非传染慢性疾病是危害人类健康的重要公共卫生问题。大多数慢病可通过预防保健避免，通过早期发现得到有效控制，通过有效地信息沟通提高治疗效果。基于公共卫生管理的慢病管理模式已经难以满足我国慢病防控需要。健康医疗大数据平台在对慢病患者、慢病高危人群、健康个体进行健康医疗数据收集和监测的基础上，通过深度学习、数据挖掘、云计算等技术建立慢病预测分析模型，可对导致慢病发生的高危因素进行定位，对健康个体给予健康管理相关指导，对高危人群进行健康危险评估和预警并引导其进行有效的干预，对慢病患者进行个性化治疗与预后跟踪监测。对基于健康医疗大数据平台的慢病管理模式的意义、问题、方法进行介绍与分析。
版权归中华医学会所有。
未经授权，不得转载、摘编本刊文章，不得使用本刊的版式设计。
除非特别声明，本刊刊出的所有文章不代表中华医学会和本刊编委会的观点。
健康医疗大数据是国家重要的基础性战略资源，国家卫生与健康管理大数据平台可为公共卫生、疾病诊疗、健康管理、医药（含器械）监管、医疗评价和监管、医学教学、医学研究、医药（含器械）研发等领域带来全新的发展与变革[1]。
全球95%以上的人口具有一种或多种慢性健康问题[2]。非传染慢性疾病（简称：慢病）已成为世界各国医疗系统面对的发展速度最快、消耗资源最多、最难以解决的病种，已成为危害人类健康的首要公共卫生问题。据世界卫生组织报道，全球四大慢病（心血管疾病、癌症、呼吸系统疾病、糖尿病）造成的死亡人数已超过因病总死亡人数的80%（图1）[3]；在我国，包括慢病在内的非传染性疾病造成的死亡占因病总死亡人数的87%，其中心血管疾病占45%，癌症占23%，呼吸系统疾病占11%，糖尿病占2%，其他非传染性疾病占6%[4]。
虽然慢病是最昂贵、最常见的疾病，但也是最容易通过有效途径预防的疾病。大多数慢病可通过预防保健避免，通过早期发现得到有效控制，通过有效地信息沟通提高治疗效果。随着互联网、云计算、物联网等技术的发展，数据爆炸式增长，传统的信息技术已不能有效对其管理，大数据（big data）的概念孕育而生[5,6]。在医疗保健领域，大数据改变了以往管理、分析、利用数据的方式，为疾病的预防、诊断、治疗、康复提供了新方向[7,8]。健康医疗大数据可在多个层面对慢病防控提供支撑。首先，慢病的防控重点在预防[9]，基于健康医疗大数据可在人口和亚群体水平上对慢病的各种危险因素（如身体活动、饮食习惯、吸烟、饮酒、环境等）进行分析，并从宏观层面提供指导性建议。其次，对于个人，可对其自身健康危险情况进行预警，辅助其采取适当的措施（如使用家庭和/或社区的健康医疗设备）对健康状态进行调整与干预，达到慢病的预防或控制发展的目的。再次，对于慢病患者，可实现基于其个体健康医疗数据的慢病精准治疗。最后，在预后阶段，健康医疗大数据平台可对慢病实施有效的康复管理和控制[1,10]。
本文对基于国家卫生与健康管理大数据平台的慢病防控模式的意义、问题、方法进行介绍与分析。
慢病主要是指以心脑血管疾病、慢性代谢系统疾病、慢性呼吸系统疾病、恶性肿瘤等为代表的慢性非传染性疾病的总称。在美国，其人口的25%患有慢病，不仅严重影响生活质量，更提高了整体死亡率[11]；其近50%的死亡可归因于吸烟、饮食、缺乏运动、酗酒、吸毒等行为因素，以及自然和社会环境因素[12,13]。我国慢病发病人数快速上升，确诊患者超过2.6亿人[14]；成人高血压患病率达25.2%，糖尿病达9.7%[15]；三级医院门诊患者中慢病患者数量超50%[16]；慢病防治费超过全国医疗费用的70%[17]。
慢病通常为多成因、复杂性疾病，在其评价和管理过程中要考虑生活习惯因素、环境因素、遗传因素等多个方面，吸烟、过度饮酒、不健康饮食、缺乏运动、长期生理/心理压力等是慢病发生和发展的关键因素。世界卫生组织研究表明，如能控制慢病的主要危险因素，至少可以预防80%的心脏病、脑卒中、2型糖尿病以及超过40%的恶性肿瘤，对慢病高危人群的主要危险因素进行个性化干预是减少慢病发病的有效措施[18]。早在2012年，我国就开始了慢病患病监测系统的相关研究，旨在有计划、连续和系统地收集、整理、分析和解释慢病及其生物（基因）、环境和行为危险因素的相关数据，并及时将监测所获得的信息及时发送并反馈给相关的机构与人员，用于慢病预防控制策略和措施的制定、调整和评价[19]。但总体看来，我国的慢病防控还受到数据不足、缺乏个性化干预措施、医疗服务碎片化、缺乏有效的基层体系、基础研究不足等问题的制约。
慢病防控需要海量的大数据集，以便从人口、亚群体、个人水平准确分析出风险因素。例如，某种膳食营养素可能对某些人群有益，但对某些人群有害，产生的平均效应是无效的，只有具有足够大的数据集才有足够的能力来检测这种统计交互作用。传统的慢病患病监测主要基于公共卫生服务体系，其数据量严重不足，缺乏日常生活、环境信息等相关数据，且存在数据收集与传播周期长、时间滞后等问题。此外，我国医疗领域中"信息孤岛"和"信息烟囱"现象严重，不同医疗机构、医疗信息平台、医疗服务平台的电子病历数据、医疗保险业的理赔数据、物联网设备采集的个人健康数据大多存储在各自独立的数据平台上，信息难以共享[20]。
慢病可预防、可控制，个性化的危险因素控制和健康状态干预是降低慢病发生、发展的根本措施，但其实施存在相当技术难度[21]。我国慢病防控主要基于指导性建议、群体教育、流行病学研究等传统的公共卫生管理方法，缺乏根据个体差异制定的个性化干预措施。此外，慢病的临床治疗和管理过程中上过度依赖"金标准" ，即临床实践指南（clinical practical guideline，CPG），导致我国个体化慢病防控依然面临严峻挑战[22]。
我国医疗体系仍是以疾病治疗为核心，缺乏完整、连续的疾病预防、干预、诊断、治疗、康复、预后的医疗服务链条。整个医疗服务体系均是以碎片化形式存在，没有形成慢病的闭环管控，不仅难以降低慢病的发病比率，还大大增加了患者慢病复发的可能，导致二次入院、多次入院的比例居高不下，导致慢病防控效率较低。
我国基层医疗设施和医疗队伍较为薄弱，尤其缺乏社区健康医疗服务，分级诊疗推行困难，不仅难以形成"健康守门人"的作用，更无法有效分流和引导患者科学合理就诊，导致医疗资源浪费。此外，与发达国家相比，我国人均医生比例偏低，导致医患关系陌生，医生在对患者情况缺乏了解的情况下，无法在慢病发展初期进行有效、合理、高效的诊断与治疗。
我国还没有形成针对重大慢病的基础研究体系，在慢病致病因素、发病机制、预防干预、诊疗康复、新型疫苗和靶向药物等领域科研储备不足，导致缺少慢病防控基础和应用领域的关键技术。基于精准医疗、新型基因检测、"互联网+"健康医疗、健康医疗大数据的慢病防控关键技术亟待突破。此外，中医慢病干预技术缺乏基础研究。我国传统中医药对于某些慢病具有优势，但缺少诊治机理等基础研究支持，导致许多实践中确有疗效的慢病预测和慢病干预治疗方法、中医与民族医等非药物疗法、保健或治疗方剂等得不到医学界的广泛认可，阻碍了其推广与应用。
大数据平台可以对健康数据、医疗数据、生物（基因）数据、生活方式、环境数据等进行挖掘分析，从而对个体健康状况进行前瞻性、定性与定量相结合的分析，对可能发生的慢病或健康危险做出评估和预测；通过引导具有健康危险因素的人群建立健康的生活方式，引导早期慢病患者主动远离健康危险因素，并采用适当的药物或健康医疗设备调整健康状况，指导中晚期的慢病患者积极治疗，可有效实现对脑卒中[23]、糖尿病[24]、心脏病[25]、高血压[26]等慢病的闭环防控。因此，建设一个能够全面整合和处理我国健康与医疗相关大数据的，可以覆盖全体国民的，全方位、全周期的健康医疗数据的平台——国家卫生与健康管理大数据平台对于我国慢病防控工作具有十分重大的意义[1]。
从组织架构上分，基于国家卫生与健康管理大数据平台的慢病防控模式由3个层次组成（图2）。
（一）其核心是1个能够融合各种健康医疗相关信息和数据的，全方位、全周期的健康医疗数据云平台[1]，具备先进的数据处理、数据挖掘、数据分析技术，可对各类健康医疗数据进行筛选、清洗、分类、存储和分析；数据来源是医疗机构数据、物联网数据、科研数据、医疗保险数据、个人生物信息等。
（二）其第二层次是各级医疗机构，包括三级、二级、社区（包括村镇）医院，负责对中重度慢性病患者积极治疗原发病，控制和减少并发症的发生。
（三）其基础是分布在广义社区（如居民区、单位、学校、机场、车站、酒店等）健康中心内的健康（疾病）检测终端、康复理疗终端、健康调理终端，以及家庭和个人的智能诊疗设备、可穿戴健康医疗器械、健康终端设备、健康医疗应用程序（app）。通过监测人体生命体征参数、运动状态、环境参数，可对个体健康状况进行识别，引导具有慢病风险的个体主动远离健康危险因素，并对慢病前期个体和轻度慢病患者采用物理调理、中医调理、改善睡眠、健康饮食、运动和服药等措施，对其健康状态和慢病进行调整、干预和治疗。
慢病的未病先防、既病防变、病后防复是基于国家卫生与健康管理大数据平台的慢病防控模式的核心目标。通过对基因数据、健康（状态）数据、临床数据、生活方式数据、日常行为、保险数据等大数据进行分析，可以建立相关慢病的预测模型，从而实现对某种慢病的有效预测，并通过对高危因素进行管理，预防风险因素的发展。
（一）生活方式数据。Chiuve等[27]开发了一种基于生活方式的心血管疾病预测模型，收集了61 025名女性和34 478名男性的生活方式相关数据（如年龄、吸烟、体质指数、运动、饮酒等），使用贝叶斯网络创建预测模型。结果显示，该预测模型可准确识别心血管疾病风险升高的个体。
（二）临床数据。世界卫生组织已经将慢性阻塞性肺疾病（chronic obstructive pulmonary disease，COPD）列为全球第五大死亡原因，并预计到2030年成为第三大死亡原因[28]。在欧洲，肺部疾病的直接总成本占卫生总费用的6%，而COPD则占其中的56%（386亿美元）[29]。希腊一系列基于临床大数据的研究表明，吸烟与COPD的发生有直接关系[30]，希腊女性COPD患病率的上升与于女性吸烟者的比率上升正相关[31]。
（三）电子健康记录。Zhang等[32]基于电子健康记录（electronic health record，EHR），采用机器学习算法预测慢性肾病患者的临床路径，并预测未来的疾病状态。通过分析多维和纵向EHR数据，证实了基于电子健康记录大数据开展准确高效的个性化治疗是可行的。
（四）智能健康终端数据。美国疾病控制和预防中心（centers for disease control，CDC）利用具有数据上传功能的家用健康终端进行了1项针对前驱糖尿病患者的结构化生活方式改变研究。结果显示，健康的生活方式（如每周150 min运动）可以使前期糖尿病者患2型糖尿病的风险降低58%[33]。研究结果显示，通过更健康的饮食和适量的体力活动，可以减少5%到7%的体质量[34]。此外，中国"百万血压筛查工程"项目使用基于大数据平台的智能血压计对高血压患者的血压进行采集、对其病情进行分析，可对其病情发展做出预警。该项目可从亚人群层次了解我国人群高血压症的现状，有助于揭示我国高血压症发生、发展的机制[35]。
（五）基因数据。大数据能将生物学数据（如基因、蛋白质组学、代谢组学等）和医疗数据进行融合分析，使慢病患者的个体化治疗变为临床实践。目前，60%~80%的恶性肿瘤患者在就诊时已经进入中晚期[36]，癌症的早期筛查则能有效降低癌症死亡率（图3）[37]。基于大数据和DNA检测的癌症早期筛查可以帮助个体有针对性地改善生活习惯或采取个性化治疗降低癌症发病风险[36,38]。Perou等[39]用含有8 102个人类基因的互补DNA芯片，对65份乳腺癌标本进行检测，同时设置乳腺导管腔上皮细胞、基底细胞/肌上皮细胞等细胞系作为对照。结果发现，肿瘤的基因表型相对稳定，基于大数据和DNA分析技术对肿瘤进行筛查是可行的。Shen等[40]利用数据挖掘技术建立了乳腺癌的诊断模型，采用支持向量机算法构建分类模型。其结果表明，通过使用特征选择方法可以大大提高乳腺癌诊断的准确性。
（六）医疗保险数据。Steinberg等[41]基于逆向工程和正向模拟（reverse engineering and forward simulation，REFS）大数据分析技术，对3万多例代谢病患者的人口统计数据、化验结果、医保数据（医学索赔，药学索赔）进行分析，得出降低体质量、血糖、服用他汀药物等干预方法可有效降低代谢病发病风险。
（七）可穿戴设备数据。美敦力公司（Medtronic）与IBM Watson Health合作，使用Watson算法对采集自可穿戴检测设备和血糖监测仪的大量血糖数据进行预测分析。结果表明，基于Watson的预测算法可以在糖尿病患者低血糖发生的前3 h做出风险预警[42]。
基于国家卫生与健康管理大数据平台的慢病防控模式主要包括健康评估、干预调理、预警指导、状态跟踪等，可以很好地解决我国慢病防控环节中存在的若干问题。
（一）大数据平台可提供及时准确的慢病状态评估。通过融合由医院、社区、家庭和个人的各类医疗设备、健康终端、康复设备、可穿戴设备获取的全方位、全周期健康医疗信息和数据，大数据分析技术可以准确定位哪些人有患冠状动脉疾病、糖尿病、慢性阻塞性肺炎等慢病的风险，哪些人的健康状况可以通过非药物干预治疗、运动管理、体质管理、戒烟戒酒计划中得到改善，哪些人需要及时的个性化药物与物理治疗，以及哪些人需要长期连续的预后监测。
（二）移动互联网、物联网、大数据医疗、人工智能技术的应用，有助于推动分级诊疗的落实。应用这些技术，处于不同阶段的慢病患者（包括慢病风险者和慢病康复者）可通过基层医院、社区和家庭、个人可穿戴设备等终端获得经医疗大数据分析、人工智能诊断得出的个性化诊疗建议，进而选择去大医院诊治或在社区治疗，选择服用药物或开展非药物干预治疗等。这些个性化干预措施有助于慢病患者实施有效、合理、高效的慢病管理，提高了就医效率与医疗资源利用率，也提高了医疗保险的针对性和使用效率。
（三）传统健康管理模式中，个体只能在就医或体检时得到一个简短的建议，如戒烟、锻炼、健康饮食等。而大数据平台可根据患者健康状态提供实时、连续、准确的健康建议，激励人们改变行为或通过家庭、社区的康复终端调整健康状态，其间大数据平台可通过智能可穿戴设备将收集到的个人健康数据与传统的健康数据联系起来进行数据挖掘及可视化展示[43]，参与个体行为决策（如在生活中建议健康的食谱，在休息日鼓励锻炼），实现慢病患者的自我管理。
（四）通过便携式、可穿戴式医疗设备和基于大数据分析的预测模型，大数据平台可实现对患者生命体征的全天候监管，随时对个体健康状态进行观察、测量和干预，并在慢病（特别是心脑血管疾病）发病前及时发出危险预警，在发作时发出急救警告、急救通知、急救指导，从而有效降低发病率和死亡率。
（五）通过融合来自医院、社区、家庭和个人的各类设备与终端获取的信息和数据，大数据平台可以准确、连续地掌握某种药物或某种非药物治疗的临床应用效果，掌握某种医疗器械的诊断准确性或治疗的效果，掌握中医与民族医学的临床治疗效果，有利于开展相应的循证医学研究，并使有效的慢病诊治技术得到更好地应用与推广。此外，可通过终端器械对慢病患者的治疗和慢病风险者（未病者）的调理干预进程进行自动监督和提醒，避免患者忘记服药或错过干预治疗，解决依从性差导致的疗效难以被认可等问题，从而提高慢病防控质量。
综上，基于健康医疗大数据平台、家庭和社区的智能检测终端、健康调理终端、可穿戴医疗设备、智能健康APP程序的健康状态辨识与调理技术可实现心脑血管疾病、糖尿病、慢性肺部疾病、恶性肿瘤、老年痴呆症、抑郁症等重大慢病的及早发现、及时预警、及时调理干预和及早治疗，从而形成一个从健康状态识别到健康干预，再到健康状态识别的良性、持续、闭环且快速的迭代重大慢病检测和控制网络，有效降低重大慢病的发病率和死亡率。
目前，基于公共卫生管理的慢病管理模式已经难以满足我国慢病防控需要，国家卫生与健康管理大数据平台在对慢病患者、慢病高危人群、健康个体进行数据收集和监测的基础上，可通过深度学习、数据挖掘、云计算等技术建立慢病预测分析模型，对导致慢病发生的高危因素进行定位，对健康个体给予健康管理相关指导，对高危人群进行危险评估和预警并指导其进行有效的干预，对慢病患者进行个性化治疗与预后跟踪监测。因此，基于国家卫生与健康管理大数据平台的慢病防控模式不仅可以提高慢病治疗效果，而且有利于改善疾病预后，有效降低慢病发病率和死亡率，提高全民健康水平，有助于解决我国卫生资源分布不均的现状，并减少医疗费用支出，符合我国新医改的发展方向。
未来的医学模式必将从疾病治疗发展为无病保健；线上、线下分离发展为上下联动的医疗服务；标准化诊疗发展为个体化精准医疗；以医院诊治为核心发展为医院、社区、家庭（个人）三位一体医疗网络；医生管理为主发展为患者自我健康管理的新型医疗模式。国家卫生与健康管理大数据平台可改变每个家庭和个人的看病就医方式和健康维护方式，从而提高人民的健康水平，实现少生病、不生大病，达到老死而不是病死，这是最大的民生问题，也是健康医疗大数据平台的最终目标。
无
