医疗数字化:为什么正确的方法很重要以及实现它的五个步骤

本报告基于2018年8月15日Dale Sander的网络研讨会“提高医疗保健的数字化轨迹”。

随着技术和分析能力的不断发展，医疗保健可能处于一个数据借转换。然而，尽管许多其他行业正在利用人工智能(AI)的巨大潜力来彻底改变他们的工作，但医疗保健还没有达到数字化的水平，无法利用这些下一代工具和功能。为了利用这个先进分析时代的机遇，医疗保健必须提高其数字化轨迹。

全球管理咨询公司麦肯锡对行业进行了排名电子商(DQ)，它源自三个领域的交叉积:数据资产、数据技能和数据利用。医疗保健行业的DQ排在几乎所有其他行业之后，留下了很大的数字化增长空间。然而，医疗保健必须以一种特定的方式来实现数字化，这种方式要注意到医疗保健决策的人的一面，同时优先考虑数据和技术基础设施，以实现真正的数据分析驱动的行业。

增加数字化，使医疗保健更人性化

提高数字化的正确方法还将提高医疗保健的人性化意识，以更好地满足患者和临床医生的需求。医疗保健行业可能在很大程度上忽略了数字战略的人性化或更温和的一面。今天的临床医生在一个不那么以人为本的数字环境中首当其冲，并承受着精疲力竭的情感负担，包括最高的自杀任何职业。医疗保健目前的数据驱动战略是无效的，甚至对其服务的行业是有害的。这种非以人为本的方法剥夺了临床医生的掌控感、自主性和使命感，并将他们束缚在不能充分代表他们工作质量的绩效指标上。

一个2018文章记录了医生的职业倦怠，将其归咎于电子病历时代和美国医疗系统实施数据驱动战略的糟糕方式。在一项调查中，医疗集团管理协会(MGMA)发现84%的医生现在参加了基于绩效的激励薪酬制度(MIPS)。其中，82%的人认为医疗保险准入和CHIP再授权法案(MACRA)质量支付计划非常或非常繁重，73%的人说MIPS不支持他们的实践的临床质量优先事项。这些数据点表明，医疗保健行业以数据为驱动的策略在多大程度上疏远了医生，因为与结果质量或患者关系几乎没有关系的强制性措施越来越累赘。

医疗保健必须填补大数据空白

在医疗保健领域产生的大多数数据都是关于医疗保健的管理开销(例如，索赔数据)，而不是关于患者健康和福祉的当前状态。平均而言，医疗保健部门每年收集三次患者的数据，一年中还有362天没有跟踪健康信息。为了优化诊断和治疗，预测健康风险，并制定长期护理计划，临床医生需要提供日常健康和环境的全面情况的全患者数据，以及急性护理环境之外的医疗保健遇到的情况(例如，初级保健提供者和专家)。

ehr最多只拥有全面医疗数字化和高级分析所需的8%的数据。只有20%的影响健康结果的因素属于传统的医疗保健服务系统，因为影响健康结果的大多数因素都不在医疗保健服务的四面墙之外(例如，健康的社会决定因素)。该模型也没有留下健康患者的数据，因为他们没有临床接触，这代表了理想的人工智能训练集。这就没有数据来训练人工智能算法如何获得更多健康的患者，而不是治疗生病的患者。

创新将使患者成为数据生态系统的中心

尽管医疗保健的数字化战略在很大程度上忽视了患者整个健康状况的数字化，但未来几年将有创新产品进入市场，它们将捕获更多的日常健康数据。健康跟踪创新，如个人可以随时佩戴的生物传感器，最终将为患者提供比卫生系统更多的健康数据和人工智能驱动的见解，使患者能够参与决策过程。

例如，西北大学生物集成电子中心的创始人兼执行董事约翰·罗杰斯正在生产一种微细、一英寸平方、皮肤柔韧的传感器形式的生物集成电子产品。这种微型晶圆配有蓝牙天线、CPU、生理监视器和无线电源系统。一些职业运动队已经开始在比赛中佩戴口罩。罗杰斯和他的团队的目标是最终将传感器打印在皮肤上，作为可溶解的纹身。

在当前的医疗保健数据生态系统中，患者被嵌入到一个基本解体的医疗保健提供系统中，这导致了围绕患者的气泡之间的切换问题。这些不同的气泡生成的关于患者的数据非常少，并且如前所述，这些数据主要是关于患者健康状况的管理数据和遥测数据。一个数据生态系统与位于中心的患者共享生物传感器支持的患者生成数据，并将其返回给医疗保健系统。该过程不断更新数据，并将数据上传到一个基于云的AI平台，在该平台上，算法诊断患者的病情，计算综合和特定的健康风险评分，并推荐治疗或保持健世界杯厄瓜多尔vs塞内加尔波胆预测康的选项。

医疗保健数据资产路线图

图1显示了对医疗保健数据资产路线图的建议，以指导数据获取和数据管理策略，从而真正了解处于医疗保健中心的患者。医疗保健的大部分内容都停留在该图的左下象限(医疗保健遇到和索赔数据)。

随着数据在其他领域(如社会经济和基因组数据)变得越来越可用，并且医疗保健准备好了使用这些数据的资源，该行业将扩大其数据的范围，并在工作流决策中有效地利用这些数据。指南可以帮助卫生系统了解需要实现什么，以及实现数字化所需的条件。

以正确的方式实现医疗数字化的五个必须具备的条件

要以正确、可持续的方式实现数字化，卫生系统必须遵循以下五项指导方针:

1.实现和保持临床医生和患者的互动

医疗保健必须确保其数据驱动和数字战略正在增加临床医生的掌握感、自主性和目标感。数据必须支持他们对自己的技能和使命感的热情，而不是让他们感觉不断受到监控。这些原则最终必须适用于患者，因为数据驱动和数字策略需要帮助患者感觉他们在掌控自己的健康，是自主的。

患者和临床医生的参与要求人们对接受信息的人敏感，允许人们在不感到威胁或过度衡量的情况下面对真相。这是医疗保健中数据驱动策略的人的一面，对于成功的数字化来说，这与技术和高级分析同样重要，甚至更重要。

2.采用现代商业数字平台vs采用本土解决方案世界杯厄瓜多尔vs塞内加尔波胆预测

医疗保健需要一个能够处理数字化的现代数据集成平台。世界杯厄瓜多尔vs塞内加尔波胆预测管理领域内的数据仍然非常困难，特别是像医疗保健这样复杂的领域。在数据层工作的应用程序开发人员必须自己处理数据。没有人对数据进行预处理，并使数据层易于访问和利用。然而，在数据操作系统中(例如Health Catalyst®数据操作系统[D世界杯葡萄牙vs加纳即时走地OS™️])，数据是栈中的最后一层，这使得应用程序开发人员更容易利用复杂的软件。

现代数字平台有七个属性:世界杯厄瓜多尔vs塞内加尔波胆预测

1. 可重用的临床和业务逻辑。注册中心、值集和其他数据逻辑位于原始数据之上，可以通过开放api访问、重用和更新，从而支持第三方应用程序开发。
2. 提供分析和工作流应用程序的单一数据流。从源一直到通过平台表示该数据的近实时数据流支持数据的事务级交换或分析处理。世界杯厄瓜多尔vs塞内加尔波胆预测
3. 结构化和非结构化数据集成。该平台在世界杯厄瓜多尔vs塞内加尔波胆预测同一环境中集成了文本、图像和离散的结构化数据。
4. 闭环功能。在平台中表示知识的方法，包括在决策点交付该知识(例如，回到源系统的工作流中，如EHR)。世界杯厄瓜多尔vs塞内加尔波胆预测
5. Microservices架构。除了抽象数据逻辑之外，还有开放的微服务api用于平台操作，如授权、身份管理、数据管道管理和DevOps遥测。世界杯厄瓜多尔vs塞内加尔波胆预测这些微服务还支持在平台上构建第三方应用程序，并持续交付软件更新(相对于定期的主要更新)。世界杯厄瓜多尔vs塞内加尔波胆预测
6. AI /机器学习。该平台本世界杯厄瓜多尔vs塞内加尔波胆预测机运行AI和机器学习模型，并支持ML模型的快速开发和利用。
7. 不可知论者数据湖。该平台可世界杯厄瓜多尔vs塞内加尔波胆预测以部署在任何医疗保健数据湖之上。逻辑的可重用形式必须支持不同的计算引擎(如SQL、Spark SQL、Hadoop上的SQL等)。

图2显示了现代数据操作系统体系结构的一个示例(Health Catalyst的DOS)。世界杯葡萄牙vs加纳即时走地该图在图的上三分之一处显示了经过策划的数据内容;它包含了关于逻辑的全面持久一致的中间数据模型，使得位于右上角(DOS市场)的应用程序开发人员更容易开发应用程序并利用其下面的所有基础设施。

随着人工智能算法成为商品，医疗保健必须理解在人工智能中实现机器学习所需的基础设施的重要性。尽管公共云使平台基础设施可访问且负担得起，但选择自主开发而非商业解决方世界杯厄瓜多尔vs塞内加尔波胆预测案的组织可能缺乏高级分析所需的可伸缩性和能力。2022卡塔尔世界杯赛程表时间

3.数字化资产(患者)和过程

任何行业都需要将其试图管理和优化的资产数字化，其次是管理这些资产的生产系统数字化。以飞机/航空业为例，飞机就是数字资产。航空业的数字化流程——包括空中交通管制、行李处理、票务和维护——显示了管理人员和飞机的能力。

为了让医疗保健部门了解其资产(患者)，它需要让患者更加数字化。医疗保健已经实现了数字化的注册、调度、会诊、诊断、订单、账单和索赔。医疗保健现在必须在临床接触之外进行数字化，以捕捉患者健康和医疗保健优化的全貌。

4.理解数据对推动AI洞察的重要性

医疗保健行业致力于为患者提供健康优化建议，这些建议不仅包括最新的临床试验，还包括有关类似患者的本地和地区数据以及他们长期以来的真实健康结果。从数据的角度来看，这需要在成本数据、预测分析、机器学习、健康的社会决定因素和推荐引擎方面取得成果。

为了取得成功，人工智能需要领域内数据的广度和深度。这不仅仅意味着一个组织拥有的记录数量，而是关于这些患者的事实数量。为了完善这个数字生态系统，医疗保健部门需要收集更多关于每位患者的信息。

与基于规则的注册表相比，支持人工智能的注册表可以提供更准确的患者信息。一个瑞典研究评估了AI中k-means聚类(一种流行的无监督算法)和分层聚类(从上到下预先确定顺序的聚类)识别之前未识别的糖尿病患者亚组的能力。目前的糖尿病定义倾向于使用根据ICD代码定义的基于规则的注册表(例如，实验室测试)。然而，未来这些注册中心将更多地由数据显示的模式定义，而不是注册中心用户应用于数据和强加于数据的规则。通过更多的数字化来增加患者数据的密度，将进一步实现这些先进的分析见解。

图3表示人脑和AI模式识别之间的类比。在这种情况下，一个人正看着一群人，并使用视网膜作为数据收集系统进行特征提取。当这个人看着人们的时候，她开始提取人们的特征——他们的身高、体重、肤色、头发颜色、年龄等等。当观察者立即开始思考人群中女性的数量，男性的数量，红头发的数量，金发的数量，褐发的数量等等，并通过不同的数据重复这个循环时，她在特征提取和根据她所寻找的东西对人进行分类方面就会变得越快越好。

利用神经网络框架，人工智能模仿人类的模式识别和分类过程(例如，告诉观看者她看到了人)。生成对抗网络(GANs)模拟了相反的人类过程;它们描述的是人的长相。这些GANs可以开始生成人的图像和一般数据的图像。从人工智能的角度来看，GANs可能产生前所未有的生成训练集的能力。

AI概念在医疗保健领域已经存在了一段时间，但随着医疗保健获得更多数据和AI技术的改进，它们的应用必将发生变化。2018年的杂志文章关于在结肠镜检查中实时使用人工智能识别小息肉的研究，随访了临床医生在诊断过程中使用人工智能支持的显微镜。该研究发现，检测小息肉的准确率高达94%。这很重要，因为这些息肉很难用人眼识别。

5.优先考虑数据量而不是AI模型的复杂性

关于数据量与人工智能模型的复杂性——复杂的人工智能模型是否能够克服数据量和数据特性的缺乏——存在着长期的争论。有一派观点认为，复杂的模型可以克服数据缺乏的问题。一个纸然而，谷歌的一个团队发现，拥有大量数据的简单模型胜过基于较少数据的更复杂的模型。研究结果表明，随着人工智能模型日益成为一种商品，数据将发挥作用。为了实现个性化、精准的医疗保健，医疗行业需要投资于更好的患者数据积累。AI模型的复杂性本身并不能克服数据不足和数据规模不足的限制。

医疗保健的数字化轨迹始于并延续于人

医疗保健数字化战略的基本目标必须是增强临床医生和患者的掌握能力、自主性和目的性。首先要从人的角度出发，医疗行业还必须理解需要更多患者数据的紧迫性——能够充分管理和利用这些信息的现代数据平台能够更全面地讲述患者健康状况的故事。世界杯厄瓜多尔vs塞内加尔波胆预测为了以正确的以人为中心和以数据为中心的方式提高数字化轨迹，组织可以遵循数字化的指导方针，包括让临床医生和患者参与进来，采用现代数字平台，实现整个患者的数字化，理解数据对人工智能的重要性，增加数据量。世界杯厄瓜多尔vs塞内加尔波胆预测

更多的阅读

你想了解更多关于这个主题的信息吗?以下是我们推荐的一些文章:

1. 基于云的开放平台数据解决方案:满足世界杯厄瓜多尔vs塞内加尔波胆预测当今日益增长的健康数据需求的2022卡塔尔世界杯赛程表时间最佳方式
2. 医疗保健分析平台:DOS提供7个基本组件世界杯厄瓜多尔vs塞内加尔波胆预测
3. 本土数字健康平台与商业数字健康平台的对比:可伸缩性和选择商业解决方案的其他原因世界杯厄瓜多尔vs塞内加尔波胆预测
4. 释放数据以维持脊柱服务线的改进

---

幻灯片

您愿意使用或分享这些概念吗?下载突出重点的演示文稿。

请按此下载幻灯片

医疗数字化:为什么正确的方法很重要以及实现它的五个步骤从世界杯葡萄牙vs加纳即时走地