11月11日，由HIT专家网主办的“数据驱动医院运营管理”——2023年南湖HIT论坛在浙江嘉兴成功举办。论坛邀请国内医疗信息界知名专家和企业代表参会，围绕大数据背景下医院运营管理信息化建设的有效路径，深入探讨和分享实战经验，以寻求医院数智运营、精益管理之道。
上海柯林布瑞信息技术有限公司（以下简称“柯林布瑞”）出席此次论坛，并由联合创始人秦晓宏带来《助力医院构建“数据大脑”》主题分享，分享“数据大脑”的规划思路和建设路径，帮助医院提升数据质量、释放数据价值，支撑医院的智慧运营管理，助力医院高质量发展。
2023南湖HIT论坛：柯林布瑞联合创始人秦晓宏发表主题演讲
柯林布瑞现场展位
数据湖之上，构建医院“数据大脑”
传统的数据分析在面对医院不断增长的数据量时，可能会面临数据整合困难、计算过程繁杂、计算性能低下等问题。秦晓宏介绍，柯林布瑞主张建立“数据大脑”，随着数据不断增多，数据大脑的计算模型在大量数据的训练下得以更智能化，分析过程更便捷，分析结果更准确。
从顶层设计来讲，“数据大脑”涉及到许多核心要素，秦晓宏在阐述中着重强调了以下内容：
一是数据湖。为什么会产生数据湖的概念？在大型医院的实践过程中，柯林布瑞特别意识到了数据完整性和抽取的重要性。“数据湖是一个集中式的数据存储，以原始形式摄取和存储大量数据。一旦数据进入数据湖，它便可以被加工处理并被用作各种分析需求的原材料。”秦晓宏指出，数据湖具有开放和可扩展的架构，数据湖可以容纳来自任何来源的所有类型的数据，而且不会牺牲数据的保真度。
二是领域数据中心。领域数据中心如临床数据中心(CDR)、运营数据中心(ODR)、科研数据中心(RDR)、教学数据中心(EDR)等，需要在数据湖的基础上进行领域划分和建设。另外，当领域数据中心无法满足需求时，例如发现缺少某些字段或其他内容，可以从数据湖中获取所需数据。此时，数据湖作为医院整个大型数据资产的重要组成部分，不仅仅用于溯源数据，也可用于数据中心的数据补充。
三是元数据。“元数据是数据资产的底层，可类比为数据的户口本。”秦晓宏进一步解释道，元数据相当于所有数据的地图。它描述了我们有哪些数据，数据分布在哪里，这些数据分别是什么类型，数据之间有什么关系，哪些数据经常被引用，哪些数据无人查看等等。所以，医院需要构建元数据资产目录，以便摆脱对数据的黑盒管理。
元数据通常分为三个层面：技术元数据、业务元数据和管理元数据。在业务元数据中，指标元数据是其中重要的一类。针对医院运营、质控、绩效、上报场景下的指标相关属性和口径描述，柯林布瑞元数据管理系统形成了指标资产目录，并提供相关数据服务。该系统目前已经积累三级医院等级评审、公立医院绩效考核、基础运营指标库三个体系，同时形成口径版本管理以更加全面的服务运管部门和领导组织。
四是业数协同。如何快速定位运营口径的问题？如何快速锁定模型变更带来的影响？如何掌握院内数据资产价值？柯林布瑞强调了业数协同的重要性，即将数据流与业务流结合起来，实现"业数融合"。以往，通常将数据抽取到数据系统中进行处理，而业务操作则在业务系统中进行，导致数据和业务之间相互割裂。通过业数融合，可以帮助医院追溯特定流程中生成的数据，加强数据和业务协同，通过数据驱动业务优化，并可以提高医院的数据管理效率。
五是数据质量核查。保证数据质量的关键在于从数据源头开始，而数据质量的提升是一个闭环的过程。这一工作至关重要，需要有效的工具支持。在与华西医院、瑞金医院等大型三甲医院的合作中，柯林布瑞“数据质量核查”系统积累了几千项的数据质量规则，帮助医院实现多角度诊断数据问题、出具核查报告，倒逼医院系统优化。在这个过程中，柯林布瑞并不产生数据，而是充当数据清洗和搬运工的角色，数据的问题需要医院与业务厂家一起从源头上进行改善。
六是智能配控。柯林布瑞提出“智能配控”的概念，研发的“智慧医疗配控中心”可以根据用户不同场景、不同的需求，与元数据系统、DataInsight、AI系统结合而快速生成符合政策要求的指标类新系统。这套体系系统可以更好地管理和监控指标的计划与执行过程，以确保计划按时完成。如果计划未能按时完成，系统会发出告警，提醒相关人员采取行动，帮助及时识别和解决问题。
七是数据挖掘。为了满足医院客户对数据分析的高要求，柯林布瑞开发了“数据挖掘平台”，它可以将已经建好的模型灌入数据大脑中使用。医院可以借助数据挖掘平台建立和扩展各种分析模型，并且这些模型可以被反复使用。在数据量大、维度高、信息化建设完善的场景下，数据挖掘平台能够发挥更大的价值。
此外，在医院中，多年来一直在强调主数据和标准管理的重要性。秦晓宏对此进行了简单的阐述，他强调只有真正进行主数据的梳理和有效利用，才能使其发挥更大的价值。
如何释放数据价值，支撑多样应用场景
数据大脑构建之后，如何帮助医院解决各种场景化应用的问题。对此，秦晓宏从以下两个方面来说明。
一是大语言模型(LLM)。提到大语言模型（LLM），柯林布瑞强调了对其使用场景的重视。秦晓宏指出，需要确定在哪些场景下能够充分发挥大语言模型的优势，并且要改变固有的分析思路和交互模式。目前，柯林布瑞正在进行一些实践，例如基于大语言模型的运营智能体验。在手机端，基于大模型的运营可以支持回答任何问题，并以图表形式提供答案，还能够支持导出报告等功能。
除此之外，在科研方面，柯林布瑞积极利用大型语言模型阅读海量文献，以帮助科研人员找到研究方向和空白点，为进一步开展科研工作提供了有力支持。
二是支撑医保管理。在多重政策的推动下，公立医院面临着DRG/DIP付费改革、医保基金监管、运营管理等多方面的挑战。柯林布瑞“数据大脑”在支撑医保方面取得了显著的成果。
其一，在医保管理中，柯林布瑞重视事前的预防、事中的治理和事后的梳理，从事前、事中、事后全面推进医保智能化管理。其二，通过数据汇聚、数据治理、数据挖掘、BI智能决策等手段，柯林布瑞打造了基于数据中台的“支付+监管+服务”为一体的智慧医保信息平台，包括DRG/DIP医疗服务能力评价与控费系统、医保智能审核系统和智慧医保管理系统，全面促进院内医保精细化运营管理。其三，DRG/DIP医疗服务能力评价与控费系统，从服务能力、服务效率、服务质量等方面，构建科室立体画像，帮助对比本科室与各指标全院最优值所在科室的差异，寻找科室短板及优势，集中精力攻关克难，补齐短板。
会议最后，在“南湖相对论”环节中，秦晓宏与业内专家就“医疗数字化转型的价值场景、面临的挑战及破局之道”等问题进行了分享和交流。
秦晓宏认为：第一，在医院的数据化发展过程中，在组织和制度方面仍存在一些欠缺。这包括缺乏专门的数据团队，以及在数据的管理、使用、安全保障以及数据使用审批流程的规范化等制度体系方面的不完善。第二，要破局，关键在于找到适合的场景来体现数据价值，比如通过数据驱动提升了管理效率、降低了运行成本等等这些，要形成可以量化的价值报告。
作为医疗大数据领域的深耕者，未来柯林布瑞将积极参与行业交流和合作，深入、深刻理解医院在发展过程的切实需求与业务场景，利用先进的技术和创新的思维来解决行业中的问题和挑战，推动医疗机构向数字化转型迈进，为医疗行业的未来发展贡献力量。
