【大数据100分】赵新远：医疗数据分析与临床决策支持

【大数据100分】赵新远：医疗数据分析与临床决策支持2014-09-02软件定义世界（SDX）“中关村大数据产业联盟”推出“大数据100分”论坛，每晚9点开始，于“中关村大数据产业联盟”500人微信群进行时长100分钟的交流、探讨。目前已经完成近200场，部分精彩内容已登载在微信公众号：软件定义世界（SDX）【ID:SDx-SoftwareDefinedx】，敬请查阅！主讲嘉宾：赵新远主持人：中关村大数据产业联盟副秘书长陈新河承办：中关村大数据产业联盟嘉宾介绍：赵新远：男，高级工程师，毕业于清华大学。现任北京英泰科隆科技有限公司CEO。兼任HL7China技术指导委员会委员，HL7IG（CDS）Co-Chair。2003年从清华离职，创办了北京英泰科隆科技有限公司。本公司10多年来一直致力于医疗软件开发的离岸外包业务（HSOD）和移动App(iOS及Android应用)的开发，客户主要来自于日本、美国、欧洲和澳大利亚，包括一些世界知名的跨国公司。10多年来公司总计完成并交付医疗软件开发项目约110个（基本上都是从需求分析开始，直至交付），其中包括PACS、健康体检系统、医疗设备维护维修服务系统、LIS、EMR/EHR、PMS（PracticeManagementSystem）等。基于公司10余年的涉外医疗解决方案离岸外包开发的从业实践与经历，从而对美国等发达国家的医疗及医疗IT发展、法律法规、技术标准等都有较为全面的了解。尤其对美国的医疗改革取向、进展及对HIT行业的影响、MeaningfulUseofCertifiedEHR计划和相关知识体系，以及美国的管控式医疗保险（ManagedCare）体制等有着较为深入细致的了解。目前公司正密切关注着国内医疗及医改的发展，希望和有识之士联手合作，为国内医疗改革，医疗IT标准化及国内HIT的升级与发展贡献自己的绵薄之力。以下为分享实景全文：各位大家好！我是赵新远，来自北京英泰科隆。

因为我们公司给美国做医疗软件开发服务离岸外包，所以，对美国的医疗行业较为熟悉。毕竟美国的HIT行业总体上还是走在世界前面，所以，今天就讲讲美国的医疗IT，也许有借鉴意义。还是先从美国克利夫兰医院的President和CEOTobyCosgrove的一段话开始吧。

这张图片的照片就是TobyCosgrove，今年73岁了，他用10年时间把克利夫兰医院变成了世界顶级医院。这是去年年底他讲过的一段话。首先，他说，医疗将从熟练艺术变成数据驱动的科学，他认为目前医疗还不能称之为科学，只是一种熟练艺术（aproficiency-basedart），未来医疗信息化的发展将使医疗变成一门数据驱动的科学（adata-drivenscience）；其次，他认为医疗将走向个性化时代，用他的话说，现在的医疗是One-size-fits-all（万人一方），未来像一种药物所有成人都是每日三片的这种情况将一去不复返，个性化医疗的时代会接踵而来。医疗数据经过数十年的积累，已可为海量。这些数据的一次利用后的再利用，其意义重大。会在实现医疗的三种目标上起到巨大的积极作用。美国当下医疗变革的三重目标就是：1、提高医疗质量，2、降低医疗费用；3、解决医疗不公。因此，近两年，美国的医疗数据的分析和利用也就提到很高的高度。没有强有力的、实实在在的数据分析技术的话，医疗机构就无法实现其降低医疗费用、提高医疗质量的目标。数据就在那里放着，但是医疗行业该如何有效利用这些数据资产，整个行业和政府主管部门也都在苦苦探索。这张图讲的就是医疗数据的价值体现。大数据的价值体现在以下五个正确（5rights）：正确的生活方式，正确的医疗，正确的医疗服务提供者，正确的价值，以及正确的创新。当然与医疗相关的数据类别也很多。不同的类别的数据可以有不同的分析效用。如，1.与临床有关的数据，可做临床数据分析——Clinicalanalytics（临床分析）

•实时识别并发症风险

•创建医师医疗质量/成本记分卡

•帮助病人管理慢性疾病

•识别病人护理中的差距与缺陷

•度量和改善临床指标

•跟踪疫苗和其他预防保健

•改善和优化疗效2.还有针对财务数据的分析——Financialanalytics（财务分析）

•现金流分析

•医保索费分析

•医保拒付分析

•收款分析

•相对价值单位(RVU)分析3.还有医疗机构的运营管理数据——Operationalanalytics（运营分析）：

•医疗机构、诊所、科室仪表板和报告

•网络利用率

•转诊管理

•资源利用率4.还可以做很多预测性分析——Predictiveanalytics（预测分析）

•再住院管理

•早期检测分析

•危险分层建模

•健康风险评估

•捆绑支付绩效分析

•基于价值的购买绩效分析等等。医疗数据分析常见技术：

❖知识发现

❖发展和完善电子病历数据标准来提高分析见解

❖大健康/医疗数据的可视化处理和预测

❖保证信息系统安全与个人隐私

❖生物结构的识别、表达和建模

❖大型健康/医疗数据集的统计分析

❖用于识别医疗风险的预测分析

❖从移动健康,web2.0,社交媒体和可穿戴计算技术中派生出数据洞悉

❖链接多样化的生物知识

❖涉及大数据和/或数据分析的实证研究

❖自动编码:从临床文本中提取代码

❖背景联系分析

❖自然语言处理

下面聊聊后半部分，临床决策支持吧。上面列举了许多与医疗有关的数据类型。其实，