医疗大数据的正确打开方式―― 医院信息智能化的投资机会

本篇文章2692字，读完约7分钟

大多数医院已经完成了各种辅助检查的软硬件安装和网络存储，超过一半的医院已经配置了HMI和cis。医疗信息以分散和非结构化的形式存在于HMI和cis的各个模块中，如erm、his、lis等。对于传统的软件服务提供商来说，机会并不大。这些基础设施建成后，医院将在下一阶段集中投资建立一个综合平台，从各种模块和信息构建技术中收集信息。医院智能带来的投资机会将是如何利用医院数据实现医疗行业各方的双赢。我们对拥有开放数据和深度结构化数据的公司、拥有权威可信的数据应用规则的公司以及拥有一定医院覆盖率的公司持乐观态度。

76亿医疗信息的价值

如今，医疗大数据和互联网+医疗保健正在激烈讨论。大多数移动医疗服务只是做一些边缘工作，获得的数据大多是步行步数、锻炼的频率和强度、心率、血压、血糖、饮食数据以及药房或APPs的药品购买信息，这些都不能切入医疗服务的核心流程。与其在红海与许多竞争对手作战，不如看看这个尚未完全开发的处女地医院的信息。

根据中国卫生规划委员会发布的数据，2014年前11个月，中国的医疗卫生服务(门诊和住院)数量达到67.7亿，其中12.1亿由三级医院接收。据估计，全国的医疗数量超过76亿。这些医院信息具有很大的价值，涵盖了患者的人口学信息、诊疗信息、用药信息和费用信息，为流行病学研究、循证医学研究、医疗保险费用控制标准的制定、新保险类型的开发、药物研究和准确销售提供了数据基础。

三级医院信息化率超过60%

医院信息主要存储在hmis和cis系统中。HMIS(医院管理信息系统)的主要目标是支持医院的行政管理和事务处理，提高医院的工作效率。Hmis特别强调医院管理，将各级医院管理者作为服务对象。常用模块包括门诊费用、药房库房、职能部门、住院费用、财务查询、病历管理等。临床信息系统(cis)的主要目标是支持医院医务人员的临床活动，收集和处理患者的临床医疗信息，为患者提供更好的服务。Cis注重临床服务，以病人为中心，以医务人员为服务对象。常见模块包括门急诊挂号系统、医生工作站系统、护士工作站、pacs、lis、药物咨询系统等。

目前，大多数医院已经完成了ct、mri和网络存储的配置，这些基本的硬件和软件相当于骨头。半数以上的医院已经配备了HMI和cis，医疗信息以分散和非结构化的形式存在于HMI和cis的各种模块中，如erm、his、lis等。这些分散的模块相当于人体肌肉。根据马驰发布的《2014-2015年中国医院信息化调查》，在抽样调查的300多家三级医院中，hmis和cis模块的总体普及率最高，达到60%以上。可以想象，在经济发达地区，前三名医院的信息系统覆盖率将会更高。

技术、资本和政策推动信息化成为智能

在这些基础设施建成之后，医院在下一阶段的投资将集中在建立一个集成平台上，该平台将收集所有模块并将信息组织成可搜索的统计数据。这也是最复杂和先进的部分，相当于我们的大脑。它可以调动肌肉和骨骼，实时获取信息。最后，利用大脑产生智慧，更好地服务于五个潜在的支付者:保险公司、医院、医生、制药公司和病人。

五个潜在的付款人都有不同的需求。首先，政府和医疗保险面临着医疗保险基金的压力和成本控制的要求。对于医院来说，主要需求是提高临床业务效率和保证医疗安全。医生面临着医疗质量和科研评价的双重压力。商业保险需要大量数据来为病人和医生设计新的保险。制药公司希望降低R&D和营销成本，增加销售额。最后，病人希望得到高质量的医疗服务。公司能否开发出满足某一类或几类支付者需求的产品，是公司在医院信息智能化过程中立足的基础。

特别值得一提的是，商业保险公司作为政策驱动的重要力量，值得密切关注。虽然商业保险的收费模式在中国并不流行，但在美国却是一种成熟的商业模式。随着商业保险逐步进入社会保障体系和医生多点执业的自由化，不仅支付方式和覆盖范围将发生变化，而且根据人口特点准确定价的可能性也将增加。新型的医生执业保险将随着时代的要求而出现，而这一切的基础是能够准确及时地掌握医疗过程和结果。

数据、规则和覆盖面是三大竞争障碍

那么，这是否意味着随着这些力量的提升，信息系统的覆盖范围将会扩大，医疗数据将会可用？不是的。必须从医院医疗数据中删除患者姓名等敏感信息，这些信息只能在标准化和结构化后用于统计分析，并且只有在数据量达到一定数量级后，统计分析才有意义。然而，目前医院信息孤岛问题明显，严重制约了数据的利用价值。信息孤岛的主要原因是医院担心患者数据的安全性。此外，医疗系统中预算和支付系统、疾病代码、费用代码以及药品和耗材数据库的不同标准也使得数据的获取更加困难。此外，同一医院的HMI和cis模块通常由不同的制造商提供，因此很难在模块之间集成数据。我们认为，医学大数据的门槛主要体现在以下三点:

1)数据的开放性和数据结构的深度。也就是说，我们能否整合医院中大量分散的信息，然后以文本的形式准确地识别和拆分这些信息，并给这些单词、短语和数字一个逻辑关系。由于其信息覆盖面广、数据结构高度化，这种全结构化的数据库可以根据患者、政府、医院、保险公司和制药公司的不同需求提供更准确的信息，从而更好地帮助决策、营销和医疗服务。

2)数据应用规则的权威性和可信性。数据本身并不直接带来价值，而是取决于最终的应用场景。对于医学数据的应用，数据专家和医学专家是否能被激励参与产品的设计，最终的产品，无论是临床决策支持系统还是医疗保险费用控制系统，能否被临床一线工作者和医学经济学家认可，是区分产品优劣的关键。对探索人工智能在医学诊断中的应用感兴趣的英雄们不仅应该团结一群临床工作者，还应该为他们的团队配备顶尖的人工智能专家。

3)达到一定的医院覆盖率，打通各级医院之间的孤岛。虽然单个医院的数据是有价值的，因为它不能反映一个人的连续病历，而且样本量小(特别是对于不太常见的疾病)，它往往不能作为决策的参考。此时，如果能够获得某一地区多个医院的数据，不仅会产生封闭效应，而且会有成本来替代现有的结构化数据应用，并且可以扩大样本量，提高实现医疗数据的可能性。

空医疗信息化的未来想象是巨大的，有很多参与者。目前，最困难的突破是分批打下医院，形成规模。我们认为有几种方法可以达到规模，包括:帮助当地医疗保险中心和商业保险机构控制费用，从而迫使医院应用他们的产品和服务；从提高医院医疗质量和帮助医生进行科学研究的迫切需要出发，敦促医院购买其产品和服务；从结构简单的测试单和疾病(如肝炎、慢性肾炎和康复)入手，可以形成医患互动，改善医疗资源的不合理分配，提高疗效和依从性。