大數(shù)據(jù)在醫(yī)療運(yùn)作管理中的應(yīng)用研究

李璟暄 朱人杰 樊重俊 葉春明

摘要：大數(shù)據(jù)和醫(yī)療運(yùn)作管理的結(jié)合已經(jīng)成為時(shí)下的研究熱點(diǎn)。大數(shù)據(jù)對(duì)醫(yī)療體制和醫(yī)院管理產(chǎn)生了深遠(yuǎn)的影響，各種數(shù)據(jù)分析方法已廣泛應(yīng)用于醫(yī)療運(yùn)作管理以及醫(yī)療健康大數(shù)據(jù)的研究，各大醫(yī)院信息化管理平臺(tái)已逐步完善。未來(lái)，數(shù)據(jù)挖掘技術(shù)的革新必會(huì)更有力地推動(dòng)智慧醫(yī)院的建設(shè)，接下來(lái)可以從復(fù)雜算法在醫(yī)療運(yùn)作管理的角度出發(fā)進(jìn)行深入研究。

關(guān)鍵詞：大數(shù)據(jù)；數(shù)據(jù)挖掘；醫(yī)療管理

引言

改革開(kāi)放以來(lái)隨著人們生活質(zhì)量的不斷提高，醫(yī)療領(lǐng)域獲得了空前的發(fā)展。醫(yī)療運(yùn)作管理作為一個(gè)新興領(lǐng)域出現(xiàn)在人們的視野中。同時(shí)，人們對(duì)于海量數(shù)據(jù)的挖掘與應(yīng)用已經(jīng)滲透到每個(gè)行業(yè)和領(lǐng)域。數(shù)據(jù)分析與挖掘技術(shù)日新月異，人們也逐漸發(fā)現(xiàn)它可以解決醫(yī)療運(yùn)作管理中長(zhǎng)期存在的種種問(wèn)題。在大數(shù)據(jù)技術(shù)的幫助下，我們有希望解決許多醫(yī)院管理、公共衛(wèi)生等領(lǐng)域的技術(shù)難題。

1、大數(shù)據(jù)技術(shù)對(duì)醫(yī)療行業(yè)的影響

1.1 大數(shù)據(jù)技術(shù)對(duì)醫(yī)療體制的影響

現(xiàn)今，醫(yī)療大數(shù)據(jù)市場(chǎng)規(guī)模膨脹迅速。2018年全球大數(shù)據(jù)及服務(wù)市場(chǎng)規(guī)模超過(guò)450億美元。中國(guó)移動(dòng)醫(yī)療市場(chǎng)規(guī)模從2012年的13.9億元增長(zhǎng)至2017年的230億，年復(fù)合增長(zhǎng)率達(dá)到78.48%，2020年預(yù)計(jì)將超過(guò)500億元。大數(shù)據(jù)在醫(yī)療運(yùn)作管理中的廣泛應(yīng)用會(huì)對(duì)醫(yī)院的收費(fèi)形式和看病的支付模式產(chǎn)生深遠(yuǎn)的影響。通過(guò)匯總數(shù)據(jù)并進(jìn)行分析，院方（或付費(fèi)機(jī)構(gòu)）可以更加精準(zhǔn)地了解診療效果，避免醫(yī)療差錯(cuò)、過(guò)度醫(yī)療等風(fēng)險(xiǎn)[1]。同時(shí)大數(shù)據(jù)技術(shù)可以將疾病預(yù)防方式由被動(dòng)轉(zhuǎn)向主動(dòng)，快速分類(lèi)分析電子病歷，較為精準(zhǔn)地預(yù)測(cè)傳染病疫情、降低傳染病大規(guī)模爆發(fā)的風(fēng)險(xiǎn)。

針對(duì)不同的疾病、患者等采集得到的數(shù)據(jù)，利用大數(shù)據(jù)重建形成虛擬患者或者診療方案，打破了原先閉塞的學(xué)習(xí)方式，各醫(yī)院可以互補(bǔ)性地學(xué)習(xí)罕見(jiàn)病、常見(jiàn)病的病例和手術(shù)。大數(shù)據(jù)在醫(yī)療運(yùn)作管理中的應(yīng)用可以使得醫(yī)療數(shù)據(jù)更加精準(zhǔn)，提高醫(yī)療過(guò)程數(shù)據(jù)的透明度，促進(jìn)醫(yī)療服務(wù)質(zhì)量的提高。

1.2 大數(shù)據(jù)技術(shù)對(duì)醫(yī)院管理的影響

隨著大數(shù)據(jù)時(shí)代的到來(lái)，醫(yī)院信息化的浪潮也隨之興起。適應(yīng)數(shù)據(jù)技術(shù)的革新，轉(zhuǎn)變傳統(tǒng)數(shù)據(jù)統(tǒng)計(jì)工作的思維模式，是當(dāng)今醫(yī)院管理工作的重中之重。

數(shù)據(jù)技術(shù)的革新，為提高醫(yī)療質(zhì)量提供了保障。大數(shù)據(jù)技術(shù)為醫(yī)生提供準(zhǔn)確科學(xué)的信息，輔助醫(yī)生診療，降低誤診率，提高醫(yī)療質(zhì)量。信息化進(jìn)程的推進(jìn)使醫(yī)院管理更加規(guī)范化、標(biāo)準(zhǔn)化，實(shí)現(xiàn)“精細(xì)化管理”。醫(yī)療精細(xì)化管理可以為醫(yī)院提升醫(yī)療護(hù)理工作的效率和水平、節(jié)約經(jīng)營(yíng)成本。對(duì)數(shù)據(jù)的分析與挖掘還可以輔助醫(yī)院管理決策，并解決以往醫(yī)院管理中決策過(guò)于主觀的問(wèn)題。數(shù)據(jù)挖掘技術(shù)可以客觀、科學(xué)地分析醫(yī)院管理活動(dòng)的各項(xiàng)指標(biāo)與數(shù)值，準(zhǔn)確地為管理者提供決策建議。其次，通過(guò)建立醫(yī)療科研數(shù)據(jù)中心大幅提升了醫(yī)院的科研能力，提高醫(yī)療數(shù)據(jù)的收集與處理速度，直接提高了科研人員的工作效率、降低科研難度，還解決了醫(yī)療舊時(shí)代各醫(yī)院間信息封閉的問(wèn)題，實(shí)現(xiàn)科研信息共享，促進(jìn)醫(yī)學(xué)科研的繁榮[2]。

2、醫(yī)療大數(shù)據(jù)所面臨的挑戰(zhàn)與機(jī)遇

大數(shù)據(jù)是人類(lèi)數(shù)據(jù)技術(shù)的一次重大革新，醫(yī)療大數(shù)據(jù)的分析價(jià)值也越來(lái)越得到重視。然而大數(shù)據(jù)的4V特征，即規(guī)模性（Volume）、多樣性（Varity）、高速性（Velocity）和價(jià)值性（Value）導(dǎo)致難以運(yùn)用傳統(tǒng)的數(shù)據(jù)分析方法進(jìn)行分析。80%的醫(yī)療數(shù)據(jù)都是非結(jié)構(gòu)化數(shù)據(jù)，難以有效地儲(chǔ)存和分析，而醫(yī)療數(shù)據(jù)往往又包含了許多錯(cuò)誤信息，更為數(shù)據(jù)的處理增加了難度。另外，醫(yī)療大數(shù)據(jù)還具有地區(qū)間信息化建設(shè)不平衡、投資門(mén)檻高、數(shù)據(jù)的安全性等問(wèn)題。

上述問(wèn)題在未來(lái)可以通過(guò)分布式系統(tǒng)來(lái)解決，利用云計(jì)算和Hadoop、MongoDB等分布式數(shù)據(jù)庫(kù)構(gòu)成的數(shù)據(jù)網(wǎng)絡(luò)為精準(zhǔn)醫(yī)療、公共衛(wèi)生、疾病預(yù)防、醫(yī)療管理等工作提供決策支持，可以解決許多互聯(lián)網(wǎng)醫(yī)療的障礙[3]。醫(yī)院有必要針對(duì)臨床智能輔助決策、疾病風(fēng)險(xiǎn)、管理者對(duì)經(jīng)濟(jì)性數(shù)據(jù)的需求等大數(shù)據(jù)相關(guān)的應(yīng)用需求，在對(duì)醫(yī)院日常業(yè)務(wù)運(yùn)作的分析、臨床模型設(shè)計(jì)與實(shí)現(xiàn)的基礎(chǔ)上搭建醫(yī)療大數(shù)據(jù)平臺(tái)[4]。大數(shù)據(jù)驅(qū)動(dòng)的智能醫(yī)療將極大提高醫(yī)療品質(zhì)與健康決策的效率與準(zhǔn)確率，是接下來(lái)重要的研究方向。

3、醫(yī)療大數(shù)據(jù)分析方法及研究

隨著信息技術(shù)的發(fā)展，醫(yī)學(xué)領(lǐng)域研究、電子病歷等各種信息被保留了下來(lái)，形成了海量的醫(yī)療大數(shù)據(jù)。這些數(shù)據(jù)往往體量巨大且來(lái)源多渠道、類(lèi)型多樣、數(shù)據(jù)的價(jià)值和潛在信息不確定，難以用傳統(tǒng)的數(shù)據(jù)分析方法進(jìn)行處理，需要通過(guò)各種算法和模型支持醫(yī)療大數(shù)據(jù)的分析[5]。

Apriori算法是一種挖掘布爾關(guān)聯(lián)規(guī)則的頻繁項(xiàng)集算法，其核心思想是通過(guò)候選集生成和情節(jié)的向下封閉檢測(cè)兩個(gè)階段來(lái)挖掘頻繁項(xiàng)集。該算法已經(jīng)廣泛應(yīng)用于商業(yè)、管理、移動(dòng)通訊等領(lǐng)域，在醫(yī)療管理領(lǐng)域也有一定的理論成果。傳統(tǒng)的Apriori算法由于在實(shí)現(xiàn)的過(guò)程中需要多次掃描數(shù)據(jù)庫(kù)，具有執(zhí)行時(shí)間長(zhǎng)、沒(méi)有針對(duì)性、效率低下的問(wèn)題。通過(guò)構(gòu)建基于NoSQL和MapReduce的數(shù)據(jù)存儲(chǔ)與挖掘系統(tǒng)MSPM，并改進(jìn)了傳統(tǒng)Apriori算法，將復(fù)雜的醫(yī)療文檔數(shù)據(jù)轉(zhuǎn)化為Apriori算法適用的事務(wù)數(shù)據(jù)集，通過(guò)鍵值對(duì)存儲(chǔ)、一次性全局掃描和興趣集約束計(jì)數(shù)等優(yōu)化策略，大幅降低了算法執(zhí)行時(shí)間，提高了運(yùn)行效率[6]。

logistic回歸分析是一種廣義的線(xiàn)性回歸分析模型，常用于數(shù)據(jù)挖掘，疾病自動(dòng)診斷，經(jīng)濟(jì)預(yù)測(cè)等領(lǐng)域。在醫(yī)院的日常管理中，可以結(jié)合logistic回歸與決策樹(shù)分析，根據(jù)不同的指標(biāo)建立的病例組合，探討每種病例組合住院費(fèi)用之間的差異[7]。

線(xiàn)性混合效應(yīng)模型是一種方差分量模型。傳統(tǒng)的線(xiàn)性混合效用模型無(wú)法準(zhǔn)確分析非線(xiàn)性數(shù)據(jù)。王明高[8]等通過(guò)研究醫(yī)療數(shù)據(jù)之間的非線(xiàn)性關(guān)系，建立了一個(gè)優(yōu)于傳統(tǒng)線(xiàn)性混合效用模型的貝葉斯多項(xiàng)式混合效用模型，用以核算醫(yī)療與保險(xiǎn)項(xiàng)目的費(fèi)用。

聚類(lèi)是將物理或者抽象對(duì)象分類(lèi)到多個(gè)類(lèi)的一個(gè)過(guò)程。魏志杰[9]等通過(guò)聚類(lèi)技術(shù)合理抽象醫(yī)療費(fèi)用數(shù)據(jù)，然后進(jìn)行合規(guī)性檢查達(dá)到準(zhǔn)確醫(yī)療過(guò)程中的費(fèi)用異常。

模糊綜合評(píng)價(jià)是一種基于模糊數(shù)學(xué)的綜合評(píng)價(jià)方法，根據(jù)隸屬度理論對(duì)受到多種抽象因素影響或約束的對(duì)象，將其定性評(píng)價(jià)轉(zhuǎn)化為定量評(píng)價(jià)。通過(guò)構(gòu)造模糊集來(lái)處理模糊因素，在很大程度上減輕了模糊指標(biāo)選擇的難度，加強(qiáng)了公立醫(yī)院績(jī)效考核評(píng)價(jià)結(jié)果的準(zhǔn)確性與客觀性。除了選擇傳統(tǒng)的企業(yè)績(jī)效考核指標(biāo)外，公立醫(yī)院必須考慮到社會(huì)公益、患者滿(mǎn)意度等因素，需要從公益性等角度提出新的績(jī)效考核維度，必須確保公立醫(yī)院的績(jī)效考核制度有別于盈利性企業(yè)[10]。

4、基于大數(shù)據(jù)的醫(yī)院管理平臺(tái)

如今許多大型醫(yī)院已經(jīng)完成了對(duì)醫(yī)院信息化管理平臺(tái)、信息交互平臺(tái)以及云存儲(chǔ)等大數(shù)據(jù)應(yīng)用的基礎(chǔ)建設(shè)。如何利用智能化技術(shù)挖掘數(shù)據(jù)中心潛在的價(jià)值是大數(shù)據(jù)在醫(yī)療領(lǐng)域的應(yīng)用研究重點(diǎn)。醫(yī)療體制的改革和醫(yī)療服務(wù)的市場(chǎng)化也隨之帶來(lái)了更加劇烈的市場(chǎng)競(jìng)爭(zhēng)，醫(yī)院需要在考慮社會(huì)公益的前提下盡可能地提升運(yùn)營(yíng)效率，保證運(yùn)營(yíng)收益，醫(yī)院信息化業(yè)務(wù)平臺(tái)的重要性不言而喻。

4.1 移動(dòng)醫(yī)療

在“互聯(lián)網(wǎng)+”時(shí)代，有別于低效率的傳統(tǒng)門(mén)診業(yè)務(wù)，作為智慧醫(yī)院發(fā)展的新型業(yè)務(wù)，移動(dòng)醫(yī)療具有高效性、實(shí)時(shí)性等優(yōu)點(diǎn)。包括：在線(xiàn)預(yù)約掛號(hào)、APP叫好提醒、醫(yī)生移動(dòng)查房、遠(yuǎn)程會(huì)診、大數(shù)據(jù)智能輔助決策、護(hù)士移動(dòng)護(hù)理等，甚至未來(lái)在5G技術(shù)的幫助下，極為精密復(fù)雜的遠(yuǎn)程手術(shù)也可以實(shí)現(xiàn)。移動(dòng)醫(yī)療深刻改變了醫(yī)療服務(wù)模式，優(yōu)化了醫(yī)療資源配置，大幅提升了醫(yī)療服務(wù)質(zhì)量和效率。

4.2 藥械監(jiān)管系統(tǒng)

藥械管理是醫(yī)院日常管理中的重要組成部分，直接關(guān)乎患者與醫(yī)護(hù)人員的生命安全。由于我國(guó)藥械監(jiān)管的安全意識(shí)淡薄和有關(guān)部門(mén)的監(jiān)管還并未到位，傳統(tǒng)的藥械監(jiān)管系統(tǒng)普遍只是以企業(yè)利益最大化為目標(biāo)，停留在物流與財(cái)務(wù)層面，忽視了藥械安全質(zhì)量的重要性[11]。新型藥械監(jiān)管系統(tǒng)可以采用分布數(shù)據(jù)庫(kù)、實(shí)時(shí)通訊、動(dòng)態(tài)監(jiān)控等技術(shù)，結(jié)合人工智能構(gòu)建基于大數(shù)據(jù)分析的藥械質(zhì)控綜合監(jiān)管信息系統(tǒng)。對(duì)藥械產(chǎn)品的生產(chǎn)過(guò)程與市場(chǎng)流動(dòng)過(guò)程進(jìn)行全過(guò)程監(jiān)督，實(shí)時(shí)對(duì)可疑過(guò)程與人員進(jìn)行監(jiān)控并向相關(guān)人員報(bào)警，將適合的信息面向大眾公布，從根本上消除藥械在生產(chǎn)過(guò)程中的質(zhì)量隱患。

4.3 醫(yī)療設(shè)備管理

隨著醫(yī)療水平的發(fā)展，醫(yī)院越來(lái)越注重于采購(gòu)現(xiàn)代化醫(yī)療設(shè)備，先進(jìn)的大型醫(yī)療設(shè)備也能一定程度上代表醫(yī)院的診療水平。但是傳統(tǒng)的醫(yī)療設(shè)備無(wú)法實(shí)現(xiàn)實(shí)時(shí)監(jiān)測(cè)使用期間的數(shù)據(jù)與損耗，預(yù)測(cè)其故障率，對(duì)故障即時(shí)警報(bào)等功能。具有設(shè)備維護(hù)成本高、維護(hù)周期不精準(zhǔn)、故障機(jī)器閑置時(shí)間長(zhǎng)等缺陷。未來(lái)可以通過(guò)醫(yī)療大數(shù)據(jù)、區(qū)塊鏈、人工智能得到各醫(yī)療設(shè)備的年開(kāi)機(jī)率、故障率等，實(shí)現(xiàn)醫(yī)療設(shè)備維護(hù)維保預(yù)警的智能化。

4.4 績(jī)效考核體系

績(jī)效考核作為醫(yī)院績(jī)效管理的重要組成部分，是提升醫(yī)院運(yùn)營(yíng)效率、保證醫(yī)療服務(wù)質(zhì)量、確保醫(yī)院日常管理與醫(yī)院整體戰(zhàn)略發(fā)展目標(biāo)一致的關(guān)鍵環(huán)節(jié)。為了在保證醫(yī)療服務(wù)質(zhì)量和醫(yī)院公益性的前提下，盡可能地節(jié)約患者的費(fèi)用和醫(yī)院資源的消耗，調(diào)動(dòng)醫(yī)務(wù)人員積極性，有必要建立公平、高效的績(jī)效考核體系。可以將醫(yī)療大數(shù)據(jù)應(yīng)用于醫(yī)院績(jī)效管理，根據(jù)醫(yī)院的社會(huì)效益、醫(yī)療護(hù)理質(zhì)量、經(jīng)營(yíng)效率等方面的指標(biāo)構(gòu)建績(jī)效評(píng)價(jià)體系，力圖實(shí)現(xiàn)醫(yī)院精細(xì)化管理、并使醫(yī)院績(jī)效管理服務(wù)于醫(yī)院整體戰(zhàn)略規(guī)劃[12]。

5、結(jié)語(yǔ)

隨著大數(shù)據(jù)智能化技術(shù)的不斷發(fā)展，其在醫(yī)療運(yùn)作管理領(lǐng)域的應(yīng)用也必然越來(lái)越廣泛。數(shù)據(jù)挖掘技術(shù)在醫(yī)療管理中的應(yīng)用，對(duì)智慧醫(yī)院的建設(shè)具有重大意義。大數(shù)據(jù)分析技術(shù)相較于傳統(tǒng)數(shù)據(jù)分析方法的優(yōu)勢(shì)在于可以捕捉到非結(jié)構(gòu)化數(shù)據(jù)。它不僅能夠輔助優(yōu)化醫(yī)院日常管理的方方面面，還能分析理解疾病預(yù)測(cè)與預(yù)防、公共衛(wèi)生決策等健康方面的數(shù)據(jù)，進(jìn)而建設(shè)大數(shù)據(jù)健康信息平臺(tái)。目前，我國(guó)在醫(yī)療健康領(lǐng)域?qū)Υ髷?shù)據(jù)技術(shù)的應(yīng)用研究仍然較為貧乏，傳統(tǒng)的數(shù)據(jù)分析處理方法依然占據(jù)主流。未來(lái)，可以專(zhuān)注于復(fù)雜算法在醫(yī)療運(yùn)作管理的進(jìn)一步應(yīng)用，人工智能、云計(jì)算對(duì)醫(yī)院數(shù)據(jù)挖掘等方面繼續(xù)研究。

參考文獻(xiàn)：

[1] 吳東東，黃昊，趙平，周林. 大數(shù)據(jù)醫(yī)療與移動(dòng)醫(yī)療對(duì)未來(lái)醫(yī)療體制的影響[J]. 重慶醫(yī)學(xué)，2016，45（34）：4866-4867

[2] 王忠慶，邵尉，彭程，田新平，何苗. 醫(yī)療大數(shù)據(jù)時(shí)代對(duì)醫(yī)院統(tǒng)計(jì)工作的新思考[J]. 中國(guó)衛(wèi)生統(tǒng)計(jì)，2015，32（03）：542-543.

[3] 虞銘明，張迺英，李月娥. 醫(yī)療健康大數(shù)據(jù)分析的關(guān)鍵技術(shù)與決策支持[J]. 中國(guó)科技論壇，2018（11）：53-62.

[4] 徐曼，沈江，余海燕. 數(shù)據(jù)驅(qū)動(dòng)的醫(yī)療與健康決策支持研究綜述[J]. 工業(yè)工程與管理，2017，22（01）：1-13.

[5] 王若佳，魏思儀，趙怡然，王繼民. 數(shù)據(jù)挖掘在健康醫(yī)療領(lǐng)域中的應(yīng)用研究綜述[J]. 圖書(shū)情報(bào)知識(shí)，2018（05）：114-123+9.

[6] 李偉，劉光明，孟祥飛，張真發(fā). 并行化的Apriori算法在海量醫(yī)療文檔數(shù)據(jù)挖掘中的應(yīng)用及優(yōu)化[J]. 北京師范大學(xué)學(xué)報(bào)（自然科學(xué)版），2016，52（04）：420-424.

[7] 薛允蓮.logistic回歸結(jié)合決策樹(shù)技術(shù)在冠心病患者住院費(fèi)用組合分析中的應(yīng)用[J].中國(guó)衛(wèi)生統(tǒng)計(jì)，2015，32（06）：988-989+992.

[8] 王明高，孟生旺. 醫(yī)療費(fèi)用預(yù)測(cè)的貝葉斯多項(xiàng)式混合效應(yīng)模型[J].統(tǒng)計(jì)研究，2016，33（02）：75-78.

[9] 魏志杰，金濤，王建民. 基于臨床數(shù)據(jù)挖掘的醫(yī)療過(guò)程異常發(fā)現(xiàn)方法及應(yīng)用[J]. 計(jì)算機(jī)集成制造系統(tǒng)，2018，24（07）：1631-1641.

[10] 馬強(qiáng).模糊綜合評(píng)價(jià)法用于公立醫(yī)院績(jī)效考核的理論架構(gòu)[J].南通大學(xué)學(xué)報(bào)（社會(huì)科學(xué)版），2015，31（03）：145-152.

[11] 田建軍，申月波，焦雄飛，王亮，韓鳳田. 基于大數(shù)據(jù)分析的藥械質(zhì)控綜合監(jiān)管信息系統(tǒng)設(shè)計(jì)[J]. 中國(guó)醫(yī)藥工業(yè)雜志，2019，50（01）： 122-124.

[12] 張晨陽(yáng)，張春麗，華履春，彭宇竹. 醫(yī)療大數(shù)據(jù)在醫(yī)院績(jī)效管理中的應(yīng)用[J]. 中國(guó)衛(wèi)生質(zhì)量管理，2017，24（05）：106-108.

作者簡(jiǎn)介：

李璟暄，上海理工大學(xué)管理學(xué)院碩士生；

朱人杰，上海理工大學(xué)管理學(xué)院博士生、東方醫(yī)院運(yùn)營(yíng)管理部主任；

樊重俊、葉春明，上海理工大學(xué)管理學(xué)院教授、博士生導(dǎo)師。