临床科研耗时费力？高质量病例数据处理工具呼之欲出

无可否认的是，在中国，临床研究领域正在飞速发展。这一过程中，中国的优势亦十分明显：坐拥着全世界最丰富的病例数据资源。也是在这样的背景下，近十年来，临床研究数量增长了20倍。

但是，临床研究面临的问题亦很明显。作为研究主体的医生，本身需要面对庞大的患者人群，临床工作几乎占据医生所有时间。想要在此基础上，针对疾病诊治问题进行研究，往往显得力不从心：既没有时间去整理分析病例数据，也没有时间进行临床研究、撰写论文。而这并非少数医生面临的问题。

医生们到底需要怎样的临床科研辅助工具？这是医疗行业的一个亟待解决的问题。

“救治由外院转诊的患者，比如重症肺炎患者和病原体不明的肺部感染者，排除干扰因素，快速全面掌握患者病情，实现对疑难危重疾病的精确诊断，采用患者受益最大化的治疗方案，实时监测疗效与安全性，是我们日常主要诊疗工作之一。”上海市公共卫生临床中心呼吸与重症医学科主治医师潘磊说到。

上海市公共卫生临床中心呼吸与重症医学科 主治医师 潘磊

有着16年临床工作经历、在呼吸与重症专科有着7年工作经验的潘磊医生，在坚持临床诊疗活动的同时也开展着科研探索工作，目前已累计开展临床研究5项，并获得ECMO相关实用新型专利1项。

医生时间本就不够丰裕的情形下，应该如何看待临床诊治与临床研究的关系？是否只需要专注于临床诊治即可？

潘磊医生指出，“临床诊疗与科研本是一体、相互促进的。因为每一例患者病情都是独一无二的，所以在临床实践的同时还需抱以研究者的角度去观察与思考。以鹦鹉热衣原体肺炎为例，患者起病急、症状重，常表现为高热、咳嗽、胸痛、意识改变，还有典型的影像特征。在临床遇到类似特征患者时，需要判断是否是特殊感染以便进行有效治疗。对病情演变规律的分析是诊疗的重点，也是研究观察的目的之一。医生想要把诊疗经验转化为医疗知识，就需要对疾病发生、发展全过程、病症特征详细记录等数据进行专业逻辑化、标准化整理，获得高可靠、高可用的病例数据是开展临床价值研究的基础。通过科学的方法将经验知识化，再应用于临床实践中以产生新的诊疗经验，再进行叠加式的循环临床研究，从而实现医学知识的更新和发展。”

医生科研成果的价值很大程度取决于研究数据的完整性、可靠性及可用性等程度。虽然我国坐拥全世界最丰富的病例数据资源，但是，医生们想要获得“高质量的科研病例数据”，需要花费大量时间与精力去进行数据的整理，而这一过程中又面临多种问题：

一方面，数据类型纷繁复杂且分散，导致医生整理难度很大。患者病例数据往往分散在医院门诊记录、住院记录、护理记录、检查报告等医学自然语言记录中，以往缺乏统一的方式将分散的数据进行有效的整理，常常需要医生手动整理。

另一方面，数据内容标准不统一，造成医生工作量增加。即便是在同一医院，不同医生在描述同一种疾病时往往也会存在差异，更遑论多中心临床研究。而内容标准的差异往往导致数据需要重新清洗，进一步加大了整理难度。

另一个突出问题是，疾病本身的复杂性带来的“额外”问题。患者疾病的发展往往经历症状、体征的特征变化，这些变化又与检验指标、影像特征等临床数据以及治疗方法的调整等高度关联。而针对患者这些动态特征的时间先后顺序、发病机理间的因果联系等证据链数据处理，目前仍旧需要通过研究者人工手动推进。在梳理过程中，研究者又可能面临诊疗逻辑不完整等诸多问题。

对潘医生来说，要让医生愿意投入到科研工作中，核心问题是如何获得可靠的科研数据，能够用医学逻辑分析的方式呈现疾病特征间的关联，才能进一步为医生科研减负。

行业从业者不是没有进行过探索和尝试。但是，显然，现有的医学自然语言分析工具（NLP）仍旧有着提升的空间。而2019年成立的上海依健联医疗科技有限公司（以下简称为“依健联”），也在其中看到了发展的机遇——致力于解决医生临床诊疗决策数据支持和科研数据支持的核心需求。

一方面，当前我国医疗资源配置仍旧不平衡，而数字化工具的应用可以有效改善这种局面。患者在疾病诊治时，往往倾向于选择沿海/三甲医院，部分原因也是缘于经济发达地区医生诊疗水平更高。而基于数字化工具的应用，可以极大提升医生临床诊疗水平，进一步降低地区间的差异。

另一方面，推动我国公立医院高质量发展，需要进一步应用数字化工具。为了进一步提升医院建设质量，我国要求医院满足重大疾病临床需求导向的同时，进一步加强基础和临床研究；在实现医院科学化、规范化、精细化运营管理同时，进一步提升效率、节约费用。而这无疑需要更符合临床应用与科研的数字化工具介入。

而无论是临床诊治还是科学研究，高质量的病例数据都在其中扮演着十分重要的作用。

依健联在探索过程中，将多学科知识逻辑打造的oneMKE医学知识数字化服务架构，以支持oneMedicalData医疗数据深度重构应用，让计算机能够像优秀的医生一样理解与整理病历、检查报告、治疗记录、健康记录及临床研究文献等全量医疗数据，使数据具有多维医学逻辑与深度标准化等高可靠性、可用性的特征，以解决医疗数据处理和质量的难题，创造更高的数据价值。

例如，医生可以把一组重症肺炎并有糖尿病基础的患者的临床表现、用药治疗、检验检查等全疾病周期数据，通过这种深度重构，转化为标准化、有疾病诊疗逻辑的数据保存起来，用于分析和研究。

基于oneMKE知识引擎的oneMedicalData医疗数据深度重构

实际上，以往AI辅助影像诊断等数字化分析工具的诞生，在一定程度上帮助医生提升了发现部分疾病的效率。但是，这种辅助在临床应用价值较低，往往局限于某些特定的影像特征与疾病诊断的关联，如发现微小肺结节等，但患者肺部疾病的影像诊断支持需要对多种影像特征及相关联的临床表现综合分析，无论是临床诊治还是科研，上述数字化工具往往难以满足医生需求。

“医生多年临床观察总结的经验要转化为高价值的医疗知识，必须经过严谨的科学验证，需要将经验标准化、逻辑化，通过临床研究验证以提升证据级别，进而实现个人临床经验的知识转化与价值创造。而医学逻辑在其中扮演着非常重要的角色，医生能够基于具有多维度医学逻辑与高标准化的病例数据，构建预判患者疾病分型、重症风险、病情判断与治疗方向等临床决策思维，这才是辅助诊断工具的核心价值所在。但是目前部分工具在数据标准化和医学逻辑处理方面仍有待加强。”潘磊医生提到。

而依健联所做的尝试，正是基于医生的思维重构病例数据，并助力医生完成诊疗经验向医学知识的转化，建立自己私有的知识引擎iMKE。而为了满足院内复杂的数据处理需求，目前依健联已经实现了包括病历、检查报告、治疗记录、护理记录与远程健康咨询等各类医学自然语言数据的深度重构，并且支持实时主动发现符合临床招募与疾病研究复杂筛查条件组的病例。

例如，前面提到的鹦鹉热衣原体肺炎的诊疗经验，患者发病后的症状、体征、检验、影像特征等变化，可以通过标准化、逻辑化的数据处理展现出来，并可进一步通过个人特征、临床特征等条件设置选定入组病例研究，在临床诊疗的同时进一步验证诊断和病情决策模型的有效性，把诊疗经验“升级为”疾病诊断和病情判断的知识。

诊断经验转化iMKE应用

在这一过程中，依健联无疑十分强调重构流程的“规则”。

一方面，保障数据的一致性、高可靠性、医学逻辑性。例如，每个数据都具有多时间、多来源等属性，以确保数据的可靠性程度与可追溯性；能够发现基于个人特征为基础的临床特征与疾病发生的诱因、病因及演变等关系强度；更为重要的是：重构分散的数据，能够完整准确的描述病例特征、临床特征、病情演变、诊断动态及治疗过程等，使得病例数据更加易于理解、分析和利用。

另一方面，强调在重构过程中对数据进行正确的处理。在人工处理数据过程中，往往会识别到数据的异常并进行合理的数据处理。而依健联提供的数字化工具也可以达到类似的效果。并且，在此基础上，其十分强调数据的可追溯、结构化、标准化等。

oneMedicalData医疗自然语言深度重构流程

目前依健联对数据处理的的探索也取得了一定成效。

在临床方面，基于依健联医自主研发的oneMKE医学知识引擎服务和oneMedicalData医疗数据深度重构工具，可以更好地辅助医生及时掌握患者病情数据。甚至在患者病症出现变化时，基于医学逻辑合理地提示临床诊断支持项目以更好地确定患者所患疾病，抑或是患者身体指标出现异常，例如肝损伤时能够发现可能的影响因素，便于医生进一步采取有效的决策措施控制风险，使临床诊疗服务更加可靠。

在研究方面，真实世界研究中，要求数据来源全程的可追溯性，以保障数据的真实性。而以往通过人工搜索、手动整理的数据在可靠性和来源可追溯方面面临一些弊端。而通过依健联的oneMKE和oneMedicalData，医生可以更好地将分散在各种医疗记录中的患者临床特征转化为具有来源过程与时间属性、完整诊疗逻辑的数据，快速发现复杂筛查条件组的研究病例，并能够自动入组分层实现后续的科研分析。

此外，依健联也考虑到了多诊疗中心环境下如何更好地助力医生科研。一方面，通过采用oneMedicalData可以更好地减少以往人工转录造成的误差问题，进一步实现分析结果的标准化；另一方面，基于oneMKE能够理解不同来源病例数据的临床特征，实现研究数据的一致性与逻辑性处理，以全面提升数据的质量与研究效率，更好的服务于高价值的临床研究。

如何才能最大程度地发挥数字化工具的价值？

这可能涉及到临床应用场景的选择。对于医生和患者来说，当前最为迫切的需求无疑是更好地应对对生命健康威胁最大的疾病，如重症感染性疾病或者肿瘤。以肺癌为例，高发病率与死亡率，给国民经济带来了大量负担，是可以率先选择发力的病种之一。

而依健联无疑也考虑到了这种需求，率先选择了发力呼吸科与重症医学科等相关的重症疾病和肺部肿瘤，并逐步向其它相关科室拓展。而能够打造并完成oneMKE医学知识引擎与oneMedicalData医疗数据深度重构的服务，与依健联本身有着一支在医疗行业从业20余年的资深团队有关。目前，依健联在继续开拓院内市场的同时，也在进一步实现产品的更新迭代。

“更完整、可靠、高度标准化及深度逻辑化的病例数据，是支持医生临床诊疗决策和研究的基础，更是医生提供高价值医疗服务的核心驱动力。”潘磊医生提到。而我们也期待行业中诸如依健联一般更加注重医学逻辑的高质量病例数据分析工具的出现，进一步改变整个医疗行业，造福患者。