DOITAPP
DOIT数据智能产业媒体与服务平台
立即打开
DOITAPP
DOIT数据智能产业媒体与服务平台
立即打开

皮昌强:基于大数据技术的CDR助力医院提升医疗服务

2017年4月13日-14日,由中国医学科学院 北京协和医学院主办,北京市卫生和计划生育委员会协办,中国医学科学院健康科普研究中心、中国医学科学院生物医学大数据中心、北京市疾病预防控制中心承办的“2017中国健康医疗大数据大会暨中国医学科学院生物医学大数据中心成立仪式”在北京天伦王朝酒店召开。

大会以“大探索、大发展、大融合”为主题,围绕大数据与医疗、健康中国建设、大数据健康医疗新模式、临床大数据以及大数据在健康领域的具体应用等为核心课题展开深入讨论,约1000余人参加了本次大会,其中参讲专家30余位、医疗机构400余家、行业媒体20家以及互联网行业代表200余人出席了本次会议。

pi

用友医疗产品经理皮昌强

在下午的大数据助力智慧医疗发展论坛上,用友医疗产品经理皮昌强发表了名为《基于大数据技术的CDR助力医院提升医疗服务》的主题演讲。皮昌强首先介绍了用友基于大数据技术的临床数据中心以及数据中心所提供的服务和使用案例。他还表示存储方面,使用传统磁盘时在业务过程中大家经常会使用到的是业务型的数据库,但在临床数据中心有很多是历史数据,数据量巨大,用友在做处理分析,服务总线的过程中既不能影响现有效率,也不影响建立数据的完整性,所以在存储时候就考虑到这个情况,对于临床数据中心采用了存储数据的方式,这样变成一个程序分享的方式,对医院本身的现有业务影响比较小。

以下为皮昌强的演讲实录:

各位大家下午好,今天我分享的主题是基于大数据技术运用的临床数据中心。先介绍一下用友基于大数据技术的临床数据中心历时有一年半的时间,是由我们自己的产品平台开发的,目前已经用到国家医院,而且取得了非常不错的效果。

这个是我们在浙江大学医学院附属邵逸夫医院一个应用,通过了六级认证。数据中心我们基于首先在国家政策方面的指导情况下,另外基于我们有大量临床数据的大型医院,以及不同城市的需求,结合我们自己的技术平台,在技术平台上进行保障和研发的产品。

政策层面上,国务院在2015-2016年相继对卫生和健康这块有了一个明确的指导意见。

在用户的需求层面上,医疗工作者和医院管理者需要有一个更好的医疗信息化工具来支撑医院的临床决策支持与应用。

在市场层面上,这是我们对于大数据的应用预测,2014年医疗大数据应用市场规模在6亿左右,预计到2020年也有一个规模。

在技术层面上。卫计委发布的互联互通的一个标准,可以实现异元异构厂商系统之间的对接,使相互的交互更规范,数据质量更高。同时基于我们自己用友的平台,能保证技术的存储和整个实现提供一个保障。

在临床监测中心有几个阶段。首先在卫计委执行互联互通的标准的时候,标准产业方面,我们是遵循最小的一个产业数据集,结合医院的实际情况,针对这个数据集有一部分扩展。这个是我们的详细在做的过程中的记录集的情况。

在数据采集的过程中我们进行服务总线,来实现系统之间的整合。通过服务总线在企业里面是用HSB这种形式,服务总线有几个比较好的优势,服务之间的通信、连接、组合和集成的服务动态松耦合机制,为集成遗留系统和新建应用系统的服务集成提供支撑。

我们在临床数据建立过后会支持两个,一个院内的平台,一个院外的平台。临床数据中心建立在院内的平台,基于院内平台基础上,能够有效的为互联网院外的平台提供有效的支撑,常规的应用像恢复运用、接口查询、预约挂号等等提供院外的应用。

建立临床数据中心有一个必要条件,就是患者的索引,这个是在临床数据中心建立的时候其中一个重要的环节。

我们在真正实践过程中,在患者EMPI是实现CDR的必要条件,我们也尝试的一些算法,不同算法有不同的效果,这是对比结果图。通过患者索引我们能实现整个的患者的历次就诊的信息贯穿,从整个的历史过程把信息串联起来。

整体来说是以患者为中心来做的一个理念,然后基于我们现在现有的服务总线平台,在这个基础上提供不同的基础服务,分为我们在自己的应用过程中提供不同的统计数据库用来做临床的应用。

在数据采集方面我们是通过鱼骨图的方式,对整个临床业务过程中进行一个场景的分析,然后做到一个全面比较细化的数据采集,这个是我们在做的过程中的注意点,在住院有300多个采集点,门诊有100多个采集点,做到了门诊住院的业务全覆盖。

在存储方面主要有两个,一种是现有的活动库,就是我们平时用的业务库。另外一种是对于归档库,这个访问的数据量跟活动库来讲较少,这个也是我们在做的过程中用的一个构架方式做了一个存储。

基于大数据应用我们主要为客户提供几类运用,一类是预警类的,另外是建议类,另外一个是诊疗管理类。我们后面看一下,这个是我们一个在做的过程中临床数据中心的整个建模分析过程,首先把整个临床不同系统的临床数据资料整合到我们的系统当中,通过数据分析以及数据挖掘,结合领域专家的整理和我们系统自有的深度学习技术,为临床以及医院管理者还有质量部门提供一个临床决策支持。

这个是我们做得过程中的一个典型案例,正常就诊过程当中通过症状描述,然后辅助推测一些就诊诊断,在就诊诊断的过程中后面可以预测提供一些治疗的计划和相应的过程。同时在这个过程中我们会数据挖掘中反复做学习,后面形成一个循环利用的过程,逐渐运用完善。

这个是面向医疗工作者的临床决策分析图,首先我们是基于患者本身以前历史就诊过程,给他历史就诊过程做一个全面的就诊分析,以及大数据里面同类的诊断患者的就诊过程。对这个过程进行一些分析的汇总,然后通过分析结果反馈给临床医生,然后做一些诊断或者治疗的方案。

这个是我们在做诊断管理的时候后面会根据数据挖掘后反馈回来的临床检测系统反馈回来的结果会提供一些治疗类、手术类、药品类的建议,根据同类病人一些建议,当然他可以选择这些建议,主要权还是在于医生。

诊疗管理系统我们是自学习型的临床路径系统,临床路径系统我们遵照国家卫计委的临床路径规范,结合在医院的诊疗过程中的实际情况,形成整个医嘱的全闭环管理,做到医疗的全过程追踪,进行一个科学的分析。这个是一个门诊的一级闭环、二级闭环的管理。这是我们在应用过程中的一些效果展现,还有住院信息的展现。

另一方面是科研的检索,科研的检索是基于分布式技术的支持,然后结合相关的分析和聚类分析,然后提供一些工具支持,这是在科研方面。总体来说临床数据中心通过标准的数据集成以及混合式的存储架构,为医院的临床业务人员和医院管理者提供多样的临床决策政策应用。

我们看一下建设效果,这是建设前和建设后的效果。后面介绍一下典型的在我们过程中的一些场景,这是危机值的处理,我们先预制一些规则,在遇到这些规则的时候可以把问题反馈到相应的临床医生,可以做到整个医院临床和检验之间的危机值的全面跟踪。这个是我们在综合做的一个效果图,它是实时把危机值反馈给医生然后做后续的处理。

这是院感的监控管理,把异常结果值反馈给医生,异常结果值有两类,一类是由临床医生下达录入一些异常结果值,另外一类是来源于历史数据的分析,然后结合一些自动配置的规则然后把异常的结果反馈给临床医生作为一个参考。

后面我们简单看一下在实际做得过程中的一些效果情况,这是一个分析情况,然后这是一个指标情况,然后这个是我们的质量管理过程中的应用实际情况,包括医嘱的提示,或者安全管理,这是一些应用信息,这是使用的情况分析效果。

我谈谈我们临床数据中心给客户带来的价值,首先是我们在前面介绍过的通过卫计委的互联互通的标准,然后实现了系统之间,各方系统之间实现的交互,在医院的建构过程中都有一些系统,通过服务总线,在服务总线集成过后,通过以前是属于网状的集成方式,现在改变为集成总线的集成方式,以后所有系统接入就通过总线的方式,这样就节省了优越性。

另外一个是我们在存储的过程中按照移步的概念进行存储,这样都能够后期做到数据的挖掘和分析作用,能够按照主题库的形式进行管理,能够把后面整个运用上进行支撑。

在存储方面我们在传统的时候,在业务过程中大家经常会使用到的情况就是数据库就是业务型的数据库,但是在临床数据中心有很多是历史的数据,数据量比较大,我们在做处理分析的时候,服务总线的过程中既不能影响现有的效率,也不能影响建立数据的完整性,所以在存储了时候就考虑到这个情况。对于临床数据中心采用了存储数据的方式,这样变成一个程序分享的方式,对本身医院现有的业务的验证影响比较小。

整体的情况介绍完了,谢谢大家!

未经允许不得转载:DOIT » 皮昌强:基于大数据技术的CDR助力医院提升医疗服务