數據賦能 拉動醫療服務質量發展之路

日前，中國衛生信息與健康醫療大數據學會會長金小桃在第三屆健康醫療大數據論壇上表示，健康醫療大數據應用的發展將會催生一系列新業態、新技術、新模式。

在醫院實際運營中，通過對各類數據的采集、整理與分析，輔以大數據算法、人工智能等技術，數據的高效應用正在為醫院的醫療運營、資源消耗、臨床行為開辟全新的道路。

如借助大數據算法匹配臨床行為及資源消耗知識庫，讓醫生對病種的診斷與分組更精準與智能，進而醫院根據病種特性合理分配資源;人工智能通過數據分析與機器學習，讓醫生診斷和結果的描述不再受書寫規范限制，趨于精準化與客觀化;結合病種成本數據分析，對醫療服務的價格進行監測，輔助醫療服務的定價等。

北京大學常務副校長、醫學部主任詹啟敏院士曾表示，醫療數據是推動健康事業發展強大的引擎，多學科、跨界合作、開放融合，利用我國豐富的健康醫療大數據資源為國家健康發展戰略、公共衛生政策、臨床醫學決策提供支撐和輔助，將極大助力我們有效推進疾病防治和健康促進，為健康中國建設發揮重要的支撐作用。

醫院管理更精細

在醫院日常運營中，存在著醫療資源分配不合理，信息化程度低，監督管理機制、資源共享安全機制不健全等問題。技術的革新為緩解以上問題提供了新路徑。

2021年兩會期間，全國人大代表、小米集團創始人、順為資本創始合伙人兼董事長雷軍在提案中表示，全國龐大醫療數據資源未得到充分挖掘，醫療數據價值也未得到完全體現。建議國家推動相關政策意見落地見效，在有力保障個人隱私的前提下，運用大數據技術、人工智能、云計算等數字技術實現對醫療數據的快速處理和有效判斷。

醫院的臨床業務數據以及人事、財務、采購物流、后勤等運營管理數據，通過大數據計算與建模等技術手段加以分析，能夠幫助醫院的醫療運行與運營管理做更精準的決策與分析，來滿足各種醫療服務場景的需要。

國家衛生健康委員會規劃發展與信息化司副司長劉文先曾對醫療數據的行業發展提出了四個關鍵詞：基礎、場景、邊界、生態”。

望海康信董事長兼CEO段成惠認為，醫療大數據推廣最困難的并不是技術本身，而是應用場景，有切實解決問題提升傳統醫療服務能力的場景才是能否做成醫療大數據技術服務的根本。

望海康信副總裁陳顯莉表示，醫療數據的應用是在原有的HIS、EMR、HRP等醫院信息系統產生的數據基礎上，利用臨床行為、資源消耗等知識庫，輔以大數據算法、人工智能等技術，覆蓋醫保、衛健、醫院管理以及醫生和患者的醫療數字化運營場景。

以一個需要手術的患者為例，患者去就醫，醫院需要在保證醫療服務質量的前提下，合理的平衡資源，用什么樣的醫療服務項目、用什么樣的藥品與材料、用什么樣的醫生和護士，這個過程構成了患者就醫的整個醫療服務流程。而醫院完成資源分配過程的邏輯來自于醫療質量的要求，來自于臨床路徑的管理，以及在醫療質量基礎上的合理資源消耗模型。

每一個患者的就醫，醫院都能夠從臨床知識庫中找到對應的模型，然后根據模型來合理的分配資源，這是醫院精細化運營的一部分。

臨床診療更精準

在臨床診療上，人工智能通過分析醫療數據、機器學習，提升診療準確性。

人類醫生無法窮盡所有的疾病，而人工智能理論上可以，因此完全可以成為人類醫師的得力助手。醫生老道的經驗與人工智能龐大的數據積累相輔相成，“人機結合”在實際應用中創造出“人工智能+醫生>醫生”的診斷效果。

AI+醫療最早應用于CT影像、皮膚影像、病理影像等，能夠起到輔助診斷的作用。在技術的發展中，逐步深入到基于臨床需求的醫療服務領域，為醫生的診療過程提供臂助。

陳顯莉說，目前望海康信業務體系中對人工智能的應用主要包括兩個方面。

第一個是智能編碼與病案質控，智能編碼的主要作用是輔助醫生在病案整理的時候提供完整規范和準確的診斷、操作等病案書寫、整理與準確的編碼推薦，以減少可能因為醫生對編碼體系的不熟悉或者個人的書寫習慣帶來的病案數據質量問題;病案質控是幫助病案室對病案質量進行智能審核，使得病案首頁的數據質量符合公立醫院考核、醫保結算以及醫院內部管理相關要求，提升提高病案質量，提升編碼以及DRG/DIP入組準確性，提高病案室工作人員的工作效率。

另一個人工智能應用方向基于專病的輔助診療系統，來提醒醫生在診療過程中的合理性，它會結合已有數據的模型來提醒醫生。如果醫生的診斷與已有模型有差異，人工只能會提請專家來進行進一步診斷。根據差異類型不斷地學習，來優化診斷流程。第二個產品是基于醫生書寫習慣的差異，由機器來書寫。機器不斷學習醫生的書寫習慣，在醫生整理電子病例時為醫生推薦操作類型與診斷依據，并推薦幾個專病碼，醫生再做具體判斷。”

此外，以機器學習的方式來優化某一病種在不同醫院的臨床路徑，也是人工智能在醫療服務流程中的顯著應用之一。據望海康信曾春博士介紹，不同的醫院在某一病種的治療上，有很大差異：有些醫院治療質量上佳，價格便宜;有些醫院治療質量欠優，價格反而高。

“那么用機器學習的方法，來統計、分析某一病種在不同醫院的病例數據，利用病例數據對醫院提供治療效果進行分類。對比不同治療效果臨床路徑的差異，讓治療質量欠佳的醫院去參照治療質量上佳的醫院。如比對資源消耗上的差異或臨床路徑上的其它差異，來提醒醫生進行相應的優化。在不違反臨床路徑相關標準與醫療服務質量的情況下，讓醫院結合自身情況來優化臨床路徑。”

機器在不斷的學習中逐步提高判斷的準確率，人工智能的智能化水平在這個過程中提高。

醫療價格更合理

在相當長的時間內，醫療服務的價格和醫院本身的成本有很大偏離，這源于在醫療服務項目定價的時候沒有考慮醫院的實際成本。于是在很多地區，醫保定價與醫院提供醫療服務的成本有很大落差。基于這種情況，很多地區的醫院希望能夠結合成本來定價。

國家醫保局醫藥服務管理司司長熊先軍曾表示，目前全國各省市都已經出臺了“互聯網+”醫療服務價格和醫保的支付政策。在價格政策方面，明確設立“互聯網+”醫療服務價格項目的基本條件，健全“互聯網+”醫療服務價格形成機制，堅持線上線下同類服務合理比價的基本原則。

望海康信提供一個基于醫療成本的醫療價格智能監控平臺，協助監管部門醫療價格的測算與監控。測算的數據基礎是過去一段時間內醫保的費用以及醫院實際運行的醫療成本數據，為醫療服務的定價提供決策幫助。

陳顯莉說：“成本核算是望海康信成立之初就深耕的核心業務，基于成本的醫療服務價格的核算與監測，這是一個很復雜的工程，醫療服務的價格受到不同地區醫保基金的要求，存在上限。此外，醫療服務價格的調整還會對醫院的運營管理、患者的就醫體驗產生影響。在醫療服務價格的測算上，需要綜合考慮當地醫保基金的籌資能力、支付水平、對醫院運營以及患者負擔的影響等，才能給出相對公允、合理的價格。”

標簽： 數據賦能 醫療服務 質量