醫療數據是指所有與醫療衛生和生命健康活動相關的數據集合，既包括個人從出生到死亡的全生命周期過程中，因免疫、體檢、治療、運動、飲食等健康相關活動所產生的大數據，又涉及醫療服務、疾病防控、健康保障和食品安全、養生保健等多方面數據的聚合。

隨著醫療信息化的普及與快速發展，當前的醫療數據已經具備了大數據的基本特征：

①數據量大 （Volume）：從GB到TB再 到PB，已經勢不可擋
②數據種類多 （Variety）：包括結構化 數據如 Oracle、MySql等數據庫，半結構化數據如 XML 文檔，非結構化數據如 Word 和 PDF 文檔、影像、音視頻等
③價值高、價值密度低 （Value）：醫療數據的挖掘對促進醫學 進步具有重要意義
④產生快、處理快 （Velocity）：日益增長的動態數據和醫療物聯網應用產生的大量實時數據，使這一趨勢與要求變得更加明顯。

從醫院內部數據到區域醫療數據的發展，使醫療大數據應用成為必然趨勢。國內醫療大數據研究與應用起步稍晚，總體來看還未形成整體力量，但近幾年也出現了蓬勃發展的態勢，醫療大數據分析逐漸成為醫療模式轉型的應用需求。

01、醫療大數據分析的三大應用場景

1、運營管理

與其他領域不同， 醫療領域中的數據統計與分析難度特別大，設計人員通過合理運用大數據分析技術，能夠保證醫療企業的管理水平與效率得到高效提升，減少錯誤醫療數據的傳播。

將大數據分析技術應用到醫院運營管理當中，能夠在海量的大數據中挖掘出最具價值的數據信息，并加以利用，保證醫療企業中的各項管理工作得以順利展開。在一些大型的醫療企業當中，這方面的數據分析已得到了充分應用，管理人員結合大數據分析平臺提供的各項數據，全方面了解企業經營管理情況，對原有的經營管理制度進行優化。

2、醫藥研發

在醫藥研發方面，大數據分析技術的妥善運用，能夠全面體現出藥物的治療效果，通過綜合分析并跟蹤藥物作用，幫助醫生更好的判斷患者病情，并調整治療藥物等。

與傳統的醫療藥物作用跟蹤相比較而言，大數據分析技術的應用，能夠為醫生提供更多的診斷樣本，例如，體感設備的出現，能夠將各項數據準確傳輸到數據統計中心，不但提高了樣本數據的儲量，而且簡化了藥物作用跟蹤流程。對于軟件設計人員來說，要根據醫療領域的發展現狀，創建更加先進的數據分析平臺，將各項數據進行自動化處理，保證醫療領域中的各項數據更加準確。

3、臨床醫療

在常規的臨床醫療業務當中，醫生需要結合自身的工作經驗進行診斷，但是，由于醫療業務水平的不斷提升，大數據分析技術的廣泛應用，EMR、LIS、與 PACS 等數據信息系統的出現，為醫生提供了更多的診斷幫助，有效簡化了醫療診斷流程，保證醫療臨床診斷結果更加準確。

對于醫生來講，通過合理應用 EMR、LIS、與 PACS 等數據信息系統，能夠保證醫療數據得到全面利用。與 EMR、LIS、與 PACS 等數據信息系統相比，大數據分析技術能夠將各項醫療數據進行有效收集與分析， 并提出相應的治療路徑，保證治療指標更加合理，真正實現智能化治療。

在醫療領域當中，利用大數據分析技術能夠更好地提升醫療臨床系統決策的合理性，保證醫療臨床觀察數據更加科學，為 醫生提供更加準確的決策數據，保證醫療臨床診斷水平與效 率得到有效提升。將大數據分析技術應用到臨床醫療方面，不僅能夠緩解醫生的工作壓力，而且還能有效提高醫療診斷數據的利用效率。

02、如何進行醫療數據分析應用？

隨著醫療行業快速發展，醫院信息化建設程度的提高，各項業務系統為醫院帶來了海量的數據，如何對這些數據進行有效利用，分析，挖掘并加以利用，將這些數據更好的運用于醫院管理及運營，實現為患者提供更好的診療服務，幫助醫生找到更好的診療方案，幫助醫院管理者實現策略調整、減少風險、降低醫療成本，成為醫院信息化管理者亟需考慮的問題。

億信華辰的醫院數據治理與運營數據分析平臺從數據采集整合、標準制定、數據處理、數據質量管理、元數據及數據資產目錄管理、數據安全與共享管理等多個方面層層把關，打通數據治理各環節，能夠快速滿足醫院各類不同的數據治理場景，顯著提升數據質量，并將治理后的數據運用于醫院綜合運營管理數據中心建設和運營管理評價分析系統建設，幫助醫院實現精細化管理和運營決策。

以億信華辰為廣東省中醫院建設的慢病報表系統為例，該報表系統嚴格遵循DW/BI項目建設方法論，以綜合統計分析需求為導向梳理統計指標，設計DW數倉模型，再通過ETL按照數倉模型將未充分利用的分散在不同系統的慢性疾病相關數據進行清洗整合，最后基于億信華辰ABI一站式數據分析工具進行統計報表設計開發。

1、指標梳理及數倉建模

基于院方提交的可視化分析展現需求，由信泰慧智與億信華辰一起，基于需求對院方現有業務系統數據，從院內、慢性臨床科研領域、其他業務系統三個模塊進行梳理，一方面打通并整合了已有業務數據，讓數據充分發揮價值，另一方面為后續可視化分析提供了統一的數據口徑和標準，保證統計數據質量的同時提升數據價值，輔助醫生科研和醫院管理者決策。

2、ETL數據抽取整合

ETL抽取分兩步走，一部分已有的存儲過程由信泰慧智持續維護，另一部分新增的數據抽取工作由ABI數據整合功能完成，其中ABI的工作流程如下：
（1）將既有慢病業務系統的數據庫表通過業務邏輯梳理抽取至ODS層進行可視化分析展示，通過簡單的組件拖拽即可實現復雜的數據抽取工作；
（2）添加ETL作業調度，每天定時從醫院集成平臺、慢病業務ODS庫、其它數據源進行數據抽取、更新，形成DW數據倉庫。

3、可視化報表開發展現

數據整合好了之后，億信ABI可直接通過JDBC連接獲取數據，進行可視化統計報表開發，整個開發過程無需任何腳本定制，全程界面化組件拖拉設計。
（1）綜合服務績效管理報表
①利用系統已有統計圖組件如柱圖、線圖、餅圖、雷達圖等，采用圖表可視化表達方式，讓數據看起來更加直觀明了；
②從科室及時間多角度分析數據，全面掌握院內醫療狀況；
③再從科室、病種進行多角度鉆取，多維度查看明細數據，層層追溯，發現問題解決問題。


（2）分病種的患者全病程報告展示
基于全病程的院內外數據積累，為患者自動生成階段性的《個人健康報告》，其中承載著各項院內外檢驗檢查數據、穿戴設備數據、關鍵指標變化、接受醫療服務統計，以及診療調養全程中各時點的階段性評估和醫生的總結報告。

（3）分病種的慢性病關鍵指標預測

醫生可為各自的病種設置一個或多個關鍵指標加以跟蹤分析。例如慢性腎臟病，醫生可根據“腎小球透過率(eGFR)”的指標值變動情況預測患者將來上透析的時間。

總體而言，此次項目中用億信ABI對業務系統的數據進行分析展現，一方面，使多來源的醫療數據得到了充分利用，使慢病門診各科室醫生護士對患者的基本情況有了更直觀快捷的把握，也幫助其對慢病患者進行更好的跟蹤、回訪及管理，繼而改善患者依從性；另一方面，億信ABI強大的報表展現功能解決了原業務系統查看數據不靈活，圖表展示不美觀等問題。

03、小結

隨著社會不斷的進步與發展，大數據技術應用于多方面領域，大數據技術是以數據統計分析進行深度融合的產物，極大地推動了整個領域的發展，將它運用到醫療中，能夠為醫生和患者帶來很大的便利。