在新冠肺炎疫情爆发后，几乎是在一夜之间，互联网医疗就完成了一次大范围的用户教育和市场普及。其在抗疫“第二战场”的出色表现，让人们意识到了互联网在打破空间和时间限制方面的突出优势。

与此同时，在经历了长期的探索实践后，互联网医疗行业正在进入高质量发展的阶段，互联网诊疗数据的治理也随之被提上日程。厦门大学附属第一医院与神州医疗联合在《中国卫生信息管理杂志》上发表了《互联网诊疗服务数据治理的探索与实践》论文，旨在探索互联网诊疗服务数据治理的价值和应用，促进互联网诊疗数据有效沉淀为数据资产及解决备受关注的数据安全及隐私相关挑战的方法。以下是论文内容的部分节选。

《互联网诊疗服务数据治理的探索与实践》

厦门大学附属第一医院 弓凯、王占祥

神州医疗科技股份有限公司 吴戈、武晓玉、吴惠庶

01基本现状及治理必要性

1.1 现状与问题

目前，互联网诊疗用户体验的大多是“轻问诊模式”产品，有80%的用户选择互联网诊疗的目的是咨询病情、寻求诊断和治疗建议，以及开具常服药物。互联网诊疗服务通常以视频对话、语音通话、图文咨询和文字咨询为沟通形式，主要业务留存数据为患者的诊前描述和医患之间的对话信息，本质上是非专业性的文本描述。

1.2 数据治理的必要性

1.2.1 互联网诊疗服务的监管评价需要数据治理

2021年10月26日，《互联网诊疗监管细则（征求意见稿）》的发布，促使互联网诊疗全面进入监管时代。监管细则明确要求省级卫生健康主管部门“对互联网诊疗整体情况进行分析，定期（每月至少 1 次）向各医疗机构及其登记机关反馈问题”，并鼓励“运用人工智能、大数据等新兴技术实施分析和监管”。

1.2.2 互联网诊疗相关的学术研究需要数据治理

目前，互联网诊疗对各类专科疾病干预的疗效， 以及对卫生经济的影响普遍缺少严谨的循证评价，而数据治理的好坏则影响了相关研究结论的可信水平和推荐强度。

1.2.3 互联网诊疗场景下的智慧服务应用开发和部署需要前置数据治理

智慧应用的开发和部署依赖于完善的数据处理管道，经过良好的数据治理才能打通医院在业务、数据和应用3个层面的衔接壁垒。

1.2.4 互联网诊疗场景下的隐私信息识别和保护需要数据治理

随着《中华人民共和国个人信息保护法》的施行，数据权限控制、个人信息去标识化、数据加密、安全审计已经成为互联网医疗健康信息系统的建设重点。

02数据治理技术的方法和应用

2.1 医疗数据治理方法

2.1.1 基本步骤

数据治理包含 "理" "采" "存" "管" "用" 5 个步骤， 即业务和数据资源梳理、数据采集清洗、数据库设计和存储、元数据管理、数据挖掘与利用。

2.1.2 治理的核心

医学术语标准化能够实现医学信息的互通，提高数据治理的效率与质量 , 是医疗数据治理的核心。在国际上应用较为广泛的临床医学术语标准包括《医学术语系统命名 - 临床术语》（SNOMEDCT），《国际疾病分类与代码》（ICD-10），《观测指标标识符逻辑命名与编码系统》（LOINC）等；在国内，临床医学术语标准建设的起步较晚。国家卫生健康委发布了《卫生信息数据元目录》等卫生信息标准，在实践中临床术语的标准化仍需借鉴国际标准，并结合我国的特定需求进行本土化，构建相应的中文临床医学术语体系。

2.2 主要应用

2.2.1 互联网诊疗中数据的初步利用

2020 年，厦门大学附属第一医院（以下简称“厦大一附院”）使用多中心线上问诊数据挖掘新冠肺炎相关问诊人群的用户特征，发现群众普遍存在疑病、恐病情绪，并存在小病乱投医、大病怕投医的不合理就医行为。通过对文本非专业术语进行标准化、归一化，对文本信息的关键词进行摘取，形成用户的简要画像，根据临床预测模型做出了对患者疑病情绪和来院就诊倾向的预测，据此在疫情期间辅助实现对网络问诊用户的精细化管理，见图1。厦大一附院已经开始对大规模网络问诊数据进行就诊意图和挂错科室的人工标注。

2.2.2 互联网诊疗领域的数据深度利用方向

(1)真实世界研究。结合人工智能和机器学习技术，构建临床预测模型并集成为工具集或平台，辅助临床医生进行临床决策。

(2)患者个体健康数据监测。通过可穿戴或便携式医疗设备及远程监控系统，实现疾病易感人群筛查和线上慢病管理。

(3)政府和保险公司根据疾病支付数据，优化医保定价，调整疾病防治支付策略。

(4)药物研发。基于药物临床试验阶段之前的数据集，预测临床结果并评判药物研发的优先级，缩短研发周期，降低研发成本。

(5)利用就诊数据优化就诊流程和资源配置。

(6)数据安全及隐私保护。利用隐私计算、联邦学习、数据脱敏和同态加密等技术控制患者隐私暴露风险，为互联网诊疗合规工作及患者隐私保护工作，提供全流程的数据标准化、数据分类分级、敏感字段判断、风险控制等支撑。

03面临的挑战及未来发展方向

3.1 面临的挑战

3.1.1 数据的多样性挑战

数据治理中的主要技术问题包括数据的孤立 / 碎片化、观测数据的局限性、验证、数据结构问题、数据标准化问题、数据不准确和不一致性、数据可靠性、语义互操作性、可扩展性、数据缺失和假阳性等。

3.1.2 数据的安全性挑战

数据泄露等安全问题可能对医疗保健构成重大威胁，患者隐私和保密在医疗保健领域至关重要。缺乏数据协议和标准是医疗领域数据治理面临的关键问题。

3.1.3 互联网诊疗数据口语化表达带来的挑战

互联网诊疗患者自报告信息中会存在大量的非专业性描述，而这些非专业性描述可能需要医生转述，并以结构化的形式进行整理。另外，语音识别技术尚未应用于互联网诊疗业务中。

3.1.4 数据长期治理需求带来的挑战

数据治理是提高数据质量的一项长期工作。互联网诊疗数据趋向与线下电子病历同质化管理。因此，需提升医疗机构对常态化数据治理工作的重视。

3.2 数据治理技术的发展方向

3.2.1 引入人工智能技术协助数据治理

多模态数据越来越多地出现在互联网诊疗业务中，传统的数据治理技术已经不能满足现实需求，数据的底层治理能力亟待人工智能技术协助提升。

3.2.2 多模态融合技术实现数据关联互补

通过人工智能技术中的多模态融合技术实现归纳多源异构的数据，将数据相互关联，从而达到减少数据重复录入、数据间及时纠错、系统间信息同步修改的目标，并有望解决互联网诊疗业务下的信息孤立问题。

04结语

目前，我国互联网诊疗领域数据治理仍处于起步阶段，面临着数据多样化治理、术语标准化建设、个人信息与隐私安全保护等需求和挑战。互联网诊疗服务数据治理将推动医疗行业的移动信息化和物联网化，为提升互联网诊疗、实现远程精准医疗、共享优质医疗资源提供必要支撑。