大数据技术在医院全面发展中的应用
2020-02-03张超文艺苓谢晓东
张超 文艺苓 谢晓东
（西南医科大学中西医结合学院·附属中医医院 四川省泸州市 646000）
本文将从技术应用的视角出发，对大数据分析助力医院全面发展的可行路径展开探究讨论。
1 大数据分析在医院全面发展中的运用价值
（1）做好大数据分析技术的有效运用，是医院实现信息化发展、现代化改革的最主要表现。从某种程度上讲，信息化建设的本质，就是对各类大数据驱动方式、运用结构的研究与实践。医院实现信息化发展的周期过程，就是其对业务、财务、市场、风险等多种数据实施采集、存储、传输、分析、呈现与利用的过程。所以，医院对大数据价值发掘的水平高低，基本代表了其信息化发展的程度优劣。
（2）做好大数据分析技术的有效运用，是医院实现运营模式创新优化的重要基础。以医院的支付方式为例：现阶段，在微信、支付宝等移动支付方式盛行的背景下，医院必须要整合建立多元化的支付体系。随之而来的，若无大数据平台、大数据算法的有效支持，医院相关人员将很难在收费流程管理、账目核对管理、票据档案管理等工作中保证高效性与准确性，进而对医院的内部控制质量产生消极影响。因此，只有建立起完善的数据管理平台、数据分析机制、数据存储系统，医院才能在“互联网+”时代中形成稳固的技术基础，为“上层建筑”的筑造更新提供有利条件。
2 大数据分析在医院全面发展中的运用方向
2.1 大数据分析在医院决策管理中的运用
在大数据分析的视域下，医院可依托HIS（医院信息系统）、PACS（医院档案与通讯系统）、LIS（医院检验信息系统）、EMR（电子病历系统）、HR（医院人力资源系统）等多种系统，经过采集导入、预处理、挖掘统计以及运算分析四个环节，对以PB 计的海量数据进行信息提取与价值赋予，从而形成内容全面、真实可靠的决策依据体系。
例如，在规划决策临床新技术的定价标准时，相关人员可通过集成性的数据中心，将HIS、LIS 等各类子系统中输血费用相关的数据信息提取出来，并应用过滤算法进行有目的的清洗筛选，从而进一步获得有参考价值的信息类型，如输血业务涉及的原料成本、人资成本、设备成本、科室构成等。其后，建立大数据分析的函数模型，对各信息类型在临床新技术定价中的权重水平、影响程度进行运算评估。最后，再综合各个指标的评价成果，设计出既能满足医院经济回报需求、又能最大化减轻患者压力的定价方案，并将此类方案投入到各临床科室的业务实践中。通过这样的技术运用方式，一方面有利于提高医院定价的合理性，避免收费标准混乱、定价低于成本等负面情况发生。另一方面，也有助于建立起临床新技术的定价决策与其他直接性、间接性影响因素的密切联系，为医院内部控制与收费调整提供出更广泛、更全面的思路和依据。
图1：大数据分析下的医院决策系统
2.2 大数据分析在医院资源管理中的运用
医用耗材资源在医院投入体系中占据着很大比重，加强对医用耗材的精细化管理力度，对医院的成本节约能力与资源利用水平发展具有重要意义。从目前来看，基于Power BI 软件平台、SQL Server 数据库等工具开展大数据分析工作，可显著提升医院耗材资源的管理水平，其基本流程为“数据收集→建模分析→可视化呈现”。具体来讲：
2.2.1 医用耗材大数据的收集
在此阶段中，需要通过ODBC、WebService 等通信连接与文件传输方式，对存储于医院管理系统中的耗材数据进行全面采集。同时，按照“建立统一字典→人工清理无效数据→导入SQL Server 数据库”的流程，完成数据信息的有效清洗。做好这一步，一方面有利于剔除掉重复、缺损、冗余、历史等无用数据，为后续的大数据处理分析提供便利。另一方面，也有助于对不同系统中相同医用耗材在名称定义、级别分化、类型归属等部分的差异进行统一化解，从而确保数据收集与整理的可靠性。
2.2.2 医用耗材大数据的建模
在完成数据信息的归集与清洗后，即可SSAS 平台上创建KPI、度量值、关系、数据源等的目录表格，并据此建立相应的数字模型。其中，KPI 即医用耗材在医疗工作中的成本效益，该表格应根据不同的临床科室进行针对性创建；度量值通常为可量化的数据列，如医用耗材的订单金额列、使用利润列、库存数量列等；关系则是医用耗材事实表、维度表中数据列的关联逻辑，其在数字模型的建立使用中占据核心地位。一般情况下，大数据分析模型中事实表与维度表是“多对一”的关系，即多个事实表对应一个维度表。例如，在分析医用耗材的库存量时，材料字典中一条耗材的编码列会与多条库存记录列相对应；数据源即医用耗材数据的文件或文本来源，这一建模指标及目录表格在数据库导入阶段便可直接由SQL 语句生成，通常无需再次进行复杂的改动整理。在各项建模基础条件完备后，便可正式进行数字模型的创建。从目前来看，业内常将Calculate 函数作为医用耗材资源的建模语言，其语法结构为“CALCULATE（
2.2.3 医用耗材大数据的可视化
在模型运算完成后，医用耗材大数据便会以曲线图、柱形图、饼形图、直方图、数字表格等多种形式呈现在Power BI 的平台界面上，从而为相关人员提供出多层次、多维度的医用耗材管理依据[1]。
2.3 大数据分析在医院医保管理中的运用
从目前来看，医保卡滥用、盗刷等问题在现实社会中时有发生，所以有必要依托大数据技术，建立起有效的医保对象管理机制，实现“一人一卡”的高匹配理想效果。在此过程中，首先要做的就是医保用户数据库的优化建立。实践期间，医院可在当地人社部门、卫生部门的支持下，对区域内医保卡持有人员的身份证号、指纹、面容、卡片编码等信息进行综合采集，并录入到SQL Server 数据库当中。其后，通过若干通信接口，建立起数据库与射频识别装置、指纹识别装置、面部识别装置、医院医保信息系统、医院档案系统等终端的连接，以此为大数据的分析应用创造前提。最后，当用户持医保卡参与医院的医疗服务活动时，其通过各类识别装置输入的即时数据便会与数据库既有数据进行对比匹配，若人、卡匹配一致，则刷卡流程正常运行。若医保卡与持卡人的相关数据无法匹配，则会驱动医保信息系统不执行相关操作，并在界面生成告警信息，提醒医院相关人员实施后续处理。
除此之外，医院还应建立起以大数据分析为核心的医保深度服务体系，将患者既往的医保卡应用记录作为数据分析对象，对患者的医疗需求、资费额度、医疗状态进行智能化感知。在此基础上，通过医保管理平台的APP 及时向患者提供出推送医嘱信息、显示扣费记录、发送药品说明等信息服务。这样一来，既能实现医院服务活动的外化延伸，提醒、保障患者做到规范用药，防止患者盲目滥用药物（尤其是抗生素类药物）的风险出现。另一方面，也能更深层次地发挥出医保大数据的应用价值，促进医院医保管理系统的功能优化[2]。
2.4 大数据分析在医院疾病诊治中的运用
众所周知，绝大部分疾病有其典型的发生机理、发展周期与症状表现。所以，通过有效的感知手段，可达到预测疾病的效果。这对于健康保障需求日益增大的现代人群来说，是极为重要的。因此，将大数据分析运用到医院的疾病预测管理当中，也应是医院全面发展的重要落脚点。从目前来看，将电子病历系统、临床管理系统的各项数据作为依据，对患者的诊断结果、主诉感觉、症状表现、检验信息、检查流程、治疗药物等进行整理分析，可在一定程度上挖掘出疾病发生中多种因素的内生逻辑，从而实现疾病的合理预测。
（1）相关人员应对医院乃至业内可采集的电子病历系统数据进行收集整理，并围绕不同疾病建立案例集合。在此基础上，采用特征性分析的手段，对相同疾病下的若干个案例样本进行因素分析，并提取出关联程度高、出现几率大的特征性指标。在这一阶段中，样本的采集数量越多，指标的涉及维度越广，后续疾病预测的可靠性也就越强。
（2）将各个特征性指标导入到同一数据库当中，并使用KNN算法，对各类相关信息文本进行权重分配与逻辑关联，从而建立起疾病的标准模型，为疾病预测的要素检索、特征匹配、预测分析提供基本依据。
（3）相关人员在为患者提供诊疗服务时，可将其现有的主诉关键词、治疗服用药物、辅助检查数据、典型症状表现等信息输入到疾病预测系统当中。此时，在K 近邻算法、模糊聚类算法、最大熵算法等大数据处理模块的运算支持下，便能快速实现患者实际情况与疾病标准型的相似度分析，并给出可靠的预测结果与诊疗推荐[3]。
3 大数据分析在医院全面发展中的运用要求
显而易见，数据信息、网络工具是大数据分析技术的运用基础，若源头数据存在篡改、丢失、片面等风险，或系统平台、数据库、大数据算法等工具的使用方式不甚科学，都可能为医院带来新的工作与管理风险。因此，相关人员在采集数据、挖掘数据、分析数据的过程当中，必须要严格保证患者病历数据、医院运营数据、医用耗材数据等的真实性、完整性、及时性。同时，也要为数据在传输、存储、应用等环节的安全质量提供有力保障，做好密钥保护技术、防火墙技术、数据过滤技术等现代科技的合理应用，以防患者、医院等方的数据信息发生负面问题，对医院的全面发展产生阻碍[4]。
4 结论
总而言之，在信息化的新时代中，做好大数据分析技术的收集、分析和合理运用，将大数据融合到医院内部质量控制、成本分析、诊疗服务等各项工作当中，既是现代医院全面发展的必由之路，也是满足患者实际需求的必行举措。但需要注意的是，新技术、新模式、新策略的出现，势必会带来新的工作风险。所以，相关人员在注重大数据技术应用的同时，还需做好数据安全性的管理与保障，以确保大数据价值的最大化、可靠化发挥。
