
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
如何考取数据分析师证书:以 CDA 为例 在数字化浪潮席卷各行各业的当下,数据分析师已然成为企业挖掘数据价值、驱动决策的 ...
2025-07-15CDA 精益业务数据分析:驱动企业高效决策的核心引擎 在数字经济时代,企业面临着前所未有的数据洪流,如何从海量数据中提取有 ...
2025-07-15MySQL 无外键关联表的 JOIN 实战:数据整合的灵活之道 在 MySQL 数据库的日常操作中,我们经常会遇到需要整合多张表数据的场景 ...
2025-07-15Python Pandas:数据科学的瑞士军刀 在数据驱动的时代,面对海量、复杂的数据,如何高效地进行处理、分析和挖掘成为关键。 ...
2025-07-15用 SQL 生成逆向回滚 SQL:数据操作的 “后悔药” 指南 在数据库操作中,误删数据、错改字段或误执行批量更新等问题时有发生。 ...
2025-07-14t检验与Wilcoxon检验的选择:何时用t.test,何时用wilcox.test? t 检验与 Wilcoxon 检验的选择:何时用 t.test,何时用 wilcox. ...
2025-07-14AI 浪潮下的生存与进阶: CDA数据分析师—开启新时代职业生涯的钥匙(深度研究报告、发展指导白皮书) 发布机构:CDA数据科 ...
2025-07-13LSTM 模型输入长度选择技巧:提升序列建模效能的关键 在循环神经网络(RNN)家族中,长短期记忆网络(LSTM)凭借其解决长序列 ...
2025-07-11CDA 数据分析师报考条件详解与准备指南 在数据驱动决策的时代浪潮下,CDA 数据分析师认证愈发受到瞩目,成为众多有志投身数 ...
2025-07-11数据透视表中两列相乘合计的实用指南 在数据分析的日常工作中,数据透视表凭借其强大的数据汇总和分析功能,成为了 Excel 用户 ...
2025-07-11尊敬的考生: 您好! 我们诚挚通知您,CDA Level I和 Level II考试大纲将于 2025年7月25日 实施重大更新。 此次更新旨在确保认 ...
2025-07-10BI 大数据分析师:连接数据与业务的价值转化者 在大数据与商业智能(Business Intelligence,简称 BI)深度融合的时代,BI ...
2025-07-10SQL 在预测分析中的应用:从数据查询到趋势预判 在数据驱动决策的时代,预测分析作为挖掘数据潜在价值的核心手段,正被广泛 ...
2025-07-10数据查询结束后:分析师的收尾工作与价值深化 在数据分析的全流程中,“query end”(查询结束)并非工作的终点,而是将数 ...
2025-07-10CDA 数据分析师考试:从报考到取证的全攻略 在数字经济蓬勃发展的今天,数据分析师已成为各行业争抢的核心人才,而 CDA(Certi ...
2025-07-09【CDA干货】单样本趋势性检验:捕捉数据背后的时间轨迹 在数据分析的版图中,单样本趋势性检验如同一位耐心的侦探,专注于从单 ...
2025-07-09year_month数据类型:时间维度的精准切片 在数据的世界里,时间是最不可或缺的维度之一,而year_month数据类型就像一把精准 ...
2025-07-09CDA 备考干货:Python 在数据分析中的核心应用与实战技巧 在 CDA 数据分析师认证考试中,Python 作为数据处理与分析的核心 ...
2025-07-08SPSS 中的 Mann-Kendall 检验:数据趋势与突变分析的有力工具 在数据分析的广袤领域中,准确捕捉数据的趋势变化以及识别 ...
2025-07-08备战 CDA 数据分析师考试:需要多久?如何规划? CDA(Certified Data Analyst)数据分析师认证作为国内权威的数据分析能力认证 ...
2025-07-08