大数据时代给医疗卫生领域带来了****的机遇医学是数据密集型行业，医疗健康活动会产生大量医疗数据，这些数据对于保障医疗安全，提升医疗质量具有重要的价值。



　　如何将大数据**应用到医院管理实践，如何利用医疗大数据提升医疗质量，以改善人民健康福祉，满足人民日益增长的健康需求，是当前的热点话题。



　　01当前医疗质量管理面临的挑战



　　(1)管理决策主观。目前医疗质量管理方法不系统、不规范等，以及从业人员专业知识架构不完整，医疗质量管理经验不足等问题，加剧了管理决策风险。



　　(2)干预措施滞后。目前，医疗质量管理主要以终末质量控制为主。通过对医疗服务结果进行检查和分析来发现问题，然后再采取纠正措施。这种“发现问题，整改问题”的方法存在滞后性。



　　(3)评价指标片面。有研究指出，我国缺乏科学、**、统一的指标体系，存在部分评价指标缺乏客观性、定义不明确、灵敏度不高，部分指标数据真实性不可靠、来源不准确等问题。



　　(4)信息系统孤立。近年来，我国医疗机构尤其是三级医疗机构信息化建设水平显著提高，信息化建设保障体系日趋完善。然而，在医疗信息互联互通和信息共享方面还有很大的提升空间，很多医院信息系统数据处于孤岛状态，无法实现数据交互，无法实现对数据信息的合理利用。如何**运用医疗数据，让医疗数据发挥应有的价值，是丞待解决的难题。



　　02医疗健康大数据发展状况



　　1.大数据特点



　　“大数据”是一种高容量、高速度和多变量的信息资产。有三种不同的数据类型：一是结构化，具有固定架构的有组织数据格式，如RDBMS；二是半结构化，部分组织的数据，没有固定的格式，如XMLJSON；三是非结构化，具有未知架构的无组织数据，如音频、视频文件等。



　　大数据可以概括为5V特征(图1):(1)大量(Volume)，数据体量大，通常会超过10TB；(2)高速(Velocity)，数据总量高速增长，增长速度接近每年50%；(3)多样(Variety),不同的信息系统、不同的存储方式和不同的事件类型，导致数据来源和形式的多样化；(4)准确(Veracity)，数据的不一致和不确定性；(5)价值(Value),准确有用的数据。另外还具有5 V特性：**性(Validity)，数据的正确性；可变性(Variability)，动态行为；波动性(Volatility)，随时间变化的趋势；漏洞(Vulnerability),易受攻击或攻击；可视化(Visualization)，可视化有意义的数据使用。



　　2.大数据在医疗领域的应用



　　大数据在医疗领域的应用主要是将各个层次的医疗信息和数据，利用互联网以及大数据技术进行挖掘和分析，为医疗服务提升提供有价值的参考依据，使医疗行业运营更**、服务更精准、医疗支出更合理。



　　据统计，中国医疗健康大数据市场规模2014年为6.06亿元，2016年为10亿元，2017年为41.15亿元，预计2020年达390亿元。如此庞大的市场规模，如此惊人的增长速度，必然与政策支持密不可分。2015年3月，国务院办公厅印发《全国医疗卫生服务体系规划纲要(2015-2020年)》；2015年8月31日，国务院常务会议通过《促进大数据发展行动纲要》等政策文件，从国家战略角度，对大数据在医疗领域的应用进行了规范和指导，也提供了支持与保障。



　　03大数据在医疗质量管理中的应用



　　如何提高医疗质量管理水平，是摆在医院管理者面前的复杂工程。医院要提高医疗质量管理水平，就必须与时俱进，探索大数据环境下的新型的医疗质量管理模式。



　　1.1个核心：质量与安全



　　维护患者生命健康的核心是医疗质量和医疗安全，这是医疗服务的根本所系，也是医院技术水平、工作效率和综合实力的集中体现，是评价医院整体医疗水平的核心指标，会影响到医院的信誉和综合效益。应用大数据优化医疗质量管理方法，首先要抓牢的就是质量与安全这一核心。



　　2.2个保障：顶层设计、组织平台



　　从顶层设计和组织平台两个方面，保障大数据**应用于医疗质量管理实践。在顶层设计方面，要求医院根据国家相关文件标准，确定大数据平台总体架构。



　　在组织平台保障方面，一是成立组织**机构，成立由院长任组长，由医院机关、相关职能和临床科室组成的**小组，明确责任分工，建立考核机制，制定协作流程；二是组成技术攻关团队，包括管理运行团队、专家顾问团队和技术支持团队；三是建立**运行机制，成立大数据和人工智能实验室，确保信息技术在医院快速**应用推广。



　　3.4个推进：推进决策精细化、监管精确化、诊疗精准化、服务精心化。



　　1）推进决策精细化



　　传统的HIS系统已不能完全适应当前医院管理精细化的要求，无法准确且直观地向决策者提供**的、一致的决策信息。



　　EI系统是在整合医院现有信息系统的基础上，应用EI工具，实现对医院信息资源的深加工。通过对医院内部跨平台、多异构系统的集成、整合和扩充，**实现了数据归集与挖掘，确保能够协助医护人员和管理者进行数据分析。该院EI系统主要有医疗质量、人力资源、卫生经济、物资管理、综合信息查询、关键指标预警等九大功能模块，可分析各项主要指标的完成情况、全院人力资源的分布和配备情况、全院计价经济和核算的完成情况等，这样能够保证医院运营情况清晰可视，管理决策有证可循。以系统自2014年上线以来，通过实时监管和预警，医疗质量与安全持续改进，医疗投诉和纠纷数量总体下降了30%。此外，通过系统还可以与其他医院的进行比对，以减少决策盲目性，避免“拍脑袋决定”。



　　2）推进监管精确化



　　搭建信息交互平台，可在医疗三监管之前，对不合理用药行为提前进行处理，**节约医疗资源，降低问题**成本。



　　3）推进诊疗精准化



　　在影像诊断、专科专病等临床实践及质量管理实践中，应用医疗大数据推进诊疗精准化。



　　在医学影像方面，结合大数据技术和AI技术，推出医学影像AI辅助诊断。以肺部CT为例，通过人工智能优化肺部CT分析诊断流程。据统计2018年7月1日一2019年4月30日该院AI辅助诊断共检查54 031例肺部CT,发现605 147个肺结节，其中毛玻璃病变24 205个，病变大小为3mm〜6mm结节为主。医学影像科每月约有8 000例胸部检查，胸组两个审核医生，平均每人每天需要审核90 370张图片（不计算骨窗及厚层图像阅片），平均3〜4幅/秒。通过AI技术推算后，薄层图像基本不需要再次观察，仅观察AI提示的病变部位，其余通过厚层图像阅片，不仅提高了工作效率，还减少了对微小结节的漏诊。



　　4）推进服务精心化



　　通过智慧病房、移动医疗平台建设，利用大数据推进服务精心化，提升患者就医体验。



　　建设基于数据平台的智慧病房，心脏频谱血压计系统、智能病服、无线床边传感器等智能生理数据搜集设备，将收集到的信息上传归档至医院信息系统，并进行大数据分析。通过智慧化生理监测设备和人工智能的及时数据监控，实现生理数据实时监测、病房信息的实施提取，从而提升医疗服务能力。智慧病房AI系统正稳步运行，后台数据集合己经有量级显示，为疾病治疗、康复管理提供了****的AI临床视角。此外，该院还致力于构建移动健康医疗平台，提供健康e+健康包、移动随访等移动医疗服务，以让患者获得更加精心的服务。



　　如何借助大数据提升医疗质量管理.因此，中琛魔方大数据平台(www.zcmorefun.com)表示在医院信息化建设的过程中，如果能**运用科学的质量管理方法，将有助于提升医院信息系统软件的质量管理水平，也能在一定程度上改善系统应用水平。