□本报记者 王潇雨□
“移动健康的目标之一，就是帮人避免生病，通过健康数据分析和监测，实现从‘治病’向‘防病’转变。”移动应用“春雨医生”创始人张锐在日前举办的如何重新定义健康·2014年财新LIFE健康论坛上说。在当天的论坛上，来自医疗信息化、移动健康管理领域的从业者带来了他们对健康数据监测分析的探索和思考。
采集公共卫生数据，预测流行病风险
“流行病的发生和传播有一定规律，与气温变化、环境指数、人口流动等因素密切相关。每天大量网民在百度搜索流行病相关信息，汇聚起来就有了统计规律，经过一段时间的积累，可以形成一个预测未来疾病活跃指数的模型。”百度大数据部高级设计师赵辉华介绍，百度以中国疾病预防控制中心提供的参考数据为基础，调用网络搜索关注度建立模型。比如通过热搜医院，分析当地的传染病动态、常见疾病情况，提供防治知识等，还可引入各地医院的专科门诊数据，预测门诊人数。
据悉，百度制作的全民健康地图覆盖了全国34个省（区、市）331个地市2870个区（县）及19个城市的1588个商圈，可以对11种常见传染病、慢病的活跃度，发病指数动态进行未来7天的预测。“其中，流感阳性率预测比照中国疾控中心发布的数据，与300多个地市模型预测结果吻合度在89%以上。”赵辉华表示，未来将通过量化地区差异，细分人群、饮食习惯与生活方式，定位不同地区疾病的主要相关因素，为每种疾病在各个城市建模，分析制作慢病地图，并对危险因素进行监控提醒，为用户提供健康建议。
预测疾病风险，提高健康管理效率
健康体检数据的核心价值之一就是疾病风险预测。美年大健康产业有限公司董事长俞熔介绍，该公司正在与复旦大学中山医院肾内科合作，通过体检数据分析肾脏损伤程度，帮助体检用户预测患病风险。“我们希望通过数据挖掘手段，筛选出针对个体的慢病管理方案，为需要就医的用户进行精确导诊，为科研统计提供有用的数据，提高健康管理效率。”俞熔说。
对于康复患者来说，降低再入院风险同样重要。GE大中华区医疗信息化总监杨涛介绍，在美国，超过25%的心衰病人在出院30天后再次入院，每年造成2500亿美元的损失。在此背景下，该公司研发了再入院风险预测和干预模型，通过病人分类、风险评级等，可预测86%的再入院病例，对这些患者实施干预，可将30天再入院率降低21%。同时，模型具有回访和提示功能，使患者出院后的服药依从性提高了63%。
为解决可穿戴设备数据离散、难统一管理的问题，京东云平台智能硬件事业部负责人史辉介绍，京东开发的手机应用，可读取收集该网站售出的可穿戴设备的监测数据，并自动上传京东的云健康档案，如监测运动睡眠的手环、智能体脂秤、血糖仪、孕期备孕监测等。“用户可将自己的健康数据，如每日/周/月运动消耗的卡路里，行走步数、时间、距离，睡眠质量等记录，存储在云档案中，连续、集中管理，并进行趋势分析。”
张锐认为，公众需要更多的健康信息知情权，提高健康问题处置能力，期望随着技术发展，推动从医生中心制向用户中心制的转变。
