健康医疗大数据驱动的服务模式创新及其挑战研究

来源:用户上传      作者:

　　[摘 要] 健康医疗大数据是国家重要的基础性战略资源，是实现“健康中国2030”战略的重要保障。基于企业微观视角，归纳总结并深入探讨了我国基于健康医疗大数据服务模式创新的主要类型、存在的主要问题及挑战。在此基础上，提出未来应从构建健康医疗大数据政策和法规支撑体系、建立数据共享机制和完善商业生态等三个方面为我国健康医疗大数据驱动的服务模式创新提供支撑。
　　[关键词] 健康医疗大数据;服务模式创新;挑战;政策建议
　　[中图分类号] F740 [文献标识码] A [文章編号] 1009-6043（2019）10-0054-02
　　一、引言
　　医疗大数据是重要的基础性战略资源之一，其应用发展将推动健康医疗模式的革命性变化，同时也带来巨大的商业机会和创业空间。已经引起了国内外专家和学者们的广泛关注，掀起了“医疗大数据”的研究热潮。健康医疗大数据已经引起日本、韩国和欧美等国的高度重视，已纷纷将其提升到国家战略层面，以此争取在移动医疗、大数据科研及精准医疗等前沿阵地抢占制高点[1]。国外学者针对医疗大数据问题的研究主要集中在以下三个方面：医疗大数据概念与内涵研究。Sarah等（2018）认为医疗大数据包括电子病历数据、临床决策支持系统数据、药房系统数据、科研数据、电子健康记录数据，甚至还包括医疗社交平台上的相关数据等。CHEN等（2012）认为除具有传统的海量性、多样性、高速性和价值大的大数据典型特征外，健康医疗大数据还具有多源相关性、异构有偏性等特点，同时，还有高度个性化、高度专业化等特点[2]。医疗大数据的应用及问题研究。KayyaliB等（2013）从多方面阐述了大数据对美国医疗行业的影响，指出大数据对医疗行业的影响尚处于初步阶段，许多潜在价值正在逐步被揭示[3]。Carolyn等（2019）认为数据分析技术、数据开放性和获得性等方面的不足，已经严重阻碍了医疗大数据应用。医疗大数据处理方法与技术研究。RaghupathiW等（2014）认为医疗大数据应用架构与传统的医疗信息架构存在显著不同，主要体现在分布式计算与存储方面[4]。国内学者的研究起步几乎与国外同步，总的来涵研究方面，颜延等（2014）认为，医疗大数据是医疗人员对病人诊疗过程中产生的数据，包括其基本情况、行为数据、诊疗数据、管理数据、检查数据、电子看，国内学者研究的重点主要集中在：理论层面的研究。在医疗大数据概念和内病历等。应用层面的研究[5]。徐宗本等（2014）指出大数据的兴起意味着大机遇，但同时也带来了理论与实践范式、支撑技术、价值开发、产业与生态系统治理等多方面的重大挑战，需要在基础理论、工程技术和人才培养等各个层面上加以应对[6]。风险与挑战方面的研究。自医疗大数据概念提出之后，国内部分学者就已经开始思考和关注医疗大数据应用中可能出现的种种风险和挑战。吕晓娟等（2016）认为我国在医疗大数据应用方面存在思维模式与技术挑战、医院内外部技术与体制博弈、网络安全与隐私泄露威胁等四个方面的风险与挑战[7]。郭熙铜等（2017）认为基于医疗大数据的服务不仅涉及到多参与方协同产生的利益分配和责任分担问题，还会产生医疗责任界定、医疗事故防范和用户隐私保护等新的问题[8]。
　　纵观已有研究，国内外对于医疗大数据应用问题的研究已取得了许多成果，但是基于大数据驱动的医疗服务模式创新、障碍及破解的研究仍比较匮乏。基于健康医疗大数据的服务创新在现阶段仍然面临诸多挑战。通过对基于健康医疗大数据服务创新模式的梳理和归纳，可以了解和认识当前中国在健康医疗大数据产业发展方面的关键障碍及应用状况，以对该产业的发展起到一定的启发作用。
　　二、基于健康医疗大数据驱动的服务模式创新
　　健康医疗大数据产业发展的关键点在于如何利用数据进行价值发掘和价值实现，这也是美国、日本、英国等健康医疗大数据建设相对成熟的国家重点关注的方向。如美国颁布的《美国联邦政府医疗信息化战略规划2015-2020》明确提出利用大数据增强医疗服务能力是其三项应用目标之一。英国政府发布的《英国数据能力发展规划》也指出要深入挖掘大数据的潜在价值，促进医疗服务发展。我国政府也已经把健康医疗大数据提升到国家战略高度。近年来，我国从战略规划、技术能力及应用、数据治理等多个层面积极推动健康医疗大数据的落地发展，陆续出台了《关于促进和规范健康医疗大数据应用发展的指导意见》《关于促进“互联网+医疗健康”发展的意见》《国家健康医疗大数据标准、安全和服务管理办法（试行）》等相关支持政策，涌现了平安好医生、医渡云、春雨医生、全域医疗等一批知名企业，形成了远程医疗、精准诊疗、基因测序、健康管理、医院精益运营、新药研发等一批基于健康医疗大数据的典型服务模式。
　　（一）精准医疗服务模式
　　在临床医疗领域，健康医疗大数据的价值主要体现在为临床决策提供科学的参考依据。利用深度学习、神经网络等人工智能算法和现代信息技术通过对海量模范病历和文献进行不断的学习和纠正，临床决策辅助系统可以帮助临床医生做出更加精准和可靠的治疗方案。国外精准医疗服务模式的典型代表是IBM研发的Watson（沃森）机器人医生。该机器拥有顶尖的储存和计算能力，能够准确快捷的处理自然语言，本身带有海量的知识库，可以根据病人的临床、基因和病历等特征，为该病人的治疗提供个性化的临床治疗建议。国内典型企业为北京嘉和美康信息技术有限公司，该公司联合全球知名医疗出版集团BMJ联合开发了临床辅助决策系统双引擎模式，该模式基于嘉和美康公司对电子病历的深度理解，通过自然语言处理技术对真实病历进行处理形成语义知识图谱，再借助随机森林和神经网络等人工智能算法，对真实病历数据进行训练学习，形成了基于个体化的临床决策辅助支持建议，该模式改变了传统临床决策辅助系统知识大多来源于临床指南和医学文献的单引擎现状，能为临床诊断提供更为科学和精准的治疗路径和方案。此外，该模式国内的典型企业还有专注肿瘤精准诊疗的北京全域医疗技术集团有限公司、专注遗传病精准诊断的北京智因东方转化医学研究中心有限公司等。 　　（二）基因测序服务模式
　　基因测序是一种典型的基于大数据的服务模式，它是通过血液、其他体液或细胞对DNA进行检测的技术，是将被检测者的组织细胞进行基因信息扩增后，通过特定的设备对被检测者的DNA分析其所包含的各种基因情况，它能够提前预知疾病发生的概率，从而通过改善自己的生活习惯或者生活环境，避免或者延缓潜在疾病的发生，基因检测是人工智能疾病预测重要的应用服务模式和场景。《中国人工智能医疗白皮书》的数据表明，近十年间我国基因测序市场以每年62.2%的速度快速增长。目前，我国基因檢测服务的主要模式是新生儿遗传性疾病的检测、遗传疾病的诊断和某些特定类型的常见病的辅助诊断等。基因测序是精准医疗的基础，一方面推动了肿瘤治疗和免疫治疗的发展，另一方面也大幅度提升了药物研发速度。国内典型的企业主要有深圳华大基因股份有限公司、北京诺禾致源科技股份有限公司和上海安诺优达基因科技有限公司等。
　　（三）健康管理服务模式
　　慢性病的井喷式增长是我国公共卫生领域比较突出的一个问题，不仅给国家也给人民带来了巨大经济负担。在慢性病管理领域，创新运用大数据、云计算和人工智能等现代技术手段，针对慢性病患者，通过建立慢性病风险预测和诊断模型，通过并发症关联分析和诊疗项目关联分析等方法可以为慢性病患者治疗精准的个性化治疗方案和干预计划，通过改变不良生活习惯降低疾病潜在风险，从而提高慢性病管理的效率和质量。此外，也可通过大量的可穿戴设备即时采取患者身体体征指标数据，实现生理特征的实时监控，通过大数据平台进行及时的预判和干预。国内典型的企业和服务产品主要有美年大健康产业集团提供的综合健康管理平台、碳云智能提供的精准健康管理平台和禾连健康提供的智慧健康管理服务等。
　　（四）精益运营服务模式
　　当前，我国医院的发展已经进入了从扩大管理粗放型增长向质量效益集约型增长的关键转变期，运营管理水平是未来医院的竞争核心。健康医疗大数据对于医院运营管理的重要性日益凸显，医院的精细化、智能化管理决策越来越离不开医疗大数据提供的技术支撑，医院的战略规划、实施、营销等环节也无不与大数据相关联。健康医疗大数据在医院运用管理中的应用可以规范并提高医院的基础管理水平、创新医院的管理方式、提高医院的财务分析管理水平和改善医患关系。
　　基于健康医疗大数据的医院运营管理服务模式主要包括智慧财务管理方案、成本一体化解决方案、医院供应链解决方案、设备管理解决方案、全景人力资源解决方案和绩效管理解决方案等。国内典型的企业和服务产品主要有北京东软望海科技有限公司提供的医疗精益运营及大数据分析服务、达孜帆软软件有限公司提供的大数据BI和分析平台提供商服务、北京嘉和美康有限公司提供的临床数据中心建设和智能分析应用平台构建服务等。
　　三、健康医疗大数据驱动的服务模式创新存在的挑战
　　（一）缺乏统一标准规范
　　由于我国信息系统技术规范、基础信息数据标准的不统一和缺失，导致我国医院在信息化建设的时候缺乏顶层设计，导致在同一医院内部不同业务系统之间、不同医院之间和统一医疗信息化企业开发的不同业务之间数据标准不统一、不规范，医院内部数据呈现出出碎片化的典型特征，已经成为基于健康医疗大数据应用服务模式创新的主要障碍。
　　（二）数据质量不高
　　我国医疗机构已经积累了大量的临床数据基础，但是能用的数据质量十分低下，主要表现在数据不完整、不一致、不标准、不及时等方面。造成这种情况的原因除我国缺乏规范化标准化的临床术语语义体系外，诊断水平不足造成的高误诊率也是造成我国医疗数据质量低下的主要原因。
　　（三）数据共享与整合困难
　　由于数据标准不统一，医疗机构采用的信息管理系统相对独立和封闭，形成了众多的“信息孤岛”。医疗机构之间数据不流通、不开放，导致大量患者的健康体检、门诊治疗、慢病管理及住院治疗等就诊数据滞留在医院内部，造成了大量珍贵医疗数据资源的浪费。
　　（四）商业模式问题
　　健康医疗大数据应用企业生存的关键在于能否为患者提供持续增值服务及能否为医疗机构和第三方持续提供运营层面的效率提升，无论是为谁服务和使用哪种模式都必须能创造价值并且产生价值的流动，都需要可持续的商业模式提供支撑。健康医疗大数据应用规模只有达到一定程度的情况下才会达到盈利平衡点。在短期内与潜在客户合作进行价值共创，吸引更多客户使用大数据产品是健康医疗大数据应用企业前期能否生存的关键。
　　四、落实健康医疗大数据驱动服务模式创新的策略
　　（一）构建健康医疗大数据政策和法规支撑体系
　　建立健康医疗大数据产业标准体系和标准规范。围绕实现数据跨部门、跨系统和跨区域的数据交换和共享这个主要任务，将数据在采集、分类管理、共享、安全、应用等环节的关键共性标准进行完善，以满足健康医疗大数据生命周期各个环节的需求。强化健康医疗大数据安全管控。参照国家标准“信息安全技术-信息安全风险评估规范”建立安全风险评估和持续改进机制。研究制定健康医疗大数据信息安全管理机制，明确数据全生命周期内的责任主体、范围边界和具体要求。加大健康医疗大数据隐私保护力度。健全健康医疗大数据应用有关的法律法规，明确个人隐私保护的具体诊疗信息内容，明确各个主体在收集、存储、应用等环节中的法律责任。
　　（二）建立数据共享机制
　　建立数据管理和应用协同机制。对健康医疗大数据各个主体在大数据资源开发、应用、共享及整合等方面的权利及责任进行明确化，建立主体之间的有效协同机制。构建综合衡量价值、成本和风险的数据共享决策机制。围绕健康医疗大数据收集、存储、传输、共享、应用及安全等各个环节构建价值-成本-风险三维度数据共享决策模型，为数据共享提供客观和科学的依据。建立基于激励、制约、保障措施的数据共享模式。创新数据共享模式和利益分配模式，规范数据共享授权与审批制度，借助先进信息技术全面保障数据安全等系统性手段促进健康医疗大数据价值的实现。 　　（三）完善商业生态
　　培育完善大数据技术开发主体。统筹规划建设一批国家级健康医疗大数据技术国家工程实验室、健康医疗大数据研究院和研究中心，围绕关键共性技术进行研究和联合科技攻关。打造健康医疗大数据新兴业态。建设健康医疗大数据全球生命创新中心，从精准医疗、医药和药械研发、远程问诊、可穿戴设备、健康管理等多方面入手，形成跨区域、多层次的健康医疗大数据产业链。积极发挥产业应用示范引领作用。设立专项基金支持相关产品的成果转化，以数字化引领健康医疗产业升级，打造和完善具有中国特色的健康医疗大数据产业生态圈。
　　[参考文献]
　　[1]Archenaa J ， Anita E A M . A Survey of Big Data Analytics in Healthcare and Government[J]. Procedia Computer  Science， 2015， 50：408-413.
　　[2]Chen， H.， Chiang， R.， & Storey， V. （2012）. Business Intelligence and Analytics： From Big Data to Big Impact. MIS Quarterly， 1165-1188.
　　[3]Kayyali， B.， Knott， D.， & Kuiken， S. v. （2013）. The big-data revolution in US health care： Accelerating value and innovation. Mc Kinsey & Company.
　　[4]Raghupathi W， Raghupathi V. Big data analytics in healthcare： promise and potential[J]. Health Information Science & Systems， 2014， 2（1）：3.
　　[5]顏延，秦兴彬，樊建平，等.医疗健康大数据研究综述[J].科研信息化技术与应用，2014，5（6）：3-16.
　　[6]徐宗本，冯芷艳，郭迅华，等.大数据驱动的管理与决策前沿课题[J].管理世界，2014（11）：158-163.
　　[7]吕晓娟，张麟，王月娟，等.“互联网+”时代医疗服务热点研究[J].中国数字医学，2016，11（1）：29-30.
　　[8]郭熙铜，张晓飞，刘笑笑，等.数据驱动的电子健康服务管理研究：挑战与展望[J].管理科学，2017，30（1）：3-14.
　　[责任编辑：潘洪志]
转载注明来源:https://www.xzbu.com/1/view-15051129.htm