動脈網(wǎng)-醫(yī)療行業(yè)：2023醫(yī)療大數(shù)據(jù)白皮書

前言過去十年，國內(nèi)醫(yī)療大數(shù)據(jù)產(chǎn)業(yè)從零開始發(fā)展，如今已然初具規(guī)模。但受地域政策、數(shù)據(jù)倫理等因素影響，整個產(chǎn)業(yè)一度在2019年抵達(dá)巔峰，隨后陷入停滯，直至今年才又重新復(fù)蘇。的發(fā)布與國家數(shù)據(jù)局的建立，為大數(shù)據(jù)產(chǎn)業(yè)基礎(chǔ)制度體系指明建設(shè)方向，確立指導(dǎo)制度建設(shè)責(zé)任主體。技術(shù)層面，新興的大語言模型、生成式AI借助底層邏輯的重構(gòu)帶來了一批類似ChatGPT 規(guī)?；_展醫(yī)療數(shù)據(jù)治理，為未來可能的數(shù)據(jù)資產(chǎn)化做好準(zhǔn)備。多重因素復(fù)合之下，醫(yī)療大數(shù)據(jù)產(chǎn)業(yè)迎來重大發(fā)展機(jī)遇。為了厘清醫(yī)療大數(shù)據(jù)的發(fā)展現(xiàn)狀及未來價值，蛋殼研究院此份報告，全面梳理醫(yī)療大數(shù)據(jù)產(chǎn)業(yè)，繪制醫(yī)療大數(shù)據(jù)的產(chǎn)業(yè)前景。核心觀點(diǎn)一、因擔(dān)憂數(shù)據(jù)因素、數(shù)據(jù)安全方面的風(fēng)險，醫(yī)療大數(shù)據(jù)產(chǎn)業(yè)在2020年前一直重基建而輕應(yīng)用，但自2020年開始國家政策風(fēng)口開始轉(zhuǎn)向，“數(shù)據(jù)二十條”發(fā)布、國家數(shù)據(jù)局建立，均在推動醫(yī)療大數(shù)據(jù)朝著標(biāo)準(zhǔn)化、產(chǎn)業(yè)化的方向發(fā)展，進(jìn)而建立完善的交易體系。二、伴隨信息技術(shù)和網(wǎng)絡(luò)技術(shù)的跨越式發(fā)展，現(xiàn)代醫(yī)院的運(yùn)營特征表現(xiàn)為醫(yī)療業(yè)務(wù)的智能化與應(yīng)用部署的敏捷化，使得醫(yī)院業(yè)務(wù)產(chǎn)生的信息朝著復(fù)雜化、專業(yè)化、海量化的方向發(fā)展，并對各系統(tǒng)之間的互聯(lián)互通提出更高層級的要求。因此，部分醫(yī)院開始轉(zhuǎn)變信息化建設(shè)思路，借助云技術(shù)打造新一代醫(yī)院數(shù)據(jù)中心，綜合利用各類數(shù)據(jù)服務(wù)臨床、決策和科研過程，提高醫(yī)院管理的科學(xué)化、規(guī)范化、精細(xì)化水平，由此創(chuàng)造了一個千億級的新興醫(yī)療IT市場。三、盡管基礎(chǔ)設(shè)施已經(jīng)初具規(guī)模，但多數(shù)醫(yī)院大數(shù)據(jù)應(yīng)用開拓情況仍處于低位，三級醫(yī)院應(yīng)用數(shù)量占比不足20%，二級醫(yī)院應(yīng)用數(shù)量占比不足5%。因此，在大數(shù)據(jù)應(yīng)用供不應(yīng)求的情形下，在找到有效商業(yè)模式的前提下開拓大數(shù)據(jù)應(yīng)用是醫(yī)療IT公司面臨的重要機(jī)遇。四、大語言模型（LLM）的出現(xiàn)為醫(yī)療大數(shù)據(jù)產(chǎn)業(yè)確立了新的增長點(diǎn)。目前醫(yī)療垂直大模型使用的數(shù)據(jù)仍局限于互聯(lián)網(wǎng)醫(yī)療過程中產(chǎn)生的行為數(shù)據(jù)，未來若能將臨床數(shù)據(jù)規(guī)模化納入其中，國內(nèi)醫(yī)院的智能化建設(shè)將進(jìn)一步加速。第一章：數(shù)據(jù)基礎(chǔ)建設(shè)即將確定，數(shù)據(jù)資產(chǎn)化亟待破解 1.1聚焦醫(yī)院：產(chǎn)生醫(yī)療大數(shù)據(jù)發(fā)展問題的原因 21.2聚焦政策：政策頻出，醫(yī)療大數(shù)據(jù)宏觀環(huán)境迎來多輪利好 31.3數(shù)據(jù)資產(chǎn)化，需打通四重要素 5第二章：基建擴(kuò)容，千億市場的根基 72.1新一代醫(yī)院數(shù)據(jù)中心開啟千億市場序幕 92.2影像補(bǔ)位，AI企業(yè)成為基建主角 2.3臨床科研發(fā)力，科研藥研加速數(shù)據(jù)庫建設(shè) 2.4物聯(lián)網(wǎng)、AI支持的醫(yī)院智慧后勤 2.5大數(shù)據(jù)賦能的智慧醫(yī)學(xué)教育 2.6醫(yī)院大數(shù)據(jù)中心建設(shè)的常見問題探討 第三章：應(yīng)用創(chuàng)新，數(shù)字醫(yī)療建設(shè)進(jìn)行時 3.1臨床大數(shù)據(jù)應(yīng)用 3.2運(yùn)營大數(shù)據(jù)應(yīng)用 3.3院外其他大數(shù)據(jù)與應(yīng)用 第四章：數(shù)據(jù)安全，成為應(yīng)用推廣的必要保障 4.1醫(yī)療大數(shù)據(jù)安全現(xiàn)狀 4.2大數(shù)據(jù)安全體系的構(gòu)建 4.3數(shù)據(jù)安全的保障邏輯 38第五章：前沿討論，大語言模型的構(gòu)建與數(shù)據(jù)交易的可能 415.1討論一：LLM對于多模態(tài)大數(shù)據(jù)治理的潛在影響 425.2討論二：應(yīng)用級醫(yī)療大數(shù)據(jù)的交易可能 第六章：企業(yè)價值，助推醫(yī)療信息化進(jìn)程的重要力量 參考目錄： 1122014年，為推動整體化衛(wèi)生信息系統(tǒng)建設(shè)，國家衛(wèi)計委規(guī)劃了開創(chuàng)性的“46312”工程。意數(shù)據(jù)來源：蛋殼研究院這是一種“自上而下”的建設(shè)模式。沿著這一路徑進(jìn)行推進(jìn)，框架內(nèi)的衛(wèi)生信息平臺、基礎(chǔ)數(shù)據(jù)庫、融合網(wǎng)絡(luò)、業(yè)務(wù)應(yīng)用、信息安全防護(hù)體系、人口健康信息標(biāo)準(zhǔn)體系相繼建立，國家層面的數(shù)據(jù)基礎(chǔ)設(shè)施基本建設(shè)完畢。不過，完好的頂層架構(gòu)雖有效推動了區(qū)域、醫(yī)院的大數(shù)據(jù)相關(guān)建設(shè)，但卻未能全面覆蓋整個大數(shù)據(jù)產(chǎn)業(yè)。實(shí)際之中，這些建設(shè)更多圍繞基礎(chǔ)設(shè)施展開，真正能夠傳遞價值的應(yīng)用部分相較式微，沒有達(dá)到等同于基礎(chǔ)設(shè)施建設(shè)的投入規(guī)模。探索這一問題的成因及現(xiàn)階段的解決之道是本報告的研究目的之一。本章之中，我們將從多個角度分析限制醫(yī)療大數(shù)據(jù)的關(guān)鍵要素，并回答“醫(yī)療大數(shù)據(jù)前景幾何”這一問題。千禧年后的第二個十年，移動醫(yī)療、人工智能等前沿技術(shù)的發(fā)展喚起醫(yī)療數(shù)據(jù)的需求。作為算法、算力、數(shù)據(jù)三要素中最常見但又最難獲取的要素，醫(yī)療數(shù)據(jù)彼時仍以碎片化、非標(biāo)準(zhǔn)化的形態(tài)分散于醫(yī)院各個系統(tǒng)中。為了尋找智能模型所需的養(yǎng)料，大量科技醫(yī)療創(chuàng)業(yè)公司找到三級醫(yī)院進(jìn)行合作，在幫助醫(yī)院進(jìn)行數(shù)據(jù)治理的同時，打造智慧化的臨床應(yīng)用。醫(yī)院科室的參與、政策對于信息化建設(shè)的強(qiáng)制要求，合力促使醫(yī)院圍繞互聯(lián)互通、智慧醫(yī)院等方向開啟規(guī)?；ㄔO(shè)。不少醫(yī)院開始打造醫(yī)院大數(shù)據(jù)中心、科研級大數(shù)據(jù)平臺，完成了醫(yī)3療大數(shù)據(jù)基礎(chǔ)設(shè)施的構(gòu)造，也與企業(yè)合作開發(fā)了不少智慧化的應(yīng)用。但在2019年中美貿(mào)易爭端開啟后，包含個人私密信息醫(yī)療數(shù)據(jù)成為關(guān)注重點(diǎn)之一。由于對此類數(shù)據(jù)進(jìn)行治理、集成、應(yīng)用存在一定泄露風(fēng)險，醫(yī)院與企業(yè)的合作目的開始轉(zhuǎn)變。為避免政策風(fēng)險帶來的不確定性，不少醫(yī)院期望大數(shù)據(jù)及其研究結(jié)果以醫(yī)院范圍為界限展開，使得醫(yī)療大數(shù)據(jù)的研究重心轉(zhuǎn)向醫(yī)院科研需求。此趨勢下，醫(yī)療大數(shù)據(jù)產(chǎn)業(yè)轉(zhuǎn)化一定程度減少，醫(yī)療大數(shù)據(jù)行業(yè)發(fā)展整體放慢。不過，政治因素并非鉗制醫(yī)療大數(shù)據(jù)發(fā)展的唯一因素，更需關(guān)注的是該類建設(shè)投資回報及參與度問題。對于絕大多數(shù)而言醫(yī)院而言，院內(nèi)外規(guī)范化的IT建設(shè)是一項(xiàng)難以計量回報的投資，在缺乏合適的工具估算大數(shù)據(jù)建設(shè)的產(chǎn)出時，醫(yī)院對于相關(guān)投資仍然持有保守態(tài)度。此外，要讓該項(xiàng)建設(shè)發(fā)揮價值，醫(yī)院動用資金支持僅是一部分，更重要的是醫(yī)院深入了解醫(yī)療大數(shù)據(jù)建設(shè)內(nèi)容，將系統(tǒng)與業(yè)務(wù)有效融合，才能構(gòu)造行之有效的大數(shù)據(jù)體系從目前來看，盡管存在各類標(biāo)準(zhǔn)推動醫(yī)療數(shù)據(jù)的互通互認(rèn)、治理應(yīng)用，但只有完整做好每一類場景全流程數(shù)據(jù)的收集、清洗、歸納、存儲都一系列步驟，才能形成多模態(tài)、跨流程、可服務(wù)于應(yīng)用的大數(shù)據(jù)，真正將醫(yī)療數(shù)據(jù)沉淀下來。這個建設(shè)過程應(yīng)由所有相關(guān)成員的共同參與的過程，目前醫(yī)院還需提升主體積極性，實(shí)現(xiàn)全流程、高參與度的數(shù)據(jù)治理。只有將醫(yī)療大數(shù)據(jù)的被動應(yīng)用轉(zhuǎn)變?yōu)橹鲃庸芾?，才能真正用好醫(yī)療大數(shù)據(jù)。盡管院內(nèi)的大數(shù)據(jù)建設(shè)存在諸多問題，但自2020開始，政策的加持與技術(shù)的推動已在潛移默化中消解這些問題。2020年4月，中共中央、國務(wù)院印發(fā)《關(guān)于構(gòu)建更加完善的要素市場化配置體制機(jī)制的意素市場，推進(jìn)政府?dāng)?shù)據(jù)開放共享、提升社會數(shù)據(jù)資源價值、加強(qiáng)數(shù)據(jù)資源整合和安全保護(hù)，制定出臺新一批數(shù)據(jù)共享責(zé)任清單。年我國大數(shù)據(jù)產(chǎn)業(yè)測算規(guī)模突破3萬億元，年均復(fù)合增長率保持25%左右，創(chuàng)新力強(qiáng)、附加值高、自主可控的現(xiàn)代化大數(shù)據(jù)產(chǎn)業(yè)體系基本形成。”2022年12月，《中共中央國務(wù)院關(guān)于構(gòu)建數(shù)據(jù)基礎(chǔ)制度更好發(fā)揮數(shù)據(jù)要素作用的意見》4（后簡稱：數(shù)據(jù)二十條）對外發(fā)布則以構(gòu)建基礎(chǔ)制度為目標(biāo)，從數(shù)據(jù)產(chǎn)權(quán)、流通交易、收益分配、安全治理等四個方面，對制定數(shù)據(jù)基礎(chǔ)制度進(jìn)行了全面部署，最終構(gòu)建公平與效率相統(tǒng)一的數(shù)據(jù)要素按貢獻(xiàn)參與分配的制度。2023年3月，國家數(shù)據(jù)局組建完畢，中央網(wǎng)絡(luò)安全和信息化委員會辦公室、國家發(fā)展和改革委員會共同管理，兩大機(jī)構(gòu)將在后續(xù)協(xié)調(diào)推進(jìn)數(shù)據(jù)基礎(chǔ)制度建設(shè)，統(tǒng)籌數(shù)據(jù)資源整合共享和開發(fā)利用，統(tǒng)籌推進(jìn)數(shù)字中國、數(shù)字經(jīng)濟(jì)、數(shù)字社會規(guī)劃和建設(shè)等。圖表2國家數(shù)據(jù)局的管理義務(wù)劃分?jǐn)?shù)據(jù)來源：蛋殼研究院上述政策中，《關(guān)于構(gòu)建更加完善的要素市場化配置體制機(jī)制的意見》與《“十四五”大數(shù)據(jù)產(chǎn)業(yè)發(fā)展規(guī)劃》為醫(yī)療大數(shù)據(jù)的產(chǎn)業(yè)化做好背書，有效提升了醫(yī)療機(jī)構(gòu)及相關(guān)大數(shù)據(jù)企業(yè)的信心?！皵?shù)據(jù)二十條”、成立國家數(shù)據(jù)局則聚焦于成立良好的市場制度，完善交易流通所需的市場要素，保障大數(shù)據(jù)市場公平、高效地開展下去。雙管齊下，眾多政策突顯了國家規(guī)范發(fā)展數(shù)據(jù)相關(guān)產(chǎn)業(yè)的決心。的火熱帶動人們重新審視人工智能的價值，并聚焦于背后支撐應(yīng)用的技術(shù)生成式AI（GenerativeAI）。2023年開始，不少醫(yī)療IT公司、醫(yī)療AI公司、互聯(lián)網(wǎng)醫(yī)療公司均已開發(fā)出自己的大語言模型，并嘗試在醫(yī)院場景之中開發(fā)各項(xiàng)新式AI應(yīng)用。拆解這一新興人工智能仍是算法、算力、數(shù)據(jù)、知識四要素，但對于國內(nèi)企業(yè)而言，算法部分均用的開源模型，算力可以根據(jù)需求購置GPU實(shí)現(xiàn)，知識可以通過向權(quán)威知識庫購買或達(dá)成戰(zhàn)略合作得到，唯獨(dú)數(shù)據(jù)需要企業(yè)與醫(yī)院達(dá)成合作，在脫敏、不出院的情況下訓(xùn)練模型。政策與技術(shù)雙向驅(qū)動，醫(yī)療大數(shù)據(jù)產(chǎn)業(yè)再度火熱。如今，更多醫(yī)院開始參與大數(shù)據(jù)基礎(chǔ)及應(yīng)用建設(shè)，大企業(yè)們也嗅到風(fēng)向，廣泛參與其中，為產(chǎn)業(yè)注入新的活力。5宏觀條件完備后，微觀層面同樣需要跟進(jìn)，即需要各個醫(yī)院一改過去滿足政策要求、被動建設(shè)的模式，主動參與到醫(yī)療大數(shù)據(jù)的相關(guān)建設(shè)中。目前，醫(yī)管部門通過強(qiáng)化醫(yī)院對于科研相關(guān)能力的要求，促使醫(yī)院主動收集數(shù)據(jù)推動回顧性試驗(yàn)研究、前瞻性試驗(yàn)研究，已經(jīng)一定程度推動醫(yī)院轉(zhuǎn)向主動數(shù)據(jù)治理。而要進(jìn)一步提升這一主動性，轉(zhuǎn)變醫(yī)院對于醫(yī)療大數(shù)據(jù)的認(rèn)知態(tài)度，則需推動數(shù)據(jù)資產(chǎn)化，將醫(yī)療大數(shù)據(jù)的治理工程由成本項(xiàng)轉(zhuǎn)變?yōu)槭杖腠?xiàng)，讓醫(yī)院醫(yī)生將數(shù)據(jù)視作一種極具潛力的資產(chǎn)。這是一個極具挑戰(zhàn)的轉(zhuǎn)變。回顧勞動、土地、資本等生產(chǎn)要素形成的市場，流通是其最大化價值實(shí)現(xiàn)的必經(jīng)之路。對于數(shù)據(jù)這類新式生產(chǎn)要素，怎樣保證流通過程的安全順暢，怎樣保障要素市場的公平穩(wěn)定等問題，需要多個參與方協(xié)力解決。目前，限制數(shù)據(jù)流通的核心要素可歸納為以下幾點(diǎn)。數(shù)據(jù)的交易流通需要數(shù)據(jù)歸屬、定價、交易、權(quán)益分配、安全等基礎(chǔ)制度的保障。當(dāng)前制度尚未形成統(tǒng)一的保護(hù)機(jī)制，從國家到省市再到區(qū)縣，跨委辦局、垂管系統(tǒng)的數(shù)據(jù)共享仍然困難。國家數(shù)據(jù)局或在未來解決統(tǒng)籌建設(shè)的問題，推動各項(xiàng)數(shù)據(jù)標(biāo)準(zhǔn)的制定，但從成立到發(fā)揮關(guān)鍵作用，尚需時日化解從理論到實(shí)踐過程中遭遇的種種問題。目前尚無法律法規(guī)對醫(yī)療數(shù)據(jù)的歸屬權(quán)進(jìn)行界定。有觀點(diǎn)認(rèn)為醫(yī)療大數(shù)據(jù)反映的是個人的健康狀況，理應(yīng)屬于患者個人；有觀點(diǎn)認(rèn)為醫(yī)療大數(shù)據(jù)是由醫(yī)院采集、錄入才能產(chǎn)生的，存儲和保存也在醫(yī)療機(jī)構(gòu)，理應(yīng)屬于醫(yī)療機(jī)構(gòu)；還有觀點(diǎn)認(rèn)為醫(yī)療數(shù)據(jù)的所有權(quán)在于患者個人、控制權(quán)在于醫(yī)院、管理權(quán)在于政府，第三方機(jī)構(gòu)需借助政府支持和醫(yī)院配合方能對其進(jìn)行商業(yè)化開發(fā)和利用。一方面，模糊的數(shù)據(jù)歸屬權(quán)可能導(dǎo)致利益分配糾紛，進(jìn)而提高數(shù)據(jù)流通成本。因此，產(chǎn)業(yè)必須及早明確數(shù)據(jù)歸屬權(quán)并建立合理的分配制度，保障數(shù)據(jù)流通的公平公正公開。另一方面，由于數(shù)據(jù)易復(fù)制的特性，數(shù)據(jù)提供給其他實(shí)體后，兩者是價值關(guān)系，而不是一次性收益。因此，需要法律法規(guī)確保供應(yīng)商獲得應(yīng)得、持續(xù)的收益流。6數(shù)據(jù)的需求方和數(shù)據(jù)的擁有方當(dāng)前沒有合適的發(fā)現(xiàn)對接機(jī)制，市場沒有形成上下游的關(guān)系。專利權(quán)和著作權(quán)有國家知識產(chǎn)權(quán)保護(hù)，數(shù)據(jù)權(quán)益當(dāng)前缺少相應(yīng)法律法規(guī)的保護(hù)。雖然國內(nèi)已有不少大數(shù)據(jù)交易所開始運(yùn)營，但數(shù)據(jù)要素流通市場整體形式仍較為單一，通過交易所掛牌數(shù)據(jù)較少，從量和質(zhì)上都無法滿足數(shù)據(jù)市場的需求。相較之下，大量的場外數(shù)據(jù)交易市場活躍，但缺乏有效監(jiān)管和安全保障。醫(yī)療方面，已有不少交易所將為“醫(yī)療衛(wèi)生”數(shù)據(jù)設(shè)置交易品類，但絕大部分交易所該品類下并無供應(yīng)商品，僅貴州大數(shù)據(jù)交易所上架了一款“兒童構(gòu)音障礙早篩語音數(shù)據(jù)”的產(chǎn)品，售價25萬元，僅交易兩筆。圖表3兒童構(gòu)音障礙早篩語音數(shù)據(jù)截圖數(shù)據(jù)來源：蛋殼研究院要解決這一問題，數(shù)據(jù)交易市場必須建立以政府為主導(dǎo)、市場化的數(shù)據(jù)要素交易機(jī)構(gòu)和服務(wù)平臺組成的體系。數(shù)據(jù)供應(yīng)方進(jìn)行有效的數(shù)據(jù)歸集、加工；交易中心提供供需對接服務(wù)，實(shí)現(xiàn)數(shù)據(jù)升值、數(shù)據(jù)變現(xiàn)，監(jiān)管機(jī)構(gòu)保障市場監(jiān)管和質(zhì)控，營造良好的流通環(huán)境?？偟膩碚f，我國數(shù)據(jù)要素流通市場仍處于發(fā)展的初級階段，在數(shù)據(jù)交易需求持續(xù)高漲的趨勢下，一方面需要國家主導(dǎo)完善數(shù)據(jù)要素服務(wù)相關(guān)制度，引導(dǎo)培育數(shù)據(jù)要素交易市場，另一方面也需培養(yǎng)更多供應(yīng)商豐富數(shù)據(jù)供應(yīng)體系，并加大數(shù)據(jù)交易所傳播力度，最終實(shí)現(xiàn)在有效市場支撐下的數(shù)據(jù)供需匹配，讓各類數(shù)據(jù)要素高效安全地流通起來。778醫(yī)療大數(shù)據(jù)的價值挖掘是對醫(yī)療數(shù)據(jù)的收集、整理、再利用。換句話說，高效掘取醫(yī)療大數(shù)據(jù)價值，首先需要建立先進(jìn)的信息技術(shù)系統(tǒng)和數(shù)據(jù)平臺，幫助醫(yī)療機(jī)構(gòu)有效存儲、整合數(shù)據(jù)，其次才是構(gòu)建、利用工具，對治理后的醫(yī)療大數(shù)據(jù)進(jìn)行分析，進(jìn)而為醫(yī)療決策提供科學(xué)依據(jù)、提升醫(yī)療效率。相較于后一環(huán)節(jié)的醫(yī)療大數(shù)據(jù)應(yīng)用，前端的治理顯然更為繁瑣。一個患者的全生命周期數(shù)據(jù)不僅包含產(chǎn)生于醫(yī)療機(jī)構(gòu)的就診、治療、康復(fù)等臨床數(shù)據(jù)，還包含與生俱來的基因組數(shù)據(jù)、可穿戴設(shè)備生成的個人健康數(shù)據(jù)。以醫(yī)療機(jī)構(gòu)產(chǎn)生的臨床數(shù)據(jù)為例，患者在選擇醫(yī)療機(jī)構(gòu)時需考慮疾病嚴(yán)重程度、地理位置、優(yōu)勢學(xué)科等要素，一生之中的就診不會局限于單家醫(yī)院，因而其臨床數(shù)據(jù)往往分散于多個醫(yī)療機(jī)構(gòu)中；一家醫(yī)院的臨床數(shù)據(jù)分散在多個不同業(yè)務(wù)系統(tǒng)中，HIS、CIS、PACS、RIS之間未必能夠?qū)崿F(xiàn)互聯(lián)互通。有需求就有市場。為了治理過往沉積的數(shù)據(jù)，標(biāo)準(zhǔn)化后續(xù)生成的數(shù)據(jù)，不少醫(yī)院開始投身于數(shù)據(jù)的數(shù)據(jù)中心的建立與數(shù)據(jù)平臺的運(yùn)營，兩個模塊如今已經(jīng)孕育起一個十億級的市場?！度窠】敌畔⒒{(diào)查報告》曾對醫(yī)院信息平臺的基本功能統(tǒng)計。數(shù)據(jù)表明：已有超過一半醫(yī)院進(jìn)行了一定程度的數(shù)據(jù)中心部署。但在人工智能、物聯(lián)網(wǎng)、語言模型等一眾新式技術(shù)的推動之下，越來越多的數(shù)據(jù)中心面臨升級、擴(kuò)容、云化等需求，進(jìn)而演化為新時代的醫(yī)療大數(shù)據(jù)市場。圖表42021年各類醫(yī)療機(jī)構(gòu)大數(shù)據(jù)應(yīng)用開展情況（單位：%）數(shù)據(jù)來源：《全民健康信息化調(diào)查報告》9伴隨信息技術(shù)和網(wǎng)絡(luò)技術(shù)的跨越式發(fā)展，現(xiàn)代醫(yī)院的運(yùn)營特征表現(xiàn)為醫(yī)療業(yè)務(wù)的智能化與應(yīng)用部署的敏捷化，使得醫(yī)院業(yè)務(wù)產(chǎn)生的信息朝著復(fù)雜化、專業(yè)化、海量化的方向發(fā)展，并對各系統(tǒng)之間的互聯(lián)互通提出更高層級的要求。此趨勢下，圍繞網(wǎng)絡(luò)帶寬、服務(wù)器性能、交換機(jī)處理能力等設(shè)備運(yùn)行特征建設(shè)數(shù)據(jù)中心機(jī)房的思路無法應(yīng)對新型數(shù)據(jù)結(jié)構(gòu)下涌現(xiàn)的數(shù)據(jù)安全保障、線上業(yè)務(wù)支撐、數(shù)據(jù)資產(chǎn)管理等需求，亟需引入新的IT架構(gòu)來應(yīng)對新的業(yè)務(wù)對計算資源、存儲資源、網(wǎng)絡(luò)資源的新要求。因此，部分醫(yī)院開始轉(zhuǎn)變信息化建設(shè)思路，借助云技術(shù)打造新一代醫(yī)院數(shù)據(jù)中心，綜合利用各類數(shù)據(jù)服務(wù)臨床、決策和科研過程，提高醫(yī)院管理的科學(xué)化、規(guī)范化、精細(xì)化水平。傳統(tǒng)大數(shù)據(jù)中心分為兩類形式。一類是以業(yè)務(wù)支撐為主、整合電子病歷的臨床數(shù)據(jù)中心（CDR其作用是支撐日常的醫(yī)療活動，收集與呈現(xiàn)醫(yī)療過程中的數(shù)據(jù)，繪制常規(guī)報表統(tǒng)計等。另一類以管理和科研為主的大數(shù)據(jù)中心，其作用是面向臨床研究、醫(yī)院管理與智能產(chǎn)品開發(fā)，滿足科研、管理活動中的數(shù)據(jù)批量處理的挖掘與分析需求。目前國內(nèi)大部分全院級CDR完成了醫(yī)院各業(yè)務(wù)數(shù)據(jù)的物理匯聚，但數(shù)據(jù)質(zhì)量仍處于原始狀態(tài)，對數(shù)據(jù)的深層架構(gòu)與邏輯關(guān)系尚未進(jìn)行梳理，針對現(xiàn)有CDR開展臨床相關(guān)的數(shù)據(jù)分析挖掘仍具有極大困難。此外，由于不同科研數(shù)據(jù)庫一般采用自定義的數(shù)據(jù)模型，在建立多中心數(shù)據(jù)池、數(shù)據(jù)共享或數(shù)據(jù)合并時需要花費(fèi)大量時間和資源進(jìn)行數(shù)據(jù)映射和重新編碼，一旦出錯很容易導(dǎo)致計算機(jī)數(shù)據(jù)調(diào)用、分析過程和結(jié)果出現(xiàn)混亂。要解決傳統(tǒng)大數(shù)據(jù)中心存在的問題，新一代大數(shù)據(jù)中心應(yīng)具備以下能力。1.滿足醫(yī)院創(chuàng)新業(yè)務(wù)需求。提供多種大數(shù)據(jù)應(yīng)用開發(fā)工具并支撐大數(shù)據(jù)應(yīng)用部署，例如利用NLP從海量電子病歷數(shù)據(jù)中提取知識，輔助臨床科研；利用深度學(xué)習(xí)從海量的醫(yī)學(xué)影像中訓(xùn)練人工智能模型，輔助醫(yī)生臨床診斷。2.滿足醫(yī)院管理發(fā)展的需求。支撐人工智能應(yīng)用為醫(yī)院運(yùn)營管理提供更深的洞察和更敏捷的反應(yīng)；支撐實(shí)時流計算，能夠應(yīng)用大數(shù)據(jù)分析技術(shù)并將分析結(jié)果實(shí)時反饋到臨床業(yè)務(wù)；支撐邊緣計算與物聯(lián)網(wǎng)技術(shù)實(shí)現(xiàn)智慧后勤。3.滿足醫(yī)院智慧應(yīng)用配置需求。支持搭建安全、有彈性、可擴(kuò)展的對外服務(wù)平臺；支撐區(qū)塊鏈等創(chuàng)新技術(shù)解決數(shù)據(jù)共享、流通、歸集和安全問題。4.滿足跨部門業(yè)務(wù)協(xié)同需求。支撐云網(wǎng)融合技術(shù)，能夠在保證內(nèi)外網(wǎng)間數(shù)據(jù)交換的安全性的前提下以打通院內(nèi)系統(tǒng)、外部系統(tǒng)及云上系統(tǒng)，以實(shí)現(xiàn)醫(yī)院業(yè)務(wù)的連續(xù)性。5.滿足數(shù)據(jù)治理需求?？商峁┑娜?jǐn)?shù)據(jù)服務(wù)需要覆蓋數(shù)據(jù)標(biāo)準(zhǔn)管理、基礎(chǔ)數(shù)據(jù)管理、數(shù)據(jù)采集、數(shù)據(jù)匯聚、數(shù)據(jù)深度加工、數(shù)據(jù)資產(chǎn)管理、數(shù)據(jù)質(zhì)量管理、數(shù)據(jù)安全管理等對數(shù)據(jù)的全生命周期治理服務(wù)。6.滿足數(shù)據(jù)服務(wù)需求。支撐醫(yī)院內(nèi)部實(shí)現(xiàn)系統(tǒng)互聯(lián)互通和數(shù)據(jù)對接共享的需要；醫(yī)院提升海量數(shù)據(jù)資源質(zhì)量的需要，數(shù)據(jù)驅(qū)動醫(yī)院進(jìn)行科學(xué)決策的需要，面對數(shù)據(jù)安全風(fēng)險的需要。圖表5云上新一代醫(yī)院數(shù)據(jù)中心主要特征數(shù)據(jù)來源：《新一代醫(yī)院數(shù)據(jù)中心建設(shè)指導(dǎo)》在《新一代醫(yī)療數(shù)據(jù)中心建設(shè)指導(dǎo)》一書中，新一代醫(yī)院數(shù)據(jù)中心被定義為以私有云為主，多云結(jié)合為特征的醫(yī)療云數(shù)據(jù)中心，并將新一代醫(yī)院數(shù)據(jù)中心的架構(gòu)劃分為醫(yī)院基礎(chǔ)設(shè)施服務(wù)層（laaS）、醫(yī)院應(yīng)用支撐服務(wù)層（PaaS）、醫(yī)院應(yīng)用層（SaaS）。圖表6新一代醫(yī)院數(shù)據(jù)中心架構(gòu)數(shù)據(jù)來源：《新一代醫(yī)院數(shù)據(jù)中心建設(shè)指導(dǎo)》在基礎(chǔ)設(shè)施之上，醫(yī)院應(yīng)用支撐服務(wù)層提供平臺應(yīng)用服務(wù)，包括應(yīng)用開發(fā)和測試的平臺服務(wù)、通用應(yīng)用服務(wù)、數(shù)據(jù)服務(wù)（DaaS）以及醫(yī)療行業(yè)特定的服務(wù)。最上層的醫(yī)院應(yīng)用層提供各種類型的醫(yī)院業(yè)務(wù)應(yīng)用，主要分為三大類，即事務(wù)型業(yè)務(wù)、數(shù)據(jù)分析型業(yè)務(wù)以及跨院業(yè)務(wù)。這些業(yè)務(wù)應(yīng)用通過平臺即服務(wù)（Plantform-as-a-Service，PaaS）層提供的API使用平臺服務(wù)。此外，統(tǒng)一安全管理及統(tǒng)一運(yùn)維管理將貫穿數(shù)據(jù)中心的各個層次，保證整個系統(tǒng)在安全環(huán)境穩(wěn)定運(yùn)行。目前，醫(yī)療健康行業(yè)對安全和隱私方面的高要求使得醫(yī)院數(shù)據(jù)中心主要以私有云為主，這種方式不但可以保證醫(yī)院完全控制其安全措施，也可以確保其數(shù)據(jù)中心能夠滿足相關(guān)法律法規(guī)。私有云部署也可以使醫(yī)院明確知道自己所購買軟硬件成本，使數(shù)據(jù)中心成本可預(yù)測。但是私有云部署的總體成本相對較高，也帶來了醫(yī)院管理的復(fù)雜性，而且數(shù)據(jù)中心的擴(kuò)展性也受到醫(yī)院本身?xiàng)l件的限制。有些醫(yī)院為簡化管理，提高靈活性等因素考慮部分非核心業(yè)務(wù)也可能會選擇托管公有云，由第三方服務(wù)商進(jìn)行管理和運(yùn)行，成本可控但其靈活性仍然有限。但出于對公有云可擴(kuò)展性、高性能、低成本等優(yōu)勢的需求，醫(yī)院越來越多地選擇將其一些對外服務(wù)業(yè)務(wù)和IT能力部署在公有云上?；旌显萍夹g(shù)的使用仍在探索中，該部署方式使得醫(yī)院未來能夠在私有云和公有云之間靈活地部署和遷移其工作負(fù)載，其典型的場景是將單個或多個私有云和單個或多個公有云結(jié)合為一體的混合云和多云環(huán)境。醫(yī)院云數(shù)據(jù)中心也會通過互聯(lián)網(wǎng)或?qū)＞€與第三方平臺對接，例如區(qū)域影像中心、全民健康信息平臺和醫(yī)保信息平臺等。自深度學(xué)習(xí)廣泛應(yīng)用于計算機(jī)視覺后，圍繞醫(yī)學(xué)影像展開的人工智能開發(fā)催生了獨(dú)立建設(shè)影像大數(shù)據(jù)中心的需求。因此，不少企業(yè)嘗試在PACS、RIS、PIS等涉及醫(yī)學(xué)影像的業(yè)務(wù)系統(tǒng)之上，以中臺形式搭建一個能夠綜合管理應(yīng)用全院所有影像的大數(shù)據(jù)平臺，更標(biāo)準(zhǔn)、更便捷、更經(jīng)濟(jì)的方式對影像類數(shù)據(jù)進(jìn)行匯總，進(jìn)而推動相關(guān)科學(xué)研究的進(jìn)行。對比新一代數(shù)據(jù)中心，影像數(shù)據(jù)中心的需要同樣寬泛。作為醫(yī)療數(shù)據(jù)大國，我國的影像數(shù)據(jù)占據(jù)了80%—90%的份額，維持30%的增速持續(xù)增長，但大量數(shù)據(jù)停留在紙質(zhì)化的階段，超過80%的數(shù)據(jù)為非結(jié)構(gòu)化數(shù)據(jù)。因此，圍繞影像展開的醫(yī)療大數(shù)據(jù)中心建設(shè)能夠有效觸及此類需求，易聯(lián)眾、卡易、富士膠片等傳統(tǒng)醫(yī)療IT企業(yè)及深睿醫(yī)療、匯醫(yī)慧影等人工智能企業(yè)均圍繞此業(yè)務(wù)深化信息化布局，一方面為醫(yī)院搭載治理影像數(shù)據(jù)的平臺，另一方面借助平臺協(xié)同醫(yī)院推出新的人工智能解決方案。現(xiàn)有的醫(yī)學(xué)影像大數(shù)據(jù)中心通常具備兩類智能。其一為集成智能化影像應(yīng)用。伴隨人工智能技術(shù)的規(guī)模落地，一家醫(yī)院常常會安裝多個人工智能輔助診斷應(yīng)用。為了方便醫(yī)生在不同應(yīng)用之間無感切換，醫(yī)學(xué)影像大數(shù)據(jù)中心可以起到業(yè)務(wù)中臺的作用，將眾多人工智能軟件集成，便于醫(yī)生使用。同時，大數(shù)據(jù)中心還可以通過互聯(lián)網(wǎng)實(shí)時更新新的人工智能應(yīng)用，醫(yī)生需要時可直接聯(lián)網(wǎng)下載。其二為助力影像數(shù)據(jù)資產(chǎn)化。由于影像數(shù)據(jù)量本身體量較大，醫(yī)院很難精準(zhǔn)評估影像數(shù)據(jù)集價值，可能在數(shù)年之后需要調(diào)閱時才發(fā)現(xiàn)文件發(fā)生損壞。在這一場景下，影像大數(shù)據(jù)可以助力影像數(shù)據(jù)治理，在數(shù)據(jù)生成后便及時打上標(biāo)簽并歸類，并注明其可能存在的價值。核心能力外，還有一些企業(yè)的大平臺會打造一些特色功能。以深睿醫(yī)療新發(fā)布的DeepwiseMetAI智慧影像&數(shù)據(jù)新平臺為例，該平臺以計算機(jī)視覺、NLP、深度學(xué)習(xí)等AI技術(shù)為基礎(chǔ)，實(shí)現(xiàn)影像掃描后重建、打印、診斷、會診、教學(xué)、科研的一站式影像科全周期智能管理。這個過程中，深睿醫(yī)療能夠幫助醫(yī)院生產(chǎn)高效精準(zhǔn)的結(jié)構(gòu)化數(shù)據(jù)，逐步積成影像科的優(yōu)質(zhì)數(shù)據(jù)資產(chǎn)。同時，深睿醫(yī)療也在借助大數(shù)據(jù)平臺打造以科研創(chuàng)新及應(yīng)用為導(dǎo)向，實(shí)現(xiàn)數(shù)據(jù)到成果再到應(yīng)用的創(chuàng)新閉環(huán)模式，加速科研成果轉(zhuǎn)化，助力學(xué)科高水平發(fā)展。目前，深睿醫(yī)療已與四川大學(xué)華西醫(yī)院、南京市中醫(yī)院、浙江大學(xué)醫(yī)學(xué)院附屬兒童醫(yī)院等國內(nèi)多家醫(yī)療機(jī)構(gòu)合作，依托全院級科研數(shù)據(jù)中心，探索疾病智能化診療的新模式、產(chǎn)出高質(zhì)量的成果、全面促進(jìn)成果轉(zhuǎn)化。臨床科研數(shù)據(jù)庫的建設(shè)需求基本可分為兩大類：一是數(shù)據(jù)沉淀需求，通過積累數(shù)據(jù)資產(chǎn)，為尚未明確的研究課題和研究方向做探索準(zhǔn)備，如醫(yī)院對積累患者多組學(xué)數(shù)據(jù)的需求；申辦方對積累臨床研究數(shù)據(jù)資產(chǎn)的需求；積累醫(yī)患管理數(shù)據(jù)的需求等。二是臨床研究需求，如輔助已明確方向和課題的研究者發(fā)起的臨床研究（IIT），以及藥企發(fā)起的臨床試驗(yàn)（IST）完成定向數(shù)據(jù)治理、質(zhì)控、鎖定和應(yīng)用等相關(guān)工作。產(chǎn)品開始融合，逐步合并為一套系統(tǒng)。臨床科研數(shù)據(jù)庫的價值隨之深化。某腫瘤醫(yī)院每年收治數(shù)千例宮頸癌、子宮內(nèi)膜癌、卵巢癌等婦科惡性腫瘤新發(fā)病例，診療數(shù)據(jù)均存儲在該院業(yè)務(wù)系統(tǒng)中，沒有統(tǒng)一的標(biāo)準(zhǔn)規(guī)范和格式，且為非科研所需的結(jié)構(gòu)化數(shù)據(jù)，非常不利于臨床醫(yī)生精準(zhǔn)定位患者和統(tǒng)計分析數(shù)據(jù)。而在搭建了本地專病庫后，患者群體定位能力和科研效率顯著提升，數(shù)據(jù)處理成本降低，醫(yī)院還獲得更多科研機(jī)會。此外，該項(xiàng)目還反哺臨床場景，幫助提升院內(nèi)病歷質(zhì)量，增強(qiáng)規(guī)范診療能圖表7臨床科研數(shù)據(jù)庫的分類及特點(diǎn)數(shù)據(jù)來源：《臨床科研數(shù)據(jù)庫系統(tǒng)的現(xiàn)狀與未來》伴隨數(shù)據(jù)科技的發(fā)展與醫(yī)院對于臨床試驗(yàn)數(shù)據(jù)庫的日益重視，臨床試驗(yàn)數(shù)據(jù)庫的能力界限與發(fā)展路徑都迎來的新的改變。其一，融合院后隨訪數(shù)據(jù)。院后隨訪數(shù)據(jù)作為患者臨床結(jié)局的反映，是多數(shù)臨床研究中必須收集的數(shù)據(jù)。但傳統(tǒng)的院后隨訪要么需要患者前往門診主動隨訪，要么依靠臨床研究人員電話隨訪。前者需要患者頻繁往返醫(yī)院，患者體驗(yàn)較差、后者存在隨訪工作量大、失訪率高、數(shù)據(jù)質(zhì)量受限等普遍性問題。移動通信技術(shù)及應(yīng)用廣泛發(fā)展，臨床研究人員如今可通過網(wǎng)頁、微信、App等多種形式提供患者院后隨訪服務(wù)以及收集患者自報告結(jié)局（PRO）。由于隨訪問卷、查體原始報告等信息可以由患者直接錄入或上傳，隨訪頻率及隨訪質(zhì)量均得到有效提高。為了更好地融入院后隨訪數(shù)據(jù)，臨床試驗(yàn)數(shù)據(jù)庫應(yīng)與新型的院后隨訪系統(tǒng)相集成，實(shí)現(xiàn)臨床數(shù)據(jù)與隨訪數(shù)據(jù)的一體化整合，從而有效提升科研數(shù)據(jù)完整度。其二，融合電子病歷數(shù)據(jù)。臨床科研數(shù)據(jù)采集需求會更多地體現(xiàn)在醫(yī)療業(yè)務(wù)信息系統(tǒng)中，兩類系統(tǒng)之間的協(xié)同互補(bǔ)將是發(fā)展的趨勢，但與醫(yī)療業(yè)務(wù)信息系統(tǒng)的協(xié)同，從醫(yī)療記錄中回顧性提取科研數(shù)據(jù)，實(shí)踐中始終存在著原始記錄不全、結(jié)構(gòu)化技術(shù)要求高的困難。為此，醫(yī)院應(yīng)建立“臨床科研一體化”的電子病歷系統(tǒng)，補(bǔ)全缺失的結(jié)構(gòu)化數(shù)據(jù)。但就國內(nèi)醫(yī)院目前的互聯(lián)互通建設(shè)水平而言，絕大部分醫(yī)院無法實(shí)現(xiàn)全結(jié)構(gòu)化的電子病歷。要解決這一問題，一方面可把結(jié)構(gòu)化的科研數(shù)據(jù)表單以“插件”形式集成到臨床電子病歷系統(tǒng)中，兼顧臨床記錄的描述性和科研數(shù)據(jù)的結(jié)構(gòu)化，另一方面可從?？苹臋z查方面推行結(jié)構(gòu)化報告，逐步向全院進(jìn)行延伸。其三，完善數(shù)據(jù)加工功能?；仡櫺匝芯繑?shù)據(jù)收集利用模式的改變在目前的科室?？茖２?shù)據(jù)庫中，有相當(dāng)一部分是為未來的回顧性研究而建設(shè)。一方面，在研究問題不確定的情況下，建設(shè)和維持科研數(shù)據(jù)庫需要投入專門力量，長期持續(xù)難度大；另一方面，隨著電子病歷數(shù)據(jù)的完善和數(shù)據(jù)處理分析技術(shù)能力的提升，研究人員提出問題時，能夠針對研究問題直接從原始數(shù)據(jù)中提取所需特征變量開展研究。在專業(yè)化的數(shù)據(jù)服務(wù)能力支持下，直接提取科研數(shù)據(jù)有更高的效率，能最大程度地減輕臨床科室工作量，這一趨勢在醫(yī)院的大數(shù)據(jù)中心工作實(shí)踐中已經(jīng)開始顯現(xiàn)。未來，臨床科研數(shù)據(jù)庫系統(tǒng)的數(shù)據(jù)加工功能會進(jìn)一步優(yōu)化，入庫的數(shù)據(jù)會更為精準(zhǔn)、數(shù)目縮小，預(yù)先建庫的模式將更多地轉(zhuǎn)為有研究問題時的即時建庫和數(shù)據(jù)加工，整個過程將進(jìn)一步簡化。病例注冊數(shù)據(jù)庫主要用于支持疾病或治療措施的觀察性研究，通常為多中心數(shù)據(jù)庫。研究設(shè)計者圍繞研究主題和特定的研究問題，設(shè)計統(tǒng)一的病例數(shù)據(jù)采集表單，組織真實(shí)世界病例數(shù)據(jù)錄入?yún)R集，形成大規(guī)模的觀察性病例數(shù)據(jù)庫?，F(xiàn)實(shí)中，一些隊列研究數(shù)據(jù)庫具有與病例注冊數(shù)據(jù)庫相似的特點(diǎn)，亦可歸入此類。病例注冊數(shù)據(jù)庫具有以下特點(diǎn)：通常為多中心數(shù)據(jù)庫，對數(shù)據(jù)標(biāo)準(zhǔn)化定義要求較高；各個醫(yī)療機(jī)構(gòu)的信息系統(tǒng)并不相同，病例注冊系統(tǒng)與各醫(yī)療機(jī)構(gòu)信息系統(tǒng)建立接口的可能性較低，數(shù)據(jù)采集主要依靠人工錄入，因而病例登記表所涉及的變量數(shù)通常不宜設(shè)計過多；多中心采集場景下，對病例注冊系統(tǒng)的數(shù)據(jù)錄入和共享權(quán)限有特定要求。?？茖２?shù)據(jù)庫主要用于支持臨床科室按?？苹虿》N收集病例數(shù)據(jù)和開展觀察性研究，其所收集的病例數(shù)據(jù)項(xiàng)較廣。在實(shí)際工作中，科室建立專科或?qū)２?shù)據(jù)庫可分為兩種情況：一種是有研究目的但研究問題尚不明確，建庫是為未來的科研問題積累數(shù)據(jù)，其所收集的病例數(shù)據(jù)項(xiàng)較廣，病例表單構(gòu)成較復(fù)雜；另一種是圍繞特定科研問題的病例數(shù)據(jù)收集，數(shù)據(jù)項(xiàng)相對較少，病例表單相對簡單。隨著醫(yī)療信息化的發(fā)展所提供的便利性增加，近年來此類數(shù)據(jù)庫的建設(shè)需求越來越多。此類數(shù)據(jù)庫與注冊數(shù)據(jù)庫的特點(diǎn)有類似之處，但由于屬于單中心數(shù)據(jù)庫且未來研究問題存在不確定性，所以多數(shù)數(shù)據(jù)庫設(shè)計包含數(shù)據(jù)項(xiàng)較多，數(shù)據(jù)標(biāo)準(zhǔn)化定義要求相對寬松；對從醫(yī)院電子病歷數(shù)據(jù)資源庫（CDR）獲取數(shù)據(jù)的要求較高。2.3.3.1專病數(shù)據(jù)庫的構(gòu)建趨勢傳統(tǒng)臨床科研數(shù)據(jù)收集因采取人工錄入而存在數(shù)據(jù)格式、標(biāo)準(zhǔn)不規(guī)范以及利用率、成果轉(zhuǎn)化率較低等問題，無法滿足日益增長的科研需求。因此，各分支學(xué)科均存在專病大數(shù)據(jù)建設(shè)需求，即通過建立專病數(shù)據(jù)庫對醫(yī)療大數(shù)據(jù)進(jìn)行整合與分析利用，提高專科疾病醫(yī)療服務(wù)質(zhì)量及預(yù)測治療效果，進(jìn)而規(guī)避和降低醫(yī)療風(fēng)險、抑制醫(yī)療成本等。醫(yī)學(xué)科技和信息技術(shù)的飛速發(fā)展，使得醫(yī)院診療數(shù)據(jù)和病理及影像等數(shù)據(jù)，正在以驚人的速度增長。包括基因組、表觀組、蛋白組和代謝組在內(nèi)的組學(xué)技術(shù)迅猛發(fā)展，促使生物醫(yī)學(xué)領(lǐng)域快速進(jìn)入“大數(shù)據(jù)”時代。依靠快速增長的生物醫(yī)學(xué)數(shù)據(jù)，重新審視疾病，對疾病進(jìn)行細(xì)化分層，使得醫(yī)學(xué)研究的重點(diǎn)更加精細(xì)和深入，逐漸集中于亞專業(yè)和專病，特別聚焦在高發(fā)病率、高死亡率、高疾病負(fù)擔(dān)，嚴(yán)重影響人群健康的重大疾病上。此趨勢下，專病數(shù)據(jù)庫的建設(shè)也需沿著新的建設(shè)方向發(fā)展。首先，建立目標(biāo)專病數(shù)據(jù)模型及相關(guān)技術(shù)標(biāo)準(zhǔn)和規(guī)范專病大數(shù)據(jù)平臺建設(shè)難點(diǎn)在于多源異構(gòu)數(shù)據(jù)整合，需要建立通用數(shù)據(jù)標(biāo)準(zhǔn)，形成統(tǒng)一數(shù)據(jù)模型及相關(guān)技術(shù)標(biāo)準(zhǔn)和規(guī)范，以匯聚更多模態(tài)、來源更廣的專病數(shù)據(jù)。其次，應(yīng)實(shí)現(xiàn)規(guī)范化數(shù)據(jù)匯集機(jī)制為對接醫(yī)院業(yè)務(wù)系統(tǒng)臨床信息進(jìn)行底層數(shù)據(jù)集成，基于目標(biāo)專病特點(diǎn)，利用標(biāo)準(zhǔn)化、規(guī)范化的數(shù)據(jù)元、術(shù)語庫和同義詞庫，通過前置機(jī)及在線分析技術(shù)，根據(jù)機(jī)器學(xué)習(xí)智能推斷數(shù)據(jù)結(jié)構(gòu)、主外鍵關(guān)系、數(shù)據(jù)字典等元數(shù)據(jù)信息，采用自然語言處理、知識圖譜和人工智能等技術(shù)對數(shù)據(jù)進(jìn)行清洗、質(zhì)量控制、結(jié)構(gòu)化和歸一化等處理，根據(jù)患者主索引及標(biāo)準(zhǔn)化數(shù)據(jù)模型建立肝硬化專病數(shù)據(jù)倉庫，實(shí)現(xiàn)源數(shù)據(jù)自動化采集、數(shù)據(jù)解析與清洗、結(jié)構(gòu)化與標(biāo)準(zhǔn)化預(yù)處理、基于邏輯與規(guī)則編寫的指標(biāo)抽取以及規(guī)則挖掘、知識查詢、關(guān)聯(lián)分析、圖像處理、異常檢測和預(yù)測分析。同時，需建立統(tǒng)一的規(guī)范化數(shù)據(jù)匯集機(jī)制，兼顧數(shù)據(jù)安全、處理性能和跨域傳輸能力，提供全量規(guī)則的醫(yī)學(xué)臨床真實(shí)數(shù)據(jù)。最后，應(yīng)建立高性能、高可靠性、高擴(kuò)展性的存儲架構(gòu)目標(biāo)專病大數(shù)據(jù)存儲既包含NoSQLMemcached等內(nèi)存型數(shù)據(jù)庫以提高實(shí)時計算速度；分布式計算框架則包含Spark/Flink流處理框架、Hadoop等批處理框架、圖計算引擎、數(shù)據(jù)挖掘引擎、TensorFlow等人工智能處理引擎的多種分析框架，以滿足不同分析場景需求。該存儲系統(tǒng)具有分布式特點(diǎn)以應(yīng)對數(shù)據(jù)規(guī)模增長；具有分層特點(diǎn)，即由高速和低速存儲混合構(gòu)成，高速存儲保障在線實(shí)時或近實(shí)時分析，低速存儲實(shí)現(xiàn)離線批處理等；同時具有完備的數(shù)據(jù)管理能力以滿足數(shù)據(jù)冗余備份、同步、隔離等處理。2.3.3.2專病數(shù)據(jù)庫的應(yīng)用及效率評價?？茢?shù)據(jù)庫支持醫(yī)院各級醫(yī)療工作者和科研人員對目標(biāo)專病的常規(guī)臨床診療與醫(yī)院管理所需的數(shù)據(jù)管理、查詢、統(tǒng)計與可視化；可為臨床與科學(xué)研究提供有力支持，可根據(jù)特定研究目標(biāo)選定納入標(biāo)準(zhǔn)、排除標(biāo)準(zhǔn)及輸出指標(biāo)來選擇研究人群特征，以進(jìn)一步在線特征描述、特征分析或下載相關(guān)數(shù)據(jù)開展更深入的數(shù)據(jù)挖掘和人工智能應(yīng)用研究，例如大型隊列、多模態(tài)數(shù)據(jù)融合的疾病預(yù)后、隨訪等臨床科學(xué)研究；可支持基于標(biāo)準(zhǔn)應(yīng)用程序接口的大數(shù)據(jù)分析挖掘及機(jī)器學(xué)習(xí)、深度學(xué)習(xí)等人工智能分析算法和模塊的接入、嵌入，支撐未來數(shù)據(jù)驅(qū)動的目標(biāo)專病臨床與科學(xué)研究。效率方面，過去通過編程方式實(shí)現(xiàn)CRF表單的設(shè)計與制作需要1—3個月的時間，而可視化、交互式的CRF表單配置可將時間縮短至3天；醫(yī)生手工整理1份病歷花費(fèi)約1小時時間，而借助NLP處理，輔以手工填寫補(bǔ)充，可將時間縮短至20分鐘內(nèi)。盡管科研專病數(shù)據(jù)庫系統(tǒng)平臺建設(shè)已為醫(yī)院科研帶來一定成效，但現(xiàn)有的信息化系統(tǒng)仍存在一定不足：但針對醫(yī)學(xué)用語的NLP其數(shù)據(jù)理解能力仍有提升空間，對電子病歷的語義分析有待加強(qiáng)。.現(xiàn)有的科研專病數(shù)據(jù)庫系統(tǒng)中缺乏隨訪數(shù)據(jù)，后續(xù)還需加強(qiáng)互聯(lián)互通建設(shè)，將專病數(shù)據(jù)庫與隨訪系統(tǒng)對接，補(bǔ)齊科研數(shù)據(jù)短板，實(shí)現(xiàn)隨訪數(shù)據(jù)的共享利用。.數(shù)據(jù)庫的維護(hù)和應(yīng)用還不理想，建庫容易維護(hù)難，課題結(jié)束后大部分的科研專病數(shù)據(jù)庫處于無人問津的狀態(tài)，造成新的資源浪費(fèi)，需建立長期的數(shù)據(jù)采集和維護(hù)管理及獎勵機(jī)制，鼓勵臨床醫(yī)生和科研專病數(shù)據(jù)庫研發(fā)建設(shè)的IT工程師，不斷完善平臺功能、定時補(bǔ)充更新數(shù)據(jù)，豐富科研專病數(shù)據(jù)庫的內(nèi)容。伴隨醫(yī)院的規(guī)模及能力日益增長，越來越多的數(shù)字化設(shè)備（醫(yī)技設(shè)備、監(jiān)護(hù)設(shè)備、智能樓宇和視頻監(jiān)控等）進(jìn)入到醫(yī)院。此趨勢下，過去粗獷式的后勤管理模式已經(jīng)難以控制高漲的后勤成本。面對水、電、氣、電梯、停車、物流、視頻監(jiān)控、高值耗材等要素組成的復(fù)雜的后勤體系，醫(yī)院必須尋求創(chuàng)新技術(shù)實(shí)現(xiàn)更為精細(xì)化的管理。要解決上述問題，首先需要醫(yī)院進(jìn)行有效的頂層設(shè)計，將繁多的設(shè)備統(tǒng)一至單個系統(tǒng)管理，并保證運(yùn)營過程中的數(shù)據(jù)采集、數(shù)據(jù)治理、數(shù)據(jù)應(yīng)用。人工智能支持下的IT/OT系統(tǒng)是一種理想的管理方式，該系統(tǒng)將信息技術(shù)（IT）與操作技術(shù)（OT）融合，并融入大數(shù)據(jù)技術(shù)進(jìn)行包括物聯(lián)網(wǎng)數(shù)據(jù)在內(nèi)的異構(gòu)數(shù)據(jù)存儲以及快速數(shù)據(jù)訪問和處理；借助邊緣計算與物聯(lián)網(wǎng)技術(shù)實(shí)現(xiàn)對智慧后勤業(yè)務(wù)需求的支撐。不過，現(xiàn)階段少有企業(yè)能夠提供融合多重信息流的一體化系統(tǒng)。實(shí)際中，供應(yīng)鏈、物流分屬不同解決方案。峰禾科技、國醫(yī)科技、海遇醫(yī)療、德愛惠、聯(lián)眾智慧等企業(yè)可提供SPD及對應(yīng)硬件，賦能醫(yī)院供應(yīng)鏈管理；三維海容、瑞仕格等則可提供特定環(huán)境下的物流系統(tǒng)。美的樓宇科技、達(dá)實(shí)智能等少數(shù)企業(yè)能夠提供醫(yī)院級的后勤系統(tǒng)。以美的樓宇科技旗下智慧醫(yī)院LIFE2.0解決方案為例，該解決方案從交通流、信息流、體驗(yàn)流、能源流四個維度進(jìn)行頂層規(guī)劃，全面覆蓋醫(yī)院所面向的管理者、醫(yī)護(hù)人員、病患和后勤人員等多維度人群不同空間的多元化需求。圖表8美的樓宇科技LIFE智慧醫(yī)院框架體系數(shù)據(jù)來源：美的樓宇科技大數(shù)據(jù)工具支持下，醫(yī)院各個場景產(chǎn)生的數(shù)據(jù)不再獨(dú)立，且可實(shí)時傳輸至控制中心。在這一情況下，醫(yī)院可以根據(jù)各個場景的運(yùn)行情況調(diào)度及時調(diào)度資源，并根據(jù)歷史時間數(shù)據(jù)對未來場景流量進(jìn)行預(yù)測。如在暖通工程這一場景，美的暖通設(shè)備匹配驅(qū)動算法軟件有效聯(lián)動，能夠自動控制各等級手術(shù)室及病房的室內(nèi)溫度、空氣濕度、空氣潔凈度、氣流分布，提高患者就醫(yī)環(huán)境的舒適度和醫(yī)院用能效率，可將相關(guān)能耗降低約30%?？偟膩碚f，全局性的智慧后勤將為醫(yī)院帶來一場管理革命。但由于醫(yī)院物流設(shè)計、暖通工程安裝等環(huán)節(jié)對于醫(yī)院的空間設(shè)計提出了很高要求，且很多醫(yī)院在設(shè)計前并未考慮復(fù)雜工程的改造。因此，智慧后勤的市場規(guī)模會伴隨醫(yī)院院區(qū)的更迭不斷提升，有望在未來持續(xù)發(fā)力。隨著現(xiàn)代醫(yī)學(xué)技術(shù)不斷更新和創(chuàng)新，醫(yī)學(xué)教育也必須不斷創(chuàng)新，保證教育方式與教育內(nèi)容的先進(jìn)性，以便培養(yǎng)出具備先進(jìn)醫(yī)學(xué)技能和知識的醫(yī)生。智慧醫(yī)學(xué)作為一種新的醫(yī)學(xué)教育方法，采用了現(xiàn)代信息技術(shù)，結(jié)合大數(shù)據(jù)和人工智能技術(shù)，將醫(yī)學(xué)知識技能和經(jīng)驗(yàn)轉(zhuǎn)化為數(shù)字化數(shù)據(jù)，已在教育和臨床醫(yī)學(xué)實(shí)踐中豐富應(yīng)用。相較于傳統(tǒng)醫(yī)學(xué)教育，智慧醫(yī)學(xué)教育具備以下特征：.人性化教學(xué)。智慧醫(yī)學(xué)在臨床醫(yī)學(xué)教育中可以根據(jù)學(xué)生的學(xué)習(xí)能力、興趣和需求進(jìn)行人性化教學(xué)。例如，使用虛擬仿真技術(shù)和實(shí)驗(yàn)室等工具和資源，對于不同的學(xué)生可以提供不同的個性化課程和培訓(xùn)模式?！疤摂M患者”可以提供一系列的可控情境，幫助學(xué)生進(jìn)行實(shí)踐操作和審診，同時又不會造成真實(shí)患者的危險和風(fēng)險。.實(shí)時監(jiān)測。智慧醫(yī)學(xué)可以利用傳感器和移動設(shè)備等技術(shù)實(shí)時監(jiān)測學(xué)生的實(shí)踐操作和診斷過程。這樣可以在實(shí)踐中及時發(fā)現(xiàn)學(xué)生的錯誤和欠缺，及時糾正和給出指導(dǎo)，引導(dǎo)學(xué)生不斷改進(jìn)和提高。.協(xié)同學(xué)習(xí)。智慧醫(yī)學(xué)在臨床醫(yī)學(xué)教育中可以應(yīng)用協(xié)同學(xué)習(xí)技術(shù)，使學(xué)生之間的互動和合作得到增強(qiáng)。這樣有利于增加學(xué)生之間的交流，從而促進(jìn)學(xué)術(shù)研究。我們可以結(jié)合成套的代表醫(yī)學(xué)病例，對學(xué)生進(jìn)行分組的探討，進(jìn)而學(xué)習(xí)各種臨床技能，比如醫(yī)學(xué)寫作技巧、臨床操作操場技，以及團(tuán)隊合作技巧等。.跨學(xué)科合作。智慧醫(yī)學(xué)可促進(jìn)不同專業(yè)之間的合作，進(jìn)而為擴(kuò)大學(xué)生的科學(xué)視野和增強(qiáng)交流平臺出現(xiàn)，促進(jìn)跨學(xué)科合作交流。臨床醫(yī)學(xué)教育可以將生物醫(yī)學(xué)科學(xué)、信息科學(xué)和生物信息學(xué)等相關(guān)學(xué)科知識結(jié)合起來，增強(qiáng)學(xué)生的綜合能力和創(chuàng)新意識。目前，竹石數(shù)據(jù)、憶信捷等從事臨床教學(xué)的信息化企業(yè)，以大數(shù)據(jù)、人工智能等技術(shù)應(yīng)用于臨床教育醫(yī)療大數(shù)據(jù)平臺的搭建中，柯林布瑞等企業(yè)也深入其中，嘗試打造專注于教育服務(wù)以竹石數(shù)據(jù)為例，其大數(shù)據(jù)平臺能支持學(xué)校和附屬醫(yī)院不同系統(tǒng)的多源數(shù)據(jù)對接，在架構(gòu)上能滿足對這些數(shù)據(jù)進(jìn)行統(tǒng)一存儲、處理、共享、分析、發(fā)掘；從業(yè)務(wù)上能支持學(xué)校對教育數(shù)據(jù)的最大化利用，實(shí)現(xiàn)數(shù)據(jù)的互通共享，科研、教學(xué)、管理等多個層次的使用，發(fā)掘教育教學(xué)規(guī)律，輔助教育決策，提升教育治理水平。圖表9竹石信息醫(yī)教大數(shù)據(jù)平臺整體架構(gòu)及功能分層定位數(shù)據(jù)來源：竹石信息此外，該大數(shù)據(jù)平臺能夠?qū)雍椭卫砼R床教學(xué)過程中海量的臨床教學(xué)數(shù)據(jù)，并且能夠使用流處理來應(yīng)對學(xué)校系統(tǒng)中的一些實(shí)時數(shù)據(jù)（如設(shè)備和資源使用情況的監(jiān)控數(shù)據(jù)進(jìn)而為學(xué)校提供功能豐富且安全可靠的教育大數(shù)據(jù)平臺和相關(guān)的配套分析應(yīng)用。盡管大量醫(yī)院已經(jīng)意識到了醫(yī)療大數(shù)據(jù)的潛在價值，但在實(shí)際基礎(chǔ)設(shè)施建設(shè)過程中，仍會存在一定問題。整合各位專家觀點(diǎn)，蛋殼研究院將其梳理如下：臨床數(shù)據(jù)中心，即臨床數(shù)據(jù)存儲庫（clinicaldatarepository，CDR），是一個通過標(biāo)準(zhǔn)信息表達(dá)和臨床術(shù)語支撐的臨床數(shù)據(jù)庫，集成了來自醫(yī)院不同臨床信息系統(tǒng)的業(yè)務(wù)數(shù)據(jù)，實(shí)現(xiàn)多個業(yè)務(wù)域之間臨床數(shù)據(jù)的存儲。過去，CDR一直承擔(dān)著日常業(yè)務(wù)的支撐功能，能夠針對患者個體進(jìn)行多方面的信息收集，實(shí)現(xiàn)醫(yī)療過程中的數(shù)據(jù)收集與呈現(xiàn)、常規(guī)報表統(tǒng)計等功能，具有實(shí)時性、長期性與穩(wěn)定性。相較之下，新一代大數(shù)據(jù)中心則是服務(wù)管理和科研過程中的數(shù)據(jù)分析處理，其作用是面向臨床研究、醫(yī)院管理與智能產(chǎn)品開發(fā)，滿足數(shù)據(jù)批量處理的挖掘與分析需求。目標(biāo)對象不同外，兩類數(shù)據(jù)庫的差異還在于數(shù)據(jù)收集、工作模式、技術(shù)形態(tài)。數(shù)據(jù)收集方面，大數(shù)據(jù)中心在進(jìn)行分析工作時，不僅需要業(yè)務(wù)數(shù)據(jù)，還需要患者的隨訪數(shù)據(jù)、基因數(shù)據(jù)等。工作模式方面大數(shù)據(jù)中心的統(tǒng)計挖掘工作具備主觀、大批量的特征，目的性較強(qiáng)，而CDR處理的工作具備日常、規(guī)律性等特征，義務(wù)性較強(qiáng)。技術(shù)形態(tài)方面，大數(shù)據(jù)中心需要分布式并行系統(tǒng)進(jìn)行數(shù)據(jù)挖掘，而CDR會采用關(guān)系數(shù)據(jù)庫，保障實(shí)時處理醫(yī)療數(shù)據(jù)?？偟膩碚f。在以臨床為中心的單一目的醫(yī)院管理時代，醫(yī)院建立CDR已經(jīng)足夠滿足業(yè)務(wù)方面的需求。但隨著科研需求的增加，新一代大數(shù)據(jù)中心將借助CDR的基礎(chǔ)能力，在醫(yī)院系統(tǒng)之中發(fā)揮更為重要的作用。.信息中心部門之外，醫(yī)院是否需要另設(shè)大數(shù)據(jù)中心部門？大數(shù)據(jù)中心和信息中心的職能與特點(diǎn)不同：傳統(tǒng)的信息中心通常以信息系統(tǒng)建設(shè)和運(yùn)維為主要職能，而大數(shù)據(jù)中心的職能是提供數(shù)據(jù)服務(wù)，尤其是為臨床醫(yī)學(xué)研究提供服務(wù)，這些服務(wù)是個性化的，需要特定技能的團(tuán)隊來提供。大數(shù)據(jù)中心和信息中心的關(guān)系又非常緊密，大數(shù)據(jù)中心的建設(shè)緊密地依賴于醫(yī)院的信息化建設(shè)，所有的數(shù)據(jù)都來源于信息系統(tǒng)，二者密不可分。另外在數(shù)據(jù)質(zhì)量方面，也需要通過信息化建設(shè)來不斷提升數(shù)據(jù)質(zhì)量。解放軍總醫(yī)院信息科高級工程師薛萬國曾在HIT專家網(wǎng)上發(fā)表意見，他認(rèn)為：理想的狀態(tài)是信息中心提供原始數(shù)據(jù)，大數(shù)據(jù)中心分析數(shù)據(jù)、建立模型，所得成果再通過醫(yī)院信息系統(tǒng)賦能臨床。二者的緊密結(jié)合，可以在諸如靜脈血栓栓塞癥（VTE）風(fēng)險預(yù)測、醫(yī)療質(zhì)量控制、臨床輔助決策等方面發(fā)揮重要作用。他還表示：大數(shù)據(jù)中心和信息中心并非簡單的分與合的問題，應(yīng)該在醫(yī)院內(nèi)建立一個大信息體制，這個體制要體現(xiàn)出大數(shù)據(jù)中心是傳統(tǒng)醫(yī)院信息化內(nèi)涵的擴(kuò)展。至于大數(shù)據(jù)中心是否需要獨(dú)立設(shè)置，這只是行政管理、分工管理上的形式問題。.專病數(shù)據(jù)庫是不是數(shù)據(jù)研究的必由之路？目前醫(yī)院常見的專病數(shù)據(jù)庫分為兩種：一種是基礎(chǔ)病例庫，也即在建庫時并未確定具體的研究問題，因此一般要求特征數(shù)越全越好，數(shù)據(jù)整理的工作量很大；一種是面向問題的病例庫，也即針對特定科研課題的數(shù)據(jù)收集，對數(shù)據(jù)質(zhì)量要求較高。過往在建立專病數(shù)據(jù)庫時，需要臨床科室對所有病例數(shù)據(jù)進(jìn)行人為加工，其優(yōu)點(diǎn)是數(shù)據(jù)質(zhì)量高、后期的數(shù)據(jù)處理量小，缺點(diǎn)是工作量巨大，需要建立長期的工作機(jī)制，臨床科室往往很難把這件事堅持下來。這也是大部分專病數(shù)據(jù)庫效果不佳的主要原因。薛萬國認(rèn)為：當(dāng)醫(yī)院建有大數(shù)據(jù)中心和相應(yīng)的服務(wù)能力以后，可以將病例原始數(shù)據(jù)整合在數(shù)據(jù)資源池內(nèi)，臨床科研人員針對具體的研究問題，利用大數(shù)據(jù)中心提供的服務(wù)進(jìn)行數(shù)據(jù)加工、特征抽取和數(shù)據(jù)分析。這種方式的優(yōu)點(diǎn)是前期的工作量小、難度低，適合缺乏長期專門團(tuán)隊的臨床科室，缺點(diǎn)是數(shù)據(jù)質(zhì)量不及專病數(shù)據(jù)庫。這種方式的好處在回顧性科研課題中表現(xiàn)較為明顯。在信息使用權(quán)限方面，醫(yī)院大數(shù)據(jù)的信息安全領(lǐng)域并沒有明確的法律規(guī)定，這就造成醫(yī)療大數(shù)據(jù)信息安全防火墻缺失，構(gòu)成了信息安全隱患。醫(yī)療大數(shù)據(jù)的有關(guān)信息，也在一定程度上涉及個人隱私問題，因此必須對個人數(shù)據(jù)安全給予高度重視。部分醫(yī)院在推進(jìn)醫(yī)療大數(shù)據(jù)建設(shè)的過程中，并沒有全面認(rèn)識到建立隱私保護(hù)、知識產(chǎn)權(quán)、數(shù)據(jù)信息安全等方面的醫(yī)療大數(shù)據(jù)法律與技術(shù)保障體系的重要性。因此，醫(yī)院不僅需要加強(qiáng)對隱私保護(hù)立法的認(rèn)識，為個人醫(yī)療信息的保密提供法律保障，還需要在居民健康信息管理過程中，明確信息使用權(quán)限。醫(yī)療數(shù)據(jù)安全技術(shù)保障領(lǐng)域，部分醫(yī)院的醫(yī)療大數(shù)據(jù)的安全和個人醫(yī)療數(shù)據(jù)的隱私保護(hù)同樣需要加強(qiáng)建設(shè)。關(guān)于系統(tǒng)保護(hù)方面，部分醫(yī)院在這方面的系統(tǒng)保護(hù)做得還不夠。就目前來看，響。因此，醫(yī)院應(yīng)建立安全信息通報制度，規(guī)范化風(fēng)險隱患化解方案和應(yīng)對工作措施。.是否需要獨(dú)立招募大數(shù)據(jù)治理相關(guān)人才？醫(yī)療大數(shù)據(jù)建設(shè)是一項(xiàng)具體的龐大工程，在這項(xiàng)工程建設(shè)中，許多專業(yè)性較強(qiáng)的事務(wù)需要大量的專業(yè)性人才來完成。當(dāng)前，大部分醫(yī)院嚴(yán)重缺少醫(yī)療信息人才，更缺少高素質(zhì)的復(fù)合型信息技術(shù)人才，嚴(yán)重制約了醫(yī)療大數(shù)據(jù)建設(shè)。由于醫(yī)療大數(shù)據(jù)建設(shè)中的技術(shù)工作對人員要求較高，一般技術(shù)人員難以勝任，導(dǎo)致醫(yī)院內(nèi)高水平的信息技術(shù)人員數(shù)量不足。因此，醫(yī)院應(yīng)招募特定人才執(zhí)行大數(shù)據(jù)治理相關(guān)工作，保證建設(shè)的合理性與高效性。早期紛繁復(fù)雜的存儲、清洗、分類，其根本目的是要構(gòu)成標(biāo)準(zhǔn)化的數(shù)據(jù)集，服務(wù)于應(yīng)用的打造及運(yùn)營。因此，如何在構(gòu)建醫(yī)療大數(shù)據(jù)集之后實(shí)現(xiàn)數(shù)據(jù)的高效應(yīng)用，成為輸出醫(yī)療大數(shù)據(jù)價值的關(guān)鍵所在。《全民健康信息化調(diào)查報告》曾對現(xiàn)有的醫(yī)療數(shù)據(jù)的應(yīng)用情況做出分析：現(xiàn)階段醫(yī)院各項(xiàng)大數(shù)據(jù)應(yīng)用仍處于低位，三級醫(yī)院應(yīng)用數(shù)量占比不足20%，二級醫(yī)院應(yīng)用數(shù)量占比不足5%。其中，三級醫(yī)院的運(yùn)營、臨床數(shù)據(jù)；二級醫(yī)院的健康數(shù)據(jù)應(yīng)用相對較多，其余數(shù)據(jù)仍需進(jìn)一步發(fā)掘應(yīng)用。圖表10各類醫(yī)院大數(shù)據(jù)應(yīng)用開展情況數(shù)據(jù)來源：《全民健康信息化調(diào)查報告》缺失的應(yīng)用比率正是科技醫(yī)療公司的機(jī)遇所在。本章將圍繞大數(shù)據(jù)下的智慧應(yīng)用建設(shè)，討論科技公司在大數(shù)據(jù)時代面臨的歷史性機(jī)遇。作為數(shù)據(jù)資產(chǎn)化中最具價值潛力的一類數(shù)據(jù)，臨床信息化建設(shè)的進(jìn)步不斷推動基于大規(guī)模醫(yī)療數(shù)據(jù)的臨床真實(shí)世界研究，以電子病歷為數(shù)據(jù)源建立臨床研究數(shù)據(jù)庫的需求愈發(fā)繁多，臨床科研數(shù)據(jù)庫系統(tǒng)的功能需求及支撐技術(shù)也在不斷發(fā)展演化。因此，在傳統(tǒng)的病例數(shù)據(jù)收集和利用模式發(fā)生變化的背景下，總結(jié)分析臨床科研數(shù)據(jù)庫系統(tǒng)的發(fā)展對于完善臨床科研數(shù)據(jù)庫建設(shè)、提升臨床科研支撐水平、打造基于臨床大數(shù)據(jù)的相關(guān)應(yīng)用具有重要意義。根據(jù)《臨床決策支持系統(tǒng)的構(gòu)建與應(yīng)用》的定義，臨床決策支持系統(tǒng)（ClinicalDecisionSupportSystem，簡稱CDSS）是指運(yùn)用系統(tǒng)的臨床知識和患者基本信息及病情信息，加強(qiáng)醫(yī)療相關(guān)的決策和行動，提高醫(yī)療質(zhì)量和醫(yī)療服務(wù)水平的計算機(jī)應(yīng)用系統(tǒng)。簡而言之，CDSSCDSS的結(jié)構(gòu)通常由知識庫、推理機(jī)和人機(jī)交流三個部分組成。最早的CDSS又稱專家系統(tǒng)，雖也能對已知信息和數(shù)據(jù)的分析與解釋，確定它們的含義，但由于數(shù)據(jù)庫包含數(shù)據(jù)有限、邏輯推理規(guī)則較為簡單，這類一方面嚴(yán)重依賴專家經(jīng)驗(yàn)，且無自主學(xué)習(xí)能力，難以應(yīng)對復(fù)雜問題。人工智能與大數(shù)據(jù)相關(guān)技術(shù)及相關(guān)企業(yè)的出現(xiàn)重新定義了CDSS的能力，推進(jìn)了專科CDSS的發(fā)展。數(shù)據(jù)層面，衛(wèi)和醫(yī)學(xué)等權(quán)威知識庫提供方以實(shí)時更新、自動化處理、可解釋內(nèi)核的動態(tài)數(shù)據(jù)庫取代了傳統(tǒng)靜態(tài)數(shù)據(jù)庫，為知識圖譜的構(gòu)建提供的權(quán)威全面的醫(yī)學(xué)知識支撐。圖表11衛(wèi)和數(shù)字生命體征醫(yī)學(xué)模型數(shù)據(jù)來源：衛(wèi)和醫(yī)學(xué)治療、護(hù)理、手術(shù)、合理用藥等方面的決策支持；為具體疾病提供建議、提醒、報警、計算、預(yù)測方面的決策支持。圖表12醫(yī)院采購CDSS產(chǎn)品涉及的主要系統(tǒng)數(shù)據(jù)來源：蛋殼研究院現(xiàn)階段下，CDSS需要突破的難點(diǎn)大致分為兩點(diǎn)。其一，全科CDSS已經(jīng)很好地將權(quán)威的知房顫等醫(yī)療場景中獲取一致認(rèn)可，但受制于數(shù)據(jù)獲取、場景認(rèn)知等因素，創(chuàng)新產(chǎn)品的開發(fā)速度仍有待提升。人工智能的能力界限取決于算法、算力、知識、數(shù)據(jù)四大要素。對于初創(chuàng)公司而言，算法可以借助開源模型修改，算力可以購置GPU獲，知識可以尋求權(quán)威知識庫合作。唯獨(dú)數(shù)據(jù)，既需要企業(yè)同醫(yī)院取得合作，協(xié)助治理數(shù)據(jù)，建立高質(zhì)量數(shù)據(jù)集，又需要導(dǎo)入模型，逐步調(diào)試參數(shù)，取得合適的訓(xùn)練結(jié)果。與?？艭DSS面臨的問題類似，創(chuàng)新人工智能輔助診斷系統(tǒng)的開發(fā)同樣受制于病種數(shù)據(jù)的限制，因而醫(yī)療大數(shù)據(jù)的快速發(fā)展將幫助AI公司以更低成本獲取更高質(zhì)量、更大規(guī)模的數(shù)據(jù)，突破現(xiàn)有應(yīng)用場景的局限性，進(jìn)而顛覆AI賽道的發(fā)展。伴隨影像數(shù)據(jù)標(biāo)準(zhǔn)化的推進(jìn)，人工智能輔助診斷系統(tǒng)已經(jīng)突破了眼底、肺結(jié)節(jié)等傳統(tǒng)應(yīng)用場景，實(shí)現(xiàn)了多模態(tài)、多病種、全流程的覆蓋，甚至深入治療領(lǐng)域，輔助手術(shù)導(dǎo)航。以沛心科技的“智心”CardioVerse為例，該AI劃系統(tǒng)，可幫助術(shù)者進(jìn)行手術(shù)風(fēng)險評估，指導(dǎo)手術(shù)策略，保障TAVR手術(shù)安全性，提升手術(shù)成功率，助力TAVR術(shù)式下沉。電、控、軟、算等多學(xué)科，實(shí)現(xiàn)全自動組織病灶識別、手術(shù)自動路徑規(guī)劃和穿刺引導(dǎo)及消融規(guī)劃評估，幫助醫(yī)生準(zhǔn)確定位病灶、提高穿刺準(zhǔn)確度、減少患者手術(shù)創(chuàng)傷、縮短手術(shù)時間、降低術(shù)中和術(shù)后并發(fā)癥的發(fā)生、減少術(shù)中CT掃描次數(shù)和輻射，從而輔助醫(yī)生更準(zhǔn)確、更快速的完成經(jīng)皮穿刺下的早期癌癥消融的手術(shù)操作。真實(shí)世界研究是指針對預(yù)設(shè)的臨床問題，在真實(shí)世界環(huán)境下收集與研究對象健康和疾病有關(guān)的數(shù)據(jù)（真實(shí)世界數(shù)據(jù)）或基于這些數(shù)據(jù)衍生的匯總數(shù)據(jù)，通過分析，獲得藥物或相關(guān)器械使用情況及潛在獲益－風(fēng)險的臨床證據(jù)（真實(shí)世界證據(jù)）的研究過程。真實(shí)世界研究可以是觀察性研究，也可以是干預(yù)性研究。與傳統(tǒng)隨機(jī)對照試驗(yàn)（randomizedcontrolledtrial,RCT）不同，真實(shí)世界研究的數(shù)據(jù)來自真實(shí)臨床場景，證據(jù)外推性好，可用數(shù)據(jù)量大，研究易于開展，成本相對較低，可幫助研究者發(fā)現(xiàn)臨床實(shí)際情況與理想RCT研究之間的差距。有效的真實(shí)世界研究一定程度依賴于研究者對于醫(yī)療大數(shù)據(jù)的分析管理能力。在構(gòu)建數(shù)據(jù)集時，研究者應(yīng)執(zhí)行可行性評估、數(shù)據(jù)質(zhì)量控制、方案分析、方案評價、輸出與反饋、安全與合規(guī)六個環(huán)節(jié)，過程中需要完成數(shù)據(jù)評估、數(shù)據(jù)獲取、數(shù)據(jù)存儲、數(shù)據(jù)清洗、模型建立等工作，非常依賴大數(shù)據(jù)平臺的處理能力。將大數(shù)據(jù)分析技術(shù)應(yīng)用到醫(yī)院運(yùn)營管理當(dāng)中，能夠在海量的大數(shù)據(jù)中挖掘出最具價值的數(shù)據(jù)信息，保證醫(yī)療企業(yè)中的各項(xiàng)管理工作得以順利展開。在相關(guān)醫(yī)療IT企業(yè)的支撐下，部分醫(yī)院經(jīng)營數(shù)據(jù)已得到了充分分析應(yīng)用，管理人員結(jié)合大數(shù)據(jù)分析平臺提供的各項(xiàng)數(shù)據(jù)，全面了解醫(yī)院各科室經(jīng)營管理情況，對原有的經(jīng)營管理制度及經(jīng)營狀態(tài)進(jìn)行實(shí)時調(diào)整。基于大數(shù)據(jù)的病種組合（DIP）是利用大數(shù)據(jù)優(yōu)勢建立起的完整管理體系。該體系應(yīng)用“隨機(jī)”與“均值”的經(jīng)濟(jì)學(xué)原理，借助真實(shí)海量的病案數(shù)據(jù)，發(fā)現(xiàn)疾病與治療之間的內(nèi)在規(guī)律與關(guān)聯(lián)關(guān)系，提取數(shù)據(jù)特征進(jìn)行組合，并將區(qū)域內(nèi)每一種疾病與治療資源消耗的均值與全樣本資源消耗的均值進(jìn)行比對，形成DIP分值。目前，DIP主要適用于住院醫(yī)療費(fèi)用結(jié)算，精神病、康復(fù)類及護(hù)理類等住院時間較長的病例不宜納入，其適應(yīng)性及擴(kuò)展性可探索應(yīng)用于門診付費(fèi)標(biāo)準(zhǔn)的建立。DIP與DRG的邏輯大致相同，均以將資源消耗相似的病例進(jìn)行聚類作為理論基礎(chǔ)，形成若干病種組。但DRG分組按照MDC-ADRG-DRGs的三層邏輯，一般只包含600-800組，而DIP以一級至三級目錄遞進(jìn)的方式完成建立支付病種表，二級目錄約3000組，三級目錄共計16000組。此外，DRG從醫(yī)學(xué)理論出發(fā)，落足于數(shù)據(jù)分析，每一組都嚴(yán)格遵照從解剖系統(tǒng)，到疾病治療方式，再到病案個體特征的分層邏輯；而DIP則是基于客觀的大數(shù)據(jù)事實(shí)，目前，DIP的落地方式通常分成兩步走：第一步僅基于主目錄，即主診斷+主操作+病例數(shù)進(jìn)行落地，不考慮次要診斷，腫瘤轉(zhuǎn)移，放化療及離院方式等因素，故對數(shù)據(jù)質(zhì)量要求較低。第二步則需加入病種第三層輔助目錄進(jìn)行考量，即腫瘤程度及病情程度，對次要診斷填寫要求較高。因此，信息化水平較差的地區(qū)可以率先開展第一步，待基礎(chǔ)數(shù)據(jù)質(zhì)量得以提升后，再對病種進(jìn)行細(xì)分更新。這種模式下，支付改革的進(jìn)程就不會受到數(shù)據(jù)質(zhì)量的制約，更容易在數(shù)據(jù)基礎(chǔ)建設(shè)較差的醫(yī)院進(jìn)行推廣。信息化水平較高的地區(qū)可直接進(jìn)行第二步，快速完成DIP部署。DIP對于醫(yī)院運(yùn)營決策的促進(jìn)作用主要分為以下三點(diǎn)。一、DIP促進(jìn)醫(yī)療機(jī)構(gòu)加強(qiáng)費(fèi)用控制，提高經(jīng)濟(jì)運(yùn)營效率。DIP結(jié)算對樣本醫(yī)院的經(jīng)營管理提出了較高要求。樣本醫(yī)院圍繞病種分值與單價、時間與費(fèi)用消耗指數(shù)等關(guān)鍵指標(biāo)，建立院內(nèi)運(yùn)行評價體系，提質(zhì)控費(fèi)，促進(jìn)科室提高經(jīng)濟(jì)運(yùn)行效率。樣本城市醫(yī)療保障部門要求，醫(yī)療機(jī)構(gòu)每年人均費(fèi)用增長不高于當(dāng)?shù)谿DP增幅，同時將費(fèi)用消耗指數(shù)及時間消耗指數(shù)兩項(xiàng)資源消耗指標(biāo)納入考評范圍該院多部門協(xié)同，緊密圍繞DIP病種，進(jìn)行成本效益分析，努力降低病種費(fèi)用。《DIP改革賦能三級醫(yī)療機(jī)構(gòu)發(fā)展內(nèi)涵的實(shí)踐與應(yīng)用研究》以子宮多發(fā)性平滑肌瘤行腹腔鏡子宮病損切除術(shù)為例分析了DIP的價值。該研究將某醫(yī)院的子宮多發(fā)性平滑肌瘤行腹腔鏡子宮病損切除術(shù)病歷分為五組，應(yīng)用DIP后計算費(fèi)用結(jié)果。數(shù)據(jù)顯示：不同診療組之間盈虧狀況具有明顯差異（P<0.05）。診療組C盈利1245.53元，診療組E虧損1263.14元，診療組C與診療組E的藥品折合分值分別為35.93、44.47，耗材折合分值分別為53.47、60.46。虧損診療組藥品、耗材分值均高于盈利診療組，不同診療組間藥品、耗材分值具有明顯差異（P<0.05）該病種成本結(jié)構(gòu)可以進(jìn)一步控制、優(yōu)化。圖表13不同診療組子宮多發(fā)性平滑肌瘤行腹腔鏡子宮病損切除術(shù)費(fèi)用比較（P<0.05）數(shù)據(jù)來源：《DIP改革賦能三級醫(yī)療機(jī)構(gòu)發(fā)展內(nèi)涵的實(shí)踐與應(yīng)用研究》二、通過入組規(guī)則及輔助目錄促進(jìn)醫(yī)療機(jī)構(gòu)提高病案編碼與質(zhì)控水平DIP嚴(yán)格按照診斷編碼前四位及手術(shù)、操作編碼組合入組，同時考慮患者具有多項(xiàng)并發(fā)癥、高齡與疾病嚴(yán)重程度等因素，建立輔助目錄內(nèi)容包含疾病嚴(yán)重程度、腫瘤嚴(yán)重程度分型、次要診斷病種_年齡特征病種、CCI指數(shù)等多項(xiàng)內(nèi)容。上述規(guī)則促使醫(yī)療機(jī)構(gòu)加強(qiáng)病案首頁質(zhì)控管理，準(zhǔn)確填寫各項(xiàng)診斷與操作，不漏填、少填，爭取醫(yī)保費(fèi)用得到合理結(jié)算三、促進(jìn)醫(yī)療機(jī)構(gòu)提高CMI值，提升核心競爭力DIP支付體系鼓勵了三級醫(yī)療機(jī)構(gòu)嚴(yán)格控制基層病種的收治，提高疑難危重患者收治比例。對于費(fèi)用極高患者，醫(yī)保實(shí)行特例單議。醫(yī)保多種措施促進(jìn)醫(yī)院調(diào)整病種結(jié)構(gòu)，不斷提升核心競爭力。DIP付費(fèi)實(shí)施以來，樣本醫(yī)院按院－科－組能力評價結(jié)構(gòu)，確定“學(xué)科、技術(shù)、質(zhì)量、費(fèi)用、效益”五個維度評價的《基于病種管理的臨床發(fā)展能力評價體系》，共16個二級指標(biāo)、51個三級指標(biāo)，全面評價臨床科室發(fā)展能力，確定優(yōu)勢病種，推動價值醫(yī)療，構(gòu)建醫(yī)院學(xué)科發(fā)展新格局。在DRG/DIP發(fā)展過程中，大量醫(yī)院為滿足政策要求將DRG/DIP體系的能力范疇局限于第一維度。而醫(yī)保數(shù)據(jù)貫穿不同醫(yī)療業(yè)務(wù)單元，其應(yīng)用場景串聯(lián)全院管理鏈條，它不僅僅可充當(dāng)醫(yī)?？刭M(fèi)的工具，亦有能力激活全院數(shù)據(jù)智能，成為醫(yī)院精細(xì)化高質(zhì)量“轉(zhuǎn)舵”的抓手。因此，在第二維度中，醫(yī)院需要與資源消耗管理、精細(xì)運(yùn)營管理、臨床路徑管理等路徑深度結(jié)合，幫助醫(yī)院從全過程規(guī)范管理，到一體化精細(xì)運(yùn)營，直至以資源消耗路徑優(yōu)化臨床路徑，通過將病案質(zhì)控、診間監(jiān)管、醫(yī)保結(jié)算清單質(zhì)控融入DRG/DIP/APG醫(yī)院智能管理系統(tǒng)，實(shí)現(xiàn)醫(yī)生填寫病案時即開始審方、監(jiān)管、質(zhì)控，并利用預(yù)測性分析技術(shù)，根據(jù)即時診斷和手術(shù)預(yù)測分組展示不同分組方案，幫助醫(yī)院在DRG/DIP/APG預(yù)分組、支付標(biāo)準(zhǔn)和結(jié)算差異等方面前置干預(yù)，過程預(yù)警。在動態(tài)監(jiān)測、靶向定位可能存在的監(jiān)管風(fēng)險后，適度、規(guī)范管控，一站式結(jié)算－質(zhì)控－上傳－歸檔－反饋－申訴，保障數(shù)據(jù)上傳及時、準(zhǔn)確、全面，提升醫(yī)院一體化管理能力。其次是“DRG/DIP+”精細(xì)化資源消耗管理驅(qū)動精益運(yùn)營。面對醫(yī)院醫(yī)保醫(yī)療服務(wù)與運(yùn)營管理的痛點(diǎn)及實(shí)際需求，基于豐富的病案質(zhì)控規(guī)則，國新健康“DRG/DIP+院內(nèi)績效分配”針對醫(yī)保支付和衛(wèi)健考核形成一體化解決方案，深入各業(yè)務(wù)場景持續(xù)挖掘分析，聚焦問題、落實(shí)精準(zhǔn)，有效幫助醫(yī)院將績效考核指標(biāo)轉(zhuǎn)化為業(yè)務(wù)運(yùn)營管理。在此基礎(chǔ)上，其“DRG/DIP+醫(yī)院全成本核算和預(yù)算管理”，從院級成本、科室成本、項(xiàng)目成本向病組成本和病種成本深化，促進(jìn)臨床診療規(guī)范，并挖掘醫(yī)院優(yōu)勢病種，助力形成特色學(xué)科。同時，國新健康依據(jù)成本核算數(shù)據(jù)做出成本預(yù)算，將預(yù)算管控點(diǎn)前移至業(yè)務(wù)端，在符合臨床服務(wù)與科研教學(xué)業(yè)務(wù)發(fā)展要求、人財物聯(lián)動資源配置需求的前提下，預(yù)警醫(yī)生端藥耗使用、監(jiān)測運(yùn)營端設(shè)備資源配置，并融入績效考核中，從而激勵醫(yī)務(wù)人員主觀能動性，助力醫(yī)院逐核算為基礎(chǔ)的醫(yī)院精益運(yùn)營。最后是優(yōu)化臨床路徑實(shí)現(xiàn)質(zhì)效融合。DRG/DIP/APG在院內(nèi)形成的是資源消耗路徑，以資源消耗路徑優(yōu)化臨床路徑，實(shí)則是通過對DRG/DIP/APG的指標(biāo)分解，從服務(wù)能力、服務(wù)效率、質(zhì)量安全三個方面，建立一套診療全過程管理工具，重塑“質(zhì)量－效益”管理新模式。在DRG/DIP/APG的政策觸發(fā)下，醫(yī)院將以提升藥物合理使用、提高檢查檢驗(yàn)合理使用、加強(qiáng)平均住院日管理、加強(qiáng)超支病組管理等為關(guān)鍵抓手，打通以臨床業(yè)務(wù)為源頭，通過合理診療、因病施治，改善資源配置，提高服務(wù)質(zhì)量，激勵協(xié)同合作，進(jìn)而反哺臨床的PDSA醫(yī)院一體化精細(xì)運(yùn)營管控路徑，實(shí)現(xiàn)兼顧醫(yī)療質(zhì)量與衛(wèi)生經(jīng)濟(jì)雙提升的“質(zhì)效”融合?？偟膩碚f，國新健康的方案立足于醫(yī)保支付本位、深入醫(yī)療業(yè)務(wù)及管理全過程、擴(kuò)展“DRG/DIP+”一體化運(yùn)營服務(wù)的行業(yè)布局，有助力醫(yī)療機(jī)構(gòu)逐步形成數(shù)據(jù)采集標(biāo)準(zhǔn)、使用規(guī)范統(tǒng)一，以病種和臨床路徑為單元、醫(yī)保支付為基準(zhǔn)、全成本核算為結(jié)果、價值醫(yī)療為導(dǎo)向的全面精益運(yùn)營管理體系，進(jìn)而實(shí)現(xiàn)三級醫(yī)院“國考”排名的有效提升。相較于院內(nèi)大數(shù)據(jù)，院外大數(shù)據(jù)歸屬于數(shù)據(jù)生產(chǎn)方，產(chǎn)權(quán)清晰，能夠更加針對性地構(gòu)建平臺，開發(fā)應(yīng)用。因此，不少IT企業(yè)針對藥房、保險等機(jī)構(gòu)設(shè)計大數(shù)據(jù)應(yīng)用，提升經(jīng)營管理效率，縮減銷售運(yùn)營成本。新冠病毒的肆虐為社會帶來了許多消極影響，但也推動了不少互聯(lián)網(wǎng)技術(shù)的進(jìn)步。在藥店領(lǐng)域，消費(fèi)者對于智慧藥店的認(rèn)知大幅度進(jìn)化，進(jìn)而也倒逼藥店經(jīng)營者理念發(fā)生轉(zhuǎn)化，智慧門店無疑成為新零售的前臺和主戰(zhàn)場。該形勢下，藥店同時面臨挑戰(zhàn)與機(jī)遇，一方面需要利用人工智能、大數(shù)據(jù)等技術(shù)建立智能化平臺，通過分析各類數(shù)據(jù)提升連鎖藥店管理能力，另一方面可利用現(xiàn)有互聯(lián)網(wǎng)資源幫助連鎖藥店探索新的盈利途徑。部分企業(yè)協(xié)同智慧藥房為患者提供個性化、專業(yè)化的健康管理服務(wù)。通過患者的身體數(shù)據(jù)和健康狀況等信息，智慧藥房可以為患者提供更加全面、細(xì)致、貼心的健康服務(wù)，例如為患者推薦合適的藥品、健康飲食和運(yùn)動計劃等，擴(kuò)展藥房業(yè)務(wù)范疇。也有企業(yè)借助大數(shù)據(jù)技術(shù)及模型創(chuàng)新著力極具潛力的創(chuàng)新藥院外市場，打開藥房銷售新增長點(diǎn)。譬如，上藥云健康通過樹立“益藥”全國一體化品牌，以構(gòu)建專業(yè)藥事服務(wù)能力為基石，全渠道打造全國領(lǐng)先的一體化專業(yè)藥房體系。2021年上藥云健康收購融合百濟(jì)新特藥藥房、康德樂大藥房；同時整合上藥院邊藥房，納入“益藥”網(wǎng)絡(luò)，DTP業(yè)務(wù)進(jìn)一步整合，逐步形成以“益藥”系列為核心的全國新特藥銷售與服務(wù)品牌，作為中國最早開展新特罕?？撇》N服務(wù)的專業(yè)藥房，上藥云健康“益藥·藥房”經(jīng)營6大病種科組，130+個重大疾病和慢病病種。擁有業(yè)界認(rèn)可的培訓(xùn)團(tuán)隊、藥師團(tuán)隊及患教團(tuán)隊，以更好地為患者提供標(biāo)準(zhǔn)化、專業(yè)化的藥學(xué)服務(wù)，確保用藥的安全性和有效性。“以患者為中心”，通過藥學(xué)服務(wù)準(zhǔn)備（內(nèi)容建設(shè)、藥師培訓(xùn)）、標(biāo)準(zhǔn)化患者服務(wù)過程、專業(yè)化藥物治療管理（線上科普、患者治療跟蹤、信息完善和數(shù)據(jù)分析、患教活動）實(shí)現(xiàn)全程化的藥學(xué)專業(yè)服務(wù)路徑，提升患者的治療信心和用藥依從性。與傳統(tǒng)零售藥店模式不同，DTP藥房銷售主要是單價較高、存儲條件較為嚴(yán)格的新特藥，主要包括腫瘤藥、罕見病用藥等，且構(gòu)建了一個連接醫(yī)、患、藥、保的綜合服務(wù)平臺，以病人為中心提供專業(yè)化、個性化、全周期的健康管理服務(wù)。同時，作為院外重要的患者管理與服務(wù)場所，DTP藥房對腫瘤患者的全程管理具有重要的作用和價值。一項(xiàng)在美國西維斯特藥藥房開展的回顧性研究顯示，在藥房藥師和患者間建立雙向的信息溝通模式可有效提高慢性粒細(xì)胞白血病患者的治療依從性。相比之下，國內(nèi)與DTP相關(guān)的RWS較少，但伴隨上藥云健康、思派健康、零氪科技等企業(yè)的介入，相關(guān)探索有所增加。2021年思派健康旗下思派大藥房聯(lián)合北京大學(xué)醫(yī)學(xué)部展開國內(nèi)首份《DTP藥房患者管理服務(wù)效果的真實(shí)世界研究》，該《研究》采用回顧性隊列研究設(shè)計方法，利用全國79家思派大藥房的銷售及隨訪數(shù)據(jù)，對2019-2020年間購買PD-1/L1類藥物患者的購藥和隨訪數(shù)據(jù)進(jìn)行回顧性分析。研究結(jié)果顯示，與隨訪接通率小于30%的人群比較，隨訪接通率大于70%的患者治療中斷及隨訪中斷的風(fēng)險分別下降21%和42%；治療中出現(xiàn)不良事件的患者，中斷治療及隨訪的風(fēng)險分別下降了24%和31%。上藥云健康同樣在專業(yè)化患者服務(wù)和提升患者依從性方面進(jìn)行了廣泛研究。該企業(yè)打造了DTP一體化平臺，擁有60余個品規(guī)，鏈接600+家自營以及合作DTP藥房。通過完整的數(shù)據(jù)鏈條和全景圖，為藥企提供患者療效分析報告、患者黏性報告、用藥人群畫像、渠道分析報告、銷量分析報告等全生命周期患者旅程服務(wù)。未來，基于與藥企長期在臨床領(lǐng)域開展對照藥、器械、患者招募等方面的合作，業(yè)務(wù)觸角將進(jìn)一步向全周期數(shù)字化賦能方面延伸。基于藥房網(wǎng)絡(luò)和線上平臺，匯集完善的患者數(shù)據(jù)池，通過專業(yè)的藥事服務(wù)，增加與患者的觸點(diǎn)，提升患者洞見的深度和廣度，優(yōu)化患者服務(wù)能力。圖表14上藥云健康益藥DTP一體化平臺數(shù)據(jù)來源：上藥云健康歷經(jīng)30余年發(fā)展，我國健康險行業(yè)已經(jīng)取得長足進(jìn)展，2019年健康險原保險保費(fèi)收入達(dá)到7066億元，近十年的年復(fù)合增長率超過28%。健康險，尤其是醫(yī)療險，非?？简?yàn)企業(yè)精細(xì)化運(yùn)營，過程中的風(fēng)險定價需要大量的數(shù)據(jù)支撐。但由于缺乏醫(yī)療數(shù)據(jù)對接和共享機(jī)制，精算數(shù)據(jù)庫無法得到擴(kuò)充，因此健康險的產(chǎn)品創(chuàng)新受到抑制，同質(zhì)化現(xiàn)象愈發(fā)嚴(yán)重。以惠民保產(chǎn)品舉例，本應(yīng)“一城一策”、根據(jù)不同地區(qū)居民健康狀況來定價，但在市場白熱化競爭的驅(qū)使下，為了盡快搶占市場，不僅條款相似度非常高，定價缺乏足夠的醫(yī)保數(shù)據(jù)支撐。同時，在基本醫(yī)療保險形成廣覆蓋、?；A(chǔ)供給的同時，商業(yè)健康險的發(fā)展相對滯后，沒有完全發(fā)揮其市場靈活性，在產(chǎn)業(yè)鏈中的地位也相對弱勢，尚未能借助其支付者的優(yōu)勢串聯(lián)起醫(yī)療健康產(chǎn)業(yè)鏈。在經(jīng)營管理上，許多險企也很難脫離“泛壽險化”經(jīng)營的慣性，產(chǎn)品結(jié)構(gòu)單一、渠道開拓使用成本高、專業(yè)化水平低、風(fēng)控手段滯后、盈利難度高等問題一直未能得到很好地解決。從長期角度看，商業(yè)健康保險需重新定位其醫(yī)療健康產(chǎn)業(yè)鏈支付角色這一優(yōu)勢，通過串聯(lián)用戶、醫(yī)、藥、健康管理等多方利益體，構(gòu)建醫(yī)療健康生態(tài)價值鏈，形成事前預(yù)防、事中診療和事后管理的閉環(huán)健康服務(wù)：同時通過與基本醫(yī)保的差異化定位、充分依托大數(shù)據(jù)技術(shù)優(yōu)化行業(yè)經(jīng)營，尋找新的利潤空間，改變被動支付、依靠傳統(tǒng)三差的單一盈利模式，探索新的商業(yè)發(fā)展模式。在廣度上，構(gòu)建覆蓋全渠道、全人群、全生命周期的健康險產(chǎn)品供給體系。在深度上，依托社保目錄到建立供需聯(lián)動、風(fēng)險可控的動態(tài)商保目錄。在生態(tài)上，變基礎(chǔ)采購為融合共生，平衡和重構(gòu)保障邊界帶來的風(fēng)險成本。在風(fēng)控上，串聯(lián)醫(yī)療資源與商保供給，創(chuàng)新支付模式，建立風(fēng)險共擔(dān)機(jī)制。實(shí)現(xiàn)上述轉(zhuǎn)型發(fā)展，一個重要的依托就是健康醫(yī)療大數(shù)據(jù)。在以前信息化和數(shù)字化程度還沒有達(dá)到極大豐富、互聯(lián)互通的時候，主要是以人工方式來搬運(yùn)信息；隨若醫(yī)改深化和醫(yī)保信息化水平不斷提升.社商數(shù)據(jù)聯(lián)通成為可能，這就讓商業(yè)健康險有機(jī)會走出現(xiàn)有的經(jīng)驗(yàn)邏輯，真正地從客戶保障需求出發(fā)，建立面向不同用戶的、精準(zhǔn)定制化的全生命周期保險保障供給，基于數(shù)據(jù)突破現(xiàn)有的以保健態(tài)供給體系。此外，健康保險業(yè)務(wù)對客戶個人信息的安全和保密性要求非常高現(xiàn)在有越來越多的健康數(shù)據(jù)可供利用，如智能手表、健康監(jiān)測器等，這些設(shè)備可以收集到客戶的身體健康狀況，如心率、血壓等。如果可以將健康數(shù)據(jù)與個人風(fēng)險結(jié)合，保險公司可以更準(zhǔn)確地評估客戶的風(fēng)險水平，并為客戶提供個性化的健康保險服務(wù)?？茖W(xué)高效的突發(fā)公共衛(wèi)生事件防控措施是應(yīng)對突發(fā)公共衛(wèi)生事件的關(guān)鍵。在突發(fā)公共衛(wèi)生事件爆發(fā)后，能夠基于聯(lián)邦學(xué)習(xí)，關(guān)聯(lián)醫(yī)療、交通、通訊、教育等多源數(shù)據(jù)，可視化展示疫情發(fā)展相關(guān)數(shù)據(jù)和知識，并支持大規(guī)模核酸檢測、密接和次密接排查、社區(qū)隔離管控、患者治療、應(yīng)急物資調(diào)配、疫苗接種等。如在患者治療過程中，通過聯(lián)邦學(xué)習(xí)開展跨地區(qū)、跨機(jī)構(gòu)協(xié)作共享，涉及病人隱私的電子病歷、電子健康檔案、病癥、病理報告、檢查檢驗(yàn)結(jié)果等數(shù)據(jù)各級醫(yī)療機(jī)構(gòu)可實(shí)現(xiàn)共享，通過患者癥狀、檢查檢驗(yàn)結(jié)果、診斷、治療等數(shù)據(jù)，運(yùn)用決策樹算法，發(fā)現(xiàn)大量病例中蘊(yùn)含的規(guī)律，建立疾病診斷和治療模型，輔助醫(yī)生疾病診療。在應(yīng)急物資調(diào)配中，需要涵蓋各級衛(wèi)生健康行政部門、政府、疾病預(yù)防控制機(jī)構(gòu)、醫(yī)療機(jī)構(gòu)、街道社區(qū)等龐雜的機(jī)構(gòu)體系，如何動態(tài)掌握應(yīng)急物資儲備情況、缺口種類和數(shù)量，最大限度發(fā)揮應(yīng)急物資使用效能，是保障突發(fā)公共衛(wèi)生事件防控的關(guān)鍵。基于聯(lián)邦學(xué)習(xí)，能夠在保障數(shù)據(jù)安全共享的基礎(chǔ)上，實(shí)現(xiàn)應(yīng)急物資狀況的精準(zhǔn)監(jiān)測，并能夠通過人口分布、人口結(jié)構(gòu)、人口流動情況、感染人數(shù)、死亡人數(shù)等指標(biāo)對各類應(yīng)急物資使用情況進(jìn)行預(yù)測。傳染病監(jiān)控對傳染病報告卡的數(shù)據(jù)質(zhì)量要求較高，包括傳染病報告的及時性、傳染病報告數(shù)據(jù)的完整性和準(zhǔn)確性都是重要指標(biāo)。這本是一件好事，但客觀上也使得醫(yī)生在實(shí)際傳染病報卡過程中會遇到很多問題。首先是及時性?，F(xiàn)行規(guī)定甲類傳染病必須在2小時內(nèi)，乙類傳染病及丙類傳染病須24小時內(nèi)上報。然而，醫(yī)生填寫傳染病報告卡信息需要花費(fèi)較多時間，遇到就診病人多時，就很容易出現(xiàn)疏漏造成沒有及時上報，這樣就會導(dǎo)致傳染病的遲報和漏報情況的出現(xiàn)。其次則是傳染病報告數(shù)據(jù)的完整性和準(zhǔn)確性。目前多數(shù)醫(yī)院掛號系統(tǒng)中并沒有完整的地址及電話等信息，在填報時無法滿足傳染病報卡對病人信息完整性的要求。醫(yī)生只能現(xiàn)場詢問并錄入，過程耗費(fèi)3～5分鐘時間甚至更長。最后，醫(yī)生對傳染病疫情的認(rèn)知也影響到傳染病的監(jiān)測。在疾控直報專網(wǎng)的傳染病報卡中有“不明原因肺炎”的選項(xiàng)，實(shí)際上可以對應(yīng)早期未明確的新冠肺炎?，F(xiàn)實(shí)情況則是醫(yī)生基本上都沒有選擇此項(xiàng)選擇報告，因?yàn)樯蠄缶鸵馕吨罄m(xù)需要完成一系列登記填表及調(diào)查工作，對于他們是額外的負(fù)擔(dān)。或者，即使知曉有此選項(xiàng)，但缺乏明確的診斷也不敢輕易上報或無法通過現(xiàn)有系統(tǒng)的規(guī)則進(jìn)行上報。對于上述問題，大數(shù)據(jù)、人工智能等前沿技術(shù)組成的融合方案或能一定程度解決上述問題。目前，國內(nèi)已有和宇健康、雙數(shù)科技等企業(yè)的系統(tǒng)入疾控中心。以雙數(shù)中心的傳染病疾病智能監(jiān)測方案為例，其利用大數(shù)據(jù)和人工智能的雙數(shù)傳染病監(jiān)測方案可以將杜絕遲報漏報的有效率做到95%以上；將醫(yī)生的平均傳染病報卡所耗時間從以往的5—8分鐘大幅降低到40秒以內(nèi)；疾控直報專網(wǎng)上報所耗時間也從2～3分鐘縮短至幾秒鐘，有效應(yīng)對上述問題。圖表15傳染病疾病智能監(jiān)測方案運(yùn)行邏輯數(shù)據(jù)來源:蛋殼研究院與勞動力、資本等生產(chǎn)要素相似，醫(yī)療數(shù)據(jù)的價值體現(xiàn)于應(yīng)用與流通過程。但無論是在數(shù)據(jù)平臺間應(yīng)用流轉(zhuǎn)，還是未來他通過交易所變更歸屬主體，只要存在流動，必然會數(shù)據(jù)泄露、數(shù)據(jù)濫用等問題。因此，只有保障醫(yī)療數(shù)據(jù)流動的安全，才能保障醫(yī)療大數(shù)據(jù)產(chǎn)業(yè)的良性發(fā)為推動醫(yī)院加速信息安全基礎(chǔ)設(shè)施，我國從2011年便開始陸續(xù)推出相關(guān)政策，一方面借助《衛(wèi)生行業(yè)信息安全等級保護(hù)工作的指導(dǎo)意見》（衛(wèi)辦發(fā)〔2011〕85號）、《關(guān)于印發(fā)醫(yī)療質(zhì)量安全核心制度要點(diǎn)的通知》（國衛(wèi)醫(yī)發(fā)〔2018〕8號）、《關(guān)于印發(fā)全國醫(yī)院信息化建設(shè)標(biāo)準(zhǔn)與規(guī)范（試行）的通知》等一系列文件，以等級保護(hù)建設(shè)為中心推動醫(yī)療機(jī)構(gòu)網(wǎng)絡(luò)安全建設(shè)；另一方面在《電子病歷系統(tǒng)功能應(yīng)用水平分級評價方法及標(biāo)《國家醫(yī)療健康信息醫(yī)院信息互聯(lián)互通標(biāo)準(zhǔn)化成熟度測評方案（2017年版）》《國家醫(yī)療健康信息區(qū)域衛(wèi)生信息互聯(lián)通標(biāo)準(zhǔn)化成熟度測評方案（2017年版）》等多項(xiàng)評級要求中提出目標(biāo)，將宏觀目標(biāo)拆分為微觀細(xì)則督促醫(yī)院執(zhí)行。作為這一無形核心資產(chǎn)的持有方，醫(yī)院對于信息安全的關(guān)注度也在持續(xù)提升。CHIMA調(diào)研數(shù)據(jù)顯示：2018-2019年統(tǒng)計的三級醫(yī)院通過等級保護(hù)三級測評的比例為52.57%，三級以下醫(yī)院通過等級保護(hù)測評（包括二級和三級）的比例為24.92%。多數(shù)醫(yī)療機(jī)構(gòu)，尤其是三級以下醫(yī)院網(wǎng)絡(luò)安全等級保護(hù)建設(shè)仍處于較低水平，整體未開展比例為26.87%。圖表162018-2019年度中國醫(yī)院信息化狀況調(diào)查醫(yī)院等級保護(hù)工作情況不同等級醫(yī)院對比政策支撐后，2022年通過等級保護(hù)三級測評醫(yī)院已經(jīng)到達(dá)63.56%，較2019年翻了一倍有余，未開展三級以下醫(yī)院僅有24.92%通過等級保護(hù)測評（包括二級和三級），整體比例也圖表17醫(yī)院開展等級保護(hù)工作狀況不同年度對比數(shù)據(jù)來源：CHIMA《2021-2022年度中國醫(yī)院信息化狀況調(diào)查報告》盡管等級保護(hù)工作的推進(jìn)有效保障了醫(yī)院數(shù)據(jù)的信息安全，但要應(yīng)對大數(shù)據(jù)時代的數(shù)據(jù)資產(chǎn)化及可能的數(shù)據(jù)流通，醫(yī)院必須進(jìn)行符合全新需求的安全體系建設(shè)，才能避免數(shù)據(jù)相關(guān)問題帶來的損失。（1）數(shù)據(jù)存儲和處理保護(hù)需求。按照國家及衛(wèi)健委出臺的各類政策及法規(guī)要求，醫(yī)院均會采用“雙活”及容災(zāi)備份方式進(jìn)行數(shù)