开篇:润墨网以专业的文秘视角,为您筛选了十篇范文,如需获取更多写作素材,在线客服老师一对一协助。欢迎您的阅读与分享!
C=CBNweekly H=万豪敦(Frans van Houten)
医疗行业会变得越来越聪明。未来,患者通过云端储存的大数据在家就可以获得治疗,医生的工作效率也会提高。企业将在这个过程中发挥哪些作用?在飞利浦总裁兼首席执行官万豪敦(Frans van Houten)看来,企业能用云技术将健康平台上所有的智能互联产品的数据整合起来,从而更好地抓住市场增长机遇。
C:智能医疗的发展给医生和病人带来哪些改变?
H:未来,所有的健康产品不再单独存在,而是通过云端相连。智能产品将给医疗机构和个人消费者带来更好的体验。比如,医生可以通过云端实现远程医疗。现在,已经有很多产品连接到IT后台。例如,通过智能医疗,我们可以监测患者的生命体征,并把这些数据与后台相连,通过实时监控、比对和云监控,提前7个小时预警,以避免患者突发性心脏病的发生。在医疗领域,大数据的分析和应用在临床决策、质量监控、疾病预防、远程治疗等方面都将发挥巨大作用,在提高医疗效率、改善医疗效果的同时,也将有效控制成本。未来,这样的互联趋势将越来越明显,所有的终端或设备应该具有兼容性,即便是不同厂家的设备也可以实现互联和对话。此外,企业还要注重患者数据和隐私的保护。
C:你如何看待中国的智能医疗发展前景?企业可以抓住哪些机遇?
H:正在急剧转型的中国社会,工业化和城镇化的速度和规模都很罕见。然而快速的社会经济发展也加大了慢性病的风险因素。中国的慢性病发展状况可以概括为“发病增长快,疾病负担重”。目前,慢性病死亡占中国居民总死亡原因的比例已上升至85%,导致的疾病负担已占疾病总负担的70%,给医疗系统带来了极大的挑战。除了慢性疾病的治疗,另一个非常重要的环节是“健康管理”,即在疾病的早期,甚至还没有发现疾病的时候,增强一个人的健康意识,通过改变生活习惯、饮食结构,提高预测、预防慢性疾病的能力,才能从根本上保持健康。针对这种趋势,企业有很多事情可做。例如飞利浦现在正在研发的“个人健康管理系统”(Personal Health Management),它可以成为医疗系统管理慢性病患者的基础工具。该系统拥有供医务人员和病人使用的两个客户端,相互之间可以进行实时沟通,从而帮助医务人员更高效地管理病人,并使病人能在任何时间、任何地点获得健康服务。
C:现在有一些企业正在推动影像设备数字化。未来医生通过病人的数据分析就可以实现疾病的预测,但是数据采集的核心在医院,对于这个问题企业应该如何解决?
H:企业可以积极参与区域医疗信息系统平台的建设,帮助当地政府和医疗机构实现医疗信息的采集、存储、整合及分析应用,从而使医院、管理部门能全面掌握当地居民的疾病诊疗和健康状况,帮助医院提升诊断水平和医疗质量;使居民能获得更方便、快捷的医疗健康服务;促进当地医疗资源的分配更合理、更经济,从而提升区域的整体医疗保健水平。
个性化医疗改善居民健康,实现“未病先防”、“既病防变”或“已病早治”以及连续性的医疗服务
美国最受尊敬的心脏病学家、基因组学家之一埃里克・托普在《颠覆医疗:大数据时代的个人健康革命》一书中认为,个人基因组重测序技术以及一系列实时健康监测技术是未来能让每个个体明确知晓自身健康状况的有力工具,能赋予每个人更多的自由,自行选择相应的治疗方案。
随着人类对疾病与基因之间映射关系的认识加深,基因测序成本的下降,可穿戴设备的普及,监控设备的微型化,移动连接和网络覆盖范围的扩大,电脑计算能力的大幅提升,肿瘤疾病诊断、遗传病基因检测、优生优育检测、药物基因组学等个性化医疗越来越成为可能。
未来人们可能只需花费 500-1000美元就能进行个人遗传检测,医生可以根据基因芯片分析个人对药物的敏感度和承受力,有针对性地开处方,避免不必要的浪费或风险。
大量的基因数据、临床实验数据、环境数据以及居民的行为与健康管理数据形成了“大数据”,利用好“大数据”可以提升医疗价值,形成个性化医疗,从而改进居民健康,实现“未病先防”、“既病防变”或“已病早治”以及连续性的医疗服务。
个性化医疗是什么?
个性化医疗一词已使用多年,而斯克里普斯转化科学研究所的Eric J. Topol 3月在Cell发表的一篇文章提到,最近的一项调查表明,只有4%的公众理解“个性化医疗”是什么意思。
也许有人认为个性化医疗指的是VIP医疗服务,美国国家科学院将个性化医疗理解为精准施药(precision medicine),但这不妨碍这个词越来越多的被传播。只是,当你在可穿戴设备狂轰滥炸的商业宣传中屡次见到这个词的时候,是否想过个性化医疗究竟是什么?它又个性在哪儿呢?
IT技术日新月异,新兴技术业态层出不穷。近年来,随着云计算、移动互联网、物联网、社交网络等逐步走进人们的视野,不知不觉中,又有一种技术热潮受到业界热捧,那就是大数据。据CA公司近日的“2013年CIO关注的五大IT趋势”中,2013年CIO所关注的几大IT趋势里面,大数据位列榜首,排在了企业信赖云端、物联网、密码时代的终结、企业流动或社交网络的前面。该报告预测,2013年,大数据项目将开始展现其可观的投资回报率。
有人说2012年是大数据的元年,也有人说大数据在2012年得到了大的发展。在众说纷纭下,不得不承认,大数据的时代已经来临。在这个越来越重视客户体验的时代,将数据分析与总结的结果再投入到实际应用当中的工作越来越得到企业决策者的关注与重视。大数据的影响也已经渗透到各个行业的应用当中,最具代表性的行业例如互联网、电商、金融、公共服务当然其中也包括医疗服务。
从数据管理到支持决策
作为传统行业,医疗卫生行业的IT建设具有一定的复杂性与特殊性。随着医疗改革的逐步深入,医疗服务质量的提高相比于医疗服务效率的提升更加重要,那么如何在众多医疗机构中突出自己的特色,做到真正的急患者所需,更好的为患者服务,才是医院管理层真正关注的关键。拿三甲医院来说,每天接待上万的患者前来就诊,患者的基本信息、影像信息与其他特殊诊疗信息汇集一起是一个旁大的数据。日积月累,这个数据量将会以几何数字倍增,为医院的数据存储、集成、调用等应用都带来巨大压力,然而如何精确管理与快速调用这些数据为医生和管理层所用?是目前很多医院CIO都关注的热点。
“我院目前还没有应用到大数据的技术,但是不得不承认,大数据时代已经来临。现阶段,医院数据尽管还够不成大数据,但医院领导逐渐认识到数据对医院发展的重要性。院领导摆脱了靠差不多、经验和直觉习惯做决策,逐步转变思维方式,通过对海量数据的挖掘和运用,更多地基于事实与数据分析做出决策。这对信息技术人员来说是机遇也是挑战,而这些影响都是大数据带来的。” 二炮总医院信息主任卢敬泰表示。
北京大学第一医院(以下简称“北大一院”)计算中心主任马靖翔也支持上述观点,他认为应该对医院数据信息进行整理挖掘与精细管理。在他看来,以目前北大一院的数据规模来说,即使核心业务每天增长的数据几百兆,PACS每天增长几十个G,尽管没有达到大数据的规模。但他认为,医院核心业务每天都产生大量的医疗数据,如何通过数据挖掘等手段,形成有价值的指标,从而提炼出指导决策的数据,这对医院管理层做出重大决策与医院远期发展是非常重要的。
据了解,从数据应用的角度讲,医院的数据挖掘与其他行业的数据挖掘还是存在一定差距的。一是用于医院的内部管理,比如对用药、流程等进行挖掘和分析;另一种是用于临床辅助支持与临床科学研究。其中用于医生实时的临床决策支持和分析,需要十分谨慎,因为关系到患者的生命,这就为医院数据管理提出了很高的难度。现今,整体医院的数据挖掘与数据管理还没有达到很高的级别,随着未来医院不断增长的信息数据,可以想象,利用常规的软件工具已经难以对其进行搜集、管理和加工了,所以医院信息系统建设迫切需要大数据等相关技术的支持。
电子病历为BI建设注入活力
[摘 要]信息化是现代社会发展的一个显著特征,以信息化为基础的云计算和移动互联网等新一代信息技术的应用,推动了大数据时代的到来。在这种趋势下,我国的医疗卫生行业所产生的数据容量增长速度远远超出了硬件和软件的发展速度,以至于在一段时间内出现了数据存储和处理危机,缓解这种危机要充分运用云计算技术,为其提供一个存储平台。本文分析区域医疗信息建设中的大数据和云医疗的相关内容。
[关键词]大数据;云计算;医疗信息建设
doi:10.3969/j.issn.1673 - 0194.2016.14.115
[中图分类号]TP311.13;R197.3 [文献标识码]A [文章编号]1673-0194(2016)14-0-01
1 云计算环境
通过国内外对云计算的研究可知,在云计算模式中,“云”是动态调节的一种具有虚拟性的服务资源,用户的付费标准是依据使用量的多少产生的,可以在浏览器、桌面应用程序等地方发送服务请求,对于用户的要求也很宽松,不需要其有专业知识,也无需对“云”进行直接控制,所有具体要处理的都会在“云”端进行,而远端的“云”服务接收到客户端的请求后会把用户所需要的数据资源及时返回。
2 大数据下的区域医疗信息化
2.1 区域医疗的信息化现状
建设区域卫生信息化平台重在顶层设计,难在对海量数据的应用和处理。近日,记者有幸采访到了上海市卫生局信息中心副主任谢维,进一步了解了上海市区域卫生信息化的建设和未来发展。
“1+19”的顶层设计
上海的医疗卫生信息化工作在全国起步较早,逐渐形成医疗卫生机构内部信息化(如医院内部系统)、跨机构条线信息化(如公共卫生的专病管理)、机构互联(区域卫生信息化)三个层面的信息系统,按照谢维的说法,就是形成了“点”、“线”、“面”的信息系统建设框架。
之后,上海市着重考虑并论证下一步卫生信息化建设发展的方向,基本形成了打破“孤岛”、“烟囱”,实现“互联互通,共享互用”的区域卫生发展框架,根据上海的实际,规划了“1+19”框架。谢维解释说,“1”是指上海市卫生局的主数据中心,“19”是指上海17个区中心卫生信息中心、1个由所有三级医院形成的医联数据中心、1个公共卫生数据中心,通过“+”字,完成所有医疗卫生机构信息的交换和共享,进一步支撑业务协同,从而形成了“1+19”的顶层架构设计。通过这些数据中心的互联互通,已将上海市500多家公立医疗机构全部纳入区域卫生信息化体系中,未来还将把上海市的3000多家民营医疗机构也全部吸纳进来,从而实现广域的、互联互通的区域卫生信息化体系。
谢维介绍说,“1+19”的顶层设计分三个阶段实现。第一阶段是以医联网为代表的上海市所有三级甲等医院进行互联互通,首先实现了市属24家三级医院基于电子病历的互联互通。第二阶段是针对上海“基于健康档案的卫生信息化工程”(简称健康信息网)的建设,先试点6个区加所有三级医院的互联互通,之后扩大战果,实现上海市所有公立医疗机构的互联互通。谢维说:“建设健康信息网经历了复杂的上下联动的过程,我们克服了许多体制机制上和管理秩序上,以及互联互通技术上的困难。”目前整个市级数据中心可以实现与所有医院的数据共享,后台数据库每天入库数据1600万条,至今已累积数据43亿多条,形成了数据量很大的核心数据库。此外,在分布+集中的数据管理模式下,各分中心还有自己的数据库,相互联动,共同形成了上海市的健康档案数据库。
接下来,在“1+19”顶层设计下的区域信息化将进入第三阶段。谢维说,这一阶段的工作目前正在规划中,“其发展目标可能会重点围绕涉及医药卫生全领域的整合。”他说,只有形成数据在更大范围的交换、共享、整合和协同,才能更好地利用数据,“交换、共享、整合、协同”,这是在建设区域卫生信息化进程中的关键词,其中整合最重要,而交换则是手段。”谢维说。
大数据缓解“压力”
面对每天进账1600万条数据的海量数据库,如何管好、利用好这些数据,着实让谢维他们费了脑筋。他们担心,这么大的数据量,现在的技术搞得定吗?可持续吗?
摘要:为了能够促进健康服务业的发展,就需要重视数据的作用,并且数据开放也是大数据发挥作用的前提。在快速发展的大数据背景下,互联网的医疗方式越来越常见,并且医疗数据成为了重要的保障,同时由以往的封闭性开始变为开放性,这不但能够提高医疗数据的再利用价值,同时还能够有利于医学科研获得相关的资料,并且可以更好的掌握居民的身体情况,从而实现医疗健康服务产业的创新。基于此目的,以下主要分析的是大数据背景下医疗数据的统计及开发。
关键词:大数据背景;医疗数据;统计与开发
自从20世纪80年代以来,医院信息数字化获得了明显的发展,主要表现为以往是局部的药房药品、单纯的医院财务系统数字化、物资管理数字化,逐渐发展为电子病历、检验信息系统、集成医院影像存档与传播系统。近年来,人们的生活水平有了较大的提高,这使得对于医疗服务的需求越来越大,这就需要医院提供更为人陛化的服务。从医院的角度来看,医院数据的信息量越来越多,同时医疗统计上报的数据也越来越多,如果要想能够从医疗数据中得到有用的信息,就需要重视选取相应的方式,以此来进行数据的统计与开发,从而能够获得较为全面的信息,并且能够有利于促进医院本身的发展。
1医疗数据的统计来源
1.1科室上报
科室上报是医疗数据的重要统计来源,医生在工作的过程中,应当严格遵守国家卫计委下发的相关文件来填写相关资料中的入院病情、疾病诊断、疾病编码等等,同时应当由病案统计人员对其审核,确认无误后进行上报。在大数据背景下,信息化得到了快速的发展,但是因为医院网络系统设计平台将重点放在了临床使用方面,同时因为没有正确认识到数据统计的内容,就对单病种质量、医院感染、合理用药、医院人员变动等等统计的不够准确,就会使得系统方面有较多的问题。此外,对于一些项目,只能使用手工上报的形式,虽然耗费了很多的人力成本,然而还是难以保障统计数据的真实性与有效性。
1.2网络系统生成
网络系统生成是医疗数据的一项统计来源。从医院的HIS开始投入使用直到现在,结合现实的情况,系统经过了了不断的调整与完善,不但能够统计更多的医疗数据,而且还可以统计出更为准确的数据。由于医院应用了HIS系统,因而,能够较为方便的来统计出医院各科室的总站床日数、人院出院的人次、使用率、医疗收入、医疗技术科室的实时工作量等项目,并且获得的数据能够更加准确与客观,从而有利于医疗机构的决策与发展。
医学大数据的架构具有很强的扩展性,在获取人体的基本数据以后,不仅可以构建人体的解剖结构和生理结构,而且可以从分子层面去构建微观模型。例如,基于一些复杂的数学模型,可以从DNA序列推演到mRNA结构,最后构建这段DNA序列表达的蛋白结构。近年来包括医学在内的多种学科不断交叉融合,学术界的交流以及创业公司都在努力推动多种技术的融合。在医学上不仅仅牵涉到临床医学,同时涉及生物学、分子生物学、细胞生物学、化学等等,以及自动化,包括检测、统计、分析、影像等方面都会涉及。当然,数学肯定是最基础的,建立数学模型、复杂的算法都跟数学基础息息相关。新兴的大数据即数据科学,也离不开基础的计算机科学。所以,未来医学是众多学科融合的综合科学,大数据的价值是众多领域量化的数据融合,这就是技术趋势。
市场需求是重要驱动
去解决实际临床问题更多依赖于医生的经验,不论是生理层面还是分子层面许多都还没有被完全的量化,而是记录在医生的经验当中。医院也已经采集到很多数据,存放在不同的计算机系统中,但是基本以数据孤岛的形式存在,并没有被充分利用和挖掘,而这些其实就是做基础研究最重要的数据。
医学大数据发展有三大价值驱动力,首先是生活质量的提高,人们对生命质量或者是健康质量的不断追求和高标准的要求;其次是在高品质生命健康需求下促使成的生命科学技术的进步;最后是基于生命科学技术进步的临床手段不断丰富,临床治疗质量不断提高,这就是整个医学大数据价值驱动的核心。此外,巨大的患者人体组织器官替换的市场需求也是重要的驱动因素。
整个再生医学行业的大背景是全球每年大概有8000多万的各种组织器官的需求,包括脏器器官、软骨、胰、颅颌面、眼膜等,目前只能通过捐献满足,而捐献所能满足的需求是非常有限的。所以,众多科学家希望可以获得除了捐献以外的方式来替代和满足大量的需求。脱细胞异体移植是正在研究的一种方法,即从供体上取出的组织脱细胞后,种植受体的细胞进行培养,然后再移植到新物体上。比如猪或牛跟腱组织取出来进行脱细胞处理,然后异体组织移植。自体移植的方法可能会造成二次创伤,而异体移植也可能因为分子层面未被认知的部分影响生物的生存。所以,眼下的科学家研究采用人工合成、天然高分子或者生物仿生等材料,构建人体组织器官的结构,如骨骼的结构,把细胞种植在上面,然后再做培养骨骼的移植,目前大量的实验证明这种方法是可行的。每个人的人体骨骼从头到脚的结构都不一样,不同骨骼的功能也不一样,有的是起支撑作用,有的是为神经和血管等提供营养供给载体,有的起保护脏器的作用。因此需要针对每个患者的骨骼等受损组织器官的微结构进行精准构建,而组织器官微结构的精准构建需要通过艾科赛龙进行精准的解析并构建,然后才能提供给临床去做治疗。在中国通过捐献方式获得器官移植的每150万人当中,只有1万例获得捐献,其余的因未能得到及时治疗而死亡。癌症、新发肿瘤、心脑血管疾病等患者数量,再加些意外创伤、事故等患者人数,再生医学技术的需求将越来越大,并且日趋紧迫。
国内对精准医疗的理解主要是停留在基因层面上,而精准医疗的概念在外科领域最早被提出,精准医疗其实是针对个体化治疗的、针对个性化各器官的医疗服务。例如,骨组织的修复,完整的骨组织功能重建,需要匹配生理环境,这也是精准治疗的范畴。重塑精准医疗的整个流程首先是基础数据的采集,这是医学大数据的挖掘的基础,数据的采集方式很多,包括临床经验数据、自动化设备的影像数据(CT、MRI)、基因测序数据等。其次是数据的解读与分析,通过建立相应数学模型、采用机器学习等技术对医学数据进行挖掘。接下来是临床治疗和技术支持,把数据解读和分析的结果变成实用、落地的产品或方案,用于临床治疗或技术支持,如个性化解决方案、手术导航板及个性化植入物等。再者结合个性化治疗的量化指标,跟踪随访、复诊,形成精准医疗的闭环。最后,将汇聚众多的临床经验、数据进行完整的解析与融合,形成精准医疗完整的路径和思路,从而建立巨大的精准医疗系统。这个系统不仅包含外科,也会涵盖内科。借助这样一套巨大的系统,将骨骼等外科以及脏器等内科学所涵盖的组织器官量化解析,从数据开始重塑整个精准医疗体系。
数据融合让结论更精准
人体生理环境下各种数据是有相互关联性的,单个数据拿出来,如影像数据与血液的检测数据,与单个细胞或者干细胞是什么关系?在人体外的彼此间的关系不大,所以必须构建彼此之间相互关联的系统,模仿人体真实环境。搭建这样的系统涉及的数据非常庞大,通常需要通过多层的运算,应用较为普遍的人工神经网络。人工神经网络的架构与人体神经系统有些类似,通过计算机模拟神经网络的运行方式来构建,据说谷歌已经可以建立50到100多层的神经网络运算,而通常应用只有几层。在实际应用中,艾科赛龙没有建立那么复杂的关系,但会经过多个环节的处理以达到更好的效果。人工神经网络的单神经元通常由计算单元、连接单元和计算结果组成,再由多层神经元建立神经网络。计算单元对外面获取的信息进行计算,获得信息分配的权重,也是经验值,对计算结果再进行加权、综合等处理,经过多层的运算,就形成人工神经网络的基础架构。
[摘要] 当前,大数据技术在诊断、治疗等方面都得到了广泛应用。利用大数据来促进医疗康复和健康管理的发展成为可能,数字化医疗已经成为医疗产业发展的重要方向。但国内目前利用大数据进行康复治疗和健康管理的研究还相对滞后,特别是大数据在医疗康复领域的应用十分匮乏,相关理论和应用研究都缺乏针对性。本文通过对大数据技术当前在医疗领域的应用现状进行分析,探讨了大数据在康复医疗领域应用的可能性,并提出了利用大数据来对国民医疗康复与健康进行便捷管理的设想,指出了利用大数据来解决当前康复医疗面临问题的方向,明确了大数据技术在康复医疗方面的可行性,为未来大数据在康复医疗方向的发展给出了切实可行的建议。
[关键词] 大数据;医疗;康复医学;健康
[中图分类号] R197.32 [文献标识码] A [文章编号] 1673-7210(2016)11(c)-0178-04
Rehabilitation medicine and health in the era of big data
LI Jianmin
Teaching & Research Office of Sports Health Care & Rehabilitation, Department of PE, Guangxi Medical University, Guangxi Zhuang Autonomous Region, Nanning 530021, China
[Abstract] At present, big data technology has been widely applied in disease diagnosis and treatment. Using big data to promote the development of medical rehabilitation and health management has become possible. The use of big data enables to improve digital medical care has become an important development direction of the medical industry. However, study in this filed is deficient in domestic, especially in the specific theories and their application to the rehabilitation medicine. The paper introduces the current application situation of big data in medical treatment, and discusses the possibility of big data applied to rehabilitation medicine. Furthermore, it proposes some practical solutions and suggestions on how to use big data for the improvement of rehabilitation and heathy management. It also clarifies the feasibility of big data technology in rehabilitation medical care and pointes out the direction of the big data in rehabilitation medicine infuture.
[Key words] Big data; Medical treatment; Rehabilitation medicine; Health
当前,我们正处于一个数据爆炸性增长的大数据时代,各类信息系统在医疗卫生机构的广泛应用以及医疗设备和仪器的逐步数字化使得医院积累了更多的数据资源,这些数据资源是非常宝贵的医疗卫生信息,对于疾病的诊断、治疗、诊疗费用的控制等都是非常有价值的。
如何在大数据时代做好医疗卫生信息化建设,是值得我们思考的问题,也是在我国医疗卫生数据量爆发式增长背景下,医疗信息化建设面对的新命题。
系统架构可扩展诉求提升
医疗卫生数据主要来源于三方面:一是生命科学领域及医药研发领域。随着高通量测序的技术发展和逐步应用,生命科学领域的数据量正在高速增长,每台高通量的测序仪每天可产生约100GB的数据,仅华大基因一家中国基因公司,每天就有一百多台这样的测序仪在满负荷运行着,产生10TB的数据。
二是医疗领域。就医疗机构诊疗数据看,诊疗数据结构复杂,包含大量半结构化或非结构化数据,单个半结构化数据(如心电图、B超、CR、CT等)的数据量远远大于单个结构化数据(如XML文档),如一张普通CT图像大约150MB、一个标准的病理图接近5GB,而一个XML文档大小约几十K,随着医疗机构信息化建设转向临床信息系统,越来越多医院将重点建设PACS、LIS系统,从而产生大量非结构化诊疗数据。
除医疗机构诊疗数据外,医疗领域大数据还包括患者在医疗机构就医过程中产生的挂号、缴费、新农合基金使用情况、医保资金使用情况、诊断结论、诊疗过程等数据。根据卫计委2014年颁布的《人口健康信息管理办法(试行)》要求,电子健康档案、电子病历、全员人口信息等人口健康信息需要实现长期保存,医疗领域数据量将逐年累积增加。
三是移动医疗领域。可穿戴式医疗设备目前逐步从概念走向现实,其最重要的应用就在医疗健康管理领域,从谷歌眼镜、苹果手表到耐克腕带等均具备一定医疗健康管理功能,为用户提供身体素质指标监测、疾病数据跟踪等服务。随着可穿戴式设备的快速发展,未来将产生大量的医疗健康数据。
面对来源丰富且日益膨胀的医疗卫生数据,目前医疗信息化的存储架构无法满足大数据应用的需要,在处理和查询大数据集时更是力不从心,需要设计新的以数据为中心的计算模型和系统架构,把医疗卫生各个业务系统独立的、分散的、不同品牌或不同级别的存储产品统一到一个或几个大的存储池下,形成逻辑上统一的整体,进而根据数据整合或应用整合的需要将数据迁移到相应的存储空间,从而实现医疗信息化中存储架构的统一规划和部署。
我国医疗健康行业和信息技术行业的快速发展,以及政务及商务对医疗大数据的需求,推动医疗信息化接近爆炸式发展的临界点。在政策和需求驱动下,医疗信息化建设仍处于景气上升期,未来几年,在医院端电子病历、移动医疗、远程医疗、医学影像等系统的部署将成为行业主要增长点,预计行业将保持在15%-20%左右的增速;同时我国各地市区域医疗信息化平台招投标正在快速展开,预计未来几年公共卫生信息化将保持在20%―30%的高速增长。
随着医疗信息化的进展,紧跟着而来的,就是医疗大数据的运用。多年来,我国医疗机构大都各自为政,即便是一个医院内部也很难做到信息共享,如今,国家力推健康医疗大数据的共享和应用。
国务院办公厅《关于促进和规范健康医疗大数据应用发展的指导意见》指出,数据不能只是躺在某个医院的信息系统中,各家医疗卫生机构的数据应该汇聚到一块;数据也不能只是在健康医疗行业中实现聚合,应该打破卫生计生、工信、民政、公安、社保、环保、食药品监管等部门的壁垒,做到跨部门的数据互联共享;数据还不能只是在公共部门内流转,还应该探索推进“可穿戴设备、智能健康电子产品、健康医疗移动应用等产生的数据资源规范接入人口健康信息平台”。
那么未来,医疗大数据能怎么玩,又将在哪些领域发挥其作用呢?
领域一:临床决策支持系统
临床决策支持系统可提高工作效率和诊疗质量。临床决策支持系统分析医生输入条目,比较其与医学指引不同地方,提醒医生防止潜在的错误,如药物不良反应。医疗服务提供方可以降低医疗事故率和索赔数,尤其是那些临床错误引起的医疗事故。大数据分析技术将使临床决策支持系统更智能,如可以使用图像分析和识别技术,识别医疗影像(X光、CT、MRI)数据,或者挖掘医疗文献数据建立医疗专家数据库,从而给医生提出诊疗建议。
领域二:医疗保险行业
在社保面临收支压力的困境下,商业健康保险规模出现了40%以上的行业增速。在传统医疗环境痛点多、互联网对医疗领域逐渐渗透、以及传感器等硬件技术进步的大环境下,移动医疗行业蓬勃发展。而商业保险和移动医疗企业需基于核心的医疗大数据,才能最终实现为个人提供服务,商业企业的崛起正在加速医疗大数据形成闭环。