除了大數據標準體系缺失外，醫療信息化水平也掐著精準醫療大數據的“脖子”。
據CHITA在全國開展的一項覆蓋31個省市自治區，包括100家3級醫院、210家二級醫院的針對心血管領域大數據應用的調查顯示，我國醫療信息化整體水平已經達到相當的高度，各級醫療機構積累了規?？捎^的醫療數據，但與大數據的發展預期相比，還存在著巨大的提升空間。
在病歷結構化能力、數據質量管理、信息集成能力、數據安全意識與管理等方面與先進水平還存在著相當的差距，支撐臨床科研大數據分析的能力不足，會影響精準醫療數據分析的準確度。
醫療大數據的精準機遇
事實上，數據的標準化等問題其實一直是醫療信息化存在的問題之一，精準醫療作為以數據支撐下的新興醫學模式，同樣也不例外。而隨著精準醫療的火爆和醫療大數據的應用需求越來越迫切，反過來會對數據規范等進行推動。
這顯然需要國家層面的政策支持。
2016年以來，多項利好政策密集發布，尤其是6月《關于促進和規范健康醫療大數據應用發展的指導意見》的出臺，提出四個方面的要求：夯實健康醫療大數據應用基礎、全面深化健康醫療大數據應用、規范和推動“互聯網+健康醫療”服務、加強健康醫療大數據保障體系建設，這意味著醫療大數據上升至國家層面。
在產業應用需求激增和政策利好的情況下，醫療數據的規范化有望得以加速，為精準醫療相關大數據解讀提供基礎。
值得注意的是，在醫療大數據中，生命組學與醫療大數據中均蘊含著重要的疾病信息，不同類型的生命組學數據代表了疾病不同層次分子水平的信息。如何建立醫療表型數據與生命組學分子數據之間的聯系，從而為疾病早期診斷、治療及預后等提供重要靶點、用藥指導等信息?
業內人士知道，疾病表型的發展變化涉及基因組、轉錄組、表觀組、代謝組及蛋白組等不同層次的病理變化過程，單組學數據分析通常只能體現疾病樣本其中一個層面的變化，在獲得疾病靶點等重要信息方面往往具有很大的局限性。
因此，研究者需要通過對不同層次生命組學數據進行整合分析與標準化處理，建立不同組學數據之間的關聯性和差異性，并根據這種內在聯系在不同層次對候選疾病靶點信息等進行篩選過濾，最終對病理發生發展過程建立定量模型。
“精準醫療關鍵是在‘精準’，而大數據分析工具和技術、醫療信息應用系統等科技手段是確保‘精準’實現的前提。”中國工程院院士詹啟敏直言。
盡管健康醫療大數據是一塊“金礦”，但就眼前的情況而言，這塊“金礦”尚待開采。而借助基因組和生物醫學大數據的智能分析和醫療信息化支撐，精準醫療的路正漸行漸寬。
【時尚貨架】作為專注于品牌店鋪服務的陳列道具供應商，在廣東佛山設有專業的貨架生產基地。主要產品有便利店貨架、中藥柜、藥品貨架、超市貨架、母嬰店貨架等，各式各樣供您選擇。我們還提供包括空間設計、道具設計、道具制作、道具測量、物流配送、安裝售后等在內的全方位優質服務。歡迎登錄時尚貨架官網m.tjjindun.com咨詢、訂購。
