大數(shù)據(jù)在醫(yī)療運作管理中的應用研究

李璟暄 朱人杰 樊重俊 葉春明

摘要：大數(shù)據(jù)和醫(yī)療運作管理的結合已經(jīng)成為時下的研究熱點。大數(shù)據(jù)對醫(yī)療體制和醫(yī)院管理產(chǎn)生了深遠的影響，各種數(shù)據(jù)分析方法已廣泛應用于醫(yī)療運作管理以及醫(yī)療健康大數(shù)據(jù)的研究，各大醫(yī)院信息化管理平臺已逐步完善。未來，數(shù)據(jù)挖掘技術的革新必會更有力地推動智慧醫(yī)院的建設，接下來可以從復雜算法在醫(yī)療運作管理的角度出發(fā)進行深入研究。

關鍵詞：大數(shù)據(jù)；數(shù)據(jù)挖掘；醫(yī)療管理

引言

改革開放以來隨著人們生活質量的不斷提高，醫(yī)療領域獲得了空前的發(fā)展。醫(yī)療運作管理作為一個新興領域出現(xiàn)在人們的視野中。同時，人們對于海量數(shù)據(jù)的挖掘與應用已經(jīng)滲透到每個行業(yè)和領域。數(shù)據(jù)分析與挖掘技術日新月異，人們也逐漸發(fā)現(xiàn)它可以解決醫(yī)療運作管理中長期存在的種種問題。在大數(shù)據(jù)技術的幫助下，我們有希望解決許多醫(yī)院管理、公共衛(wèi)生等領域的技術難題。

1、大數(shù)據(jù)技術對醫(yī)療行業(yè)的影響

1.1 大數(shù)據(jù)技術對醫(yī)療體制的影響

現(xiàn)今，醫(yī)療大數(shù)據(jù)市場規(guī)模膨脹迅速。2018年全球大數(shù)據(jù)及服務市場規(guī)模超過450億美元。中國移動醫(yī)療市場規(guī)模從2012年的13.9億元增長至2017年的230億，年復合增長率達到78.48%，2020年預計將超過500億元。大數(shù)據(jù)在醫(yī)療運作管理中的廣泛應用會對醫(yī)院的收費形式和看病的支付模式產(chǎn)生深遠的影響。通過匯總數(shù)據(jù)并進行分析，院方（或付費機構）可以更加精準地了解診療效果，避免醫(yī)療差錯、過度醫(yī)療等風險[1]。同時大數(shù)據(jù)技術可以將疾病預防方式由被動轉向主動，快速分類分析電子病歷，較為精準地預測傳染病疫情、降低傳染病大規(guī)模爆發(fā)的風險。

針對不同的疾病、患者等采集得到的數(shù)據(jù)，利用大數(shù)據(jù)重建形成虛擬患者或者診療方案，打破了原先閉塞的學習方式，各醫(yī)院可以互補性地學習罕見病、常見病的病例和手術。大數(shù)據(jù)在醫(yī)療運作管理中的應用可以使得醫(yī)療數(shù)據(jù)更加精準，提高醫(yī)療過程數(shù)據(jù)的透明度，促進醫(yī)療服務質量的提高。

1.2 大數(shù)據(jù)技術對醫(yī)院管理的影響

隨著大數(shù)據(jù)時代的到來，醫(yī)院信息化的浪潮也隨之興起。適應數(shù)據(jù)技術的革新，轉變傳統(tǒng)數(shù)據(jù)統(tǒng)計工作的思維模式，是當今醫(yī)院管理工作的重中之重。

數(shù)據(jù)技術的革新，為提高醫(yī)療質量提供了保障。大數(shù)據(jù)技術為醫(yī)生提供準確科學的信息，輔助醫(yī)生診療，降低誤診率，提高醫(yī)療質量。信息化進程的推進使醫(yī)院管理更加規(guī)范化、標準化，實現(xiàn)“精細化管理”。醫(yī)療精細化管理可以為醫(yī)院提升醫(yī)療護理工作的效率和水平、節(jié)約經(jīng)營成本。對數(shù)據(jù)的分析與挖掘還可以輔助醫(yī)院管理決策，并解決以往醫(yī)院管理中決策過于主觀的問題。數(shù)據(jù)挖掘技術可以客觀、科學地分析醫(yī)院管理活動的各項指標與數(shù)值，準確地為管理者提供決策建議。其次，通過建立醫(yī)療科研數(shù)據(jù)中心大幅提升了醫(yī)院的科研能力，提高醫(yī)療數(shù)據(jù)的收集與處理速度，直接提高了科研人員的工作效率、降低科研難度，還解決了醫(yī)療舊時代各醫(yī)院間信息封閉的問題，實現(xiàn)科研信息共享，促進醫(yī)學科研的繁榮[2]。

2、醫(yī)療大數(shù)據(jù)所面臨的挑戰(zhàn)與機遇

大數(shù)據(jù)是人類數(shù)據(jù)技術的一次重大革新，醫(yī)療大數(shù)據(jù)的分析價值也越來越得到重視。然而大數(shù)據(jù)的4V特征，即規(guī)模性（Volume）、多樣性（Varity）、高速性（Velocity）和價值性（Value）導致難以運用傳統(tǒng)的數(shù)據(jù)分析方法進行分析。80%的醫(yī)療數(shù)據(jù)都是非結構化數(shù)據(jù)，難以有效地儲存和分析，而醫(yī)療數(shù)據(jù)往往又包含了許多錯誤信息，更為數(shù)據(jù)的處理增加了難度。另外，醫(yī)療大數(shù)據(jù)還具有地區(qū)間信息化建設不平衡、投資門檻高、數(shù)據(jù)的安全性等問題。

上述問題在未來可以通過分布式系統(tǒng)來解決，利用云計算和Hadoop、MongoDB等分布式數(shù)據(jù)庫構成的數(shù)據(jù)網(wǎng)絡為精準醫(yī)療、公共衛(wèi)生、疾病預防、醫(yī)療管理等工作提供決策支持，可以解決許多互聯(lián)網(wǎng)醫(yī)療的障礙[3]。醫(yī)院有必要針對臨床智能輔助決策、疾病風險、管理者對經(jīng)濟性數(shù)據(jù)的需求等大數(shù)據(jù)相關的應用需求，在對醫(yī)院日常業(yè)務運作的分析、臨床模型設計與實現(xiàn)的基礎上搭建醫(yī)療大數(shù)據(jù)平臺[4]。大數(shù)據(jù)驅動的智能醫(yī)療將極大提高醫(yī)療品質與健康決策的效率與準確率，是接下來重要的研究方向。

3、醫(yī)療大數(shù)據(jù)分析方法及研究

隨著信息技術的發(fā)展，醫(yī)學領域研究、電子病歷等各種信息被保留了下來，形成了海量的醫(yī)療大數(shù)據(jù)。這些數(shù)據(jù)往往體量巨大且來源多渠道、類型多樣、數(shù)據(jù)的價值和潛在信息不確定，難以用傳統(tǒng)的數(shù)據(jù)分析方法進行處理，需要通過各種算法和模型支持醫(yī)療大數(shù)據(jù)的分析[5]。

Apriori算法是一種挖掘布爾關聯(lián)規(guī)則的頻繁項集算法，其核心思想是通過候選集生成和情節(jié)的向下封閉檢測兩個階段來挖掘頻繁項集。該算法已經(jīng)廣泛應用于商業(yè)、管理、移動通訊等領域，在醫(yī)療管理領域也有一定的理論成果。傳統(tǒng)的Apriori算法由于在實現(xiàn)的過程中需要多次掃描數(shù)據(jù)庫，具有執(zhí)行時間長、沒有針對性、效率低下的問題。通過構建基于NoSQL和MapReduce的數(shù)據(jù)存儲與挖掘系統(tǒng)MSPM，并改進了傳統(tǒng)Apriori算法，將復雜的醫(yī)療文檔數(shù)據(jù)轉化為Apriori算法適用的事務數(shù)據(jù)集，通過鍵值對存儲、一次性全局掃描和興趣集約束計數(shù)等優(yōu)化策略，大幅降低了算法執(zhí)行時間，提高了運行效率[6]。

logistic回歸分析是一種廣義的線性回歸分析模型，常用于數(shù)據(jù)挖掘，疾病自動診斷，經(jīng)濟預測等領域。在醫(yī)院的日常管理中，可以結合logistic回歸與決策樹分析，根據(jù)不同的指標建立的病例組合，探討每種病例組合住院費用之間的差異[7]。

線性混合效應模型是一種方差分量模型。傳統(tǒng)的線性混合效用模型無法準確分析非線性數(shù)據(jù)。王明高[8]等通過研究醫(yī)療數(shù)據(jù)之間的非線性關系，建立了一個優(yōu)于傳統(tǒng)線性混合效用模型的貝葉斯多項式混合效用模型，用以核算醫(yī)療與保險項目的費用。

聚類是將物理或者抽象對象分類到多個類的一個過程。魏志杰[9]等通過聚類技術合理抽象醫(yī)療費用數(shù)據(jù)，然后進行合規(guī)性檢查達到準確醫(yī)療過程中的費用異常。

模糊綜合評價是一種基于模糊數(shù)學的綜合評價方法，根據(jù)隸屬度理論對受到多種抽象因素影響或約束的對象，將其定性評價轉化為定量評價。通過構造模糊集來處理模糊因素，在很大程度上減輕了模糊指標選擇的難度，加強了公立醫(yī)院績效考核評價結果的準確性與客觀性。除了選擇傳統(tǒng)的企業(yè)績效考核指標外，公立醫(yī)院必須考慮到社會公益、患者滿意度等因素，需要從公益性等角度提出新的績效考核維度，必須確保公立醫(yī)院的績效考核制度有別于盈利性企業(yè)[10]。

4、基于大數(shù)據(jù)的醫(yī)院管理平臺

如今許多大型醫(yī)院已經(jīng)完成了對醫(yī)院信息化管理平臺、信息交互平臺以及云存儲等大數(shù)據(jù)應用的基礎建設。如何利用智能化技術挖掘數(shù)據(jù)中心潛在的價值是大數(shù)據(jù)在醫(yī)療領域的應用研究重點。醫(yī)療體制的改革和醫(yī)療服務的市場化也隨之帶來了更加劇烈的市場競爭，醫(yī)院需要在考慮社會公益的前提下盡可能地提升運營效率，保證運營收益，醫(yī)院信息化業(yè)務平臺的重要性不言而喻。

4.1 移動醫(yī)療

在“互聯(lián)網(wǎng)+”時代，有別于低效率的傳統(tǒng)門診業(yè)務，作為智慧醫(yī)院發(fā)展的新型業(yè)務，移動醫(yī)療具有高效性、實時性等優(yōu)點。包括：在線預約掛號、APP叫好提醒、醫(yī)生移動查房、遠程會診、大數(shù)據(jù)智能輔助決策、護士移動護理等，甚至未來在5G技術的幫助下，極為精密復雜的遠程手術也可以實現(xiàn)。移動醫(yī)療深刻改變了醫(yī)療服務模式，優(yōu)化了醫(yī)療資源配置，大幅提升了醫(yī)療服務質量和效率。

4.2 藥械監(jiān)管系統(tǒng)

藥械管理是醫(yī)院日常管理中的重要組成部分，直接關乎患者與醫(yī)護人員的生命安全。由于我國藥械監(jiān)管的安全意識淡薄和有關部門的監(jiān)管還并未到位，傳統(tǒng)的藥械監(jiān)管系統(tǒng)普遍只是以企業(yè)利益最大化為目標，停留在物流與財務層面，忽視了藥械安全質量的重要性[11]。新型藥械監(jiān)管系統(tǒng)可以采用分布數(shù)據(jù)庫、實時通訊、動態(tài)監(jiān)控等技術，結合人工智能構建基于大數(shù)據(jù)分析的藥械質控綜合監(jiān)管信息系統(tǒng)。對藥械產(chǎn)品的生產(chǎn)過程與市場流動過程進行全過程監(jiān)督，實時對可疑過程與人員進行監(jiān)控并向相關人員報警，將適合的信息面向大眾公布，從根本上消除藥械在生產(chǎn)過程中的質量隱患。

4.3 醫(yī)療設備管理

隨著醫(yī)療水平的發(fā)展，醫(yī)院越來越注重于采購現(xiàn)代化醫(yī)療設備，先進的大型醫(yī)療設備也能一定程度上代表醫(yī)院的診療水平。但是傳統(tǒng)的醫(yī)療設備無法實現(xiàn)實時監(jiān)測使用期間的數(shù)據(jù)與損耗，預測其故障率，對故障即時警報等功能。具有設備維護成本高、維護周期不精準、故障機器閑置時間長等缺陷。未來可以通過醫(yī)療大數(shù)據(jù)、區(qū)塊鏈、人工智能得到各醫(yī)療設備的年開機率、故障率等，實現(xiàn)醫(yī)療設備維護維保預警的智能化。

4.4 績效考核體系

績效考核作為醫(yī)院績效管理的重要組成部分，是提升醫(yī)院運營效率、保證醫(yī)療服務質量、確保醫(yī)院日常管理與醫(yī)院整體戰(zhàn)略發(fā)展目標一致的關鍵環(huán)節(jié)。為了在保證醫(yī)療服務質量和醫(yī)院公益性的前提下，盡可能地節(jié)約患者的費用和醫(yī)院資源的消耗，調動醫(yī)務人員積極性，有必要建立公平、高效的績效考核體系?？梢詫⑨t(yī)療大數(shù)據(jù)應用于醫(yī)院績效管理，根據(jù)醫(yī)院的社會效益、醫(yī)療護理質量、經(jīng)營效率等方面的指標構建績效評價體系，力圖實現(xiàn)醫(yī)院精細化管理、并使醫(yī)院績效管理服務于醫(yī)院整體戰(zhàn)略規(guī)劃[12]。

5、結語

隨著大數(shù)據(jù)智能化技術的不斷發(fā)展，其在醫(yī)療運作管理領域的應用也必然越來越廣泛。數(shù)據(jù)挖掘技術在醫(yī)療管理中的應用，對智慧醫(yī)院的建設具有重大意義。大數(shù)據(jù)分析技術相較于傳統(tǒng)數(shù)據(jù)分析方法的優(yōu)勢在于可以捕捉到非結構化數(shù)據(jù)。它不僅能夠輔助優(yōu)化醫(yī)院日常管理的方方面面，還能分析理解疾病預測與預防、公共衛(wèi)生決策等健康方面的數(shù)據(jù)，進而建設大數(shù)據(jù)健康信息平臺。目前，我國在醫(yī)療健康領域對大數(shù)據(jù)技術的應用研究仍然較為貧乏，傳統(tǒng)的數(shù)據(jù)分析處理方法依然占據(jù)主流。未來，可以專注于復雜算法在醫(yī)療運作管理的進一步應用，人工智能、云計算對醫(yī)院數(shù)據(jù)挖掘等方面繼續(xù)研究。

參考文獻：

[1] 吳東東，黃昊，趙平，周林. 大數(shù)據(jù)醫(yī)療與移動醫(yī)療對未來醫(yī)療體制的影響[J]. 重慶醫(yī)學，2016，45（34）：4866-4867

[2] 王忠慶，邵尉，彭程，田新平，何苗. 醫(yī)療大數(shù)據(jù)時代對醫(yī)院統(tǒng)計工作的新思考[J]. 中國衛(wèi)生統(tǒng)計，2015，32（03）：542-543.

[3] 虞銘明，張迺英，李月娥. 醫(yī)療健康大數(shù)據(jù)分析的關鍵技術與決策支持[J]. 中國科技論壇，2018（11）：53-62.

[4] 徐曼，沈江，余海燕. 數(shù)據(jù)驅動的醫(yī)療與健康決策支持研究綜述[J]. 工業(yè)工程與管理，2017，22（01）：1-13.

[5] 王若佳，魏思儀，趙怡然，王繼民. 數(shù)據(jù)挖掘在健康醫(yī)療領域中的應用研究綜述[J]. 圖書情報知識，2018（05）：114-123+9.

[6] 李偉，劉光明，孟祥飛，張真發(fā). 并行化的Apriori算法在海量醫(yī)療文檔數(shù)據(jù)挖掘中的應用及優(yōu)化[J]. 北京師范大學學報（自然科學版），2016，52（04）：420-424.

[7] 薛允蓮.logistic回歸結合決策樹技術在冠心病患者住院費用組合分析中的應用[J].中國衛(wèi)生統(tǒng)計，2015，32（06）：988-989+992.

[8] 王明高，孟生旺. 醫(yī)療費用預測的貝葉斯多項式混合效應模型[J].統(tǒng)計研究，2016，33（02）：75-78.

[9] 魏志杰，金濤，王建民. 基于臨床數(shù)據(jù)挖掘的醫(yī)療過程異常發(fā)現(xiàn)方法及應用[J]. 計算機集成制造系統(tǒng)，2018，24（07）：1631-1641.

[10] 馬強.模糊綜合評價法用于公立醫(yī)院績效考核的理論架構[J].南通大學學報（社會科學版），2015，31（03）：145-152.

[11] 田建軍，申月波，焦雄飛，王亮，韓鳳田. 基于大數(shù)據(jù)分析的藥械質控綜合監(jiān)管信息系統(tǒng)設計[J]. 中國醫(yī)藥工業(yè)雜志，2019，50（01）： 122-124.

[12] 張晨陽，張春麗，華履春，彭宇竹. 醫(yī)療大數(shù)據(jù)在醫(yī)院績效管理中的應用[J]. 中國衛(wèi)生質量管理，2017，24（05）：106-108.

作者簡介：

李璟暄，上海理工大學管理學院碩士生；

朱人杰，上海理工大學管理學院博士生、東方醫(yī)院運營管理部主任；

樊重俊、葉春明，上海理工大學管理學院教授、博士生導師。