大数据能否在医疗领域实践自身承诺？

要说最有可能从不同数据来源中获取信息并通过分析受益的行业，医疗服务无疑是当之无愧的优胜者。但仅仅拥有这样的意愿还不够，从业人士还需要为可能出现的艰难险阻做好准备。

随着电子健康记录系统、成像系统、电子处方软件、医疗索赔、公共健康报告以及相关应用与移动医疗设备的不断兴起，医疗服务行业已经成为最具分析发展潜力的首要大数据受益方。来自病人、记录乃至相关机构的海量数据正等待大数据分析工具的深入发掘。

数据分析对医疗行业的发展做出众多美好承诺：削减成本、改进执行效率并带来更出色的护理体验。除了少数将大数据工具打理到炉火纯青的业界佼佼者，大部分医疗机构仍然很难从专有系统中以繁的方式获取各类数据。

数据就是数据，与来源无关

总体来说，大多数医疗服务机构的数据仍然来自临床、财务或者业务类应用程序。就本身而言，每种类型的数据都具备特定用途。根据健康技术转化协会(简称iHT2)在题为《分析：IT医疗的神经系统》的报告，临床数据能够改善护理质量并简化人口健康管理工作;财务数据能帮助医院方面从基础层面进行成本分析，检查基础设施运营数据并管理资源利用率。

将各种因素汇总在一起，机构就可以开始着手评估宏观问题，例如迎合职工需求、提升工作效率以及护理质量等。Lancet Software公司商务智能拥护者兼医疗服务先驱Laura Madsen因此认为，大家没有必要将不同类型的数据源进行硬性划分。“数据就是数据，”她指出。“在一天工作结束时，数据就是比特与字节……作为优秀的数据专家，我们应该把临床数据与业务数据整合在一起。”

政府规划与委托一方面给医疗服务行业带来压力，另一方面却也敦促后者开始以认真、严谨的态度审视分析工作。理想的使用计划会通过经济杠杆推动管理者选择电子病历系统，责任制护理机构(简称ACO)模式需要协调病人护理工作，以病人为中心的家庭病床将对护理质量的重视程度推向极致——而这一切都需要以更加复杂的医疗服务数据分析功能为基础。

大量非结构化数据令分析工作举步维艰

当然，各医疗机构必须先完成数据收集工作才能着手进行数据分析。在医疗服务领域，iHT2为我们总结出以下几大实施难点。首先，高达八成的医疗数据属于非结构化类型，其中包括纸张格等其它非电子类自由形式，需要技术人员手动进行汇总。另外，即使是结构化数据(例如来自健康信息交换(简称HIE)流程的信息)往往也不足以支持分析工作。该报告归纳称，医疗服务供应方往往需要从保险公司的理赔数据中对自身进行宏观评估。

在医疗商务智能领域，数据量的规模非常重要，Madsen再三强调了这一点。作为全球最大的医疗服务供应方，这个名为Intermountain Healthcare and Kaiser Permanente的机构在这方面已经进行过长时间的努力，但对于小型供应方来说，理想与现实间的差距依然“巨大”。大多数机构已经明确意识到商务智能的价值，Madsen补充称，但他们暂时还没有为以下问题找到明确答案——“我们应该怎么做?”

大多数方案出于监管报告的需要而将关注重点放在商务智能方面。这样的做法可以理解，因为每家医院每年需要向政府机关提交上千份报告。不过虽然报告在数量与种类方面令人叹为观止，但医疗服务机构往往难以通过其中的数据指导运营、提高效率或者对其它方面做出改进，Madsen解释称。

幸运的是，iHT2在报告中提出了一系列建议。首先，服务机构可以评估某个病患群体的医护需求，这一方面能够帮助机构方面制定适当的服务交付方式，另外也能确定不同个体在护理需要间的细微差异、甚至预测哪些患者有可能发展为重症病人。另外，机构需评估自身资源储备，从而推动服务质量提升并查明护理水准发生波动的原因。

另外，我还要为大家敲响警钟，列举一些听似合理但却有害无益的做法。医疗保险共享储蓄计划以及ACO模式的宗旨意在降低医疗成本、最终实现支出节约，而根据iHT2的调查这会导致营收周期管理工具无法奏效。另外，如今的成本计算系统往往无法准确评估机构的总体护理成本。要做到这一点，系统需要从宏观、长远角度考虑问题，把前期院方设施欠缺所节约下来的资金同未来由此引发的营收损失进行冲抵。根据iHT2的评述，要找到一套合理的总成本汇总机制，大家需要“以营收因果为脉络采取一套精密且以实际情况为出发点的计算体系”。