详解医疗大数据的分析与应用 [复制链接]

医疗数据是指所有与医疗卫生和生命健康活动相关的数据集合，既包括个人从出生到死亡的全生命周期过程中，因免疫、体检、治疗、运动、饮食等健康相关活动所产生的大数据，又涉及医疗服务、疾病防控、健康保障和食品安全、养生保健等多方面数据的聚合。

随着医疗信息化的普及与快速发展，当前的医疗数据已经具备了大数据的基本特征：

①数据量大（Volume）：从GB到TB再到PB，已经势不可挡

②数据种类多（Variety）：包括结构化数据如Oracle、MySql等数据库，半结构化数据如XML文档，非结构化数据如Word和PDF文档、影像、音视频等

③价值高、价值密度低（Value）：医疗数据的挖掘对促进医学进步具有重要意义

④产生快、处理快（Velocity）：日益增长的动态数据和医疗物联网应用产生的大量实时数据，使这一趋势与要求变得更加明显。

从医院内部数据到区域医疗数据的发展，使医疗大数据应用成为必然趋势。国内医疗大数据研究与应用起步稍晚，总体来看还未形成整体力量，但近几年也出现了蓬勃发展的态势，医疗大数据分析逐渐成为医疗模式转型的应用需求。

—01—

医疗大数据分析的三大应用场景

1、运营管理

与其他领域不同，医疗领域中的数据统计与分析难度特别大，设计人员通过合理运用大数据分析技术，能够保证医疗企业的管理水平与效率得到高效提升，减少错误医疗数据的传播。

将大数医院运营管理当中，能够在海量的大数据中挖掘出最具价值的数据信息，并加以利用，保证医疗企业中的各项管理工作得以顺利展开。在一些大型的医疗企业当中，这方面的数据分析已得到了充分应用，管理人员结合大数据分析平台提供的各项数据，全方面了解企业经营管理情况，对原有的经营管理制度进行优化。

2、医药研发

在医药研发方面，大数据分析技术的妥善运用，能够全面体现出药物的治疗效果，通过综合分析并跟踪药物作用，帮助医生更好的判断患者病情，并调整治疗药物等。

与传统的医疗药物作用跟踪相比较而言，大数据分析技术的应用，能够为医生提供更多的诊断样本，例如，体感设备的出现，能够将各项数据准确传输到数据统计中心，不但提高了样本数据的储量，而且简化了药物作用跟踪流程。对于软件设计人员来说，要根据医疗领域的发展现状，创建更加先进的数据分析平台，将各项数据进行自动化处理，保证医疗领域中的各项数据更加准确。

3、临床医疗

在常规的临床医疗业务当中，医生需要结合自身的工作经验进行诊断，但是，由于医疗业务水平的不断提升，大数据分析技术的广泛应用，EMR、LIS、与PACS等数据信息系统的出现，为医生提供了更多的诊断帮助，有效简化了医疗诊断流程，保证医疗临床诊断结果更加准确。

对于医生来讲，通过合理应用EMR、LIS、与PACS等数据信息系统，能够保证医疗数据得到全面利用。与EMR、LIS、与PACS等数据信息系统相比，大数据分析技术能够将各项医疗数据进行有效收集与分析，并提出相应的治疗路径，保证治疗指标更加合理，真正实现智能化治疗。

在医疗领域当中，利用大数据分析技术能够更好地提升医疗临床系统决策的合理性，保证医疗临床观察数据更加科学，为医生提供更加准确的决策数据，保证医疗临床诊断水平与效率得到有效提升。将大数据分析技术应用到临床医疗方面，不仅能够缓解医生的工作压力，而且还能有效提高医疗诊断数据的利用效率。

—02—

如何进行医疗数据分析应用？

随着医疗行业快速发展，医院信息化建设程度的提高，医院带来了海量的数据，如何对这些数据进行有效利用，分析，挖掘并加以利用，将这些医院管理及运营，实现为患者提供更好的诊疗服务，帮助医生找到更好的诊疗方案，医院管理者实现策略调整、减少风险、降低医疗成本，医院信息化管理者亟需考虑的问题。

医院数据治理与运营数据分析平台从数据采集整合、标准制定、数据处理、数据质量管理、元数据及数据资产目录管理、数据安全与共享管理等多个方面层层把关，打通数据治理各环节，医院各类不同的数据治理场景，显著提升数据质量，并将治医院综合运营管理数据中心建设和运营管理评价分析系统建设，医院实现精细化管理和运营决策。

以亿医院建设的慢病报表系统为例，该报表系统严格遵循DW/BI项目建设方法论，以综合统计分析需求为导向梳理统计指标，设计DW数仓模型，再通过ETL按照数仓模型将未充分利用的分散在不同系统的慢性疾病相关数据进行清洗整合，最后基于亿信华辰ABI一站式数据分析工具进行统计报表设计开发。

1、指标梳理及数仓建模

基于院方提交的可视化分析展现需求，由信泰慧智与亿信华辰一起，基于需求对院方现有业务系统数据，从院内、慢性临床科研领域、其他业务系统三个模块进行梳理，一方面打通并整合了已有业务数据，让数据充分发挥价值，另一方面为后续可视化分析提供了统一的数据口径和标准，保证统计数据质量的同时提升数据价值，医院管理者决策。

2、ETL数据抽取整合

ETL抽取分两步走，一部分已有的存储过程由信泰慧智持续维护，另一部分新增的数据抽取工作由ABI数据整合功能完成，其中ABI的工作流程如下：

（1）将既有慢病业务系统的数据库表通过业务逻辑梳理抽取至ODS层进行可视化分析展示，通过简单的组件拖拽即可实现复杂的数据抽取工作；

（2）添加ETL作业调度，医院集成平台、慢病业务ODS库、其它数据源进行数据抽取、更新，形成DW数据仓库。

3、可视化报表开发展现

数据整合好了之后，亿信ABI可直接通过JDBC连接获取数据，进行可视化统计报表开发，整个开发过程无需任何脚本定制，全程界面化组件拖拉设计。

（1）综合服务绩效管理报表

①利用系统已有统计图组件如柱图、线图、饼图、雷达图等，采用图表可视化表达方式，让数据看起来更加直观明了；

②从科室及时间多角度分析数据，全面掌握院内医疗状况；

③再从科室、病种进行多角度钻取，多维度查看明细数据，层层追溯，发现问题解决问题。

（2）分病种的患者全病程报告展示

基于全病程的院内外数据积累，为患者自动生成阶段性的《个人健康报告》，其中承载着各项院内外检验检查数据、穿戴设备数据、关键指标变化、接受医疗服务统计，以及诊疗调养全程中各时点的阶段性评估和医生的总结报告。

（3）分病种的慢性病关键指标预测

医生可为各自的病种设置一个或多个关键指标加以跟踪分析。例如慢性肾脏病，医生可根据“肾小球透过率(eGFR)”的指标值变动情况预测患者将来上透析的时间。

总体而言，此次项目中用亿信ABI对业务系统的数据进行分析展现，一方面，使多来源的医疗数据得到了充分利用，使慢病门诊各科室医生护士对患者的基本情况有了更直观快捷的把握，也帮助其对慢病患者进行更好的跟踪、回访及管理，继而改善患者依从性；另一方面，亿信ABI强大的报表展现功能解决了原业务系统查看数据不灵活，图表展示不美观等问题。

—03—

小结

随着社会不断的进步与发展，大数据技术应用于多方面领域，大数据技术是以数据统计分析进行深度融合的产物，极大地推动了整个领域的发展，将它运用到医疗中，能够为医生和患者带来很大的便利。