浅谈大数据时代美国医院质控经验

作者简介: 周未，纽约大学朗格尼医疗中心（NYU Langone Medical Center）质控数据分析师，哥伦比亚大学医疗管理学硕士，上海森亿医疗科技有限公司临床数据顾问。

“大数据”，作为一个被炒作多时的概念，无论对大众还是专家学者来说早已不再具有新鲜感。取而代之的是将“大数据”概念嫁接到各个应用领域的种种尝试。以医学为例，不谈15年底移动医疗跌落神坛，就说最近几年兴起的医疗大数据科研项目，其如今处境也略显尴尬。某些大型三甲医院专门建设的医学大数据阅览室，在继一年多前的人满为患后现在也空空荡荡。究其原因，只是因为雷声大雨点小，缺少真正依赖临床大数据的产出。极多的医院、机构在继大量的资金人员投入后发现，原先抱有极大期待的大数据项目仅仅是将医学电子数据从一个数据库搬到另一个数据库，多了一个界面，几张图表。做报告尚可，但缺少让人眼前一亮的应用案例。而如何真正“盘活”海量的医疗数据，并产生有实际价值的临床产出，让我们看看美国医院是如何做的。本文将浅析美国医院如何利用数据监控医疗服务流程以及患者治疗效果，并希望从中获得对中国医院数据质控的启示。

一. 美国医疗大数据的发展

早在2001年，Doug Laney 就已经提出大数据“3V’s“的概念（ Volume, Velocity & Variety.）但由于当时医院信息系统构建不完善，数据产生从3V 的角度来看都不足以构成大数据的量级。然而就在五年内，随着医院信息的完善升级，数据量，数据产生速度呈几何级速率爆发，举个例子来讲,美国加州最大的医院集团-凯撒医疗（Kaiser Permanente）就坐拥44 petabytes医疗数据，合用981万张DVD，平铺排列长达1177公里。全美的医疗机构林立，如果算上所有的医疗数据，足以绕地球好n圈。与此同时，数据类型也从基础的临床信息变为现在更多元化的影像图片，运营数据，基因信息等。其催生的原因主要分为三点：

1.美国联邦政府力推电子医疗病历：2009年奥巴马医改中的美国复苏与再投资法案（American Recovery and Reinvestment Act of 2009）明确了对于建设全国性EHR系统的支持，直接导致EHR用户激增。

2.新型医疗付费模式对数据的高要求：新付费模式（Accountable Care Organization）需要大量数据分析病人个体情况，从而控制飙高的医疗成本。

3.新兴的可穿戴健康设备（如Fitbit，jawbone等），可植入的移动医疗设备不间断产生海量数据

(北美医疗数据数量从3M TB 到 15MTB 只用了5年的时间)  Source: http://www.slideshare.net/ericvanthoff/the-data-explosion-along-the-care-cycle-dell-healthcare

二. 医疗大数据对于美国医院质控的意义

纽约西奈山医疗集团信息科主管Joel Dudley曾在2012年就认为：医疗机构正在意识到所有数据都可以被收集利用并成为战略资产。（Healthcare organizations are realizing that all of their data  can be captured and leveraged as a strategic asset.）2015年，纽约长老会医院成立了专门的依赖数据进行医院质控的Value Institute部门，并招揽了一批医学信息、临床统计、临床研究、数据挖掘专家。数据即未来，如此不遗余力的发展数据信息对医院质控有什么具体的意义呢？ 笔者认为，就目前的应用而言，益处可以分为以下三点：

1.辅助医生做出更快速，更准确的诊断：

传统意义上的诊断是由医生基于化验，影像，病史等一系列信息在一定时内依靠经验做出的病情原因推断。然而由于时间、数据和经验的限制，医生可能往往不能在最短的时间内做出最准确有效的诊断。此时大数据的优势就显现出来。丰富数据分析以及预测模型可以为更快更准地医生提供决策依据，为病人制定更加个性化的治疗方案。

笔者所在的纽约格朗尼医学中心急诊就针对某些高危的病种开发一些决策支持工具：利用机器学习的方式分析以往所有的急性消化道出血病人数据得出风险模型。医生可以结合模型在短时间内将病人进行风险划分，使得高风险病人能够得到及时有效的治疗，避免了延误治疗所带来的风险增加。此外，中心还利用运营数据分析优化治疗流程，减少病人不必要的等待时间，使得治疗效果最大化。

2.减少30天再住院率：

30天再住院率（30-days Readmission Rate)是美国医院质量评定所占权重较大的一项指标。如果不能有效控制再住院率对于医院的财政也会有很大的冲击。（政府保险Medicare/Medicaid不会就此类病人的住院费用补偿）因此用大数据预测病人再住院几率的意义显得尤为重要。

美国Northshore医院在这方面的预测反馈机制做的相对成熟：计算中心会将每个出院病人信息提取并带入预测模型，计算风险。计算结果会直接反馈给病人的家庭医生用于跟踪出院病人，提供及时的治疗以预防病人在短期内不必要的住院。这种机制已经帮助Northshore 减少了约30%的再住院病人。毋庸置疑的是，所有精准模型都是建立在海量的病人数据之上。越早建立起成熟的数据反馈机制，不断用更新的病人信息修正预测模型，给医院质控带来的正面影响越大。

3.实时分析改善医院运营：

医疗资源的优化使用，改进病人的就诊体验，减少病患的等待时间等一直是医院运营的话题。精确到个人层面的运营数据可以很好的帮助管理层放大运营中的问题所在，从而对症下药。美国较大的医疗中心普遍使用运营仪表盘（Operational Dashboard）来监管医疗效率。不论宏观至几个医院之间的运营表现，还是微观只员工之间的效率比较，仪表盘都能够非常直观的为管理者提供实时更新的信息,以供决策支持。

关于如何自动化生成实时更新的仪表盘， 笔者现今使用医院BI系统配合数据可视化工具Tableau  BI系统用于整合全院数据信息，配合Tableau动态分析，将分析结果上传至云端就即可实现分析实时分享、查看。反观国内，大部分医院科室并没有专业的可视化仪表盘，其他少数资金充裕的科室、项目组主要选择对应的软件公司定制一套适用于自己科室的软件平台。此项解决方案短期内可以解决部分功能，但依旧缺少灵活性和后期的可扩展性。

三. 对于中国医院质控管理的启示，以及未来可能存在的问题

现代医疗正在往“数据密集型”产业的道路上一路狂奔，随之而来的挑战已不仅局限于如何数据存储管理，而是如何正确、高效、安全地利用数据去节省资源，提升质量。美国医院在过去十年发展医疗信息道路上碰到的绊脚石都应成为明鉴。笔者认为国内医院管理者在快速发展数据质控的同时都应该注意以下两个方面：

1. 信息标准化与整合:

自2009年奥巴马医改实施以来，美国中小型医院在控制费用（Reduce Cost）和提升质量（Improve Outcome）的双重压力下寸步难行，因此催生了医院合并，医院集团吞并小医院的趋势。2009年至2015年，医院并购案数量、金额屡创新高。可随之而来的问题就是医院信息系统之间的融合。由于在信息发展初期，不同医院选择了五花八门的第三方系统，为未来的系统融合埋下了巨大的隐患，包括耗时，耗资以及系统合并后的连带问题。

(医院并购案自2009年期逐渐增多，参与医院数量屡创新高。美国医院正向集团化发展。)

国内医疗信息系统受制于区域保护主义、行业标准缺失等原因，造成了今天良莠不齐、缺乏统筹的局面。相比于技术增强技术，大多数软件公司侧重于短期得利与资源型扩张。对于这种做法的弊端在医院信息系统发展数年后的今天可以看得很清楚：存储的数据杂乱无章、医院甚至科室之间数据无法交流、缺乏大数据的深度分析与处理能力等。

与美国经历的路线相似，国内医疗界也将经历类似的“化零为整”的过程。在此过程中出现的信息整合问题，笔者认为国内医院应尽早重视起来。如果院方现在即认为引入符合国际标准的、具有长远发展性的医学信息学技术代价已然很大，未来只会在越发成熟且越发尾大不掉的系统前追悔 。因为极多的事实证明，在信息化系统方面缺乏长远目光将会在未来给院方带来数倍于初期投资的损失。 综上，医院领导者应在信息发展初期充分考虑未来整合的需求。例如在信息平台搭建过程中将数据模块化以实现系统间的可插拔功能。再例如建立起医疗数据的规范体系防止科室之间信息孤岛（Information Silo）的出现。又例如，对于繁杂的医学文本数据，应选择符合国际术语规范的自然语言识别（NLP）技术加以结构化后存储为可以直接利用的数据信息，而非像如今一样让大量文本数据埋葬在HIS 系统里无法利用。

2. 医学数据科学家引进： 

“没有金刚钻，不揽瓷器活。” 数据科学家在大数据分析中就扮演着“金刚钻”的角色。与一般的数据科学家不同的是, 医疗数据科学家除了要具备计算机和统计学知识以外，还需要有医学方面的背景。麦肯锡行业报告预测在2020,全球有50%-60% 的数据科学家职位会出现空缺，由此可见医疗方面的专业数据人才到时只会少之又少。

反观国内，相同概念的职位在医院内部几乎是凤毛麟角。所谓的数据质控很大程度上依赖于第三方供应商。这种合作模式虽然短期内能让医院质控得以发展，但是从长远来看难以形成健全的质控体系。其缺点包括第三方与医生沟通不畅，难以深入挖掘，难以长期跟踪项目等。

笔者认为国内医院应从现在开始有意识培养一批医疗领域的数据科学家。此外还需要建立起医生-数据科学家之间的循环反馈机制（Plan-Do-Check-Act，医生反馈质量问题，数据科学家分析后将结果反馈回医生，讨论解决方案，实施方案，评估效果 – 循环往复达到最佳实施效果)。当医院拥有独立的大数据分析能力，健全的质控框架才得以被实现。

中国的医疗信息系统和数据质控都处于萌芽期。虽然相比美国稍显稚嫩，但是正是这个黄金成长时期让中国医疗能够有更多的机会去修正调整发展策略。以美国医疗为鉴，取其精华，弃其糟粕才能让国内医疗质控体系茁壮成长。

参考资料：

1. 国务院办公厅关于促进和规范健康医疗大数据应用发展的指导意见   国办发〔2016〕47号 http://www.gov.cn/zhengce/content/2016-06/24/content_5085091.htm

2. Health care consolidation: Which way is up, and why are we going there? https://www.minneapolisfed.org/publications/fedgazette/health-care-consolidation-which-way-is-up-and-why-are-we-going-there

3. New Initiative Decreases Hospital Readmissions https://www.northwell.edu/about/news/new-initiative-decreases-hospital-readmissions-0

4. The data explosion along the care cycle http://www.slideshare.net/ericvanthoff/the-data-explosion-along-the-care-cycle-dell-healthcare