大數據分析在醫院管理中的應用

摘要：隨著醫院信息系統的快速發展，為醫院帶來了海量數據。對這些數據的有效利用、分析，挖掘其中隱含的信息，能為醫院管理提供更好的決策支持。本文從臨床信息數據分析出發，在資源配置、醫療監管、臨床決策支持、健康體檢分析等方面進行大數據應用分析。

關鍵詞：大數據分析；醫院管理；應用

Abstract：With the rapid development of hospital information system， it has brought a huge amount of data for the hospital. The effective use of these data， analysis， mining the implicit information， can provide better decision support for hospital management. In this paper， writer analyze the data from the clinical data， in the resource allocation， medical monitoring， clinical decision support， health examination analysis and other aspects of large data application analysis.

Key words：Big data analysis；Hospital management；Application

1 概述

根據衛計委公布的數字，2014年前11個月全國醫療衛生服務機構診療量（門診和住院）達到67.7億人次，其中三級醫院達到12.1 億人次。這些醫院信息數據量十分巨大，它涵蓋了患者的人員信息、診療信息、用藥信息和費用信息，而這些信息又為流行病學研究、臨床醫學研究、醫保控費標準制定、臨床路徑和藥品研究及精準醫療提供了數據基礎。

如何合理利用這些數據，分析、挖掘出其中隱含的信息，并加以應用，實現為患者提供更好的診療及保健，幫助醫生找到更好的診療方案、提高醫療質量，幫助醫院決策者調整策略、減少風險，降低醫療費用等需求方面，將是未來醫院面臨的挑戰之一。

2 大數據的產生

當前大多數醫院都已完成了醫院信息系統的建設，各專業的醫療信息以結構化和非結構化的形式存在于各子系統中，如HIS、LIS、EMR、PACS等。

醫院信息主要包含HIS（醫院信息系統）和CIS（臨床信息系統）兩大系統中。HIS的主要目標是支持醫院的經營管理與查詢業務，提高醫院的工作效率，包括門診收費、藥房藥庫、住院收費、人力資源、財務查詢等。CIS的主要目標是支持醫院醫護人員的臨床活動，收集和處理患者的臨床醫療信息，為患者提供更好的服務，包括門急診和住院醫生工作站系統、電子病歷系統（EMR）、護士工作站系統、護理病歷系統（NIS）、影像歸檔和通信系統（PACS）、實驗室系統（LIS）、藥物咨詢系統等。

2.1數據量的計算

2.1.1業務交易規模計算 按中等規模二甲綜合醫院測算，醫院預計的日均2000人次，如平均每人次在掛號、醫生診間、收費、醫技科室等16個科室各發生1筆業務，則每天的業務量就是：2000×16×1=3.2萬筆。門診部分信息系統按每業務數據庫交易數10計算，則每天的數據庫交易數為：3.2萬×10=32萬次。

假設醫院住院患者400人次，每人次主管醫生、護士或會診醫生各發生20筆業務，藥房、收費、手術、麻醉、醫技科室等各發生3筆業務，則每天的業務量就是：400×3×20+400×18×3=4.56萬筆。住院部分信息系統按每業務數據庫交易數10計算，則每天的數據庫操作數為：4.56萬×10=45.6萬次。

由上，總的日數據庫交易次數是：32萬+45.6萬=77.6萬次，則10年的交易次數為776萬次。

2.1.2結構化數據量計算 以二甲綜合醫院門診量2000人/d，住院量400人/d計算。

每門診人次含掛號收費信息、處方信息、檢查信息、輸液信息、處置信息、門診病歷信息等系統數據估算量為0.1M，則每日門診數據量=0.1M×2000=200M。

每住院人次每日含收費信息、醫囑信息、護理信息、藥品信息、檢查信息、輸液信息、處置信息、住院病歷信息等系統數據估算量為0.5M，則每日住院數據量=0.5M×400=200M。10年總數據量為（200M+200M）×365×10=1.46TB。

2.1.3醫學影像數據（非結構化數據）計算 以二甲綜合醫院門診量2000人/d，住院量400人/d計算。

如門診25%患者平均每人次在醫學影像科室-X線、MRI、CT、心電、超聲、胃腸鏡、病理等部門進行圖像采集1次，平均數據估算量為：5MB，則每日門診數據量=5MB×1×2000×0.3=2500MB。

如住院20%患者平均每人次在醫學影像科室-X線、MRI、CT、心電、超聲、胃腸鏡、病理等部門進行圖像采集1次，平均數據估算量為：5MB，則每日門診數據量=5MB×1×400×0.2=400MB。10年數據量為（2500MB +400MB）×365×10=10.6TB。

以上二甲綜合性醫院10年結構及非結構化數據量總和為1.46TB + 10.6TB = 12.06TB。

2.2大數據的可用性

2.2.1大數據靜悄悄的躺在各自系統的結構中，除了定向的查詢，幾乎沒得到好的使用。能否將這些大量分散的信息進行整合，把這些以結構化形式存在的數據準確地識別，并且賦予他們詞、詞組和數字等邏輯關系，將是推進大數據分析的關鍵。這種全結構化的數據庫由于覆蓋信息面廣，數據結構程度高，可以按照患者、藥劑、檢驗、檢查和管理的不同需求提供更精準的信息，從而更好地幫助制定醫療提高服務。

2.2.2數據本身不直接帶來價值，對于數據的應用來說，最終的產品不管是臨床決策輔助系統還是醫保控費系統，能否得到臨床一線工作者和醫藥經濟學家的認可，是區分產品優劣的關鍵點。

2.2.3達到一定的信息系統的覆蓋率，打通各信息系統之間的孤島。單一系統的數據雖然有價值，但是由于它不能反應出連續的醫療記錄，往往不能作為決策參考二次利用，這時如能取得多個系統的數據進行協作分析，提升醫療數據分析變現的可能性。

3 大數據分析的應用

通過分析臨床信息數據，運用相關數據挖掘算法和統計學知識，從數據中挖掘出潛在有價值的診療模式、決策知識，幫助醫生找到更好的診療方式和臨床路徑，提高醫療質量；幫助醫院決策者調整策略，做出正確決策。

3.1分析患者來源，調整資源配置。根據患者的就醫記錄大數據，分析出患者就診時段，相應的該時段就診患者的診斷、年齡層、性別、同藥理藥品使用量、復診次數、復診周期等來確定相對患者屬性，并針對這些屬性，按正態分布進行醫療資源合理優化配置，按診斷配置醫生，按用藥做好藥品準備，按年齡層、性別調整服務細節，按復診人群自動分配診間等，從而達到相應服務資源在各個層面的投放。

3.2大數據用于臨床決策支持 臨床決策支持系統分析醫生輸入的診斷、醫囑、處方等，將其與臨床知識庫相比較，從多個屬性上比較其差異，從而提醒醫生防止潛在的錯誤，如用藥輔助支持系統。通過部署這些系統，醫院可以降低醫療事故率和差錯。

大數據分析可以使用圖像分析和識別技術，識別醫療影像（X光、CT、MRI）數據，將相近或相識的圖像進行對比，并將其他的醫療影像診斷展示出來，從而給醫生提出診斷建議。

3.3健康體檢 健康體檢的目的是發現潛在隱患。體檢機構對受檢人員健康數據進行采集、初檢、總檢，從而得到當前的健康狀況；進一步對健康數據的分析，能針對不同區域、人群分析出區域受檢人員中的慢病特征、風險預測等信息，并輔助以健康相關危險因素及制作健康監測評估圖；通過全基因組測序數據分析，可明確個體的患病風險。

健康體檢機構對每一位受檢單位進行個性化的健康體檢套餐設計，并從個人體檢數據所反映出的健康問題，通過大數據分析，給予個體受檢人員以后的體檢套餐規劃。

3.4醫療效益分析 對同一患者來說，醫療機構不同，醫療護理方法和效果就不同，治療成本也存在著很大的差異。

效益分析通過對患者體征數據、醫療費用數據和各診斷的治療結果數據在內的大型數據集的分析對比，可以幫助醫生判斷最有效和最具有成本效益的治療方案，有可能減少過度治療或治療不足的情況發生。

數據分析也可以帶來業務流程的精簡，通過分析成本，提高質量并給患者帶來更好的體驗，也給醫療服務機構帶來額外的業績增長潛力。

4 大數據分析的其他相關考慮

4.1大數據分析的模型建立 大數據分析建模方法繁多，面向過程建模、面向數據建模、以信息為中心建模，決策分析方法也多種多樣，DEA方法、樹形決策、風險決策、模糊決策等，所得到的結論可能會千差萬別，因此，需再依據回歸分析法計算相關性，確定是否存在線性因果關系，否則經分析得到的結論與大數據分析的初衷背道而馳了。

4.2用于臨床支持的局限性 由于患者復合病關系復雜，在診斷過程中醫生對某些病癥給出確切診斷有時會有差別，利用大數據分析，對相同主訴和病征進行分門別類區分，其與分析的樣本數量密切相關，樣本越大，分析的可靠性越高，但樣本量如何才算大，很難界定，這樣分析出來的結論與實際情況有偏差，反而給大數據分析的作用造成負面影響。

5 結論

大數據分析的應用，必定能給醫療行業造成積極地影響，隨著技術的不斷進步，醫院數據量不斷提高的基礎上，大數據分析技術在醫療領域的作用必定越來越明顯。

參考文獻：

[1]王震寰. 計算醫學-應對大數據的挑戰向臨床轉化[J]. 蚌埠醫學院學報，2014，39（1）：1-2.

[2]李國杰. 大數據研究的科學價值[J]. 中國計算機學會通訊，2012，8（9）：8-15.

[3]蔡佳慧，張濤，宗文紅.醫療大數據面臨的挑戰及思考[J].中國衛生信息管理雜志， 2013，10（4）：292-295.

[4]許德泉，楊慧清.大數據在醫療個性化服務中的應用[J].中國衛生信息管理雜志，2013，10（4）：301-304.

[5]王元卓，靳小龍， 程學旗. 網絡大數據： 現狀與展望[J]. 計算機學報， 2013，36（6）： 1125-1138.

[6]周寶曜. 如何在健康云上進行大數據的挖掘與分析[J].EMC中國研究院， 2014，4：6.

[7]埃里克·托普. 顛覆醫療： 大數據時代的個人健康革命[M]. 北京： 電子工業出版社.2014.編輯/蔡睿琳