导读：分析医疗大数据在临床信息化建设中的应用，提出临床信息化建设中医疗大数据分析的应用策略。对医疗大数据应用进行场景分析，总结大数据分析技术，提出应用改进方法。从5个方面提出了医疗大数据分析应用的建设策略，指出了未来数据驱动医疗方向。医疗大数据分析是提升医院信息系统价值的重要方面，医疗机构数据治理氛围以及复合型信息人才建设是大数据分析应用成功的关键。

　　引言

　　医疗信息集成不足严重阻碍了医院临床信息系统价值发挥，医疗管理者一直在寻求有效的临床信息建设策略以改进医疗工作效率，确保临床质量水平提升和医疗成本降低。为适应这一需求，医疗信息化需要创新方式，建立数据驱动的临床信息化方式。随着临床电子病历应用深入，医疗信息具有“量大、类型多变、密度低、价值大”大数据特征，医疗大数据分析技术为医院临床电子病历应用智能化和决策支持功能突破提供了希望曙光，大数据分析特别是非结构化临床信息（如医疗影像、临床文档等）分析技术为临床电子病历智能化提供了理想手段，针对描述性定性特征分析以及数据挖掘预测技术的应用为电子病历智能化提供了广阔前景；各种新型非关系数据库系统NoSQL为传统的临床信息系统向大数据应用转变提供了基础，大数据技术为医院临床信息集成整合以及改进信息化建设成本效率提供了可能。

　　医疗大数据在临床医疗应用落地能够发挥作用的不多，大数据分析在医院电子病历应用中价值发挥不够。有必要在医院信息化管理和技术上制定策略，使医院目前在信息化建设转型中发挥医疗大数据分析的价值，快速实现临床电子病历应用支持临床决策和智能化的目标。首先分析医疗大数据在临床信息化建设中的作用，提出了医疗信息化针对医疗大数据的改进方法；对医疗大数据分析应用落地提出了5点建议，最后指出了未来医疗大数据的发展方向。

　　医疗大数据分析应用

　　临床医疗模式分析 临床过程模式分析功能是指利用大数据分析系统对过程数据进行分析并改进的能力。医疗行业数据分析在医院内部通过数据进行诊疗过程分析，以发现大量临床电子记录数据之间的关系，为今后的循证临床实践提供参考。临床数据分析系统为临床医疗过程全程大数据、实时诊疗数据以及病人电子病历可视化数据的全景分析提供了新途径，特别是对于区域医疗能够观察到病人以前在其他医院的入院情况，支持在医疗成本和效果之间的平衡，帮助医院进行医疗科研。

　　非结构化数据分析 对于存储于分布式数据库系统的数据，需要进行数据过滤、清晰、转换并集成整合，建立临床数据中心。存在于多个部门的非结构化数据，采用NOSQL 数据库进行数据存储，非结构化或半结构化的管理的核心是Apache Hadoop开发环境的实现，MapReduce 能够将大的工作任务分解为一组离散的任务，将分析后的数据集中存储，并提供可视化展现和医疗决策支持访问。

　　医疗大数据分析与传统数据分析系统的差别在于大数据分析具有非结构化数据的分析能力，这种非结构化数据是传统的医疗数据库不能处理的。临床电子病历中基于XML文档信息、临床影像、医生处方等，非结构化数据占临床数据总量的80%以上，对这一部分的数据进行处理分析，能够得到相关指证，比如，对医学影像分析，通过与相关疾病典型影像特征对比，得到病人疾病诊断，这对医院改进临床效率控制医疗成本有极大益处。

　　管理决策支持 管理决策支持功能强调日常医疗服务过程分析，以支撑管理决策并采取相关措施。一般来说，管理决策支持依赖于医院信息共享互联互通以及信息数据分析能力，对于重大疾病循证分析综合评判对临床医疗质量管理有重大价值，依据电子病历数据分析，开发个性化诊疗方案有助于提升医院精准医疗水平。

　　从机构组织层面对医院信息系统产生的大数据进行分析，对于跨部门操作流程进行改进具有重要意义，综合性数据分析能帮助管理者全面了解组织机构存在的薄弱环节并采取对应措施，从实践看，建立临床数据中心数据仓库并与实际生产系统实时交互，对于医疗质量水平提升和病人临床安全具有重要保障作用。

　　预测分析功能 通过医疗大数据使用统计分析工具建立评价模型，对疾病发展转归进行预测是医疗大数据应用的重要方面。大数据的预测功能强调对通过大量数据分析对未来趋势预测，医疗机构的数据分析平台需要与临床数据中心、预测分析算法（如：回归分析、机器学习、神经网络等）等相结合，向医护管工作者提供可视化界面，帮助管理和临床决策。临床大数据中心的建设能够通过过去历史数据对未来提供参考，有助于医院精细化管理和精准化医疗。

　　在医疗机构，对二次住院预测分析大大降低了病情的不确定性，重症中心ICU病人全程生理参数数据监控分析，进行关键指标的警示和交互干预，使医护工作更有效率，优化了相关操作，降低了医疗风险。同时，有利于形成医护患协同的病人全过程的疾病管理分析，产生最佳医疗实践的疾病诊治流程。

　　数据闭环追溯 医疗数据信息如：费用成本数据、临床数据、药学信息、病人行为数据、设备传感数据等均需实时采集或尽量实时采集。传统临床信息系统数据分散在各个应用系统中，数据不一致，产生冗余矛盾，而且不同部门的设备或不同临床信息应用内部信息数据孤立使临床过程工作流优化也存在困难。数据的闭环追溯有利于以病人为中心的临床需求和部门服务与设备应用的监控。大数据分析提供了全流程、全方位的解决能力，业务系统的数据可实时与数据中心进行数据交互，通过大数据算法进行深度评价分析，医护工作者可即时监控病人状态、追踪相关的警示信息并采取相应措施，对医疗安全和用药安全有重要价值。

　　医疗大数据应用策略

　　建立数据驱动医疗流程的环境，需要明确数据分析价值，并制定实现价值的策略，而不是仅仅关心其实现技术。目前，据调研各医疗机构缺乏大数据分析实现的有效策略，在描述大数据分析形成医院有效生产力和转换医疗模式缺乏应用落地方案，医疗大数据分析实现上仍处于起步阶段，有必要对大数据分析有效落地策略进行研究。为了更好地开发利用医疗大数据，形成大数据应用氛围，提出以下5点建议。

　　建设数据治理环境 数据治理环境是医院数据发挥价值的信息环境。大数据处理需要改变以往信息化建设的策略，从以往注重软件技术和业务流程改变为注重数据治理，对医院内部各种异构信息系统的数据、信息和知识进行全面的转化整合，医院信息数据得到很好的理解、访问以及安全保密，从而改变医院组织行为，达到信息数据价值的发挥。

　　数据治理的首先一步是制订清晰的信息目标，提供数据获取、授权、共享、存储、分析利用的方案。数据集成整合是医疗数据分析应用成功的关键，由于医疗行业数据集成特别复杂，跨系统的大数据分析存在许多困难和挑战，管理者在引入大数据分析应用前应培养组织的数据治理环境。

　　培育信息共享文化 数据分析成功应用的前提是医疗机构具有成熟的信息共享环境。关键是医生、护士以及医院管理工作者不排除对新信息技术的使用。通过医院临床信息共享，形成临床信息数据采集、传送以及利用的氛围，从而为大数据分析奠定基础，医院内部信息共享对于信息系统从业务流程转向数据驱动，从而提升数据驱动能力，对数据质量提升、数据分析与决策能力提高具有重要意义。

　　培养数据分析人才 大数据分析有效应用的关键是用医院管理者和医护工作者具有相关的专业知识，如关键思考和对临床数据的解释。由于对数据判断不准确而导致临床措施不当，有必要对医疗机构进行基本数据统计、数据挖掘分析、商业智能等课程培训，最近调研，跨行业的数据培训和自学习有助于医疗大数据分析人才培养，医院有必要对相关岗位提出要求，以培养相关职位的数据分析意识。

　　引入云计算环境 由于新技术的发展，许多医院面临数据存储与集中处理的挑战，医院在寻求一种比传统数据存储服务和数据处理的新解决方案，基于大数据存储的网络存储NAS以及云计算服务为医疗机构数据存储和处理提供了新机会，通过云技术能够发挥大数据分析能力，为医院提供成本更低的解决办法。

　　公有云的数据安全和个人隐私保护成为重要的课题，尽管公有云的成本更低，大数据分析预测能力强，但由于数据保管在第三方，数据安全成为一个重要问题。医院需做好这方面的平衡，在进行大数据分析应用时，做好病人数据信息的保护。

　　捕捉大数据新机会 新一代信息系统将为医院创新和模式改变提供新机会，这种改变需要医院具有有力的数据分析能力，需要借助于医疗大数据分析预测技术，同时，医院管理方面也需要进行精细化数据分析，实现关键指标KPI的管理、数据可视化以及各种预测、告警，以支持医院管理智能化和临床决策分析，达到医院临床医疗新境界。

　　医疗行业的信息技术应用面临大数据等新技术的挑战，通过大数据分析技术应用为医疗信息化建设开辟了新途径。聚焦于大数据分析应用的主要方面，特别是对医院电子病历非结构化数据分析，对临床决策支持以及临床急需的数据分析技术应用分析，提出了医院临床信息系统的改进方法和应用策略。随着计算机深度学习、人工智能算法的不断改进和在医疗行业的应用普及，相信未来医院信息应用中将会出现更多的非结构数据分析算法以及基于大数据分析的信息化应用。

　　需要强调的是，医疗信息化价值的实现是同组织三个核心基础关联的：流程、IT技术与人员队伍。描述了大数据分析对临床信息化影响，在医疗信息化建设过程中临床医疗流程以及医护人员素质培育在驱动医疗向数据驱动转变过程中发挥关键作用，希望能在未来中将医疗行业（大）数据分析专业人员培养纳入医院信息化建设的架构中。总之，大数据分析是有效提升医疗信息化价值的重要手段，对于病人医疗安全和医院质量提升有重要价值，医院信息化建设人员有必要推进医疗大数据应用，从而提升医疗信息化建设的质量水平。

　　文章来源：《中国数字医学》杂志2018年第03期，作者及单位：郑西川 陈霆 傅一旻 郭斌，上海交通大学附属第六人民医院计算机中心。