牟冬梅

嵌入醫(yī)療業(yè)務的知識服務

牟冬梅

大數(shù)據(jù)時代已經來臨，臨床醫(yī)學與健康數(shù)據(jù)（電子病歷、檢驗檢查數(shù)據(jù)、圖像視頻數(shù)據(jù)、醫(yī)療保險）、分子及生物信息（基因序列、DNA、蛋白質數(shù)據(jù)）、藥物研發(fā)數(shù)據(jù)（臨床試驗、用藥途徑、藥品不良反應數(shù)據(jù)）、環(huán)境數(shù)據(jù)（重金屬、空氣質量）、生活習慣數(shù)據(jù)、醫(yī)學科研數(shù)據(jù)、虛擬健康社區(qū)數(shù)據(jù)等在迅速積累。疾病診斷、治療方案選取、效果評價不再僅依據(jù)專家的行醫(yī)經驗，更多建立在數(shù)據(jù)模型與數(shù)據(jù)分析基礎上的量化指標，需要高精度分析、復雜關聯(lián)深層挖掘、建立疾病早期預測模型、治療方案風險評估，以便在恰當?shù)臅r間給患者以恰當?shù)闹委?。醫(yī)療大數(shù)據(jù)的形成必將促進醫(yī)療模式顛覆式變化。

醫(yī)療數(shù)據(jù)的異構性、數(shù)據(jù)源的多樣性、數(shù)據(jù)的缺失性、數(shù)據(jù)的利益相關性使醫(yī)生疲于應付，難以整合、挖掘和利用數(shù)據(jù)資源。因此，需要將分散在網絡、社交媒體以及各種醫(yī)學、藥學、生物信息數(shù)據(jù)庫的異構海量數(shù)據(jù)進行抽取，經過篩選、清洗、結構化及模型化，賦予數(shù)據(jù)語義關聯(lián)，幫助臨床醫(yī)生了解、分析臨床方面的各種特殊問題，制定檢查、診斷、治療等策略，幫助醫(yī)生評估診療效果，發(fā)揮大數(shù)據(jù)在臨床診療中的價值。即完成數(shù)據(jù)（Data）、信息（Information）、知識（Knowledge）、決策（Decision）的轉換，獲得不斷成長的知識體；再經過醫(yī)療專家的驗證形成知識庫，循環(huán)嵌入診療知識服務過程中用于診療決策，進而形成一個流動往復、不斷積累的知識流轉循環(huán)。

嵌入臨床診療的知識服務貫穿臨床全過程，提供各種信息組織、數(shù)據(jù)挖掘與知識發(fā)現(xiàn)手段，完善臨床知識體系，構建醫(yī)療人員知識環(huán)境，從提出臨床問題、查找臨床研究證據(jù)、評價臨床研究證據(jù)、合理選取研究證據(jù)到評估臨床實踐成果，以臨床問題（診斷、檢查方案、治療方案、治療方案對比、風險評估）為起點，利用文獻檢索、病例查詢、信息分析和數(shù)據(jù)挖掘等技術，對所檢索對象進行遴選、分類、標注、識別和計算，在顯性知識的基礎上挖掘隱性知識，賦予知識預測性，挑選最優(yōu)研究證據(jù)，提供輔助醫(yī)療決策支持的智慧，繼而驗證具有臨床意義的最佳證據(jù)，評估實施效果。

毋庸諱言，與臨床業(yè)務相融合的嵌入式知識服務將推動醫(yī)學模式再次演進，支撐精準醫(yī)療，無疑將是未來醫(yī)療領域的一場革命，也將成為數(shù)字圖書館服務的新使命。