安防網(wǎng)訊 醫(yī)療行業(yè)早就遇到了海量數(shù)據(jù)和非結構化數(shù)據(jù)的挑戰(zhàn)而近年來很多國家都在積極推進醫(yī)療信息化發(fā)展這使得很多醫(yī)療機構有資金來做大數(shù)據(jù)分析因此醫(yī)療行業(yè)將和銀行電信保險等行業(yè)一起首先邁入大數(shù)據(jù)時代

1989年Gartner提出BI概念2008年Gartner將BI概念進一步升級為高級分析（AdvancedAnalytics）2011年麥肯錫闡釋大數(shù)據(jù)概念雖然名稱不同但實際上它們要解決的問題從來沒變過只不過現(xiàn)在的大數(shù)據(jù)分析技術能處理相比20年前更大量多樣實時（3V）的數(shù)據(jù)即大數(shù)據(jù)相比20年前的BI現(xiàn)在的大數(shù)據(jù)分析能夠產(chǎn)生更大的商業(yè)價值大數(shù)據(jù)存儲和分析技術的發(fā)展也得益于商業(yè)場景中數(shù)據(jù)量的激增和數(shù)據(jù)種類的多樣化

因此在實施大數(shù)據(jù)分析項目之前企業(yè)不僅應該知道使用何種技術更應該知道在什么時候什么地方使用除了較早前就開始利用大數(shù)據(jù)的互聯(lián)網(wǎng)公司醫(yī)療行業(yè)可能是讓大數(shù)據(jù)分析最先發(fā)揚光大的傳統(tǒng)行業(yè)之一醫(yī)療行業(yè)早就遇到了海量數(shù)據(jù)和非結構化數(shù)據(jù)的挑戰(zhàn)而近年來很多國家都在積極推進醫(yī)療信息化發(fā)展這使得很多醫(yī)療機構有資金來做大數(shù)據(jù)分析因此醫(yī)療行業(yè)將和銀行電信保險等行業(yè)一起首先邁入大數(shù)據(jù)時代麥肯錫在其報告中指出排除體制障礙大數(shù)據(jù)分析可以幫助美國的醫(yī)療服務業(yè)一年創(chuàng)造3000億美元的附加價值本文列出了醫(yī)療服務業(yè)5大領域（臨床業(yè)務付款/定價研發(fā)新的商業(yè)模式公眾健康）的15項應用這些場景下大數(shù)據(jù)的分析和應用都將發(fā)揮巨大的作用提高醫(yī)療效率和醫(yī)療效果

臨床操作

在臨床操作方面有5個主要場景的大數(shù)據(jù)應用麥肯錫估計如果這些應用被充分采用光是美國國家醫(yī)療健康開支一年就將減少165億美元

1.比較效果研究

通過全面分析病人特征數(shù)據(jù)和療效數(shù)據(jù)然后比較多種干預措施的有效性可以找到針對特定病人的最佳治療途徑

基于療效的研究包括比較效果研究（ComparativeEffectivenessResearchCER）研究表明對同一病人來說醫(yī)療服務提供方不同醫(yī)療護理方法和效果不同成本上也存在著很大的差異精準分析包括病人體征數(shù)據(jù)費用數(shù)據(jù)和療效數(shù)據(jù)在內(nèi)的大型數(shù)據(jù)集可以幫助醫(yī)生確定臨床上最有效和最具有成本效益的治療方法醫(yī)療護理系統(tǒng)實現(xiàn)CER將有可能減少過度治療（比如避免那些副作用比療效明顯的治療方式）以及治療不足從長遠來看不管是過度治療還是治療不足都將給病人身體帶來負面影響以及產(chǎn)生更高的醫(yī)療費用

世界各地的很多醫(yī)療機構（如英國的NICE德國IQWIG加拿大普通藥品檢查機構等）已經(jīng)開始了CER項目并取得了初步成功2009年美國通過的復蘇與再投資法案就是向這個方向邁出的第一步在這一法案下設立的比較效果研究聯(lián)邦協(xié)調委員會協(xié)調整個聯(lián)邦政府的比較效果的研究并對4億美元投入資金進行分配這一投入想要獲得成功還有大量潛在問題需要解決比如臨床數(shù)據(jù)和保險數(shù)據(jù)的一致性問題當前在缺少EHR（電子健康檔案）標準和互操作性的前提下大范圍倉促部署EHR可能造成不同數(shù)據(jù)集難以整合再如病人隱私問題想要在保護病人隱私的前提下又要提供足夠詳細的數(shù)據(jù)以便保證分析結果的有效性不是一件容易的事情還有一些體制問題比如目前美國法律禁止醫(yī)療保險機構和醫(yī)療補助服務中心（CentersforMedicareandMedicaidServices）（醫(yī)療服務支付方）使用成本/效益比例來制定報銷決策因此即便他們通過大數(shù)據(jù)分析找到更好的方法也很難落實

2.臨床決策支持系統(tǒng)

臨床決策支持系統(tǒng)可以提高工作效率和診療質量目前的臨床決策支持系統(tǒng)分析醫(yī)生輸入的條目比較其與醫(yī)學指引不同的地方從而提醒醫(yī)生防止?jié)撛诘腻e誤如藥物不良反應通過部署這些系統(tǒng)醫(yī)療服務提供方可以降低醫(yī)療事故率和索賠數(shù)尤其是那些臨床錯誤引起的醫(yī)療事故在美國Metropolitan兒科重癥病房的研究中兩個月內(nèi)臨床決策支持系統(tǒng)就削減了40%的藥品不良反應事件數(shù)量

大數(shù)據(jù)分析技術將使臨床決策支持系統(tǒng)更智能這得益于對非結構化數(shù)據(jù)的分析能力的日益加強比如可以使用圖像分析和識別技術識別醫(yī)療影像（X光CTMRI）數(shù)據(jù)或者挖掘醫(yī)療文獻數(shù)據(jù)建立醫(yī)療專家數(shù)據(jù)庫（就像IBMWatson做的）從而給醫(yī)生提出診療建議此外臨床決策支持系統(tǒng)還可以使醫(yī)療流程中大部分的工作流流向護理人員和助理醫(yī)生使醫(yī)生從耗時過長的簡單咨詢工作中解脫出來從而提高治療效率｜

3.醫(yī)療數(shù)據(jù)透明度

提高醫(yī)療過程數(shù)據(jù)的透明度可以使醫(yī)療從業(yè)者醫(yī)療機構的績效更透明間接促進醫(yī)療服務質量的提高

根據(jù)醫(yī)療服務提供方設置的操作和績效數(shù)據(jù)集可以進行數(shù)據(jù)分析并創(chuàng)建可視化的流程圖和儀表盤促進信息透明流程圖的目標是識別和分析臨床變異和醫(yī)療廢物的來源然后優(yōu)化流程僅僅發(fā)布成本質量和績效數(shù)據(jù)即使沒有與之相應的物質上的獎勵也往往可以促進績效的提高使醫(yī)療服務機構提供更好的服務從而更有競爭力

數(shù)據(jù)分析可以帶來業(yè)務流程的精簡通過精益生產(chǎn)降低成本找到符合需求的工作更高效的員工從而提高護理質量并給病人帶來更好的體驗也給醫(yī)療服務機構帶來額外的業(yè)績增長潛力美國醫(yī)療保險和醫(yī)療補助服務中心正在測試儀表盤將其作為建設主動透明開放協(xié)作型政府的一部分本著同樣的精神美國疾病控制和預防中心（CentersforDiseaseControlandPrevention）已經(jīng)公開發(fā)布醫(yī)療數(shù)據(jù)包括業(yè)務數(shù)據(jù)

公開發(fā)布醫(yī)療質量和績效數(shù)據(jù)還可以幫助病人做出更明智的健康護理決定這也將幫助醫(yī)療服務提供方提高總體績效從而更具競爭力

4.遠程病人監(jiān)控

從對慢性病人的遠程監(jiān)控系統(tǒng)收集數(shù)據(jù)并將分析結果反饋給監(jiān)控設備（查看病人是否正在遵從醫(yī)囑）從而確定今后的用藥和治療方案

2010年美國有1.5億慢性病患者如糖尿病充血性心臟衰竭高血壓患者他們的醫(yī)療費用占到了醫(yī)療衛(wèi)生系統(tǒng)醫(yī)療成本的80%遠程病人監(jiān)護系統(tǒng)對治療慢性病患者是非常有用的遠程病人監(jiān)護系統(tǒng)包括家用心臟監(jiān)測設備血糖儀甚至還包括芯片藥片芯片藥片被患者攝入后實時傳送數(shù)據(jù)到電子病歷數(shù)據(jù)庫舉個例子遠程監(jiān)控可以提醒醫(yī)生對充血性心臟衰竭病人采取及時治療措施防止緊急狀況發(fā)生因為充血性心臟衰竭的標志之一是由于保水產(chǎn)生的體重增加現(xiàn)象這可以通過遠程監(jiān)控實現(xiàn)預防更多的好處是通過對遠程監(jiān)控系統(tǒng)產(chǎn)生的數(shù)據(jù)的分析可以減少病人住院時間減少急診量實現(xiàn)提高家庭護理比例和門診醫(yī)生預約量的目標

5.對病人檔案的先進分析

在病人檔案方面應用高級分析可以確定哪些人是某類疾病的易感人群舉例說應用高級分析可以幫助識別哪些病人有患糖尿病的高風險使他們盡早接受預防性保健方案這些方法也可以幫患者從已經(jīng)存在的疾病管理方案中找到最好的治療方案

付款/定價

對醫(yī)療支付方來說通過大數(shù)據(jù)分析可以更好地對醫(yī)療服務進行定價以美國為例這將有潛力創(chuàng)造每年500億美元的價值其中一半來源于國家醫(yī)療開支的降低

1.自動化系統(tǒng)

自動化系統(tǒng)（例如機器學習技術）檢測欺詐行為業(yè)內(nèi)人士評估每年有2%~4%的醫(yī)療索賠是欺詐性的或不合理的因此檢測索賠欺詐具有巨大的經(jīng)濟意義通過一個全面的一致的索賠數(shù)據(jù)庫和相應的算法可以檢測索賠準確性查出欺詐行為這種欺詐檢測可以是追溯性的也可以是實時的在實時檢測中自動化系統(tǒng)可以在支付發(fā)生前就識別出欺詐避免重大的損失

2.基于衛(wèi)生經(jīng)濟學和療效研究的定價計劃

在藥品定價方面制藥公司可以參與分擔治療風險比如基于治療效果制定定價策略這對醫(yī)療支付方的好處顯而易見有利于控制醫(yī)療保健成本支出對患者來說好處更加直接他們能夠以合理的價格獲得創(chuàng)新的藥物并且這些藥物經(jīng)過基于療效的研究而對醫(yī)藥產(chǎn)品公司來說更好的定價策略也是好處多多他們可以獲得更高的市場準入可能性也可以通過創(chuàng)新的定價方案更有針對性療效藥品的推出獲得更高的收入

在歐洲現(xiàn)在有一些基于衛(wèi)生經(jīng)濟學和療效的藥品定價試點項目

一些醫(yī)療支付方正在利用數(shù)據(jù)分析衡量醫(yī)療服務提供方的服務并依據(jù)服務水平進行定價醫(yī)療服務支付方可以基于醫(yī)療效果進行支付他們可以與醫(yī)療服務提供方進行談判看醫(yī)療服務提供方提供的服務是否達到特定的基準｜

研發(fā)

醫(yī)療產(chǎn)品公司可以利用大數(shù)據(jù)提高研發(fā)效率拿美國為例這將創(chuàng)造每年超過1000億美元的價值

1.預測建模

醫(yī)藥公司在新藥物的研發(fā)階段可以通過數(shù)據(jù)建模和分析確定最有效率的投入產(chǎn)出比從而配備最佳資源組合模型基于藥物臨床試驗階段之前的數(shù)據(jù)集及早期臨床階段的數(shù)據(jù)集盡可能及時地預測臨床結果評價因素包括產(chǎn)品的安全性有效性潛在的副作用和整體的試驗結果通過預測建模可以降低醫(yī)藥產(chǎn)品公司的研發(fā)成本在通過數(shù)據(jù)建模和分析預測藥物臨床結果后可以暫緩研究次優(yōu)的藥物或者停止在次優(yōu)藥物上的昂貴的臨床試驗

除了研發(fā)成本醫(yī)藥公司還可以更快地得到回報通過數(shù)據(jù)建模和分析醫(yī)藥公司可以將藥物更快推向市場生產(chǎn)更有針對性的藥物有更高潛在市場回報和治療成功率的藥物原來一般新藥從研發(fā)到推向市場的時間大約為13年使用預測模型可以幫助醫(yī)藥企業(yè)提早3～5年將新藥推向市場

2.提高臨床試驗設計的統(tǒng)計工具和算法

使用統(tǒng)計工具和算法可以提高臨床試驗設計水平并在臨床試驗階段更容易地招募到患者通過挖掘病人數(shù)據(jù)評估招募患者是否符合試驗條件從而加快臨床試驗進程提出更有效的臨床試驗設計建議并能找出最合適的臨床試驗基地比如那些擁有大量潛在符合條件的臨床試驗患者的試驗基地可能是更理想的或者在試驗患者群體的規(guī)模和特征二者之間找到平衡

3.臨床實驗數(shù)據(jù)的分析

分析臨床試驗數(shù)據(jù)和病人記錄可以確定藥品更多的適應癥和發(fā)現(xiàn)副作用在對臨床試驗數(shù)據(jù)和病人記錄進行分析后可以對藥物進行重新定位或者實現(xiàn)針對其他適應癥的營銷實時或者近乎實時地收集不良反應報告可以促進藥物警戒（藥物警戒是上市藥品的安全保障體系對藥物不良反應進行監(jiān)測評價和預防）或者在一些情況下臨床實驗暗示出了一些情況但沒有足夠的統(tǒng)計數(shù)據(jù)去證明現(xiàn)在基于臨床試驗大數(shù)據(jù)的分析可以給出證據(jù)

這些分析項目是非常重要的可以看到最近幾年藥品撤市數(shù)量屢創(chuàng)新高藥品撤市可能給醫(yī)藥公司帶來毀滅性的打擊2004年從市場上撤下的止痛藥Vioxx給默克公司造成70億美元的損失短短幾天內(nèi)就造成股東價值33%的損失

4.個性化治療

另一種在研發(fā)領域有前途的大數(shù)據(jù)創(chuàng)新是通過對大型數(shù)據(jù)集（例如基因組數(shù)據(jù)）的分析發(fā)展個性化治療這一應用考察遺傳變異對特定疾病的易感性和對特殊藥物的反應的關系然后在藥物研發(fā)和用藥過程中考慮個人的遺傳變異因素

個性化醫(yī)學可以改善醫(yī)療保健效果比如在患者發(fā)生疾病癥狀前就提供早期的檢測和診斷很多情況下病人用同樣的診療方案但是療效卻不一樣部分原因是遺傳變異針對不同的患者采取不同的診療方案或者根據(jù)患者的實際情況調整藥物劑量可以減少副作用

個性化醫(yī)療目前還處在初期階段麥肯錫估計在某些案例中通過減少處方藥量可以減少30%~70%的醫(yī)療成本比如早期發(fā)現(xiàn)和治療可以顯著降低肺癌給衛(wèi)生系統(tǒng)造成的負擔因為早期的手術費用是后期治療費用的一半

5.疾病模式的分析

通過分析疾病的模式和趨勢可以幫助醫(yī)療產(chǎn)品企業(yè)制定戰(zhàn)略性的研發(fā)投資決策幫助其優(yōu)化研發(fā)重點優(yōu)化配備資源

新的商業(yè)模式

大數(shù)據(jù)分析可以給醫(yī)療服務行業(yè)帶來新的商業(yè)模式

1.匯總患者的臨床記錄和醫(yī)療保險數(shù)據(jù)集

匯總患者的臨床記錄和醫(yī)療保險數(shù)據(jù)集并進行高級分析將提高醫(yī)療支付方醫(yī)療服務提供方和醫(yī)藥企業(yè)的決策能力比如對醫(yī)藥企業(yè)來說他們不僅可以生產(chǎn)出具有更佳療效的藥品而且能保證藥品適銷對路臨床記錄和醫(yī)療保險數(shù)據(jù)集的市場剛剛開始發(fā)展擴張的速度將取決于醫(yī)療保健行業(yè)完成EMR和循證醫(yī)學發(fā)展的速度

2.網(wǎng)絡平臺和社區(qū)

另一個潛在的大數(shù)據(jù)啟動的商業(yè)模型是網(wǎng)絡平臺和大數(shù)據(jù)這些平臺已經(jīng)產(chǎn)生了大量有價值的數(shù)據(jù)比如PatientsLikeMe.com網(wǎng)站病人可以這個網(wǎng)站上分享治療經(jīng)驗Sermo.com網(wǎng)站醫(yī)生可以在這個網(wǎng)站上分享醫(yī)療見解Participatorymedicine.org網(wǎng)站這家非營利性組織運營的網(wǎng)站鼓勵病人積極進行治療這些平臺可以成為寶貴的數(shù)據(jù)來源例如Sermo.com向醫(yī)藥公司收費允許他們訪問會員信息和網(wǎng)上互動信息

公眾健康

大數(shù)據(jù)的使用可以改善公眾健康監(jiān)控公共衛(wèi)生部門可以通過覆蓋全國的患者電子病歷數(shù)據(jù)庫快速檢測傳染病進行全面的疫情監(jiān)測并通過集成疾病監(jiān)測和響應程序快速進行響應這將帶來很多好處包括醫(yī)療索賠支出減少傳染病感染率降低衛(wèi)生部門可以更快地檢測出新的傳染病和疫情通過提供準確和及時的公眾健康咨詢將會大幅提高公眾健康風險意識同時也將降低傳染病感染風險所有的這些都將幫助人們創(chuàng)造更好的生活