北京大学人民医院刘帆:大数据时代医院信息化建设之机遇与挑战

原创
大数据
由51CTO举办的WOT”互联网+”时代大数据技术峰会上,就职北京大学人民医院院长助理、信息中心主任、医疗大数据研究中心副主任、骨关节科副主任医师的刘帆做了以《大数据时代医院信息化建设之机遇与挑战》为主题的演讲。本文章是把本次分享干货亮点的整理成文字形式,呈献广大的用户。

由51CTO举办的WOT”互联网+”时代大数据技术峰会上,来自北京大学人民医院的刘帆做了以《大数据时代医院信息化建设之机遇与挑战》为主题的演讲。此次分享主要围绕医疗大数据展开,从中用户可以了解到医疗大数据到底是什么?现在到底有什么样的数据?大数据解决怎么样的问题?

医疗服务模式的发展演化

刘帆表示,技术每一次的变化一定是推动业务流程的变化或者是有新的业务模式出现。数据本身是没有价值的,对数据进行数据挖掘之后作用于业务,这是价值。大数据在医疗行业来讲是一件非常困难的事情,再说医疗行业大数据之前,先来看看医疗服务模式的发展演化。 

医疗服务模式的发展演化

在最早时期是个人行医,因为生产力比较落后,懂医的人就更少了。慢慢发展到现在,对一个人的健康和疾病诊疗做全流程化的管理。这样一来,在我们去大医院看病就越来越复杂,除了主治医生以外,还有很多在为同一名患者服务。这是一种协同办公,在医院里共同的围绕一个人解决问题。针对这样的情况,就会出现极度的资源占用问题。为什么这样说呢?想必很多人都经历过大医院人满为患的现象。刘帆表示,这里有一个82现象,80%该在社区看或者在二级医院看的病,全都跑到大医院去看。而广大的社区,它的医疗机构数占80%,但是只拿到20%的病人,所以出现了资源的浪费。在未来一定会出现分布式医疗系统的出现,来助力实现各个医疗机构之间、各个医疗服务之间的协同,把患者分散在各个对应的地方。这就对信息系统的依赖会越来越大,移动医疗和远程医疗定和当下的信息技术有着密切的联系,大数据和云计算会对医疗会有很大的影响。

在未来,  “互联网+”改变传统业态是必然趋势,云计算(数据的载体)+大数据(数据的应用)技术将推动应用变革。

什么样的技术去处理数据?数据载荷平台又是怎样的?

就医疗行业来讲,现有的数据是不能够直接拿来分析的,因为医院结构非常复杂,到目前为止还有一些数据没有很好的整合在一起。刘帆表示,北京大学人民医院五年来针对这个问题做这两件事:其一,通过信息平台,把医院内部的一些孤岛数据整合起来。其二,把各种各样的系统集中到一个平台中去,就是下图CDR集成平台。 

集成平台——CDR

刘帆表示,针对CDR概念,在北京大学人民医院做之前,中国是没有的。在2011年没有任何厂商卖CDR产品,全部都要靠自己来做。 

  5大领域73系统204子系统

做成CDR集成平台平对于医院来说并不是一件容易的事情,甚至比任何组织企业都要复杂。对于普通的企业来说,只要一个ERP,一个物流管理、再加上一个客户端就可以搞定,所有的人财物都可以展示。但对于医院来说,ERP只是其中的一小部分,还有很多如每个医生、每个患者、乃至每个护士的临床信息系统,如医联体、需跟医院的信息系统进行对接,医疗机构和医疗机构之间,医疗机构保险公司、医疗机构和政府之间这些都需要对接。刘帆展示了他在2014年做的一次总结,在那个时候已经有五大领域,73个系统,204个子系统,到现在二百二十多个,还在不断的增加,只有这样的后台技术架构的集中平台才能够支撑如此复杂的医院运行。

如果想要覆盖医院所有的数据,就必须有信息系统来覆盖,就拿打呼噜来说,就需要监测,这里就需要一个系统,不能每次都重新拿设备去读病人的心电图纸。还有至今没有解决的问题就是实名制就诊,这样机会导致一个人有不同的卡号,所产生的数据也很难统一到一起。针对这样的情况,北京大学人民医院做了一个EMPI系统。如下图:

EMPI系统交互图

EMPI管理系统 - 患者合并:当两个患者姓名、性别、出生日期、身份证号等信息相同时,就可以判断这两个患 者者是一个人,需要在EMPI中进行信息合并。EMPI管理系统 – 疑似处理:当两个患者姓名、性别、出生日期等信息相似,但是 不能确定是同一患者,就可以在疑 似队列中找到,操作员可以对比患者信息,判断是将数据合并还是解除疑似关系通知系统 两条记录是不同患者。

北京大学人民医院如何处理数据标准化问题?

依据目前卫生部最新标准规范现状以人民医院信息化现状与需求定制开发:

第一步,依据HL7 RIM模型,结合医院实际业务,建立RMIM模型和CDA,通常业务RIM分析会采用TMT方法论,但卫生部公布的《健康档案基本 架构与数据标准(试行)》已经进行了大量工作,人民医院可以在此基 础上进行分析工作。第二步,基于HL7 RIM模型,构建或比对现存CDR数据,形成人民医院的自己 的CDR标准。第三步,根据人民医院的CDR,要求各个接入厂商构建符合人民医院标准的消息模式。第四步,根据卫生部的要求,建立符合卫生部标准的消息模式。 

参照标准

刘帆表示,在医疗行业的标准非常非常多,而不是没有,到目前为止,国家层面的标准有253个标准,关于数据的标准如临床数据、健康数据、区域数据、医院数据等等都要遵循。 

13个“结构化”域+1个“非结构化”域

上图为全面描述某个病人在医院里发生的所有数据,调了13个结构化的域和一个非结构化的域,非结构化域就是我们的病例。 

用药的数据项

上图为某个用药的数据项,刘帆表示,这一部分很复杂,需要了解很多的详细信息。和其他行业相比,医疗行业的数据结果必须要谨慎。在电商或其他行业利用大数据做的就是推荐,如猜你在深圳,而不是说你就是在深圳。但在医疗行业就不能说,猜你得了病,和我猜你有什么问题,这样的结果在临床也不能用。对于医疗的大数据来讲,数据的准确性关乎人命,某种程度上来讲对数据的要求质量还是跟其他行业不同。 

七个域、16类、62个活动场景-全面描述患者就医过程

上图把整个病人的数据分成了七个业务域,通过16类、62个活动场景来全面描述患者就医过程。

患者在医院内数据集成完毕

上图为通过EMPI把一个人识别出来,了解他在医院里面每次就诊的记录,之后串在一起放在CDR中。

个人财务和物流数据北京大学人民医院是如何处理的?

一个医院除了临床数据以外,还有另一半非常重要的数据就是还有一半是你的财务和物流数据,如患者交的钱、用的注射器、起搏器等数据。 

Hospital Resource Planning

上图为HRP系统,这个系统可以涵盖医疗器械去向、生产厂商、设备厂商以及物流厂商之间是如何关联的。每一个患者的数据都是由临床数据环和运营管理数据环建立起来,拥有这两个一个患者的数据算是齐全了。但大数据不仅仅是个人,还有人和医院之间的关系,一个患者一辈子不只能在一个医院看病。

北京大学人民医院在数据的互联互通上是如何做的? 

医疗机构之间互联互通数据整合

健康与疾病、院外与院内互联互通数据整合

一个患者仅拥有一家医院的数据就是一个孤岛,即使数据健全也是一样的。所以北京大学人民医院从2007年开始有意识的做医联体,目前在全国已经铺了376个点,因受当地医院很多的资源和技术水平的限制,有价值的信息共享非常少。刘帆表示,即使这样还是要坚持做下去,在未来将整合整一个患者所有疾病数据,如果在打通亚健康和疾病所有的数据那就会更加完美。

最后,刘帆有讲了一些移动医疗方面的内容,中间提到“智医云”,提出了一云三端(医生、医院及患者)的移动互联网的概并详细阐述智医云三端服务诊疗的全流程。还针对在“互联网+”与“大数据”促进传统IT变革的环境下,如何解决快速增长的医院业务需求的问题做了详细解答。更多精彩的干货,详解PPT。

主题:刘帆—大数据时代医院信息化建设之机遇与挑战

PPT下载地址:http://down.51cto.com/data/2124166

讲师简介:

[[164955]]

刘帆,2004年毕业于北京大学医学部,获得临床医学博士学位,2015年成立北京大学人民医院医学大数据研究中心,担任中心副主任,初步建立北京大学人民医院科研大数据平台。 2015年获聘中华全国青年联合会第十二届委员会委员,其他主要社会兼职包括 《中国医院协会信息管理专业委员会》常务委员、副秘书长 《中国卫生经济学会医院经济专业委员会》常务委员、秘书长 《中国卫生经济学会医疗保险经济专业委员会》副主任委员

责任编辑:王雪燕 来源: 51CTO
相关推荐

2016-11-27 14:50:52

大数据医疗WOT

2017-01-12 17:16:26

大数据医疗

2009-10-27 16:36:20

APC

2017-02-09 17:30:17

华为

2011-10-21 14:00:48

北塔软件信息化建设

2017-09-18 11:41:07

信息化建设

2011-06-02 17:06:31

网络行为管理路由器

2012-05-22 16:05:00

自贡人民医院医疗信息化惠普

2010-04-01 10:29:57

运维管理Mocha BSM摩卡软件

2013-01-29 13:37:22

无线网络运维管理信息安全

2010-05-06 21:09:18

2012-03-13 14:57:18

思科数字化医院

2017-01-03 11:32:54

华为助力医疗

2017-04-25 16:10:14

互联网医院医疗

2015-11-13 10:35:05

大数据医院信息化WOT

2016-07-08 10:49:19

华为

2017-04-09 09:52:52

北京医改IT

2014-04-29 12:22:02

2014-03-25 11:18:08

IBM论坛大数据分析
点赞
收藏

51CTO技术栈公众号