相关文章

从数据模型和应用模式,看医疗大数据的九大业务应用

来源网址:

    【】医疗大数据是重要的基础性战略资源之一,其应用发展将推动健康医疗模式的革命性变化。医疗大数据的分析应用可优化医疗资源配置、降低医疗成本、提升医疗服务运行效率,将对我国社会和人民生活等产生重大而深远的影响,具有巨大的发展潜力、商业机会和创业空间。为推动医疗大数据的快速发展,国家相继出台一系列相关政策。在国家层面的积极倡导下,各地政府、医疗机构和相关企业等开始从不同环节切入,进行医疗大数据建设,并积极探索相关业务应用。

    看点01:医疗大数据的具体概念及相关特点

    医疗大数据是指在医疗服务过程中产生的与临床和管理相关的数据,包括病历数据、医学影像数据、用药记录等。医疗大数据除具有大数据的“4V”特点外,还包括时序性、隐私性、不完整性等医疗领域特有的一些特征:

    ①规模大(Volume):1个CT图像约150MB,1个基因组序列约750MB,1份标准的病历约5GB;1个社区医院数据量约在数TB至PB,全国健康医疗数据到2020年约35ZB。

    ②类型多样(Variety):包含文本、影像、音频等多类数据。

    ③增长快(Velocity):信息技术发展促使越来越多的医疗信息数字化,大量在线或实时数据持续增多,如临床决策诊断、用药、流行病分析等。

    ④价值巨大(Value):医疗数据的有效使用有利于公共疾病防控、精准诊疗、新药研发、医疗控费、顽疾攻克、健康管理等,但数据价值密度低。

    ⑤时序性:患者就诊、疾病发病过程在时间上有一个进度;医学检测的波形、图像均为时间函数。

    ⑥隐私性:患者的医疗数据具有高度的隐私性,泄露信息将造成严重后果。

    ⑦不完整性:大量来源于人工记录,导致数据记录的残缺和偏差;医疗数据的不完整搜集和处理使医疗数据库无法全面反映疾病信息。

    看点02:医疗大数据的“五种数据模型”与“六种应用模式”

    医疗大数据平台中的数据从医院信息平台获取,依据相关业务应用经整合、加工后供医护人员、患者和医院管理人员使用,医疗大数据处理模型如图1所示。

    图1医疗大数据处理模型

    1、数据获取

    数据获取即根据应用主题从医院信息平台获取相关原始数据存储于医疗大数据平台数据库。

    2、数据整合

    数据整合是将从医院信息平台抽取的业务数据按照统一的存储和定义进行集成。医院信息化经过多年的发展,积累了很多基础性和零散的业务数据。但是数据分散在临床、医技、管理等不同部门,致使数据查询访问困难,医院管理层人员无法直接查阅数据若对数据进行分析利用,需要综合不同格式、不同业务系统的数据。

    3、数据加工

    将整合后的数据进行清洗、转换、加载,根据业务规则建立模型对数据进行计算和聚合。

    4、数据展现

    数据展现即数据可视化,为方便医护人员、患者和管理人员理解和阅读数据,而采用相关技术进行的数据转换。

    五种数据分析模型

    医疗大数据可服务于患者、临床医疗和医院管理。通过《医疗健康大数据分析平台及应用研究》研究项目的实地调研与深入访谈,结合现有医疗大数据研究成果,对医疗大数据的应用需求进行了充分的分析和归纳,提出基于患者就诊过程的医疗大数据分析与应用的模型,如图2所示。

   

    图2基于患者就诊过程的医疗大数据分析与应用模型

    该模型展现了从患者入院到出院过程中产生的相关数据,主要包括患者特征数据、病种数据、治疗方案与费用数据、治疗状态数据及在该过程中产生的管理类数据。

    1、患者特征数据

    患者特征数据主要有主诉、现病史、检查检验类数据。涵盖了疾病的主要症状、体征、发病过程、检查、诊断、治疗及既往疾病信息、不良嗜好甚至职业、居住地等全部信息。

    2、病种数据

    即患者疾病的诊断结果,一般有第一诊断、第二诊断、第三诊断等。目前医疗机构大多使用ICD-9/ICD-10进行疾病的分类与编码。

    3、治疗方案与费用数据

    根据诊断结果为患者提供的治疗方案与费用数据主要包括、检查、检验、手术、护理、治疗6大类,此外费用数据还有材料费、床位费、护理费、换药费用等。

    4、治疗状态数据

    治疗状态数据即患者出院时的治疗结局,一般分为治愈、好转、未愈、死亡4类。

    5、管理类数据

    除患者就医过程产生的服务于医院管理的数据外,还包括医院运营和管理系统中的数据,如物资系统、HRP、财务系统、绩效考核系统等产生的数据。