随着医疗信息化和医学技术的不断深入发展，从真实世界医疗大数据中挖掘潜在的临床规律用以指导疾病诊疗决策，已成为当前临床研究的重要组成部分^{［1, 2, 3, 4］}。开展真实世界临床研究依赖大量、准确和全面的真实世界数据积累。然而，基于医院现有的信息系统采集研究数据存在采集效率低、数据格式不统一、结构化不高等问题，难以满足临床研究的需求^［5］。此外，医院开展真实世界研究还面临着不同病种数据标准不一致、信息系统间“数据孤岛”打通难、深度数据治理高度依赖医师手工操作、复杂临床事件难以有序组织等挑战^［6］。因此，建设标准统一、规范集成的“大型专病数据库”需求日益增加。专病数据库（以下简称专病库）是指针对特定疾病患者，收集、整理、分析和共享其临床信息，并对相关数据进行系统性、规范化集成^{［7, 8］}，从而实现对医疗大数据的整合。为此，上海交通大学医学院附属第六人民医院（以下简称上海六院）近年来基于临床学科开展临床研究的广泛需求建设专病库，以辅助临床医师高效挖掘临床问题、探索科研灵感和拓展研究思路，为开展高质量临床研究提供有力支撑，对提高我国相关专科疾病的医疗诊治规范和水平具有积极意义。本文以上海六院的专病库建设为实例，总结建设过程中的思路及关键技术，梳理专病库管理规范，并以糖尿病专病库为例阐述数据库的临床研究应用。从建设、管理和应用三个维度，总结综合性公立医院专病库建设的路径和管理流程，为我国综合性公立医院建设高质量临床专病库和开展临床研究应用提供参考。

综合性医院高质量专病库的建设在促进临床研究开展、提升疾病诊疗能力和提高医疗服务水平等方面具有重要意义，已成为研究型医院的标准配置^{［9, 10］}。专病库借助规范化集成的大数据，能够为研究者提供丰富的研究数据资源，高效推动大规模真实世界临床研究的开展^{［11, 12］}。在利用专病库提高临床研究质量的基础上，可以深化临床医师对特定疾病特征、发病机制和病程变化规律的理解，进一步促进疾病诊疗水平的提升。更重要的是，医师借助专病库可以更准确地对患者在诊疗过程中的临床表现、治疗效果和不良反应等情况进行跟踪监测，从而辅助临床制定更科学的治疗方案，提高医疗服务效率和质量^［13］。

目前，国外对于大型医疗数据库的建设及研究已形成相对成熟的体系。2009年加拿大政府主导构建的Healthy Inforway项目已经能够实现跨机构、跨部门之间的联合数据管理；还有可供全球人员开放使用的重症监护医学信息数据库（Medical Information Mart for Intensive Care，MIMIC），包含了超过6万的重症加强护理病房诊疗数据^［14］。美国国家癌症研究所的监测、流行病学和最终结果数据库（Surveillance，Epidemiology and End Result，SEER）是北美最具代表性的大型肿瘤登记注册数据库，以SEER数据库为数据来源的研究论文正逐年增长^［15］。此外，从2006年开始，英国建立了一个大规模的长期生物样本库计划（UK Biobank），可以有效帮助全球学者研究遗传和环境因素对于疾病发展的影响。近年来，我国医疗卫生行政部门出台了一系列政策以支持推动基于医疗健康大数据的服务创新，在专病库建设和应用研究上也取得了一定成绩。2015年，国务院发布的《促进大数据发展行动纲要》中明确指出要构建医疗健康服务大数据^［16］。2016年，科技部公布的国家重点专项研究项目“精准医疗研究”上升为国家战略，其中“精准医学大数据管理和共享技术平台”将作为国家独一无二的精准医学大数据平台。国内也逐步出现利用专病库推动真实世界研究的案例，如中山大学肿瘤防治中心利用鼻咽癌专病库构建了真实世界医疗记录的最大鼻咽癌样本量，反映真实世界中实际放疗时间与计划放疗时间的差异对鼻咽癌患者生存的影响^［17］。截至目前，在万方数据库上搜索关键词“专病数据库建设”显示已发表的相关期刊论文已有约400篇。

专病库的重要性不言而喻，但其建设过程复杂繁重，需要在建设前期做好相关的资源配置工作。一般需要根据医院的学科发展布局、专业人员配置和建设经费等多方面进行综合考量。首先，需要明确所建专病库的疾病类型和范围，一般可以优先选择医院的重点和特色学科病种进行建设，之后根据实际情况逐步扩展和完善。其次，成立专项小组并明确总体分工，保障项目有条不紊地推进，整合相关的医疗、科研和责任管理部门进行沟通和协作，制定专病库相关的建设、管理与应用规范，确保数据库运行的安全性、有效性和可持续性。此外，还需要一定的资金投入，规划设备购置、人员培训、数据管理系统建设等方面的费用。总之，医院建立专病库需要进行系统规划和设计，各个环节需要多学科人员协调配合，以确保数据库建设能达到预期效果。

专病库的建设思路将主要从专病数据平台的整体架构设计、实现的关键技术和平台功能模块实现进行阐述，旨在为综合性公立医院建设专病库提供思路和技术参考。

（一）专病库整体架构

上海六院专病库以医院现有的信息系统为基础，以临床科研需求为导向，通过实现对医院各个信息系统来源数据的规范集成和加工，辅助临床研究的高效开展。在前期专项小组及多学科人员对临床研究需求及技术路线调研的基础上，通过学习借鉴国内同行的先进解决方案^［5，18］，并结合我院临床实际情况最终制定了专病库整体架构方案（图1）。专病库底层数据来源于包括电子病历系统（electronic medical record，EMR）、医院信息系统（hospital information system，HIS）、实验室信息系统（laboratory information system，LIS）、影像归档和通信系统（picture archiving and communication system，PACS）、病理检查系统和病案管理系统等多维度数据信息。首先集成患者在院内跨科室、系统和模态的所有信息，然后形成对应患者所有历次就诊过程中产生的全生命周期数据（如人口学信息、生命指征、诊断、实验室检查、用药、影像学检查、既往病史等）进行数据关联。在保证数据安全的前提下，通过对底层多来源数据进行规范化集成与加工，构建病例检索库。最后结合临床科研需求，开发面向临床医师可用的应用端各类功能模块和可视化展示界面。

点击查看大图

图1

上海交通大学医学院附属第六人民医院专病数据库整体架构图

点击查看大图

注：EMR为电子病历系统；HIS为医院信息系统；LIS为实验室信息系统；PACS为影像归档和通信系统

图1

上海交通大学医学院附属第六人民医院专病数据库整体架构图

（二）专病库建设的关键技术

1.专病库数据指标集标准：专病库建设初始阶段，首先需要构建通用数据标准及相关技术规范来形成标准数据指标集，以解决临床数据来源多样、类型与定义不统一、文本信息未结构化等问题^［19］。专病库通用指标数据集通常可分为直采类指标（原始数据指标）和非直采类指标（计算类指标）。原始数据指标是可以直接从系统获取的直采数据，主要包括指标分类、子分类、指标编码、指标中文名称、指标英文名称、指标说明、指标值域、单位、数据来源、参考标准、是否为空等，该类指标数据集标准的制定应参照《WST305-2009 卫生信息数据集元数据规范》《WS364.1-2011卫生信息数据元值域代码》《WS370-2012卫生信息基本数据集编制规范》等国家相关标准。计算类指标是指需要经过计算或加工的非直采数据，该类指标数据需包含指标分类、子分类、指标编码、指标中文名称、指标英文名称、分母、分子定义、计算方法、设立用意、设立目标、数据来源、取值口径、参考来源等。

2.专病库数据质量标准及传输安全：高质量、高标准的数据是数据应用的重要基础，在专病库建设过程中应通过构建专病库数据质量标准体系，来保障临床应用研究数据的科学性和可行性，从而提升数据挖掘结果的可靠性。数据质量标准体系应覆盖数据采集、整合、存储和分析等数据全生命周期。数据采集与整合需遵循国际疾病相关数据采集、管理、交换、共享的技术标准和规范，以满足不同研究个性化配置数据及多中心研究数据的通用性^［20］。在数据传输、存储和使用过程中需要保证数据的完整性和可追溯性^{［21, 22, 23］}，可以从完整性、规范性、一致性、准确性、及时性等多维度进行数据质量的核查校验^{［24, 25］}。在数据集成、传输、使用过程中，保障数据安全与患者隐私尤为重要。数据生产必须严格按照《GB-T 22239-2019信息安全技术网络安全等级保护基本要求》对承载专病库数据的信息系统和网络设施等进行安全等级保护，针对数据生命周期内的各项活动，包括数据采集、传输、存储、分析处理等实施数据安全措施，必要时可采用算法对敏感数据进行加密，保障数据安全。

3.专病库系统的核心应用功能：通过对专病库整体架构的把控和关键技术的突破，上海六院面向临床研究与应用需求开发的专病库功能主要包括四大模块，即数据概览、探索发现、入排标准和数据导出（图2）。所建专病库首先能够实现对患者的自动入库更新，然后在数据概览模块可依据设置的病种特色指标实现自动挖掘、多维分析和可视化。探索发现模块可以通过提供数据质量和指标值域分布报表，激发临床工作者的科研灵感。在确定研究目标之后，研究者可在专病库上通过设置入排标准筛选出待研究的目标人群，挖掘目标人群的疾病特征。此外，专病库的数据导出模块支持研究者导出所搜索出的人群和指标数据，用以开展更深入的后续分析。

点击查看大图

图2

上海交通大学医学院附属第六人民医院专病数据库核心应用功能结构图

图3

基于专病库的科研模式转换示意图

点击查看大图

图2

上海交通大学医学院附属第六人民医院专病数据库核心应用功能结构图

图3

基于专病库的科研模式转换示意图

专病库数据作为医院开展临床研究的宝贵数据资源，在应用过程中需要保证数据使用满足科学性、相关法规和伦理要求，防止涉密信息和敏感信息的泄漏，保护患者的隐私权。为此，上海六院管理部门制定了相应的专病库数据管理办法和开放共享权限设置。制定这些办法的主要原则为“促进利用、规范流程、安全可控、明确责任”，遵循的主要法律法规和办法指南包括《涉及人的生物医学研究伦理审查办法》《涉及人的临床研究伦理审查委员会建设指南》《科学数据管理办法》《国家健康医疗大数据标准、安全和服务管理办法》等。数据共享的对象主要包括基于依托项目或者通过科学性实质审查项目的研究者，范围涵盖单中心及多中心研究。

数据管理办法中明确要求，管理部门在审核研究者提交的申请时应着重核对的材料包括匹配的《项目任务书》、有效的《伦理批件》以及研究者是否签订《数据保密协议》，需要重点检查申请的研究人群和研究指标是否与研究方案内容相一致。科研数据审批的所有操作，包括研究过程中对数据的利用，都应产生准确、完整、清晰可读的记录，生成的过程性资料应妥善保存，以便追溯。为确保数据管理办法的有效实施，医院相关数据管理部门专门配置数据管理员来监管和规范研究者的数据申请和使用流程。同时，关键岗位的人员必须定期接受信息安全和保密知识的教育和培训，明确相应的保密责任和义务。此外，基于专病库数据的论文投稿及相关成果发表均需向数据管理部门备案，由数据管理员部门进行统计整合并定期发布专病库成果。

截至2023年9月，上海六院一共建成了15个专病库，并依据每个专病库的疾病特点配置个性化功能模块，突出“专病专建”的理念。这些专病库覆盖的应用模块包括经济学分析、患者360视图、患者健康数据监测、患病风险自动评分、癌症分型分期及智能随访系统等。专病库使得临床研究者查看、分析、导出数据更加便捷化和智能化，在发现问题、提出假设、数据获取和数据分析环节中优化了传统的临床研究模式，为真实世界临床研究提供了一种新型研究模式（图3）。2019年至今，上海六院目前基于专病库发表的学术科研论文超过30篇。笔者以上海六院特色学科的糖尿病专病库为例，阐述医院专病库在临床应用中的思考和临床实践中存在的一些局限性。

1.糖尿病专病库的建设情况及开展的临床研究：我国糖尿病的患病率已高达11.2%^［26］，对医疗资源及社会经济造成巨大的负担，研究糖尿病的综合管理策略，尤其是糖尿病相关并发症的危险因素、药物的相对有效性和安全性势在必行。然而，开展临床随机对照试验（randomized controlled trial，RCT）代价高昂，在外推性、可行性以及伦理上都可能存在一系列问题。首先，样本量相对较小、随访时间较短以及结局事件发生率相对较低的情况下会限制统计的把握度；其次，RCT中严格的纳入和排除标准限制了其对临床实践中更广泛的2型糖尿病患者的适用性；此外，RCT中的志愿者通常比未参加任何临床试验的患者更加健康，更能适应自我控制的建议，这可能会导致选择偏倚。因此，医院期望通过建设高质量糖尿病专病数据库，利用专病库样本量大、人群代表性更好、可追溯、随访时间长、同时符合真实世界的用药规则等优势，使研究结果具有更好的外推性。上海六院糖尿病专病库收录的数据范围为自2000年起所有确诊为2型糖尿病患者的门诊和住院数据，涵盖人体测量、人口统计学、实验室检查、诊断和处方信息。截至目前，糖尿病专病库共纳入的患者数超过12万人，病例数近16万例，生成的结构化字段达200个以上，非结构化字段上百个，并持续动态更新和补充。在糖尿病专病库建设过程中，最关键的环节是通过临床团队和工程团队的持续深入沟通，确立标准数据集指标，提取出面向临床科研可用的糖尿病病种特色字段，例如“新诊断”和“既往诊断”^［27］。

糖尿病专病库的建设有效助力医院开展关于2型糖尿病的真实世界研究。研究者基于海量、长时间跨度数据构建了观察性真实世界动态研究队列，探索了糖尿病患者中的一些生物学标记物（如骨钙素^［28］和泌乳素^［27］）与全因死亡或心血管死亡的关系。此外，还发现了一些具有重要临床意义风险因素和衍生指标参数，可以反映患者整体的代谢控制水平。同时，临床医师能够利用专病库现有的数据反映当前糖尿病管理策略的短板，尤其是一些急性并发症（如因急诊就诊和因急性血糖控制相关事件而住院）的情况。当然，借助数据库关注不同药物在糖尿病治疗领域的疗效、安全性及远期获益也同样重要，糖尿病专病库的持续推进，对于临床诊疗实践的帮助不言而喻^［29］。

2.基于专病库开展临床研究存在的局限性：基于专病库开展临床研究的优势非常明显，但在应用中也发现它们当前仍存在一些局限性。第一，数据清洗的质量不够高，例如，在基于专病库构建的数据集中经常会出现人体测量和实验室测量结果的不准确记录和错误输入，在研究中仍需要研究者对数据进行严格的逻辑核查。第二，在研究中仍然需要人工进行诊断验证或图表审查，以保证数据的准确性。第三，研究者仍需要重点应对缺失数据情况的处理。在常规临床就诊中常见的情况为有些患者无法接受每一项测量，需要评估缺失数据和缺失变量对研究结果的影响，需要选用适当的统计分析方法。第四，如何高效整合院外数据是专病库另一项需要解决的重要问题，主要的混杂因素虽往往已被纳入数据库中，但仍有一些未测量的因素（如饮食因素和身体活动状况）很少被记录在系统中。第五，专病库承载着大量的结构化数据，但应用层如何开发出方便用户使用和理解的专病库前端功能界面是十分重要的，有不少研究者反馈在使用专病库进行临床研究时需要花较长的时间和精力在熟悉专病库的功能使用上。

综上，综合性公立医院通过依托专科优势建立的专病库，在规范化数据使用管理的前提下，能够为研究者提供一种新型临床研究模式，有效提升医院临床研究的质量和水平，加速成果产出和转化。笔者通过阐述上海六院的专病库建设思路及临床研究应用，旨在为我国临床专病库的构建和应用管理提供经验和参考。未来，我们将持续改进专病库应用过程中发现的局限性，同时计划在平台上扩展更多专科疾病智能辅助诊断和临床决策支持等应用功能，以期更好地提升临床研究质量和疾病医疗诊治水平。