主页（http://www.cnwulian.net）：数据智能创新医疗：2017 CHINC医渡云徐济铭演讲
(新闻综述or备注)Description: 医渡云希望更多的医院、医疗机构和行业伙伴都能够加入到数据医疗的体系中来，与有识之士共聚，共同推动医疗信息智能化产业的发展，并肩瞩目产业的璀璨未来。
(以上图片转载自“中国数字医学”)
历时三天的2017中华医院信息大会(2017 CHINC)已圆满落幕。作为已成功举办20届的医疗信息领域年度重磅盛会，CHINC既是行业革新思想的盛宴，也是技术成果展示的舞台，吸引了来自全国各地医疗信息化领域涵盖政、产、学、研、资、管、用数千名代表以及百余家行业资深企业参与。作为“大数据应用与人工智能”分论坛的受邀嘉宾，医渡云公司联合创始人、首席技术官徐济铭发表了主题为“唤醒数据，创新医疗——数据智能驱动下的临床研究、服务与管理”的精彩演讲，着重从数据智能处理技术层面阐述了对医疗信息大数据智能处理应用的认知。
徐济铭谈到，现代社会每个人每天都在产生大量数据，全球上百亿台规模的传感器、检测设备和服务器都在记录和计算这些数据。数据科学是一个交叉学科，想要在合作的专业领域有效运用数据科学，就需要同时掌握计算机科学、数学统计学及相关专业领域知识这三方面的知识技能。这样才能把数据从信息变成知识，才能产生智慧，才能在应用场景中服务到有需求的人及行业。
数据的智能应用在电商领域、精准医疗、公共卫生领域乃至整个城市治理层面都有大量应用。当数据科学面对有巨大的发展潜力，但要求更高、挑战更大的医疗行业结合机会时，首先需要思考的就是：驱动医疗行业大数据智能应用的核心要素是什么？
徐济铭认为医渡云所理解的医疗数据应用，应该是利用最先进的数据处理技术，结合医疗应用的创新思维，对医疗数据进行技术处理，用技术成果来驱动创新和应用推广。医渡云所做的，就是数据智能驱动下的临床研究、服务与管理。
如对医疗数据的现状特点进行分析，可以说当下的医学数据多处于“多方割据”状态，其共享和流通做得并不充分，数据标准制定层面做的也不尽人意，甚至可以说是没有标准;而且，医疗大数据涉及到每个患者的个人隐私，医疗大数据的泄露可能危及个人乃至国家安全。所以，医疗数据信息能否被有效安全保护也相当必要。
根据医渡云的经验，满足上述现状下的数据处理需求，就必须用适配的技术手段去采集这些分离孤立的数据信息，建立安全可靠的技术架构，保证医疗大数据在安全的环境下被存储、挖掘和应用。
谈及处理后的优质数据对于医疗应用的价值，徐济铭介绍到：因为这些数据能够准确反映每个患者在其整个治疗周期中的病情进展，医生和研究人员通过这些记录数据能够观察总结治疗过程中的共性和差异性，做出特定分析，所以优质数据对于医疗临床
研究有着极高的应用价值。但当前条件下，受限于医疗行业相关制度及技术手段，虽然有切实的数据应用需求，但相关人员也“不愿”、“不敢”、“不会”去共享和应用这些医疗数据。医疗数据作为一种宝贵的资产，到底在什么阶段可以去公开和共享这些数据，数据拥有者在想法上也是各不相同。
做为医疗大数据应用的技术服务提供方，如何保证医疗数据在应用的过程中能够直接发挥作用、产生新价值，且不造成风险，就成为医渡云必须思考和解决的问题。这个解决过程实际上也向数据所有者反馈了当前医疗大数据行业发展必须要具备的核心能力。
数据平台的集成-处理-应用能力成为了制约医疗机构获取医疗大数据价值的主要瓶颈。
首先，医疗数据集成有不小的难度。大型医院的医疗系统中沉淀着大量基础数据，这些数据产生于不同历史时期，来源也不同，标准也不统一。
其次，如此多源异构的数据看起来“质量相当差”，被集成是有一定的技术难度。其次是数据处理，因为涉及到文本数据，图像数据，甚至基因组、蛋白质组这样多样化的数据构成，如何面对数据量大、形式多样、专业领域门槛高的现实，给数据处理平台提供者带来了极大挑战。
最后，是数据应用，诊疗、科研和管理这样的应用出现在科学严谨的医疗场景中，关乎隐私，关乎患者生命健康，关乎医学科学事业的发展，对数据和技术准确性精确性的要求极高。
整合数据、加工数据，使其“变废为宝”，在符合政策安全、社会道德、行业法规的前提下，在不同场景中以数据智能辅助工具的形式去应用，这是医渡云数据应用研发团队一直在解决的问题。
面对现状，医渡云构建了数据处理与应用平台(DPAP)为基础的一体化解决方案。抛去复杂的生产流程结构不谈，徐济铭认为：在医渡云海量的数据生产经验中，有三个核心技术研发能力最应该被重视。
能力其一是数据质量控制。
对于数据应用来说，如果数据质量不可靠，那么后续整个应用的结果、结论都是不可靠的，一切工作就会变得毫无价值。数据质量控制有三个方面：数据的完整性、标准化和处理过程的透明化。
想要把控数据质量，首先要把控数据完整性。需要通过算法对来自院内-院外-跨院的同一个患者的有效信息进行整合，不能重复也不能遗漏，最大程度上的保持整个医疗数据的完整性。
其次是数据标准化，医疗过程中存在着大量专业术语和专业定义，但因为种种原因，医院医疗系统及医疗工作者书写的病历中却存在大量的非标准化数据，数据表达方式随意性较大。如果对其不能构建行业认可的数据标准，如果对非标准数据无法标准化，这些数据也将无法被分析和应用。这项工作非常考验医疗专业术语的建设落地能力及自然语言的处理能力。
另外，整个数据处理过程的透明化也非常重要，因为医疗的专业性和复杂性，整个数据处理过程会非常繁复。医渡云的技术架构中涉及300多个模块、多层数据模型的转化。如何保证整个数据处理过程的正确性和可溯源就非常关键。
