柯林布瑞秦晓宏：医疗大数据要瞄准真痛点、真需求 | 2021年南湖HIT论坛

导读

柯林布瑞采用“非接口”方式突破医疗大数据平台的建设痛点，从顶层设计的角度统筹谋划，应对医院运营管理、临床诊疗、教学科研等环节对医疗大数据提出的复杂需求。

如今，医疗大数据已成为驱动智慧医院建设的关键因素，然而在如何才能更好地发挥医疗大数据的价值方面，不少医疗机构还面临着许多问题与困难。

“医疗大数据的建设与应用一定要瞄准真痛点、真需求。”在由HIT专家网主办的2021年南湖HIT论坛上，上海柯林布瑞信息技术有限公司（以下简称柯林布瑞）联合创始人秦晓宏在演讲中分享了他的见解。

上海柯林布瑞信息技术有限公司联合创始人 秦晓宏

以“非接口”方式突破医疗大数据平台的建设痛点

“一家三甲医院往往面对着数百个异构系统、数十个系统厂商，如果医疗大数据平台的建设必须依赖厂商配合、改造接口的方式来获取业务数据，这条路是不通的。”秦晓宏表示，这是医疗大数据平台在建设过程中面临的最大“痛点”之一。

为此，柯林布瑞在构建医疗大数据平台时，始终坚持一个理念：即在不需要对任何业务系统进行接口改造、不影响业务系统正常运转的前提下，从业务系统数据库底层中抽取和同步数据，进而建设大数据平台。

如何才能够进行“非接口”前提下的异源异构数据整合？柯林布瑞提供的解决方式是：针对实时数据，医疗大数据平台通过CDC（Change Data Capture，变化数据捕获）同步数据，基于日志捕获技术实现实时增量数据的同步；针对离线数据，通过异构数据源离线同步工具DataX，实现跨平台、跨数据库的不同系统之间的数据同步，支持SQL Server、Oracle、MySQL等数据库的离线同步。通过CDC及DataX实现全量的“热”数据中心。

经过多年的技术经验积累，柯林布瑞目前拥有超过500多种HIS、EMR、LIS等业务系统异构数据的整合能力，无需与业务系统厂家进行对接，即可识别各种医院信息系统中的数据结构，数据整合无需对业务系统进行接口改造，更不产生任何接口费用，帮助医疗机构突破这一建设痛点。

智慧医院对医疗大数据的“真需求”

在建设智慧医院的过程中，医院运营管理、临床诊疗、科研教学等环节对于医疗大数据的应用分别提出了不同的需求。秦晓宏表示，这些需求正是医疗大数据平台应用的发展方向。

在运营管理方面，医疗大数据平台需要对医院运营管理数据进行挖掘分析，让医院实现科学化、智能化管理。柯林布瑞提出数据驱动智慧管理的几个关键，一是指标统一管理，既往的做法是根据不同的需求开发不同的指标，数百个指标混杂在一起，管理难、核对难、应用难；必须对医院的指标进行统一的定义管理，将指标来源、口径等定义清楚。二是结合公立医院评审及公立医院绩效考核，对指标的计划、预警、改善、结果进行过程管理，不能仅仅进行指标的展示。三是运营数据挖掘技术，从数据中挖掘出管理问题，给出管理建议。

在临床诊疗方面，需要医疗大数据平台一方面对临床诊疗数据进行整合串联，为诊疗工作便捷化提供直观的数据展现；另一方面需要结合临床的业务场景，找到真痛点、真需求，为医护人员提供智能的预警与建议。秦晓宏表示，在构建智慧医疗场景时，要以医生在临床诊疗过程中所遇到的需求与困惑为出发点，以患者获益为最终目标。

比如：柯林布瑞设计研发的静脉血栓栓塞症（VTE）智能防控系统，实现了患者住院全流程自动评估。平均每位患者VTE评估管理可节省医护人员4小时的工作量，VTE风险评估率从46.14%提高至93.22%，评估模式由单次患者评估转为住院全程评估。

秦晓宏介绍说，某医院在上线该系统后，VTE患者平均住院日由15天降为7天左右，显著降低了患者的住院费用。系统可实时识别高危患者并主动发出提醒，使中高危风险患者知晓率由无数据支撑提高至100%，有效地优化了诊疗流程，提升患者自我健康管理能力与认知水平，以及医院对患者服务的延续性。

在科研场景方面，需要医疗大数据平台对科研通用数据元和专科数据元进行定义，需要对数据进行标签化处理、标准化处理、结构化处理，需要为科研医护人员提供数据搜索、统计、挖掘的平台和工具。

柯林布瑞在医疗大数据平台中内置临床大数据搜索引擎，为医生的回顾性研究提供了有力工具。同时，为了保障医院的数据资产不外流，柯林布瑞将数据分析统计挖掘功能内嵌至平台中，医生在医院内部即可实现数据分析、统计、挖掘工作，从而提高科研效率，保障数据资产安全。

面对医院运营管理、临床诊疗、教学科研等环节提出的复杂需求，如何才能通过同一个医疗大数据平台统一满足这些需求？秦晓宏认为，这需要从顶层设计的角度统筹谋划。

据秦晓宏介绍，柯林布瑞医疗大数据平台采用了“4中台（技术中台、数据中台、AI中台、业务中台）+1前台（应用前台）”的整体架构。其中，技术中台位于最底层，包括存储引擎、计算引擎、技术工具及管理工具；其次是数据中台，负责提供数据整合、数据治理等功能；AI中台与业务中台并列于数据中台之上，AI中台负责支撑AI算法、提供计算模型，业务中台负责解决业务系统统一对接等问题；最上层是应用前台，负责提供临床、运营、科研数据中心与应用以及各种基础应用软件。

同时，柯林布瑞医疗大数据平台采用Hadoop和MPP（Massively Parallel Processing，大规模并行处理）混合架构，利用流式实时计算、分布式离线计算等技术，对各类医疗数据进行统一、高性能的汇集与批量处理；通过大数据平台的加工处理，对数据进行分类分层建模，形成统一的数据集市和数据元，为后续的业务分析、机器学习、监控预警提供数据支撑；通过对各类数据进行分析、提炼、碰撞比对，可最大限度发挥数据的医疗价值。

建设数据质量检查支撑体系，直击数据质量“痛点”

“医院大数据平台不能单纯追求数据‘规模大’，更要追求‘质量好’。”秦晓宏特别强调，数据质量问题一直制约医疗大数据平台发展，也是医院信息化发展的“痛点”之一。

要想解决这一“痛点”，就要理清和解决两大问题：

首先，如何判断数据质量的高低？秦晓宏认为，应从一致性、规范性、完整性、关联性、合理性等五个维度出发定义数据质量，确定数据质量管控规则，并在此基础上形成数据质量规则库，同时也根据实际情况不断扩充规则库。目前柯林布瑞医疗大数据平台已涵盖接近3000项数据质量规则。

其次，如何保障与管控医疗数据质量？秦晓宏表示，应建设完整的数据质量检查支撑体系，每天进行数据质量质控报告；通过数据核查PDCA方法论，构建数据质量管理闭环；基于医疗大数据平台，对质量需求和问题进行全质量生命周期管理，包括质量问题的定义、检查监控、发现分析、跟踪反馈及知识库沉淀。

秦晓宏表示，这一方法不仅仅适用于医疗大数据平台，很多医疗机构已将其应用于其他业务系统的数据质量检查。“希望能够借此方法切实提升业务系统数据质量，构建高质量的医疗大数据平台，从而为智慧医院建设提供坚实可靠的数据支撑。”

近期热文

HIT专家网∣致力推进中国卫生信息化长按二维码可申请加入HIT专家网专业交流群投稿：[e-mail]

商务合作：[phone]

本公众号原创文章，版权归原作者所有。

未经许可，谢绝转载或以其他形式使用文章内容进行传播。