大数据分析在心血管疾病防治中的应用(全文).pdf

在过去的数十年间心血管疾病的防治取得了重大进展，与此同时对于

心血管疾病防治策略以及预后和治疗费用等问题的关注度持续增加

[1,2]。由于用个体差异无法充分解释患者治疗和预后的不同，且医疗费

用高也不一定带来更好的治疗或预后[3,4]，因此如何降低医疗费用、提高

疗效已经成为目前医学领域关注的热点。医疗学习系统(learninghealth

－，作为证据指导实践，实践呼应证据的良性循环系统受

到国内外专家的推崇，而实现医疗学习系统的关键在于有效地运用数据。

目前用于指导医疗学习系统的有效数据正在迅速增长，随着电子健康病

历、可穿戴装置、互联网数据、遗传学信息等数据资料的不断扩大，有效

数据量呈指数级增长。另外，计算机存储和数据科技的发展为实现快速分

析大量繁杂的数据资料提供了可能。有效数据增加，数据分析能力增强，

加之对改善治疗和预后的迫切需求，医疗领域大数据分析应运而生。心血

管医疗领域的大数据分析定义为，通过对大量数据进行整合分析，识别各

变量与疾病的相关性，并进行风险预测，最终改善心血管疾病的治疗和预

后。尽管在心血管领域中大数据分析有巨大潜力，但是目前缺乏通过大数

据分析改善治疗和预后的证据。本文将从大数据分析的来源与分析方法及

其对改善心血管疾病治疗和预后的潜在应用价值和面临的挑战作一阐述。

一、大数据的来源

作为大数据研究的先驱，美国麦肯锡公司在其研究报告中给出了大数

据的权威定义，大数据是指超出常规的数据库工具获取、存储、管理和分

析能力的数据集，随着科技进步，数据集容量不断增加，根据所使用的软

件工具和数据规模的差异，不同产业的大数据可以从几十到几千万亿字节

不等[5]。大数据具有容量(volume)、多样性(variety)、速度(velocity)、

真实性(veracity)和数据价值(value)的特征，根据英文首字母缩写成

[6]。容量，指一个数据库中数据的总量，对于大数据而言，总量并没有确

定标准，但大部分数据库至少应该包含一个拍字节(PB，1015字节)的数

据[7,8]。多样性，指来自多种资源的数据相结合，包括各种结构性或非结

构性的数据类型。速度，指整合和分析大数据集时获取及时信息的速度。

真实性，指由于数据本身的不确定性及来源不一致性，影响数据的质量及

可信赖程度[9]。数据价值，指数据价值密度低，大数据为了保证数据信息

的完整性，直接应用原始数据，因此导致纳入很多价值不高的信息，使得

数据信息的价值密度降低[10]。理论上讲，大数据分析所用数据在数量和

多样性方面并无限制。在心血管疾病和整体医疗服务领域中，大数据资源

主要包括行政管理数据库(如对服务和药品的需求)、临床注册数据、电子

病历系统、人体计量生物数据(如从可穿戴装置或其他技术获得的数据)、

健康普查数据、互联网数据、医学影像数据以及包含各种组学的生物数据

(如基因组学、蛋白质组学和代谢组学数据)等(图1)。近年来，上述数据以

及其他各种潜在来源的数据迅猛增长，未来都可能整合到大数据的应用中

[11]。

图1大数据分析的应用概况

大数据分析一般指运用数据挖掘、机器学习或人工智能等数据科学方

法，对规模巨大的数据进行分析[12,13]。常用的方法包括聚类分析、决策

树、贝叶斯网络、自然语言处理、图像分析、深度学习以及其他数据可视

化方法[14,15,16]。由于大数据分析注重的不是因果推断，而是相关性或

存在于复杂数据中的模式，因此在特定预测因子未知的情况下，仍可通过

寻找数据集模式进行相关性分析，这也是大数据分析的标志性特点。但目

前许多已发表的大数据研究仍然采用logistic回归等统计学方法，说明大

数据分析的优势尚未在医疗健康分析领域中充分建立。

大数据分析的目标是形成改善临床治疗和预后的策略。而大数据分析

的应用范围可以从个体化患者的治疗推广到指导大型健康医疗系统或公

共卫生资源的有效利用。

1．建立预测模型：

在医疗卫生系统中，鉴别高风险或高医疗费用患者的风险预测模型是

最常用的大数据分析工具，有助于提高治疗效率。近年来有许多应用大数

据分析工具预测心血管患者风险的研究(表1)[17,18,19,20,21,22,23]