【2021年南湖HIT论坛】医疗大数据如何驱动智慧医院建设？

12月4日，2021年南湖HIT论坛在北京成功举办，该论坛以“问道医疗信息化高质量发展”为主题，齐聚近4000位行业同仁线上参加，旨在推动医疗信息化行业发展，助推智慧医院建，实现医院高质量发展的目标。柯林布瑞联合创始人秦晓宏就“医疗大数据驱动智慧医院建设”发表演讲。

政策与需求双驱动，信息化高质量以“数据高质量”为内涵

当前，医疗信息化建设进入加速期，论坛上国内医疗信息界知名专家、企业代表齐聚一堂，可直接效仿和借鉴的实践体会硕果累累。但是，对于高质量发展的时代命题，众多专家提出：蓬勃发展中的医疗信息化行业仍普遍存在“质量不高”的现象。在外部政策环境与医院内部需求双驱动下，医院信息化治理面对了一系列挑战。其中，“数据高质量”是信息化高质量发展的重要内涵。

外部政策环境方面，随着医改的持续深入推进，国家医疗卫生相关政策及行业指导意见频出。国家对于医疗数据的标准化、完整性、准确性等数据质量问题也提出了更高要求。2019年，我国三级公立医院绩效考核发生了重大变化：首次采用上报数据的方式，首次将住院病案首页数据应用于三级公立医院绩效考核，数据质量问题成为关注的重点。2021年国务院发布《关于综合医改试点省份率先推动公立医院高质量发展的通知》，明确提出“建立公立医院高质量发展评价指标体系”，以促进公立医院综合改革政策落地见效。这一指标体系最终会落实到对数据的考核上。新版三级医院评审在第二部分“医疗服务能力与质量安全监测数据”共设74节、240条监测指标，在评审综合得分中权重不低于60%；同时数据统计周期为全评审周期，要将4年的数据一起纳入评审范围。这对于医院数据治理、数据质量提出了更高要求。

从医院高质量发展目标来看，医院发展趋势从早期的“医疗、教学、科研”三位一体逐步发展为“医疗、教学、科研、预防、管理”五位一体。随着医院业务发展和管理要求，以及信息技术深度融合下数据资产规模的迅猛增长，医院进入“用数据说话”的时代。医院在越来越依赖于数据的同时，对数据的利用也提出更高要求。

首先，面向临床：基于人工智能技术的临床辅助诊疗工具，需要建立在数据信息真实、完整与准确等基础上，从而才能进行疾病的风险评级、实时预警和干预，为临床医生提供精准、可靠的诊疗决策支持。

其次，面向科研：数据是医生科研的基础。以某三甲医院一医生发表SCI文章为例，在传统科研工作模式下，科研人员在数据采集、统计分析过程中时常面临复杂度高、工作量大、费时费力等困难和压力。而依靠大数据搜索引擎，可实现数十年、数千万病例的多条件秒级搜索，花费时间从半年降低到仅需两周，可大幅提升科研工作效率与质量。

再者，面向管理：医院绩效考核、学科评价以及各层面的数据上报依赖于数据，医院科学化、精细化管理以及医疗质量闭环管理等都离不开大数据为其提供的重要支撑。

面对千头万绪的信息化需求，往往还面临系统采集不到数据，采集到的数据不符合业务逻辑，数据不一致，非标准化数据等等问题，应当如何应对？

顶层设计“4中台1前台”，聚焦数据中台设计实践

“医疗大数据是驱动智慧医院建设的关键因素，医疗大数据的建设与应用要找到真痛点与真需求。”柯林布瑞联合创始人秦晓宏认为，由于医疗机构对运营管理、临床诊疗、科研教学、绩效考核等不同类型数据的需求各不相同，如何通过统一的IT基础设施满足需求，需要从顶层设计的角度统筹谋划。

柯林布瑞作为医疗大数据中台及医疗AI的高科技企业，结合多年实践经验与积累，大数据平台采用“4中台1前台”——技术中台、数据中台、AI中台、业务中台以及应用前台的整体架构。秦晓宏给出了具体的建设目标：数出有源、数出有据，数可共享、数可联动、数保安全。

大数据平台顶层设计架构

从顶层设计来看，数据中台集成了医院所有业务系统的数据。若医院内各个厂商所有业务系统的数据通过接口来集成，高昂不合理的接口费用、软件厂商的不配合等常见问题是医院信息化建设中的最大阻碍。如何在不影响业务系统正常运转、无需任何业务系统进行接口改造的情况下构建数据中台？柯林布瑞通过技术手段解决了这一问题：监控业务系统底层数据的变化，利用ODS系统将业务数据实时重建，经过数据清洗、数据标准化、数据治理后，构建围绕临床诊疗、运营管理及科研教学的CDR、ODR、RDR。以非接口的方式构建大数据中台能够有效地隔离对生产系统的影响，也无需任何软件厂商的参与，在简化协调沟通流程的同时，降低时间成本的投入。

在具体建设路径方面，数据中台的建设不是一蹴而就的。秦晓宏着重强调了对标准池、数据集成治理等主要建设层面。

重视术语标准化工作。要想让信息技术更好的为医院业务的智能化运行提供服务和支持，首要解决的问题就是术语库的建设工作。不规范、不统一的医学术语会导致医学知识的表达难以标准化和术语多样性的问题，从而也会影响智能检索、智能提醒等智能化功能的开发。为此，柯林布瑞构建了庞大的医疗行业标准库和医学术语库，医学术语积累1600000+，涵盖ICD10、SNOMED CT中英文版、LOINC标准、药品ATC标准、OMAHA七巧板医学术语库等各类常规的行业标准字典，为数据归一化建立基础。

数据集成治理是核心。数据治理的目标是保证数据的一致性、有效性、高质量和安全性等，主要包括数据采集汇聚、元数据管理、数据治理和数据安全等治理环节，用以有效支撑各种数据服务。在开展数据治理过程中，除了数据清洗、主数据管理、标化归一等较为常见的治理策略和手段外，数据质量核查、数据质量闭环管理同等重要。柯林布瑞在四川大学华西医院的具体实践中，总结了超过3000项的数据质量规则，构建“医疗数据质量核查及分析系统”，参考数据核查PDCA方法论（Plan-计划、Do-执行,Check-检查，Act-处理归档），对质量需求和问题进行全质量生命周期管理，以帮助医院不断提升数据质量。

据秦晓宏介绍，柯林布瑞目前治理超过15+省份、近5亿患者人群医疗数据，仅华西医院本院就覆盖2090万患者，涵盖医联体覆盖5000万患者；构建的数据中台，数据维度10000+，有效数据条数超过1000亿条，服务医护人员超过100000人。

如何释放大数据价值，支撑智慧医院建设

基于十四五规划以及卫健委下达的智慧化医院的部署，柯林布瑞如何在大数据平台的基础之上，激发医疗数据的磅礴之力、打破数据价值释放壁垒，推进智慧医院建设，助力高质量发展？在秦晓宏看来，主要体现在三个方面：

第一，大数据支撑智能临床。柯林布瑞自主研发的“静脉血栓栓塞症VTE智能防治管理平台”、“罕见病临床决策CDSS系统”实现了医疗从“经验决策”到“数据辅助决策”的决策路径的转变。借助VTE智能平台，实现患者住院全流程全自动评估，平均每位患者VTE评估管理节省医护人员4个小时工作量，VTE风险评估率从46.14%提高到93.22%；同时患者住院费用明显下降。罕见病临床智能辅助引擎可以快速综合、归档、识别和辨别罕见病所需信息，对患者症状进行智能分析，及时提醒临床医生，尽量避免疾病误诊和漏诊，成为辅助医生临床决策的有力武器。

VTE智能防治管理平台

第二，大数据支撑运营管理。柯林布瑞致力于实现医院从传统的粗放型管理转向精细化管理的目标，提升医院整体管理水平及效率。基于大数据技术构建“智慧耗材解决方案”，对相关指标或数据进行全视角、多维度分析和预测；同时实时监控库房耗材情况，根据业务消耗给出库房耗材实时告警和提示，并可根据条件查询出需分析的耗材，如支出前10的耗材，对其支出增加原因进行深入分析。

第三，大数据支撑科研应用。柯林布瑞在行业中首次提出并定义了科研数据中心(RDR)，并支持在科研数据平台的基础上直接构建疾病特征和实际研究需要的高质量的专病数据库，推动科研成果的产出。

针对医疗大数据在临床科研中的应用场景，柯林布瑞在国内首次推出“临床大数据搜索引擎”系统。支撑临床医生进行回顾性研究，将原来手工查病案需要几个月的时间缩短至一周内完成数据的搜索，挑选、整理工作，提高临床科研效率；同时，提供跨异构的大数据多条件复杂搜索，支撑模糊搜索、精确搜索、同义语、逻辑运算表达式及搜索结果二次筛查及授权导出等功能。该系统已经在全国多家大型三甲医院中落地实施，仅华西使用量就超过8000人次/月。

临床大数据搜索引擎

“从IT（信息技术）到DT（数据技术）时代，都离不开一个关键词——数据。”秦晓宏表示，柯林布瑞将继续基于医疗大数据➕AI技术深耕医疗信息化领域，以期通过领先的技术和产品力解决医院的真痛点及真需求，赋能智慧医院建设与高质量发展。