针对传统医疗数据平台无法适应后期应用需求的问题，医渡云技术有限公司以自主开发的“医学数据智能平台”为基础,为用户端提供领先的模块智能定制化解决方案，协助其针对大规模脱敏医疗数据进行集成、挖掘和应用，开展临床科研、服务与管理，为医学数据智能应用赋予突破性价值

当前，新的医疗模式正在逐步建立，这恰恰缘于大数据时代的来临。

在医疗领域，大数据技术可以通过对海量数据的存储、处理和分析，进而帮助医院、医生提高临床服务质量、科研转化率和管理效率。过去几年中，我国生物医学大数据发展迅猛，大医院已经能获取并记录患者的所有临床数据。但一个有待解决的问题是，如何聚合与分享这些数据，形成全国范围内的数据流通。

日前，在2018中国国际大数据产业博览会现场，国内首个以数据智能驱动医疗创新解决方案的独角兽企业医渡云技术有限公司带来了基于海量医疗数据的人工智能解决方案。

事实上，不同医院所运用的信息化系统在对数据的结构和表达上存在较大差异，大部分数据表述都是自然语言文本。同时，每家医院的科室、医生对信息的书写方式都可能不同，这种极度复杂性让计算机无法理解数据且进行计算。

医渡云首席技术官徐济铭向经济日报记者举了个例子，比如“二型糖尿病”的“二”，有人写汉字、阿拉伯数字，还有人会写“糖尿病二型”或是“Type 2 Diabetes”……这还只是比较简单的类型，很多拗口的疾病有更多复杂的写法，尽管在医疗诊断里国际疾病分类编码标准有2万多种，但仍不足以应对实际情形的变化。

“如今，医院信息化建设已经从过去覆盖医院所有业务和业务全过程的信息管理系统HIS，发展到以患者为中心的‘数据平台’阶段。”医渡云首席执行官孙喆认为，区域卫生体系的建立迫切需要完成从单体医院向区域化数据蜕变的过程，打造互惠共融的医疗生态圈。

如何才能把这些纷繁的单体原始数据变成互通往来的可用数据，破译医疗大数据的基础处理密码呢？孙喆指出，传统医疗数据平台面临的挑战，主要在于数据集中应用层无法适应后期应用需求的变化。一是数据标准问题，字典表的选择有使用场景限制；二是关系型数据库表结构问题，不支持医学领域个性化搜索查询。此外，传统医疗数据平台在互联互通层面上无法完整采集历史全量数据。

“医疗这件事，大家都想做，比如挂号、帮患者找专家等，那些环节自有它的价值，但最基础的工作，即把原始数据变成可用数据这样的‘脏活累活’，却很少有人愿意尝试。”医渡云创始人宫如璟笑言，就像盖房子打地基一样，医渡云选择切入技术门槛更高的基础处理系统，“决心与数据较上了劲儿”。

自2013年成立以来，医渡云与国内顶尖医疗机构建立技术合作,以自主开发的“医学数据智能平台”(简称DPAP)为基础,打造医渡云医院精益化管理平台、医渡云专科数据平台及医渡云政务数据平台等产品，为用户端提供领先的模块智能定制化解决方案，协助其针对大规模脱敏医疗数据进行集成、挖掘和应用，开展临床科研、服务与管理，为医学数据智能应用赋予突破性价值。

“简单来说，DPAP不仅整合了医院异源异构的数据资源，同时汇集了顶级医学智慧进行医学知识梳理，包括结构化和归一等数据的强大处理技术，背后依靠扎实的医学知识在做支撑。”孙喆介绍，其中超强的数据处理能力是DPAP的核心技术亮点，能够支持自然语言的处理和机器学习。不仅如此，DPAP的关键优势就是应用足够丰富。

经过多年的探索与实践，医渡云成功冲破了传统医院数据平台的一道道技术难关，打通了一条崭新的数据通道，从而采集历史全量数据；通过标准词表、医院词表、临床指南、规则引擎构成临床知识库，并生成新的衍生数据库，有利于数据的个性化应用而不影响原生数据。此外，根据信息应用需求，重新进行数据标准化，改变以往先入为主的标准化操作方式，避免信息的裁剪损失。

目前,医渡云已与20个省区市的700余家医疗机构、100余所顶级医院建立战略合作，为医院融合了横跨10余年的3亿多名患者、12亿人次的医学数据，覆盖30余类重大病种，创建了3000多个专科疾病模型。医渡云与全国信息安全标准化技术委员会合作撰写《大数据安全标准化白皮书》，与中国政法大学联合开展数据信息产业安全政策研究，与重庆医科大学合作成立“重庆医科大学医渡云医学数据研究院”，以“产学研”模式树立西南区域医学数据联合应用新标杆。

“我们的初心就是为了‘改善人类与疾病的关系’，利用人工智能驱动开展基于真实世界数据的研究合作，挖掘数据的‘隐形价值’，推动中国医疗信息化发展及产业进步。”宫如璟如是说。