【独家】如何利用大数据改善公众健康

　　【HC3i独家翻译】如今在美国，医疗保健行业是一个产值高达2.6万亿美元的市场。据最近的报道，由于效率低下和成本增加，政府每年至少额外增加了600亿-850亿美元的医疗开支，对公众医疗的整体质量产生了不利影响。这些低效率包括医疗服务欺诈和滥用，政府行政效率低下，供应商的低效率，医院医疗差错，行业之间缺乏整体的协调服务，非必要的疾病预防和护理。

　　然而在试图解决这些挑战时，政府机构发现他们已被生物医学信息的浪潮淹没。对于医院和连锁医疗机构，在他们审核其所有的电子记录需要处理PB级(10的15次方字节)大型数据集，不过这已经不再奇怪。

　　据奇美医疗分析顾问集团SAS中心格雷厄姆·休斯称，美国国内医疗保健数据在2011年已达到150艾字节(10的18次方字节)。而5艾字节的数据即可包含有史以来人类的所有单词。这样的速度发展下去，数据将很快达到泽字节(10的21次方字节)和10的15次方字节规模。然而，如果管理得当，通过建模和共享，政府机构面临的“海量数据”也将是改善护理成果和人口医疗健康的关键。

　　麦肯锡全球健康研究所的研究预测，对大型健康数据进行分析可以潜在减少美国医疗保健系统200亿-300亿美元的成本支出。这意味着，创造性并有效使用大型数据可以减少8%的国家医疗保健支出。

　　政府机构的集体行动和共同目标对医疗体系产生了很大的影响。政府机构的投资，医疗保险/医疗补助受助人，联邦和国家工作人员以及现役和退伍军人影响着医疗开支总和近40%，因此美国政府机构如何管理其存储的海量医疗数据将是改善公众健康并降低整体医疗成本，提供更好的优质医护服务的关键。

　　政府机构需要采取一种全面的方式来使用大数据和医疗信息技术，例如捕捉甚至储存一小部分数据。为了减少使用大型数据的冗余和不必要的费用，医疗机构可以采用以下一些方法，包括：

　　避免不必要的使用：医疗保险和医疗补助服务(CMS)和保健研究质量局(AHRQ)都对确保医疗服务的实际质量感兴趣。但是现有的有偿服务激励机制实际上驱动产生了更高的费用和较低质量的服务。新的商业模式将实行由财政支持的绩效工资制，因此需要大型数据分析工具建立这些模型并对其性能进行分析。

　　欺诈浪费和滥用：骗取从未提供服务的医疗保险和医疗系统有组织的犯罪团伙是CMS面临的一个重大的挑战。新的大数据分析算法需要被部署在CMS数据资料库，以实时或近实时的监控欺诈行为。

　　行政费用：低下的行政效率是退伍军人事务部(VA)，军队卫生系统(MHS)，TRICARE以及其他政府赞助商/付款人系统面临的巨大挑战。现有的健康记录和计费系统大大提升了供应商，保险公司及员工的成本。因此可应用大型数据分析行政管理健康记录，并提高结算流程，减少供应商，纳税人和相关采购的成本。

　　服务效率低下：VA和MHS的政府作为主要供应商都有意减少巨大由于跨机构造成的服务效能差异甚至医疗服务系统错误的诊断和处方。临床决策支持系统需要广泛部署，以提高医疗质量，降低医疗差错。这些系统需要使用人口数据来预测风险和实行个性化护理。

　　缺乏医疗协作：由于无法实现医疗机构的病历共享，导致医疗机构增加了额外的成本。目前医院之间需要有效的信息共享，不仅在各个州和军队医疗系统实现医疗记录的互通，也需要将互联互通扩展到现有主流的第三方的商业系统。因此医院需要一个工具以便在不同的电子记录系统之间实现互通。患者人口数据可用于主动风险预测，使资源可以有效地利用，提高个人护理质量。此外，应该允许患者访问他们的个人健康档案，使他们能够亲身参与相关的医疗决策。

　　疾病预防：疾病控制和预防中心(CDC)中心逐步开始使用海量数据和电子健康档案，重点放在生物监测和预防疾病的爆发。食品和药物管理局(FDA)和国立卫生研究院(NIH)研究新的药品和医疗器械的监督，将重点放在科研和前后期市场前景。政府将确定医疗保健覆盖整个人口，同时不断提高自身的医疗管理水平。通常情况下，由于一些可预防的疾病都没有得到适当的重视，患者并不总清楚自己的行为造成的健康后果。因此医疗专业人员跟踪并改变患者的不健康行为对于长期的医疗保健服务的改善至关重要。

　　大型数据库，如果有效合理利用，可以帮助政府有效的应对各个挑战。

　　CSC最近的一份报告表明，企业在跟风新的海量数据策略之前，应重新审视其基本数据为中心的战略。

　　报告称:“大多数机构的数据工作量远远超出了他们的预计，但医疗机构需要认识到这些挑战并克服它们”。“例如，数据规模不断变化，数据范围和可用的数据类型正在迅速发展，因此我们需要一个工具来使其正常运转。医疗机构需要找出自身竞争优势，以实现更好的掌控数据，医疗企业的管理层需要认识到这种演变。”

　　报告列出了六点建议，以更好地利用您的数据。

　　1、数据管理。着手制定大型数据的管理计划。该报告称，所有医疗机构应该建立一个明确的数据管理计划。该计划应包括该组织计划如何收集、维护、保护、鉴定数据资产。“数据管理包括数据共享的原则，例如可能的共享方式，何时与谁共享，”报告的内容指出，“许多医疗机构未能尽早解决数据管理，但良好的管理计划是重要的，因为它设置了政策、标准和使用数据业务的规则。”作者说，最好的做法是设立一个组织内的“特别处理中心”，负责整合整个企业的分析和数据相关事项并参与决策。

　　2、数据采集。从不同的来源，如患者、家庭监控系统和其他医疗机构进行非结构化或半结构化的数据采集表明新的机遇正在不断涌现。报告说。“良好的数据采集可确保数据捕获后可用。”报告指出。“最好的办法是采用一致的文档元数据和数据元素的分类。”此外该报告称，应使用人口领域的医疗代码。“最后，隐私和安全，患者的病历应始终得到妥善的双盲处理。”

　　3、数据共享。为了最大限度地提高其数据的价值，机构之间需要协作并实现跨供应商和和生命科学社区的数据共享。报告称，数据共享的一个新趋势是“虚拟化”——从不同来源或多个机构选定数据源。“数据虚拟化是一种技术，允许多个应用程序和多个用户同时访问数据，”报告称。“这使得整个医疗机构更容易进行分析和报告。”云计算是一种不错的选择，报告继续写道，因为它允许医疗机构将大量的数据迁移到一个临时的平台。“从成本管理的角度来看，它有着很大的吸引力，因为医疗机构只需支付他们所使用的计算资源的云服务供应商，从而避免了服务器大量的资本支出。”

　　4、数据标准化。该报告称，医疗机构内部的数据交换互通仍然十分有限，因此医疗机构需要意识到仔细选择常见数据类型的重要性，因此“来自不同系统的数据可以结合和互相比较。这是一种良好的数据管理方法”。根据该报告称，“多个机构已率先实现新的解决方案，将来自不同来源的数据转换成一个标准的结构和语言”，所以它可以更容易地管理和分析，这使研究人员能够迅速查询多个数据源，得到更全面的结果。

　　5、数据集成。数据集成是将内部和外部数据源的数据合并成一个单一的，以患者为中心经优化的数据结构进行分析。“这些数据包括患者统计资料、病程、治疗程序、药品、电子病历、实验室诊断和影像诊断结果”。有关业务或财务分析以及行政数据都将被添加到数据结构。

　　6、分析。分析是“作为数据的最后一个部分”该报告说。“一旦所有其他的结构确立，例如治理标准化，医疗机构就可以使用数据分析工具收集有价值的数据。”数据分析的好处包括改善患者临床症状、提高监控水平、改善患者预后、优化了医院的财务和经营业绩；改进信息安全，预测数据的破坏和损失，防患于未然。