,有效提升學術成果產出效率。
完善數據管理和應用
以往,在統計數據時,需要信息部門協助在多個系統及數據庫里查詢數據,然后由科研人員手工填入Excel表格進行統計分析。而專病庫建立后,可以將醫院各個系統的診療數據進行抽取匯聚,形成一個結構化的數據庫,只需要在專病庫平臺輸入組合條件即可查詢相關診療數據,還能實現導出功能,避免了以前多數據庫查詢帶來的麻煩,提高了數據使用效率和數據使用安全性。
推動教學模式轉變
通過構建專病庫,利用大數據技術驅動醫學精準化分析,促進醫、教、研全面發展。在數據標準化、結構化、歸一化基礎上,深度挖掘數據,催生新理念與新技術的進步,推動以臨床數據分析為導向的新教學模式轉變。
神州醫療專病庫整合并匯總患者臨床大數據資源,運用大數據分析技術、本體技術、自然語言處理技術以及信息安全和生物信息學等技術,建立與國際接軌的OMOP通用數據模型,形成一體化專病科研數據分析平臺,實現科研隊列的精準建立和分析。
神州醫療專病庫優化了醫療科研服務的各應用場景,促進了科研成果的轉化,形成了以專病為核心的臨床科研大數據價值鏈閉環。