【2021年南湖HIT論壇】醫療大數據如何驅動智慧醫院建設？

12月4日，2021年南湖HIT論壇在北京成功舉辦，該論壇以“問道醫療信息化高質量發展”為主題，齊聚近4000位行業同仁線上參加，旨在推動醫療信息化行業發展，助推智慧醫院建，實現醫院高質量發展的目標。柯林布瑞聯合創始人秦曉宏就“醫療大數據驅動智慧醫院建設”發表演講。

政策與需求雙驅動，信息化高質量以“數據高質量”為內涵

當前，醫療信息化建設進入加速期，論壇上國內醫療信息界知名專家、企業代表齊聚一堂，可直接效仿和借鑒的實踐體會碩果累累。但是，對于高質量發展的時代命題，眾多專家提出：蓬勃發展中的醫療信息化行業仍普遍存在“質量不高”的現象。在外部政策環境與醫院內部需求雙驅動下，醫院信息化治理面對了一系列挑戰。其中，“數據高質量”是信息化高質量發展的重要內涵。

外部政策環境方面，隨著醫改的持續深入推進，國家醫療衛生相關政策及行業指導意見頻出。國家對于醫療數據的標準化、完整性、準確性等數據質量問題也提出了更高要求。2019年，我國三級公立醫院績效考核發生了重大變化：首次采用上報數據的方式，首次將住院病案首頁數據應用于三級公立醫院績效考核，數據質量問題成為關注的重點。2021年國務院發布《關于綜合醫改試點省份率先推動公立醫院高質量發展的通知》，明確提出“建立公立醫院高質量發展評價指標體系”，以促進公立醫院綜合改革政策落地見效。這一指標體系最終會落實到對數據的考核上。新版三級醫院評審在第二部分“醫療服務能力與質量安全監測數據”共設74節、240條監測指標，在評審綜合得分中權重不低于60%；同時數據統計周期為全評審周期，要將4年的數據一起納入評審范圍。這對于醫院數據治理、數據質量提出了更高要求。

從醫院高質量發展目標來看，醫院發展趨勢從早期的“醫療、教學、科研”三位一體逐步發展為“醫療、教學、科研、預防、管理”五位一體。隨著醫院業務發展和管理要求，以及信息技術深度融合下數據資產規模的迅猛增長，醫院進入“用數據說話”的時代。醫院在越來越依賴于數據的同時，對數據的利用也提出更高要求。

首先，面向臨床：基于人工智能技術的臨床輔助診療工具，需要建立在數據信息真實、完整與準確等基礎上，從而才能進行疾病的風險評級、實時預警和干預，為臨床醫生提供精準、可靠的診療決策支持。

其次，面向科研：數據是醫生科研的基礎。以某三甲醫院一醫生發表SCI文章為例，在傳統科研工作模式下，科研人員在數據采集、統計分析過程中時常面臨復雜度高、工作量大、費時費力等困難和壓力。而依靠大數據搜索引擎，可實現數十年、數千萬病例的多條件秒級搜索，花費時間從半年降低到僅需兩周，可大幅提升科研工作效率與質量。

再者，面向管理：醫院績效考核、學科評價以及各層面的數據上報依賴于數據，醫院科學化、精細化管理以及醫療質量閉環管理等都離不開大數據為其提供的重要支撐。

面對千頭萬緒的信息化需求，往往還面臨系統采集不到數據，采集到的數據不符合業務邏輯，數據不一致，非標準化數據等等問題，應當如何應對？

頂層設計“4中臺1前臺”，聚焦數據中臺設計實踐

“醫療大數據是驅動智慧醫院建設的關鍵因素，醫療大數據的建設與應用要找到真痛點與真需求。”柯林布瑞聯合創始人秦曉宏認為，由于醫療機構對運營管理、臨床診療、科研教學、績效考核等不同類型數據的需求各不相同，如何通過統一的IT基礎設施滿足需求，需要從頂層設計的角度統籌謀劃。

柯林布瑞作為醫療大數據中臺及醫療AI的高科技企業，結合多年實踐經驗與積累，大數據平臺采用“4中臺1前臺”——技術中臺、數據中臺、AI中臺、業務中臺以及應用前臺的整體架構。秦曉宏給出了具體的建設目標：數出有源、數出有據，數可共享、數可聯動、數保安全。

大數據平臺頂層設計架構

從頂層設計來看，數據中臺集成了醫院所有業務系統的數據。若醫院內各個廠商所有業務系統的數據通過接口來集成，高昂不合理的接口費用、軟件廠商的不配合等常見問題是醫院信息化建設中的最大阻礙。如何在不影響業務系統正常運轉、無需任何業務系統進行接口改造的情況下構建數據中臺？柯林布瑞通過技術手段解決了這一問題：監控業務系統底層數據的變化，利用ODS系統將業務數據實時重建，經過數據清洗、數據標準化、數據治理后，構建圍繞臨床診療、運營管理及科研教學的CDR、ODR、RDR。以非接口的方式構建大數據中臺能夠有效地隔離對生產系統的影響，也無需任何軟件廠商的參與，在簡化協調溝通流程的同時，降低時間成本的投入。

在具體建設路徑方面，數據中臺的建設不是一蹴而就的。秦曉宏著重強調了對標準池、數據集成治理等主要建設層面。

重視術語標準化工作。要想讓信息技術更好的為醫院業務的智能化運行提供服務和支持，首要解決的問題就是術語庫的建設工作。不規范、不統一的醫學術語會導致醫學知識的表達難以標準化和術語多樣性的問題，從而也會影響智能檢索、智能提醒等智能化功能的開發。為此，柯林布瑞構建了龐大的醫療行業標準庫和醫學術語庫，醫學術語積累1600000+，涵蓋ICD10、SNOMED CT中英文版、LOINC標準、藥品ATC標準、OMAHA七巧板醫學術語庫等各類常規的行業標準字典，為數據歸一化建立基礎。

數據集成治理是核心。數據治理的目標是保證數據的一致性、有效性、高質量和安全性等，主要包括數據采集匯聚、元數據管理、數據治理和數據安全等治理環節，用以有效支撐各種數據服務。在開展數據治理過程中，除了數據清洗、主數據管理、標化歸一等較為常見的治理策略和手段外，數據質量核查、數據質量閉環管理同等重要。柯林布瑞在四川大學華西醫院的具體實踐中，總結了超過3000項的數據質量規則，構建“醫療數據質量核查及分析系統”，參考數據核查PDCA方法論（Plan-計劃、Do-執行,Check-檢查，Act-處理歸檔），對質量需求和問題進行全質量生命周期管理，以幫助醫院不斷提升數據質量。

據秦曉宏介紹，柯林布瑞目前治理超過15+省份、近5億患者人群醫療數據，僅華西醫院本院就覆蓋2090萬患者，涵蓋醫聯體覆蓋5000萬患者；構建的數據中臺，數據維度10000+，有效數據條數超過1000億條，服務醫護人員超過100000人。

如何釋放大數據價值，支撐智慧醫院建設

基于十四五規劃以及衛健委下達的智慧化醫院的部署，柯林布瑞如何在大數據平臺的基礎之上，激發醫療數據的磅礴之力、打破數據價值釋放壁壘，推進智慧醫院建設，助力高質量發展？在秦曉宏看來，主要體現在三個方面：

第一，大數據支撐智能臨床。柯林布瑞自主研發的“靜脈血栓栓塞癥VTE智能防治管理平臺”、“罕見病臨床決策CDSS系統”實現了醫療從“經驗決策”到“數據輔助決策”的決策路徑的轉變。借助VTE智能平臺，實現患者住院全流程全自動評估，平均每位患者VTE評估管理節省醫護人員4個小時工作量，VTE風險評估率從46.14%提高到93.22%；同時患者住院費用明顯下降。罕見病臨床智能輔助引擎可以快速綜合、歸檔、識別和辨別罕見病所需信息，對患者癥狀進行智能分析，及時提醒臨床醫生，盡量避免疾病誤診和漏診，成為輔助醫生臨床決策的有力武器。

VTE智能防治管理平臺

第二，大數據支撐運營管理。柯林布瑞致力于實現醫院從傳統的粗放型管理轉向精細化管理的目標，提升醫院整體管理水平及效率。基于大數據技術構建“智慧耗材解決方案”，對相關指標或數據進行全視角、多維度分析和預測；同時實時監控庫房耗材情況，根據業務消耗給出庫房耗材實時告警和提示，并可根據條件查詢出需分析的耗材，如支出前10的耗材，對其支出增加原因進行深入分析。

第三，大數據支撐科研應用。柯林布瑞在行業中首次提出并定義了科研數據中心(RDR)，并支持在科研數據平臺的基礎上直接構建疾病特征和實際研究需要的高質量的專病數據庫，推動科研成果的產出。

針對醫療大數據在臨床科研中的應用場景，柯林布瑞在國內首次推出“臨床大數據搜索引擎”系統。支撐臨床醫生進行回顧性研究，將原來手工查病案需要幾個月的時間縮短至一周內完成數據的搜索，挑選、整理工作，提高臨床科研效率；同時，提供跨異構的大數據多條件復雜搜索，支撐模糊搜索、精確搜索、同義語、邏輯運算表達式及搜索結果二次篩查及授權導出等功能。該系統已經在全國多家大型三甲醫院中落地實施，僅華西使用量就超過8000人次/月。

臨床大數據搜索引擎

“從IT（信息技術）到DT（數據技術）時代，都離不開一個關鍵詞——數據。”秦曉宏表示，柯林布瑞將繼續基于醫療大數據?AI技術深耕醫療信息化領域，以期通過領先的技術和產品力解決醫院的真痛點及真需求，賦能智慧醫院建設與高質量發展。