互联网诊疗服务数据治理的探索与实践

2026-01-24

在新冠肺炎疫情爆发后，几乎是在一夜之间，互联网医疗就完成了一次大范围的用户教育和市场普及。其在抗疫“第二战场”的出色表现，让人们意识到了互联网在打破空间和时间限制方面的突出优势。

《互联网诊疗服务数据治理的探索与实践》

厦门大学附属第一医院弓凯、王占祥

神州医疗科技股份有限公司吴戈、武晓玉、吴惠庶

01基本现状及治理必要性

1.1现状与问题

1.2数据治理的必要性

1.2.1互联网诊疗服务的监管评价需要数据治理

1.2.2互联网诊疗相关的学术研究需要数据治理

目前，互联网诊疗对各类专科疾病干预的疗效，以及对卫生经济的影响普遍缺少严谨的循证评价，而数据治理的好坏则影响了相关研究结论的可信水平和推荐强度。

1.2.3互联网诊疗场景下的智慧服务应用开发和部署需要前置数据治理

智慧应用的开发和部署依赖于完善的数据处理管道，经过良好的数据治理才能打通医院在业务、数据和应用3个层面的衔接壁垒。

1.2.4互联网诊疗场景下的隐私信息识别和保护需要数据治理

随着《中华人民共和国个人信息保护法》的施行，数据权限控制、个人信息去标识化、数据加密、安全审计已经成为互联网医疗健康信息系统的建设重点。

02数据治理技术的方法和应用

2.1医疗数据治理方法

2.1.1基本步骤

数据治理包含"理""采""存""管""用"5个步骤，即业务和数据资源梳理、数据采集清洗、数据库设计和存储、元数据管理、数据挖掘与利用。

2.1.2治理的核心

医学术语标准化能够实现医学信息的互通，提高数据治理的效率与质量,是医疗数据治理的核心。在国际上应用较为广泛的临床医学术语标准包括《医学术语系统命名-临床术语》（SNOMEDCT），《国际疾病分类与代码》（ICD-10），《观测指标标识符逻辑命名与编码系统》（LOINC）等；在国内，临床医学术语标准建设的起步较晚。国家卫生健康委发布了《卫生信息数据元目录》等卫生信息标准，在实践中临床术语的标准化仍需借鉴国际标准，并结合我国的特定需求进行本土化，构建相应的中文临床医学术语体系。

2.2主要应用

2.2.1互联网诊疗中数据的初步利用

2020年，厦门大学附属第一医院（以下简称“厦大一附院”）使用多中心线上问诊数据挖掘新冠肺炎相关问诊人群的用户特征，发现群众普遍存在疑病、恐病情绪，并存在小病乱投医、大病怕投医的不合理就医行为。通过对文本非专业术语进行标准化、归一化，对文本信息的关键词进行摘取，形成用户的简要画像，根据临床预测模型做出了对患者疑病情绪和来院就诊倾向的预测，据此在疫情期间辅助实现对网络问诊用户的精细化管理，见图1。厦大一附院已经开始对大规模网络问诊数据进行就诊意图和挂错科室的人工标注。

2.2.2互联网诊疗领域的数据深度利用方向

(1)真实世界研究。结合人工智能和机器学习技术，构建临床预测模型并集成为工具集或平台，辅助临床医生进行临床决策。

(2)患者个体健康数据监测。通过可穿戴或便携式医疗设备及远程监控系统，实现疾病易感人群筛查和线上慢病管理。

(3)政府和保险公司根据疾病支付数据，优化医保定价，调整疾病防治支付策略。

(4)药物研发。基于药物临床试验阶段之前的数据集，预测临床结果并评判药物研发的优先级，缩短研发周期，降低研发成本。

(5)利用就诊数据优化就诊流程和资源配置。

(6)数据安全及隐私保护。利用隐私计算、联邦学习、数据脱敏和同态加密等技术控制患者隐私暴露风险，为互联网诊疗合规工作及患者隐私保护工作，提供全流程的数据标准化、数据分类分级、敏感字段判断、风险控制等支撑。

03面临的挑战及未来发展方向

3.1面临的挑战

3.1.1数据的多样性挑战

数据治理中的主要技术问题包括数据的孤立/碎片化、观测数据的局限性、验证、数据结构问题、数据标准化问题、数据不准确和不一致性、数据可靠性、语义互操作性、可扩展性、数据缺失和假阳性等。

3.1.2数据的安全性挑战