2019年医疗大数据发展的十个态势

大数据 CIOAge
对于健康医疗大数据,国家卫生健康委颁发的《国家健康医疗大数据标准、安全和服务管理办法(试行)》有着明确的定义:是指在人们疾病防治、健康管理等过程中产生的与健康医疗相关的数据。因为体现医疗大数据价值的核心数据在医疗机构,所以本文谈的更多是医疗机构产生的以临床诊疗服务为核心的数据。

2019年医疗大数据发展的十个态势

展望2019年,如何开展“互联网+医疗健康”便民惠民服务,提升群众获得感,肯定是新一年医疗行业的工作重点。而要落地这一目标,既离不开信息系统的建设和改造,也离不开医疗大数据的底层支撑。那么医疗大数据在新的一年如何着力,如何发展呢?在此,谨结合自身工作体会,归纳了如下十个要点和思考,与大家交流。

对于健康医疗大数据,国家卫生健康委颁发的《国家健康医疗大数据标准、安全和服务管理办法(试行)》有着明确的定义:是指在人们疾病防治、健康管理等过程中产生的与健康医疗相关的数据。因为体现医疗大数据价值的核心数据在医疗机构,所以本文谈的更多是医疗机构产生的以临床诊疗服务为核心的数据。

首先,政策支持将继续加强。

2018年可称作是医疗大数据的政策年,国务院26号文、《国家健康医疗大数据标准、安全和服务管理办法(试行)》先后颁布。2019年会有更多配套政策出台,或许有我们大家期待的国家医疗保障局的医保脱卡结算就医政策、国家标准委相关的大数据安全技术标准、国家互联网信息办公室的《个人信息和重要数据出境评估办法》,以及相关应用和服务指南。当然,2019更多的是政策落实年,跟以往政策的很大不同是,不再仅仅停留在宏观的方向指导,而具有更多的可操作性。无论医疗机构还是健康服务公司,或是医生和患者,能知道自己可以做什么和获得什么。

第二,电子病历评级将极大促进医疗大数据的质量完善。

国家卫生健康委医政医管局对电子病历应用评级的要求不断推进,电子病历评级不再是可有可无的选项,而是医院发展和管理的必选项。比如:北京市医管局要求所属23家三甲医院必须有半数在2020年达到五级水平,而且明确要求医院医疗部门牵头,信息部门配合落实。也就是说,以电子病历评级为契机的医院全面、高质量的信息化,将必然成为医院发展的核心内容。新版电子病历评级要求中增加了数据质量的要求,必将促进信息化流程和管理的真实落地应用。没有数据的信息化系统是僵尸、是摆设,必然不能再继续潜水,而是要浮出水面。

电子病历评级的核心是促进医疗流程闭环,防止医疗差错,提高医疗安全和质量。数据质量对一致性、完整性、整合性的要求,对于临床大夫而言,将能更便捷地获得患者完整、可追溯的诊疗数据;对医院管理而言,优质的数据使管理效率更有效提升之余,也更加精准。总之电子病历评级的普及,对提升医疗大数据质量,必有深远影响。

第三,医疗大数据技术的应用环境将更加成熟。

从技术角度讲,无论是NLP自然语言学习、搜索技术,还是分布式数据库和运算、知识图谱、数据库,或是语义识别和数据挖掘模型,经过近几年的发展和应用已经获得用户的认可,这些技术已经不再是大数据厂商或平台的专利,而是获得了普遍的应用。比如:Hadoop数据库已经用于电子病历厂家的后结构化,用于BI厂家的数据分析和展现。大数据技术随着大学课程的开展,人才的增多,需求的增长,技术门槛逐渐降低,并易于掌握。2019年,大数据技术将成为更多的系统厂商采取的成熟技术。医疗机构的信息部门工程师通过学习,正在逐步掌握医疗大数据应用的主动权。

第四,医疗大数据获得普遍应用。

我们在2018年开展了一项课题,对127家医院进行了问卷调查,结果表明,虽然有近51%的医疗机构还没有建设数据平台,但已经有49%的医疗机构在进行了应用和尝试,比如临床辅助决策支持、应用管理决策支持、科研数据库等。与过去几年的观望和裹足不前相比,这已经是非常可喜的进步了。毕竟一个新技术的成熟应用逃不过萌芽、快速发展、回落和逐步成熟应用的曲线。

第五,医疗大数据厂商的双向融合。

我曾经在2018年谈过国内医疗大数据的几种行业形态包括:传统的医疗信息化公司、科研数据公司、BAT行业巨头的医疗数据部门以及互联网出身的专注于医疗大数据的创业公司。它们虽然出身不一样,但是经过几年的历练,逐步殊途同归、相互融合。

互联网公司通过科研和在医院落地的大数据平台建设,逐步有所突破,无论在DRG管理、集成数据平台,还是在医院运营管理、临床场景的辅助支持等。传统信息化厂商也主动转换角色,引入新的技术和理念,寻求在大数据平台上的突破,比如某电子病历厂商在北京某大型医院落地的实时数据平台。而BAT也开始利用医疗服务外围大数据优势,融合院内医疗数据,在商保平台和患者精准分诊预约方面获得了医疗机构的认可和使用。传统科研公司也不例外,逐步顺应了医疗数据安全的要求,将多中心的研究数据落在了院内,并在努力争取院级信息数据的融合。

对于医疗机构而言,将采取更加开放的姿态,在确保安全的前提下,只要能实现医院临床、科研或患者服务的场景,和哪类厂商合作已经变得没那么重要。

第六,医疗大数据将在CDSS(临床决策支持系统)上获得突破。

CDSS离不开高质量的临床大数据。国家电子病历新版评级的四级要求全院信息共享,达到初级决策支持;五级则要求统一数据管理,实现中级医疗决策支持。尽管对评级医院提高了难度,但的确指明了信息化发展建设的方向,同时对医疗大数据的发展是重大利好。

如何辅助大夫做好助手,比如开处方时的患者过敏史提醒、查看检验报告时的诊断提醒、书写病历时的危急值和并发症提示以及在进行MDT(多学科诊疗)时的相似病例推送等,都需要有知识库、临床指南和真实历史医疗数据的综合运算,这些需要短时间内运算出结果反馈给临床,这是传统技术手段较难达到的,也正是大数据技术在优势所在。借政策东风,加上大数据技术的成熟,医疗大数据应用将必然在更多场景获得突破。

第七,医疗机构对大数据平台的建设规范和指南需求更为迫切。

是否要建大数据平台,医疗机构的态度已经走过了从不解到理解、从观望到迫切的过程。但如何建设还面临很多问题:是否和之前建设的CDR平台重复?让HIS厂商建,还是大数据公司建?安全如何把握?数据如何提供?在哪些场景应用?如何和临床结合?数据如何管理?如何评价效益?如何借鉴业内成功案例?希望国家或者行业协会能提供指导和范例,避免投资浪费,避免安全风险。所以,2019年迫切需要推出医疗大数据平台的建设和应用指南,规范和促进行业良性发展。

第八,“医工结合”将会进一步促进大数据在临床上获得科研突破。

大数据技术作为成长型技术,尽管企业较为广泛地掌握和应用,但核心技术依然来源于高校。2018年,医院纷纷成立大数据中心的同时,高等院校的大数据研究院也如雨后春笋般涌现,比如重庆医科大学、南京医科大学等纷纷有所动作。尤其是2018年4月28日,北京大学健康医疗大数据国家研究院在京成立,标志着医疗大数据在高校和医院联合研究方面走上了新的高度。高校的统计分析和大数据前沿技术,医疗机构的医学问题和大数据沉淀,以及二者共同的科研需求,促进了“医工结合”,擦出火花。

促进高校的科研转化是国家相关部委的工作支持重点,2018年底,北京大学医疗大数据研究院院长李全政与复旦、浙大、北大肿瘤医院强强联手,采取医工结合模式,一举中标国家重点研发项目——“精准医疗决策支持系统研发”,正是医疗大数据辅助临床研究走上国家舞台的开端。

第九,医疗大数据对患者开放成为趋势。

国家在2018年出台并在同年10月1日执行的《医疗纠纷预防和处理条例》中提到,患者有权利复印其在医疗机构发生并记录的全部病历数据。顾名思义,不仅包括医疗机构允许患者复印的检验检查等客观病历,也包括像死亡病例讨论记录、疑难病例讨论记录、上级医师查房记录、会诊意见、病程记录等主观病历。也就是说,以病历为核心的临床数据资料均需要对患者公开共享,而且没有附加条件。此办法的出台促进了医疗机构加强病历书写质量和效率的管理,也使得患者的医疗数据共享有法可依。

北京市卫生计生委推行的30家医院电子病历共享工程就是政策缩影,尽管目前数据只是对医疗机构公开(患者就诊时授权),但相信新的一年将有更多医疗机构加入共享平台,也相信不久的将来,数据平台也会给患者个体开放。

政府层面推进医疗数据共享的同时,医疗机构在尝试推出“某某云病历”或云医疗等APP,逐渐主动放开数据共享,从而广受群众好评。患者就医的获得感往往是在信息化和数据共享的APP上呈现的,患者的广泛应用有助于医疗秩序的优化,也反过来推动数据的进一步共享。

第十,大数据安全面临更多挑战。

医疗数据的共享和应用的丰富,也将面临着更多安全挑战。医院在网络安全层面遭遇了勒索病毒,勒索病毒初发时,国内医疗机构中招的很鲜见,但2018年成为局部爆发年。某些医院中了勒索病毒后引起HIS故障,有些会在微信群曝光和讨论,当然更多医院是低调处理。在数据应用方面,由于数据挖掘人员接触数据的机会增多、医院内外网业务打通的通道增多,应用风险也随之增大。

网络安全等保2.0的出台以及防病毒软件的道高一尺,并不意味着2019年更加安全。唯有做到核心业务系统的隔离,采取抗感染的操作系统,尝试数据利用的去隐私和加密方式,加强数据利用审核流程,加强全员信息安全责任和管理,才能做到遇事不乱,减少乃至避免数据安全风险。

医疗大数据积累了20年,就是为医疗和科研服务的,不能再以安全为名继续沉睡下去。借用原国家卫生计生委副主任金小桃的话说:“健康医疗大数据需要人人参与贡献,至于隐私和安全,随着健康医疗大数据的技术发展,这些都不是问题。”

还有不多日就是中国农历猪年了。期望曾经在风口的医疗大数据这只“猪“早日平安落地,快跑着回归临床。

责任编辑:未丽燕 来源: 亿欧网
相关推荐

2023-01-24 16:37:45

大数据大数据分析DBaaS

2022-02-24 14:53:39

大数据安全数据集

2013-07-29 16:05:29

企业大数据趋势

2014-04-24 09:41:06

大数据

2019-01-04 15:59:51

大数据数据分析数据

2022-04-19 13:55:20

大数据

2023-01-03 13:59:17

Kubernetes容器

2020-03-16 10:42:23

大数据IT工具

2019-02-14 13:21:24

大数据数字化人工智能

2016-08-12 14:50:29

开源HadoopSpark

2015-08-04 14:02:53

大数据医疗穿戴

2022-01-19 12:39:41

大数据

2019-10-08 14:19:47

智慧城市大数据平台城市大数据

2020-01-10 08:36:30

数据泄露漏洞信息安全

2021-08-31 09:30:59

医疗保健物联网IOT

2019-02-11 12:02:25

大数据智能云计算

2016-12-29 14:33:54

大数据数据可视化

2023-10-17 18:07:36

2024-06-28 11:29:20

数据学习模型机器学习

2020-01-09 07:37:21

数据中心运营商
点赞
收藏

51CTO技术栈公众号