疫情面前，医院是否需要数据中台？
中国医院的信息化步伐，与人工智能技术的落地，都在同一片工，地里热火朝天地开工。...
作者 | 谭婧
责编 | 胡巍巍
中国互联网的今天，市值总和接近，10万亿人民币，头部阿里巴巴、腾讯各有4000多亿美元，市值。一方面市值熠熠，一方面互联网成为数据，应用技术的发源地，数据中台也在其中萌芽。
腾讯汤道生说：“中台能力以前就有，只不过它们大多服务于内部，(于内部)业务，在产业互联网时代才，开始逐渐对外开放这些技术积累。”
京东黎科峰也坦言：“公司在一轮又一轮，组织架构调整之后，将数据中台提升到了重视的新高度，(新高度)。”
这一切只是聚光灯下数据，中台的冰山一角，数据中台作为从业务视角而非技术，视角的技术，应用已经慢慢地向，传统领域渗透。
2019年，佛山市妇幼保健院马丽明(马丽明)，主任在演讲《中国医疗机构新一代(新一代)数据，中台建设的探索》中讲述了在数据战略时代，医疗信息化工作者不易，的摸索之路，也表达了医院场景对于人工智能技术，的真实需求。
医院信息化的基础设施好比，是地基。而现实是，地基之上的建筑物并不能等到基础设施完全到位，了才开始起步。中国医院的信息化步伐，与人工智能技术的落地都在同，一片工地地里热火朝天地开工。
数据中台的需求背景
众所周知，新医改的核心就是“腾空间、调结构、保衔接”。腾空间，就是腾出地方,让出空间，包括取消药品加成和采用两，票制集中采购压缩药品中间环节的利润，同时规范医疗服务行为。
通过调整医疗价格、服务价格来调整医疗现在，的结构，药品大型检验、检查的价格往下调，能够体现医务人员技术劳动价值，往上升。
结构性的调整对医院机制，带来很大影响。新机制(新机制)必须要跟社保和，财政补偿衔接好。公立医院的院长在，这关键时期面临挑战。
确保医疗质量的前提下，减少过度医疗，提高服务质量是，工作的重中之重。但是，如何提升才是关键。在这个情况下，数据分析有了新，的历史使命，新医改为信息化赋能，临床提供了加速度。
1999年，中国医疗机构信息化开始。
2010年，一个十年的数据积累期。
2019年，一个十年的数据汇通期。
预计在2021年后，迈向数据应用期。
产业实现从医疗数字化，到医疗智能化需要，跨越两个门槛。
第一个，以技术为核心，向以数据为驱动转变，需要医疗机构信息中心有，非常多的数据专家。美国很多医院的信息中心几百甚至几千，的人才规模，其中大部分是数据专家。但是，现在国内医疗机构的数据，专家很少。
第二个，“全科一体化”向“专科定制化”转变，医疗信息化工作者需要更加熟悉临床，业务和流程。
不仅如此，医疗信息化工作者还面临以下，几个挑战，
挑战一，如何利用数据赋能业务？简单来讲，读懂数据。首先要实现数据的，互联互通，集成标准化和结构化。通过优质数据，定位临床质量和效率问题，从而分析问题背后的原因。
根据发现的问题，使用辅助决策系统，改善医疗质量，解决临床问题，提升临床效能。同时，能提供指标参数，进入下一轮的管理，怎么去更好地，做控制和调整。
挑战二，专科发展速度非常迅猛，很多的专科系统，面临着井喷，可以看到胸痛、静脉血栓栓塞症(VTE)、房颤、卒中和脓毒症，这么多的专科系统都有特定，的专科知识，专有的诊疗规范，特定的服务环节、专有指控和数据分析指标。
这给医院信息中心带来了，很大的困扰。需要面对很多的厂家，一个病、每一个系统都可能是，不同厂家提供的产品，需要大量的协调。每个系统都有自己的，硬件要求，都需要硬件的投入。每个系统都要去做接口，支持集成平台的方式，造成了大量的重复工作。都有自己的标准，最终没了标准。
更关键的一点是，各个系统之间是交叉的。可能某个疾病的知识，体系改变了，会影响相关系统的使用。比如静脉血栓栓塞症，的知识改变了，会影响抗凝药物的，使用推荐。
信息化必须解决五大核心，问题，
第一，数据集成，数据的汇集结构化、标准化。
第二，数据洞察，形成模型。
第三，平台化，兼容多应用的开放式平台，支持各种应用。
第四、解决数据决策，形成各种临床的应用产品。
第五、业务重塑。场景化人机协同，同时还要结合的业务，进行改进和提升。
在今天的环境下，医院对数据中台的，需求是呼之欲出的。
数据中台的构成
虽然对业界对数据中台的定义还没有达成共识，厂家和专家对数据中台，的标准和意见都有所不同。但是，现实工作已经实践，出了主要结构。数据中台至少应该是，要包括五个主要部分：
第一，数据的标准化和结构化。
第二，数据的聚类和转化，形成业务所需要的信息。
第三，数据指控和监控，保证的数据质量。
第四，构建指标体系。
第五，统一对外的服务。向下发展提高性能，保障数据的应用能力。向上拓展能够提高数据应用的价值，和赋能业务。
数据中台可以比喻为，建房子，如果所有的建筑组件都是以一块一块，砖头为单位去建，速度很慢，建房子的又不止一个人，又有很多的系统。应用落地的速度受限。
因此，可以把一些重复性的、反复使用的做成标准部件。例如一体化的洗手间、门窗，这些是数据中台要管理，的东西，通过标准化的部件统一，提供服务。
数据中台主要，分成两大部分，第一，数据处理，第二，对外服务的中台。先把这些跟企业业务有较强相关性，的部分抽取出来，把经常反复使用的，抽取出来。数据中台要满足，这种快速迭代、快速应用的需求，同时又要兼前顾后。
数据中台的能力与业务流程
数据中台具备统一的能力，统一的数据存储能力，数据计算能力和数据的，应用能力。数据中台必须要能够，完成各种数据模型，包括基础模型和融合模型，标签和算法，还有质量控制管理和数据，的安全管理。
马丽明主任谈到，现在服务中台已经，比较成熟了，而各个医院建立了数据中台，的并不多，都还在起步探索阶段。
医院微信的服务中台，应用层不包括复杂的，业务逻辑，只做呈现和转换，但是服务层已经实现，了服务的微小化管理，每个业务单独的，服务分级管理。
因为服务性、可用性的要求不一样，像挂号，可就采取N加1的部署，像信誉度管理、检验检查，这些实时性要求不高，或者是患者用得不多的，这部分的业务需求标准，可以适当降低。
流程改变，业务逻辑改变，只需要修改业务逻辑层。能够同时提供给多方使用，只需要改一个地方，所有的都是用统一服务，的方式，需求导向结果。所以，数据中台是非常有必要的，主要要做几件事情：
第一，构建统一的测速，与以及映射体系，这是一切标准化和结构化，的基础。
第二，在术语制定的时候，可以参考国内外的权威临床，数据集。
第三，结合国内临床数据使用的习惯和，本土的表达，从而形成能够满足用户查阅的中文，标准的术语体系。
第一个，疾病、症状、实验室的检查、手术操作、病理的症状体征，等临床诊疗信息。
第二个，通过自然语言处理（NLP）和本体映射的方式，实现数据标准化和结构化。
第三个，构建统一疾病数据模型，形成数据资产目录。
通过业务反推的方式和基于患者信息，聚合衍生的方式，构建随取随用的数据。数据里面保存的不仅仅，是患者的信息，还包括了很多的标签。
重构流程的关键是，只有深入到临床路径，才能发现更深层次的信息。首先是要匹配业务需求，然后根据需求对，流程进行优化。
梳理的过程包括，首先收集指南，再把指南按照疾病，的主流程进行拆解，从而形成决策树。罗列疾病核心变量，变量可能不够，需要结合业务需求直接，反馈信息，临床研究表单收集内容，补充疾病变量。把两者整合在一起，从而形成疾病数据模型和，运营模型。
例如，诊疗过程指标，包括静脉血栓栓塞症(VTE)风险评估比率、出血风险评估比率。诊疗结局指标，包括医院相关性静脉，血栓栓塞症(VTE)发生比率，静脉血栓栓塞症(VTE)相关病死率。
这些防控指标并不是，直接就能收集到，往往在收集到，静脉血栓栓塞症(VTE)风险评估之后的数据，才能计算出来。只有这样，才能更好地辅助各类业务，的应用。
第一，通用的知识，包括常见的药品知识检验、检查知识。
第二，模块化疾病知识，包括了筛查诊断手术和操作，指引和知识。
第三、疾病知识，包括疾病指南和专家共识。
第一、流行病学数据。
第二、临床路径和指南。
第三、医院和科室的质量标准。
第四、国家对重大疾病的要求。
第五、国家管理相关的机构，设定的医院运营的指标（DRGs）。基于数据资产和指标标准，才能定准确的定位，发现问题，定位临床问题。更好地判断是过度医疗，还是检查不足。
第一、一致性。
第二、标准化，
第三、合理性。
如果有条件，最好是能够把内容，质控也加进去，最好能在使用前进行监控，对于能够及时发现医疗质量问题和风险有，非常大的帮助。
另外，开放的APIs，统一数据中台支撑多种的业务，数据的应用，做开放式的接口服务，数据中台。
第二、数据安全。不需要全部开放数据给某，一个应用，只需要提供业务，所需的最小级，可以减少不必要的数据，暴露，还可以做统一的脱敏转化，从而更好地保护患者，隐私和医院的数据资产。
这方面国外已经有很，好的应用案例，像斯坦福大学用于慢性疼痛患者管理的，健康信息注册网络，是开源、开放标准的，高度灵活的系统平台。基于临床的知识，决策的推荐，为临床的医生提供，最佳的实践路径，并提供临床结果追踪的，决策支持。
重症肺炎在国内存在很大，的问题，其中一个问题是部分低年资医生，没有办法对重症肺炎进行百分百的准确识别。
虽然国家已经有很，明确的诊断标准。但问题的难点在于潜在的重症患儿，早期症状不明显，而病情恶化快，可能两三天前根本就，没有什么太特别的症状，突然间就要进重症，加强护理病房了。
临床识别非常困难。起病急，病情重变化又快。如果能够在早期识别病情，提早采取措施，会大大降低重症，肺炎的病型病死率。
国外已有可以参考的案例，美国杜克医疗（Duke Health）基于人工智能技术，针对脓毒症的不同症状表现进行，预警的建模，对及时发现脓毒症起，了很大的帮助。再比如败血症,平时表现和很多急性感染的表现，是一样的。
也就是说，败血症本身并无特殊，临床表现，败血病的临床表现也可见于，其他急性感染。人工智能建模预警在第一次抗生素给，药前17个小时就已经检测到败血症。所以，非常期待国内有更多的人工智能，公司能够给医务人员带来更多的帮助。
在数字化浪潮赋能，百业千行的时代背景下，数据中台等，基础建筑拔地而起，人工智能技术努力深入，场景，双轮同轨。
在文章的最后，简单地提一下国内的人工智能，企业在医院场景下取得的进展。
据悉，长春市某知名妇产医院在新生儿体重场景，使用第四范式automl技术取得很好的效果。因为体重是衡量儿童生长发育，的重要标志，预测新生儿体重对，知晓新生儿的健康状况，指导孕妇分娩的，方式都有意义。
可惜目前教科书上的办法还停，留在用腹围、双顶径、股骨长几个指标用简单，公式计算。临床实践表示，旧的计算方法非常不准，几乎已没有指导意义。因此，医院希望尝试用人工智能，的方式去解决。
而automl技术应用在这个，场景下，模型预测的绝对误差仅，为百克。如果该技术能够在，全国范围内应用，预测全国各个地区，新生儿体重数据，将有可能从更多的新生儿，体重数据中挖掘出更大意义与价值。
作者简介：谭婧，虎嗅专栏作者，《亲爱的数据》公众号创始人，香港浸会大学硕士，N年前高考作文满分得主。曾负责(曾负责)中国，节能集团控股企业战略管理工作，许多年管理咨询经验，也曾任人脸(任，人脸)识别创业公司合伙人。
【END】
热 文 推 荐
☞你抢的不是，春节红包而是云！
☞无代码开发究竟是不是伪需求？
☞华为百度美团驰援抗击疫情；自由软件基金会建议开源 Windows 7；印度超越美国成第二，大智能手机市场 | 极客头条
☞疫情严重，潜伏期也有传染性？科技公司在行动
☞程序员谈从科比的曼巴精神中，我们能学到什么？
你点的每个在看，我都认真当成了喜欢
关注 CSDN
微信扫一扫关注公众号
