01_美国医疗保健分析的入门介绍

从这篇开始，我会慢慢来介绍美国的医疗健康领域，以及作为数据科学家我们可以在这个行业做什么。同时会慢慢教大家怎么在医疗保健领域做分析，模型。也会分享一些Case studies，现在比较热门的医疗领域的技术方向。医疗保健分析的定义是使用先进的计算分析技术来改善医疗保健。通常我们使用所谓的“医疗保健三重目标”来衡量医疗服务的有效性：改善结果 （Better Outcomes），降低成本 (Lower Costs) 和确保质量 (Ensure quality)。

• 改善结果 （Better Outcomes)

在个人层面上，每个人都可以与更好的医疗结果相关。以下是我们关注的一些问题:

1. 准确的诊断
   当我们去看医生时，通常是因为医疗问题。该问题可能会在我们的生活中引起一定程度的疼痛或焦虑。我们关心的是医生能不能准确的发现我们到底得了什么病，有没有有效的治疗来治好这个疾病。

2. 有效的治疗
   治疗可能是昂贵，费时的，并且可能引起不良的副作用。 所以我们要确保治疗有效。例如我们不想在度休假去看医生或因同样的问题而被再次送往医院–这样的经历在时间和金钱上都是昂贵的。

3. 避免并发症
   我们在寻求当前疾病的护理时，我们不想再感染新病毒或者其他疾病

4. 全面改善生活质量

作为人类我们都希望提高生活质量和寿命，避免痛苦和忧虑。

• 降低成本 （Lower Costs）

我们的最终目标是改善健康状况。但实际情况是医生不可能24-7为社会上的每个人提供医疗服务。医生也不能给你检查所有的癌症。为什么这样呢，因为这个成本太高了。 在取得更好的治疗结果和降低医疗保健成本之间我们需要要谨慎地权衡。医疗保健分析的想法是， 我们可以使用更便宜的技术来做更多的事情。比如胸部CT扫描以筛查肺癌可能需要花费数千美元。但是，如果对患者的病史进行预测模型建模用来筛查肺癌的费用要低得多。

• 确保质量 （Ensure quality）

医疗质量包括患者在接受医疗护理后的满意度。在美国的医疗保健制度中，一种经过实践检验的提高质量的方法可以公正，客观地衡量不同医疗服务提供者的表现，这样病人患者可以就其护理质量做出更明智的决定。

既然我们已经介绍，定义并引入了医疗保健分析，那么就必须提供一些做分析建模必须的知识要求。可以将医疗保健分析视为三个领域的交集如下图：

第一个医疗保健行业知识是医疗保健分析的领域知识支柱。 以下是构成医疗保健分析的一些重要的医疗保健知识领域：

1. 医疗保健政策
   了解医疗保健行业的结构，谁是医疗保健的主要参与者以及各种财务奖励激励措施的能帮助我们数据科学家更好的进行医疗保健分析工作。
2. 医疗保健数据
   数据是做好分析和建模的基石，没有好的数据你做再好的分析和模型一点商业价值都没有。医疗保健数据既丰富又复杂，无论是结构化的还是非结构化的。但是，医疗保健数据收集通常遵循特定的模板。了解典型病例和体格检查的详细信息以及医学图表中数据的组织方式，对帮助我们将数据转化为知识大有帮助。
3. 临床科学
   熟悉医学术语和疾病有助于了解医学信息领域中重要的内容。临床科学通常分为两个领域：生理学或人体如何正常运行，病理学或疾病怎么在人体中运行。对两者了解一些基本知识对于进行有效的医疗保健分析非常有帮助。

第二个就是数学统计的知识，微积分， 线性代数，概率论与数理统计，优化理论，然后就是各种机器学习和深度学习的方法。这些是你的技术需要。

最后一个就是计算机coding的能力，现在很流行的一个词叫full stack data scientist。 就是说你既要能分析，建模，也能自己部署作出产品去落地的模型。

医疗保健行业通过与我们自己，亲人，家人和朋友的互动影响着我们所有人。在美国，医疗保健支出超过了美国国内生产总值的15％；这一比例远远超过其他发达国家，预计到2040年将上升到至少20％。美国医疗保健费用的上涨可以归因于几个因素。一个是人口结构向老年人口的转变。老年患者通常更容易生病，因此在医疗保健系统的眼中价格更高。成本上升的第二个原因是肥胖和糖尿病等严重慢性病的患病率上升，这增加了其他慢性病的风险。患有慢性疾病的患者占医疗保健支出的绝大部分。第三个原因是激励措施错误的发放。第四个原因是技术的进步，昂贵的MRI成像和CT扫描的设备成本都在增加。下面一篇我会介绍美国医疗保健行业的基础结构，数据类型以及常见的医疗保健分析的内容。