医疗数据自动化
导言
大数据是指难以被传统数据管理系统有效且经济地存储、管理、处理的复杂数据集。大数据一般以PB为单位计量，并包含结构化、半结构化、无结构化的数据，大数据给数据的采集、运输、加密、存储、分析和可视化带来了严峻的挑战。与传统数据相比，大数据包含5个V特性：Volume（数据规模巨大）、Variety（数据类型繁多）、Velocity（数据产生的数据非常快）、Veracity（分析结果取决于数据准确性）、Value（大数据一般包含非常重要的价值）。大数据带来了存储、管理、处理数据的挑战，也带来了发掘数据中新的价值的机遇。多个行业已经利用大数据改善业务，例如金融业、零售业、生命科学、环境研究。大数据市场估计每年会增长50亿美元的价值，到2020年将达到600亿美元的价值。
医疗健康行业目前面临着巨大的挑战，其中，最主要的挑战包括：急剧升高的医疗支出、人口老龄化带来的慢性疾病问题、医疗人员短缺、医疗欺诈[5]等。国家统计局的数据显示，我国2013年医疗卫生总支出为31 668亿元，较2012年上升12.6%，并且已经连续8年每年增长超过10%。医疗支出已经占据了社会总支出很大的比例，在可以预见的将来，医疗支出将会持续增长。然而，根据美国医学研究院（Institute of Medicine，IOM）的一篇报告，如今医疗健康支出的1/3被浪费而没有用于改善医疗。这些浪费包括不必要的服务、行政浪费、昂贵的医疗费用、医疗欺诈和错失预防的机会[6]。为了保持竞争力，医疗机构必须把数据作为一种战略资产，分析数据以达到提高诊断准确度、提高疗效、降低费用、减少浪费的目的。
医疗健康机构采用大数据可以有效地帮助医生进行更准确的临床诊断；更精确地预测治疗方案的成本与疗效；整合病人基因信息进行个性化治疗；分析人口健康数据预测疾病爆发等。利用大数据技术还能有效减少医疗成本，麦肯锡全球研究院预计使用大数据分析技术将每年为美国节省3 000亿美元开支。其中，最有节省开支潜力的两个方面包括临床操作和研发[7]。利用大数据技术帮助医疗企业实现其业务的例子正在快速增多。比如，ActiveHealthManagement收集用户健康方面的数据以帮助用户实现健康管理；CancerIQ整合临床数据和基因数据帮助实现癌症的风险评估、预防和治疗；CliniCast利用大数据预测治疗效果以及降低花费。
大数据的分析和挖掘在医疗领域的应用包含很多的方向，比如临床操作的比较结果研究、临床决策支持系统、医疗数据透明度、远程病人监控、对病人档案的先进分析、临床试验数据分析、个性化治疗、疾病模式分析等，还有患者临床记录和医疗保险数据集等。
大数据的分析和挖掘技术的运用可以在一定程度上帮助医疗行业提高生产力，改进护理水平，增强竞争力。比如有大数据参与的比较效果研究可以提高医务人员的效率，降低病人的看病成本和身体损害；另外，利用大数据对远程病人的监控也可以减少病人的住院时间，实现医疗资源的最优化配置，在使用远程监护系统实现疾病预防的过程中，不仅能够降低病人出现意外的风险，同时也可以节约医疗资源，创造社会和经济价值。
医疗保健也已经开始慢慢转向利用大数据。例如Dignity Health（尊严健康）是美国最大的医疗健康系统之一，致力于开发基于云的大数据平台，带有临床数据库、社交和行为分析等功能。该平台将连接系统中39家医院和超过9000家相关机构并共享数据，通过他们的大数据应用可以看到一些机会：诸如，个人和群体医疗规划，包括预防性疾病管理；定义和应用最佳病例，减少再入院率；预测败血症或肾衰竭风险，提早进行干预减少负面结果；更好的管理医药成本和阐述；创建工具来改进每个患者的就医体验。
医疗保健数据自动化：与商业智能相结合
整体降低成本和提高效率仍然是全球医疗保健中心的首要任务。当重点是通过减少废物处理来削减成本和提高性能时，自动化变得不仅仅是一个考虑因素。在过去的几十年中，医疗行业已经采取措施实现操作和患者数据处理的数字化。这种向数字化过程的转变本身导致了对信息的即时访问，简化了信息共享，从而改善了患者的治疗效果。随着数字化过程中积累的数据不断涌现，医疗保健的数据自动化已经从“有好处”变成了“必须拥有”。
今天，大量医疗保健机构认识到自动化在改变医疗保健方面的潜力，并使其日常运营更具成本效益。掌握数千个文件的庞大的手工维护医疗记录库的日子应该已经结束，即使医疗保健的数据自动化着眼于利用商业智能，也应该成为主流。虽然医疗保健组织尚未充分利用自动化带来的机会，但它是朝着正确方向迈出的一步。
什么是医疗保健中的数据自动化
自动化是指使用信息技术以简化的方式完成某些过程，而无需人为干预来实现预期的结果。在医疗保健领域，自动化技术可以融入广泛的此类流程中，从而减少管理工作量，消除浪费的实践，增强信息交换，改进和一致的患者护理，有意义的数据分析以及有效的患者监控。除了减少医疗保健组织必须处理的大量文书工作外，自动化还有助于提高运营效率和降低人员成本。
商业智能
自大数据现象出现以来，医疗行业一直在大量涌入数据。随着临床数据量的不断增加，医疗保健领域的商业智能已成为当时的需求。商业智能假设医疗保健数据自动化的最前沿的主要原因是我们所处的技术革命时代。随着商业智能工具变得越来越便宜，医疗保健组织有前所未有的机会来加强其运营流程。以下是医疗保健如何从商业智能的这一旅程中受益：
改善患者护理
医疗保健组织已经依靠数字工具和技术来支持他们的日常运营，最终目标是改善患者护理。商业智能与医疗保健数据自动化相结合可以通过使用自动化工具引入预测分析元素来确定患者安全，患者等待时间，患者满意度，疾病和复发风险，潜在治疗成本，再入院可能性等参数，从而进一步实现这一目标。和平均住院时间。反过来，这些参数可以帮助医疗保健专业人员就患者护理做出明智的决定。
健康记录分析
以电子方式存储患者记录几乎已成为常态。但是，如果不能用于促进更好的患者护理和管理，那么所有患者数据的好处是什么？这是商业智能工具发挥作用的地方。他们可以从集中存储的患者数据库中挑选出相关的信息，以促进更好的预测和可操作的见解。
更好地分配资源
将医疗保健数据自动化与商业智能相结合的另一个关键优势是通过跨部门分配基于需求的精确度来更好地管理资源，从而减少浪费。由于预测分析可以帮助确定患者何时准备好出院，因此它还有助于更好地分配床，药品和员工等资源，以帮助减少浪费。
了解患者病史和生活方式
商业智能工具能够从健康应用程序以及可穿戴设备（如计步器和健身带）访问可下载数据。这使医疗保健专家能够利用无线技术的能力准确跟踪健康指标和信息。这些数据对于医疗保健从业者了解患者的生活方式和病史非常有用。
承受能力
技术工具变得越来越便宜，这是他们在最终用户中不断增长的吸引力和采用率的驱动力。商业智能非常适合这种模式。它提供经济而全面的解决方案，以提高医疗机构的服务质量和运营质量。
临床分析
商业智能的范围超出了预测分析。鉴于其能够分析实验室结果和测试报告等临床数据，它可以证明是规范分析不可或缺的工具。这些协助护理人员，如护士，帮助制定更有效的患者护理计划，更多地关注需要额外关注和护理的患者。
数据挖掘
商业智能工具的数据挖掘能力可以帮助医疗保健从业者更精确地评估治疗计划，方法是确定选择的治疗方案的哪些方面正在工作，哪些方面没有。这些工具还可用于预测任何给定治疗程序的确切结果。通过帮助组织了解缺陷并采取纠正措施，这有助于提高医疗质量。
健康状况分析
如今，几乎所有医疗保健组织都了解分析在改善收入周期，绩效，效率和整体患者护理方面的重要性。然而，他们中的大多数没有完整的数据分析解决方案。通过Porter Research的调查结果可以最好地了解当前的健康状况分析：
绝大多数医疗保健组织都认为商业智能解决方案和分析可以在决策制定中发挥至关重要的作用。
对于大多数医疗保健领导者而言，收入周期分析和商业智能都是重中之重。
对拒绝和拒绝的处理成为收入周期中的最大挑战，可以通过分析来纠正。患者付款和结算流程紧随其后。
利用商业智能和数据分析的最大障碍是：缺乏有效利用数据分析的资源，无法对分析性能进行基准测试，以及难以将分析结果引入可操作的报告中。
能够通过正确的战略报告克服这些挑战的组织已从健康分析中受益。
健康分析的一些主要优势包括减少A / R天数和改善现金流，通过识别支付流程中的瓶颈增加收入，以及提高员工生产力。
事实证明，健康分析在索赔提交，拒绝，拒绝，现金流和结算等指标方面特别有用。
医疗保健组织现在比以往任何时候都更加意识到健康的数据自动化对于医疗保健的重要性，以便进行分析和报告。数据分析和后续报告解决方案将在实施用户友好流程中发挥关键作用，这些流程使用可操作的洞察力来促进收入周期的改善和明智的决策制定。
为什么医疗保健数据很难？
数据分析在整个行业垂直领域是一个具有挑战性的主张，但在医疗领域更是如此。虽然大多数其他组织都在努力解决数据存储，质量，访问和集成等问题，但医疗机构还必须考虑安全性和隐私，数据管理和保留等更微妙的方面。
安全和隐私在医疗保健中至关重要。对医疗保健数据的任何攻击都可能对任何组织造成极大的破坏，因为它们不仅以经济损失而且还以声誉为代价。最重要的是，在任何违反数据安全的情况下，最大的受害者是个人的私人信息，从信用卡详细信息到实验室结果和诊断，都受到了危害。
医疗保健数据由于其长期保留而难以管理，这意味着医疗保健组织需要一种有远见的方法来确定数据的存储，访问和使用方式。此外，医学领域的数据管理软件通常具有建立定期访问权限的范围，该权限根据需要为来自不同部门的不同工作人员提供临时查看功能。这些因素使组织更加迫切需要定期审查其数据，以便删除，修改或匿名化信息。
输入任何健康组织记录的数据也需要格式化，描述和检查准确性，然后才能为组织内的不同用户访问，以用于医疗，管理和计费目的。这种速度和体积进一步加剧了在医疗保健领域管理数据的难度。
医疗保健中数据管理策略的成败也取决于可访问性。如果组织没有以正确的格式报告并且可供合适的人员访问，那么组织存储的大量数据将无关紧要。除了使医疗保健数据成为困难主张的所有这些普遍挑战之外，一些特定设施的困难可能使问题进一步复杂化。例如，有限的IT预算可能是有效数据管理的一大障碍。
为了应对这些挑战，许多医疗中心现在聘请了患者安全专家，他们不仅拥有医疗专业知识，而且能够确定数据管理实践如何阻碍或帮助患者安全。毕竟，确定限制是提出有效解决方案的第一步。
利用商业智能推进医疗保健数据自动化
了解医疗数据自动化动态的关键点是关注商业智能，主要有以下几点：
医疗保健机构正在快速转变为数据存储库。
整个医疗保健行业普遍渴望数据自动化。
医疗保健部门正在寻求在四个关键领域 - 临床，运营，管理和财务领域 - 使用商业智能和分析。
处理医疗数据有其公平的挑战，这会阻碍组织充分利用数据自动化，商业智能和分析的潜力。
克服现有的挑战和障碍，以促进医疗保健数据自动化与商业智能的发展的答案在于一个简单的问题：如何在正确的时间向正确的人提供正确的数据？
答案？将报告转换为单一的关注交付平台。
为了成功实施这个模型，医疗保健组织，但从以下基础开始：
评估他们当前的运营流程。
确定要使用的正确商业智能和分析工具。
与组织设置中的最高领导者建立正确的部署策略。
让IT部门参与整个过程，并促进员工对实施商业智能所采用的软件和程序进行培训。
专注于网络安全，用户访问和数据治理等外围方面。
通过引入数据可视化，促进技能升级和实践数据分析技术等概念，使员工熟悉使用任何商业智能工具，从当前数据池中获取洞察力。
针对医疗保健数据自动化的精心设计的全面计划可以通过最少的处理简化数据清理过程，从而形成一个强大的，升级的面向未来的系统。为医疗保健采用商业智能和数据自动化只是一个开始。超越这个关键的第一步，开启了一个无限可能的世界。
长按订阅更多精彩▼
如有收获，点个在看，诚挚感谢