柯林布瑞秦曉宏：醫療大數據要瞄準真痛點、真需求?| 2021年南湖HIT論壇

導讀：柯林布瑞采用“非接口”方式突破醫療大數據平臺的建設痛點，從頂層設計的角度統籌謀劃，應對醫院運營管理、臨床診療、教學科研等環節對醫療大數據提出的復雜需求。

如今，醫療大數據已成為驅動智慧醫院建設的關鍵因素，然而在如何才能更好地發揮醫療大數據的價值方面，不少醫療機構還面臨著許多問題與困難。

“醫療大數據的建設與應用一定要瞄準真痛點、真需求。”在由HIT專家網主辦的2021年南湖HIT論壇上，上?？铝植既鹦畔⒓夹g有限公司（以下簡稱柯林布瑞）聯合創始人秦曉宏在演講中分享了他的見解。

上?？铝植既鹦畔⒓夹g有限公司聯合創始人 秦曉宏

以“非接口”方式突破醫療大數據平臺的建設痛點

“一家三甲醫院往往面對著數百個異構系統、數十個系統廠商，如果醫療大數據平臺的建設必須依賴廠商配合、改造接口的方式來獲取業務數據，這條路是不通的。”秦曉宏表示，這是醫療大數據平臺在建設過程中面臨的最大“痛點”之一。

為此，柯林布瑞在構建醫療大數據平臺時，始終堅持一個理念：即在不需要對任何業務系統進行接口改造、不影響業務系統正常運轉的前提下，從業務系統數據庫底層中抽取和同步數據，進而建設大數據平臺。

如何才能夠進行“非接口”前提下的異源異構數據整合？柯林布瑞提供的解決方式是：針對實時數據，醫療大數據平臺通過CDC（Change Data Capture，變化數據捕獲）同步數據，基于日志捕獲技術實現實時增量數據的同步；針對離線數據，通過異構數據源離線同步工具DataX，實現跨平臺、跨數據庫的不同系統之間的數據同步，支持SQL Server、Oracle、MySQL等數據庫的離線同步。通過CDC及DataX實現全量的“熱”數據中心。

經過多年的技術經驗積累，柯林布瑞目前擁有超過500多種HIS、EMR、LIS等業務系統異構數據的整合能力，無需與業務系統廠家進行對接，即可識別各種醫院信息系統中的數據結構，數據整合無需對業務系統進行接口改造，更不產生任何接口費用，幫助醫療機構突破這一建設痛點。

智慧醫院對醫療大數據的“真需求”

在建設智慧醫院的過程中，醫院運營管理、臨床診療、科研教學等環節對于醫療大數據的應用分別提出了不同的需求。秦曉宏表示，這些需求正是醫療大數據平臺應用的發展方向。

在運營管理方面，醫療大數據平臺需要對醫院運營管理數據進行挖掘分析，讓醫院實現科學化、智能化管理?？铝植既鹛岢鰯祿寗又腔酃芾淼膸讉€關鍵，一是指標統一管理，既往的做法是根據不同的需求開發不同的指標，數百個指標混雜在一起，管理難、核對難、應用難；必須對醫院的指標進行統一的定義管理，將指標來源、口徑等定義清楚。二是結合公立醫院評審及公立醫院績效考核，對指標的計劃、預警、改善、結果進行過程管理，不能僅僅進行指標的展示。三是運營數據挖掘技術，從數據中挖掘出管理問題，給出管理建議。

在臨床診療方面，需要醫療大數據平臺一方面對臨床診療數據進行整合串聯，為診療工作便捷化提供直觀的數據展現；另一方面需要結合臨床的業務場景，找到真痛點、真需求，為醫護人員提供智能的預警與建議。秦曉宏表示，在構建智慧醫療場景時，要以醫生在臨床診療過程中所遇到的需求與困惑為出發點，以患者獲益為最終目標。

比如：柯林布瑞設計研發的靜脈血栓栓塞癥（VTE）智能防控系統，實現了患者住院全流程自動評估。平均每位患者VTE評估管理可節省醫護人員4小時的工作量，VTE風險評估率從46.14%提高至93.22%，評估模式由單次患者評估轉為住院全程評估。

秦曉宏介紹說，某醫院在上線該系統后，VTE患者平均住院日由15天降為7天左右，顯著降低了患者的住院費用。系統可實時識別高?；颊卟⒅鲃影l出提醒，使中高危風險患者知曉率由無數據支撐提高至100%，有效地優化了診療流程，提升患者自我健康管理能力與認知水平，以及醫院對患者服務的延續性。

在科研場景方面，需要醫療大數據平臺對科研通用數據元和?？茢祿M行定義，需要對數據進行標簽化處理、標準化處理、結構化處理，需要為科研醫護人員提供數據搜索、統計、挖掘的平臺和工具。

柯林布瑞在醫療大數據平臺中內置臨床大數據搜索引擎，為醫生的回顧性研究提供了有力工具。同時，為了保障醫院的數據資產不外流，柯林布瑞將數據分析統計挖掘功能內嵌至平臺中，醫生在醫院內部即可實現數據分析、統計、挖掘工作，從而提高科研效率，保障數據資產安全。

面對醫院運營管理、臨床診療、教學科研等環節提出的復雜需求，如何才能通過同一個醫療大數據平臺統一滿足這些需求？秦曉宏認為，這需要從頂層設計的角度統籌謀劃。

據秦曉宏介紹，柯林布瑞醫療大數據平臺采用了“4中臺（技術中臺、數據中臺、AI中臺、業務中臺）+1前臺（應用前臺）”的整體架構。其中，技術中臺位于最底層，包括存儲引擎、計算引擎、技術工具及管理工具；其次是數據中臺，負責提供數據整合、數據治理等功能；AI中臺與業務中臺并列于數據中臺之上，AI中臺負責支撐AI算法、提供計算模型，業務中臺負責解決業務系統統一對接等問題；最上層是應用前臺，負責提供臨床、運營、科研數據中心與應用以及各種基礎應用軟件。

同時，柯林布瑞醫療大數據平臺采用Hadoop和MPP（Massively Parallel Processing，大規模并行處理）混合架構，利用流式實時計算、分布式離線計算等技術，對各類醫療數據進行統一、高性能的匯集與批量處理；通過大數據平臺的加工處理，對數據進行分類分層建模，形成統一的數據集市和數據元，為后續的業務分析、機器學習、監控預警提供數據支撐；通過對各類數據進行分析、提煉、碰撞比對，可最大限度發揮數據的醫療價值。

建設數據質量檢查支撐體系，直擊數據質量“痛點”

“醫院大數據平臺不能單純追求數據‘規模大’，更要追求‘質量好’。”秦曉宏特別強調，數據質量問題一直制約醫療大數據平臺發展，也是醫院信息化發展的“痛點”之一。

要想解決這一“痛點”，就要理清和解決兩大問題：

首先，如何判斷數據質量的高低？秦曉宏認為，應從一致性、規范性、完整性、關聯性、合理性等五個維度出發定義數據質量，確定數據質量管控規則，并在此基礎上形成數據質量規則庫，同時也根據實際情況不斷擴充規則庫。目前柯林布瑞醫療大數據平臺已涵蓋接近3000項數據質量規則。

其次，如何保障與管控醫療數據質量？秦曉宏表示，應建設完整的數據質量檢查支撐體系，每天進行數據質量質控報告；通過數據核查PDCA方法論，構建數據質量管理閉環；基于醫療大數據平臺，對質量需求和問題進行全質量生命周期管理，包括質量問題的定義、檢查監控、發現分析、跟蹤反饋及知識庫沉淀。

秦曉宏表示，這一方法不僅僅適用于醫療大數據平臺，很多醫療機構已將其應用于其他業務系統的數據質量檢查。“希望能夠借此方法切實提升業務系統數據質量，構建高質量的醫療大數據平臺，從而為智慧醫院建設提供堅實可靠的數據支撐。”