近年來，國家大力支持大數據、人工智能等新一代信息技術在醫療行業的應用，促進新興技術和醫療健康領域的深度融合，并陸續制定了一系列技術規范和數據標準，保障人工智能在醫療影像、智慧醫院、新藥研發等應用場景中的安全性、兼容性、可靠性等，規范醫療人工智能的發展。

如何利用大數據及智能化應用支撐智慧醫院建設、驅動構建智慧醫療生態已成為當下的熱門話題。9月17日，上海市醫院協會醫學人工智能管理專委會2021第四次學術會議提出開展醫院AI技術規范、數據標準等制（修）定并推廣應用的觀點。包括柯林布瑞在內的醫療大數據企業則對健康醫療大數據治理的挑戰與實踐經驗提出了自己的看法。

醫療大數據行業現狀及痛點，將如何解決？

業內普遍認為，從數據的角度看醫院的數據域分布和流動，醫院數據基本可以分為以下5個數據域：以患者服務為中心的生產數據域、以診斷治療改善為中心的數據利用域、以運營管理改善為中心的數據利用域、以醫學研究為中心的數據利用域、以交換和共享（互聯互通）為中心的數據流動域。

醫療大數據分析和挖掘技術的運用可在醫院運營管理、醫院臨床科研、醫療業務協同、患者智能服務和醫療基礎保障等方面發揮重要的作用，使醫生診斷和治療過程變得更精準，使醫院的管理更加科學，讓醫院的運行效率持續提高并幫助將醫院科研提升到新的高度。

目前，在數據應用和挖掘上，國內做得并不理想，只是單純的“數據大”而非“大數據”，更偏重數據采集，在作為大數據核心價值所在的數據治理、數據挖掘分析及分析平臺搭建的能力上有所不足。尤其是數據分析的平臺化能力較弱；同時，更多集中在單一方向，多元化數據分析意圖的整合較少。

由于在之前的醫院信息化建設中并未強調標準化及互聯互通問題，再加上開放數據接口是此前醫療信息化企業的收入來源之一，造成目前的醫院“數據孤島”現象愈演愈烈。數據整合匯聚工作的難度極大。

除此之外，醫院數據質量的問題更為嚴重。作為醫療大數據企業柯林布瑞的聯合創始人，秦曉宏有著多年醫院數據治理經驗。在動脈網的采訪中，他將目前我國醫院數據質量主要存在的問題總結為三個方面。

首先，由于此前國內醫療數字化的標準甚少，各家業務廠商在構建業務系統過程中，完全按企業自行定義的標準來開發軟件系統。

其次，院內各業務系統只保證自己的系統流程能跑通即可，并不關心數據質量的情況，導致出現各種數據質量問題，諸如主從表對應不上、數據邏輯關系不對、數據不一致等。

最后，醫生在寫病歷文書及各類檢查報告時也沒有遵從標準，大量的醫生按習慣書寫的非結構化的醫療文書，導致科研、質控沒法高質量開展。

來自衛健系統的專家也向動脈網表達了對我國健康醫療大數據發展所存在不足的看法。

首先，我國健康醫療大數據的資源規劃需要細化，需要詳細掌握數據“有什么”“缺什么”“在哪里”“誰需要”“誰提供”“誰為準”等基礎性信息。

其次，數據部門協同待加強。當前的大數據應用主要局限在單個醫療衛生業務領域內，跨業務部門領域的應用不多，需建立跨部門密切配合機制，充分發揮大數據的集約化規模效益。

最后，數據應用聯動待深入。醫療衛生領域目前真正在某一業務領域能貫穿“國家-省-市-縣-機構”的聯動性應用還不多，此次新冠疫情也在一定程度上暴露出了這方面的問題。不同省份的疫苗接種信息甚至都難以共享。

為了解決這些痛點，國家相關機構正在加強政策和標準制定。從2008年開始，國家就陸續推動以電子病歷為核心的醫院信息化建設，并著手建立電子病歷相關標準及電子病歷信息標準體系基本框架。

近年來，電子健康記錄的應用受到了關注。國家希望通過區域信息平臺建設實現居民基本健康信息和檢查檢驗結果、用藥記錄等的醫療機構之間的信息共享，實現區域內居民電子健康檔案與電子病歷的實時動態更新。

與此同時，國家又通過將電子病歷評級、互聯互通測評、三級醫院評審標準、智慧醫院建設等納入績效考核；并通過實施DRG、DIP支付改革，從醫保支付為抓手進一步倒逼醫院完善以電子病歷為核心的信息化系統及背后的數據采集、治理和應用能力。

秦曉宏認為，從等級醫院評審、電子病歷評級、互聯互通測評，到智慧管理評級、醫院績效考核等，國家對于醫院的評審和評級種類越來越細化，也更加強調大數據對醫療信息化建設的重要支撐作用。

不僅如此，國家還進一步強化立法和政策，為醫療數據的進一步挖掘和應用做好準備：《中共中央國務院關于構建更加完善的要素市場化配置體制機制的意見》首次將數據作為一種新型生產要素寫入文件中，與土地、勞動力、資本、技術等傳統要素并列為要素之一；《個人信息保護法》和《數據安全法》則均在年內獲批，為數據這種生產要素的流轉提供了數據安全及隱私方面的法律基礎。

顯然，在確定了數據的生產要素地位后，國家正在不斷完善相應的頂層設計。盡管仍然有不少難題亟待解決，但隨著未來時機成熟，經過合規處理后的健康醫療數據或許有機會成為重要的資源要素供給市場，并如同土地、勞動力、資本和技術等傳統生產要素一般進行交易流轉。

正因為此，“醫療大數據”在近年來持續火熱。不論是在一級市場、二級市場還是醫療行業各類會議中，醫療大數據被頻繁提及，醫療數據治理、智能醫療等概念也日新月異。根據IDC全球大數據與分析支出指南，2019年中國基于臨床信息的醫療大數據解決方案（軟件和服務）的市場規模為10.1億元人民幣，預計未來幾年中將呈現加速發展的趨勢，2019至2024年復合增長率為22.0%，到2024年這一市場規模將達到27.3億元人民幣。如果考慮醫保大數據和生命科學大數據，則這一市場規模更大。

在大數據時代，誰掌握了醫療數據，誰就掌握了醫療的未來，“得數據者得天下”將逐漸成為共識。

柯林布瑞三大產品體系如何助力健康醫療數據治理與應用

目前，我國醫療信息化建設正處于從“業務流程數字化”時代向以大數據為核心依托的“醫療大數據+AI”時代切換的過渡階段。在大數據時代，醫院的臨床、科研和管理需求被進一步細化，醫院管理效能與學科能力提升也成為了醫院高質量發展的重中之重。

目前，醫療大數據在臨床與科研中的價值正得到逐漸展現：一方面，醫療大數據可以賦能臨床科研，提升臨床醫生的科研產出數量與質量；另一方面，以大數據+AI技術驅動的臨床場景化的智能應用，也提升了臨床診療的水平和工作效率。

除此以外，大數據技術正被逐漸嵌入到醫院核心系統、電子病歷系統和醫保支付系統中。這不僅促進了系統性能升級，而且對于醫院完成電子病歷應用水平評級和醫院信息互聯互通測評等，以及滿足醫保支付并實現高質量運營的新要求都起到了顯著的作用。

作為“醫療大數據+AI”的探索者之一，柯林布瑞通過持續的研發攻關和經驗積累，已實現無需HIS、EMR等第三方業務廠商提供接口就可以把一家醫院數十個廠家數百套系統的數據整合到統一的數據平臺上來，實現了醫院內部“數據孤島”的連通。

在對醫療大數據的長期治理過程中，柯林布瑞對不標準的數據進行標準化映射處理、對非結構化進行后結構化處理、對臟數據進行清洗處理，構建起龐大的醫療行業標準庫和醫學術語庫。

目前，包括華西醫院、瑞金醫院、海軍軍醫大學第一附屬醫院、陸軍軍醫大學西南醫院、復旦大學附屬腫瘤醫院和上海市精神衛生中心等頂級三甲醫院都選擇了柯林布瑞合作構建醫療大數據治理平臺與應用平臺。

那么，柯林布瑞究竟有哪些優勢，能夠打動這些頂級醫院呢？秦曉宏認為主要有三個原因。

首先，為了不受制于人，柯林布瑞從創立第一天起就堅持自主創新、自主研發的技術戰略，自主開發出ETL工具、自然語言處理NLP系統、元數據系統和大數據可視化系統等核心技術，并申請了17項醫療大數據相關發明專利及88項相關軟件著作權——經過多年深耕醫療大數據，柯林布瑞已經在數據整合、數據治理、數據智能應用等各層面打造出“護城河”。

基于醫療大數據基礎技術體系，柯林布瑞提出了“3+N+1”的智慧化醫院建設一體化解決方案。所謂“3”是指臨床數據中心CDR、運營數據中心ODR、科研數據中心RDR三大數據中心。以這三大數據中心為核心，柯林布瑞打造出了ClinData系列數據中臺及數據治理產品。

柯林布瑞的三大數據中心產品布局（圖片來自柯林布瑞）

所謂“N”則是指多場景適配應用。指基于三大數據中心的滿足醫院在醫、教、研、管等各個方面需求的ClinAPP系列的數據化應用和ClinAI系列的人工智能應用。

柯林布瑞數據中臺及數據應用使得大多數醫院無需業務系統接口改造即可實現大數據平臺的數據同步、采集及整合工作，從而對醫院運營管理、績效評價和臨床科研提供全面、準確且高質量的數據支撐；對存在眾多“數據孤島”的醫院來說有巨大的吸引力。

所謂“1”是指信息集成平臺。利用信息集成平臺通過HSB方式進行統一的集成，定義統一的接口規范。

其次，基于高質量的醫療大數據平臺，柯林布瑞在醫療AI產品的開發優勢逐步突顯出來，形成了以自然語言處理NLP、病歷數據智能結構化、醫學文獻智能解讀、醫學指南智能解讀、單病種質控上報系統、VTE智能防治管理平臺、罕見病智能決策平臺、新冠肺炎感染智能預警平臺等為代表的“ClinAI”系列智能醫療產品。

尤其是單病種質控上報系統可實現數據智能化采集與上報，大幅節省人力資源，提高工作效率；幫助醫院規劃數據來源，提升填報質量；實現全流程主節點管理，過程與結果并重，提升單病種管理能力；為醫院提供靈活的單病種指標管理運維工具，實現醫院自定義指標調整。

最新上線的VTE智能防治管理平臺則面向二、三級醫院VTE防治管理場景，針對院內不同患者群體的真實數據，基于國內外權威VTE診療指南及人工智能技術實時監測全院高風險人群并主動識別疑似病例。同時，它還能精準推薦個性化干預措施，提供分層分級的全流程管理體系，是滿足多角色協同工作需求的高效服務系統。

除了ClinData和ClinAI，柯林布瑞還搭建了以臨床大數據搜索引擎、臨床科研單病種及隊列研究平臺、醫療大數據統計挖掘平臺、醫療大數據可視化、醫院運營管理、醫療質量管理、患者360、醫護技能力模型360、公立醫院績效考核為代表的ClinAPP系列醫療數據應用產品。

柯林布瑞產品布局（圖片來自柯林布瑞）

這些應用已經在醫院的落地實施中產生了巨大效益。華西醫院科研醫生已經將臨床大數據搜索引擎作為科研工作過程中的常規助手，一個月超過8000多人次使用。科研單病種在瑞金醫院腸胃外科投入使用后，一年發表論文超過45篇，其中SCI收錄23篇，總影響因子超過70分。

在公立醫院績效考核支撐方面，除了為華西醫院、瑞金醫院等超級大醫院做了很好的支撐，一些中型醫院也因采用柯林布瑞高質量數據平臺取得不凡的成績。其中，上海中醫藥大學附屬上海中西醫結合醫院獲得全國中西醫結合醫院績效考核第二名，成都市第五人民醫院獲得市屬醫院第一名。

最后，柯林布瑞從初創時期就尤為重視行業標準的制訂，并參與了多項標準和指南的制定。迄今為止，柯林布瑞參與了《上海市醫院信息集成平臺建設與實踐應用指南》《中醫醫院臨床數據檢索系統建設指南》《名老中醫典型病案共享數據庫建設指南》等指南的編寫，并參與了廣東省《醫療數據中心建設規范 第1部分 臨床數據中心》《新型冠狀病毒肺炎基本數據集第4部分：臨床科研》等多項醫療數據團體標準的制訂。

同時，柯林布瑞還正式通過軟件開發能力成熟度模型CMMI DEV V2.0五級評估認證，表明其產品研發能力、項目管理水平以及方案交付能力等均已達到國際先進水平，研發成熟度獲得國際權威認可。根據CMMI官網數據，截至2020年底，全球通過CMMI認證并保持有效期的企業中僅有12.5%達到5級。

寫在最后

目前，醫療大數據行業的各門派企業“各顯神通”,有的偏科研單病種應用、有的偏部分場景AI應用、有的偏管理類數據應用。

未來，以上層應用切入的“自頂向下”路線更具張力還是以數據治理切入的“自底向上”的路線更具潛力？一直堅持“自底向上”并持續構建高競爭壁壘的柯林布瑞，能在未來實現怎樣的突破，讓我們拭目以待。

參考資料：

IDC：《全球大數據和分析支出指南》