京公网安备 11010802034615号
经营许可证编号:京B2-20210330
医疗大数据,遥不可及的贝贝
在“云计算”、“大数据”概念此起彼伏的年代,人人都窥私着“医疗大数据”- 这块最后的盛宴。
卫生行政部门希望获得医院的运行状况数据,以便对医院进行有效的监管和考评;医疗IT开发商希望摆脱恶性竞争,从卖“IT人力”进入到“卖服务”;互联网服务提供商们曾经想找医院们合作,结果一个个都吃了闭门羹,只能忍气吞声给C端(消费者)提供非常初级的咨询、评价服务。至于消费者,似乎从来不知道“自己的医疗数据”在哪里。
09年底,曾有一篇《信息生态学与国家医疗卫生信息共享》的文章,里面第一次引入“生态”的视角。如同有人要建立电子商务的生态,有人要建立移动APP开发的生态一样,只要存在一个由大量的互相联系的不同角色组成的系统,一般都可以应用“生态学”理论。该文章通过对中国医疗信息生态环境的分析,发现这里的“关键物种”就是医院。核心是医院共享数据的“驱动力”及“意愿”不足的问题!
笔者分析有以下原因:
1、医疗服务分布严重畸形
在社区医生临床服务水平不高的今天,看病就去大医院的理念不可能短期改变。一些大城市的三甲医院的年门诊量可以达到几百万的数量级。医院从上到下,忙于应付医疗纠纷、提高病床周转率,把病人当做“客户”的意识缺乏。所以大多数医院都没有“CRM”(客户关系管理)的理念,既然连自己的出院病人都无法建立日常联系,谈何跨医院数据共享?
2、多重管理体系
不同医院,有不同的“婆家”,垂直管理体系林立。大的就有军队系列、当地政府系列、大学附属系列、部属系列等。卫生行政部门对医院的管理力度,大大弱于银行等其他行业。
3、技术壁障和责任风险
目前各医院都有信息中心,但配备的人员力量以及年度信息化经费预算还是有限。导致两个结果:信息中心只求平安,不求发展,很多被HIT厂商变相控制;部分医院内部的数据都还处于无法互联共享阶段。另一个重要原因是,目前大多数医院都是本地局域网模式运行,内外网的瓶颈问题不解决,医患之间、院院之间的数据流动就无从谈起。
4、环境问题
政策滞后,例如:检验结果互认、双向转诊等的机制规范确认;HIT标准制定、认证及执行的方法学落后等。
话虽如此,笔者相信医院的数据隔离墙终有被推倒一时。来自以下几个变数:
1、HIT厂商的洗牌
几年前的一个数据,中国还没有一个HIT厂商的市场占有率超过 5%。随着产业竞争、收购兼并上市,终会最后剩下几个大玩家。有些已经从低价竞争,进入到为医院提供IT外包服务的模式;有些在某个区域具有垄断地位的厂商,会率先和当地政府联合打破医院的壁垒,提供面向个人服务的尝试。
2、医院管理者的洗牌
随着年轻一代医院CIO或院长的上任,对IT重视程度必然会提升。尤其是一些新医院,一开始的网络设计就支持院外访问。
3、数据挖掘的推动
目前,大多数医院,无法做到数据的永久保存(一般就几年)。这些经年累月的病患数据具有极其珍贵的研究价值。医院数据的第三方云存储是必然趋势,从而为数据的再次利用和流动创造条件。
4、民营医院的崛起
真正高端、高质量的民营医院浪潮正在涌动。他们对患者的服务意识从起始阶段就十分重视,天然就不存在“医院数据围墙”这一说,而且会成为数据共享的积极参与者。
5、医生的流动
多点执业虽然试用两年效果一般般,但随着年轻医生的成长,医生流动的加剧是必然的。近期协和医生到深圳办诊所,部分医生通过网络积累口碑,从公立进入私立的比比皆是。此时,很多病人会跟着医生走,进一步促使患者EMR信息的共享需求。
6、商业医疗保险
目前各大商业保险公司,都在努力研究新的健康与医疗保险,结合高端健康管理服务,商业保险也许是撬动医院的重要支点。
7、个人的力量
全球“量化自身”运动的热潮,让“个人健康云”在医院外逐步开花。大众对于其去医院看完病之后,获得自己的电子医疗数据的呼声,亦会逐渐增高。我们看到,部分医院已经开始实践给患者提供移动APP,方便患者从手机取化验报告等服务的尝试。另外,随着一些患者社区或患者组织的壮大,个人群体对于医院的说话权会进一步增大。
8、开放开源与NGO
在产业格局复杂,政府推动缓慢,个人无所适从的当前阶段,一些NGO组织推动的医疗健康产业开放联盟值得关注。结合医疗信息开源的趋势,这是一股自底向上,与政府自上而下遥相呼应的力量!
医疗大数据,就是这么一个看起来很美,但又似乎遥不可及的贝贝。而其中的“关键物种”- 医院,在各方势力的努力下,终有开启数据之门之时。届时,各类医疗APP 才能真正落地,为老百姓提供丰富多彩的在线服务。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
金融行业的运营风险贯穿业务全流程,涵盖交易欺诈、操作违规、流程漏洞、合规偏差、客户信用异常等多元场景,是银行、保险、证券 ...
2026-07-17财产保险作为金融行业的核心板块,涵盖车险、家财险、责任险、企财险等多元品类,是个人与企业抵御财产风险、经营风险的重要保障 ...
2026-07-17 很多数据分析师能熟练写SQL、做透视表,但当被问到“数据是从哪里来的?经过哪些加工才进入数据仓库?ETL具体做了什么?”时 ...
2026-07-17【核心关键词】模块、餐饮、客户、门店、企业、订单、供应链、多样化、产品、生产计划、数据分析、生产管理、物料管理、业务分 ...
2026-07-16在数字化分析时代,原始数据本身不具备业务价值,只有通过科学的统计学方法加工、拆解、验证与解读,才能挖掘数据背后的规律、差 ...
2026-07-16 很多数据分析师能熟练地写SQL、做透视表、算描述性统计,但当被问到“如何预测用户流失概率”“如何归因销量下滑的关键因素 ...
2026-07-16在描述性统计分析、数据预处理、异常值排查与多组数据分布对比工作中,箱线图(Box Plot)是应用最广泛的可视化与统计工具之一。 ...
2026-07-15在企业数据存储、业务统计与数据分析工作中,绝大多数业务数据都带有时间维度属性,例如订单创建时间、用户注册时间、支付完成时 ...
2026-07-15 很多数据分析师拿到数据就开始清洗、建模,但当被问到“这批数据属于什么类型——结构化还是非结构化?分类变量还是数值变量 ...
2026-07-15【核心关键词】产品、经营、客户、调研、销售额、宏观、会计行业、客户满意度、发展趋势、经营状况、数据分析、竞争对手、数据 ...
2026-07-14问卷调查是市场调研、用户研究、社会调研与产品分析的核心数据采集方式。问卷数据大多以分类数据为主,例如用户性别、年龄分层、 ...
2026-07-14 很多数据分析师画过趋势图、做过业绩预测,但当被问到“这个月销售额增长20%,到底是长期趋势自然增长,还是促销活动的短期 ...
2026-07-14在数据分析、业务效果验证、AB实验扩展、行业对比等场景中,我们经常需要对比三组及以上样本的均值差异,例如不同区域的客单价对 ...
2026-07-13在互联网产品运营、用户生命周期管理与商业化数据分析中,留存指标是判断产品价值、用户满意度与商业模式健康度的核心基准。常规 ...
2026-07-13 很多数据分析师做过按月份的销售额趋势图,画过按天的流量折线图,但当被问到“时间序列和普通数据有什么本质区别”“季节性 ...
2026-07-13【核心关键词】统计学、互联网、知识、课程、学生、数学、软件、招聘、数据分析、实习经历、机器学习、理论基础、业务思维、统 ...
2026-07-10在互联网运营、产品设计、市场营销与商业数据分析领域,所有转化、成交、复购行为的底层逻辑,都依托于用户决策流程。用户从产生 ...
2026-07-10 很多数据分析师能熟练地计算指标、搭建标签体系,但当被问到“画像到底在解决什么问题”“画像和标签是什么关系”“画像如何 ...
2026-07-10数据透视表是数据分析中最常用、最高效的汇总分析工具,具备快速分组、聚合计算、维度拆解、数据可视化等优势,能够轻松完成求和 ...
2026-07-09在统计学、CDA数据分析、机器学习与商业数据研究中,正态分布是最基础、最重要的数据分布形态。绝大多数参数检验、数据建模、指 ...
2026-07-09