网站建设介绍会发言稿,兰州哪有建设网站的,贵州seo和网络推广,登录qq网页版来源 | 亲爱的数据#xff08;ID#xff1a;deardata#xff09;作者#xff1a;谭婧#xff0c;虎嗅认证作者#xff0c;《亲爱的数据》公众号出品人#xff0c;香港浸会大学硕士#xff0c;N年前高考作文满分得主。曾负责中国节能集团控股企业战略管理工作#xff0… 来源 | 亲爱的数据IDdeardata作者谭婧虎嗅认证作者《亲爱的数据》公众号出品人香港浸会大学硕士N年前高考作文满分得主。曾负责中国节能集团控股企业战略管理工作许多年管理咨询经验也曾任人脸识别创业公司合伙人。【编者按】疫情面前武汉火神山医院快速建立河南也在建立自己的小汤山医院。与此同时运营商也在行动中国移动预计3天就能实现武汉火神山医院5G部署。建好后的医院必然需要处理大量数据。那么医院是否也需要数据中台答案就在如下文章中。中国互联网的今天市值总和接近10万亿人民币头部阿里巴巴、腾讯各有4000多亿美元市值。一方面市值熠熠一方面互联网成为数据应用技术的发源地数据中台也在其中萌芽。腾讯汤道生说“中台能力以前就有只不过它们大多服务于内部业务在产业互联网时代才开始逐渐对外开放这些技术积累。”京东黎科峰也坦言“公司在一轮又一轮组织架构调整之后将数据中台提升到了重视的新高度。”这一切只是聚光灯下数据中台的冰山一角数据中台作为从业务视角而非技术视角的技术应用已经慢慢地向传统领域渗透。2019年佛山市妇幼保健院马丽明主任在演讲《中国医疗机构新一代数据中台建设的探索》中讲述了在数据战略时代医疗信息化工作者不易的摸索之路也表达了医院场景对于人工智能技术的真实需求。医院信息化的基础设施好比是地基。而现实是地基之上的建筑物并不能等到基础设施完全到位了才开始起步。中国医院的信息化步伐与人工智能技术的落地都在同一片工地里热火朝天地开工。数据中台的需求背景众所周知新医改的核心就是“腾空间、调结构、保衔接”。腾空间就是腾出地方,让出空间包括取消药品加成和采用两票制集中采购压缩药品中间环节的利润同时规范医疗服务行为。通过调整医疗价格、服务价格来调整医疗现在的结构药品大型检验、检查的价格往下调能够体现医务人员技术劳动价值往上升。结构性的调整对医院机制带来很大影响。新机制必须要跟社保和财政补偿衔接好。公立医院的院长在这关键时期面临挑战。确保医疗质量的前提下减少过度医疗提高服务质量是工作的重中之重。但是如何提升才是关键。在这个情况下数据分析有了新的历史使命新医改为信息化赋能临床提供了加速度。1999年中国医疗机构信息化开始。2010年一个十年的数据积累期。2019年一个十年的数据汇通期。预计在2021年后迈向数据应用期。产业实现从医疗数字化到医疗智能化需要跨越两个门槛。第一个以技术为核心向以数据为驱动转变需要医疗机构信息中心有非常多的数据专家。美国很多医院的信息中心几百甚至几千的人才规模其中大部分是数据专家。但是现在国内医疗机构的数据专家很少。第二个“全科一体化”向“专科定制化”转变医疗信息化工作者需要更加熟悉临床业务和流程。不仅如此医疗信息化工作者还面临以下几个挑战挑战一如何利用数据赋能业务简单来讲读懂数据。首先要实现数据的互联互通集成标准化和结构化。通过优质数据定位临床质量和效率问题从而分析问题背后的原因。根据发现的问题使用辅助决策系统改善医疗质量解决临床问题提升临床效能。同时能提供指标参数进入下一轮的管理怎么去更好地做控制和调整。挑战二专科发展速度非常迅猛很多的专科系统面临着井喷可以看到胸痛、静脉血栓栓塞症(VTE)、房颤、卒中和脓毒症这么多的专科系统都有特定的专科知识专有的诊疗规范特定的服务环节、专有指控和数据分析指标。这给医院信息中心带来了很大的困扰。需要面对很多的厂家一个病、每一个系统都可能是不同厂家提供的产品需要大量的协调。每个系统都有自己的硬件要求都需要硬件的投入。每个系统都要去做接口支持集成平台的方式造成了大量的重复工作。都有自己的标准最终没了标准。更关键的一点是各个系统之间是交叉的。可能某个疾病的知识体系改变了会影响相关系统的使用。比如静脉血栓栓塞症的知识改变了会影响抗凝药物的使用推荐。信息化必须解决五大核心问题第一数据集成数据的汇集结构化、标准化。第二数据洞察形成模型。第三平台化兼容多应用的开放式平台支持各种应用。第四、解决数据决策形成各种临床的应用产品。第五、业务重塑。场景化人机协同同时还要结合的业务进行改进和提升。数据驱动下的新架构集成平台应该在中间再加上的业务中台、数据中台两大中台作为支撑。在今天的环境下医院对数据中台的需求是呼之欲出的。数据中台的构成虽然对业界对数据中台的定义还没有达成共识厂家和专家对数据中台的标准和意见都有所不同。但是现实工作已经实践出了主要结构。数据中台至少应该是要包括五个主要部分第一数据的标准化和结构化。第二数据的聚类和转化形成业务所需要的信息。第三数据指控和监控保证的数据质量。第四构建指标体系。第五统一对外的服务。向下发展提高性能保障数据的应用能力。向上拓展能够提高数据应用的价值和赋能业务。数据中台可以比喻为建房子如果所有的建筑组件都是以一块一块砖头为单位去建速度很慢建房子的又不止一个人又有很多的系统。应用落地的速度受限。因此可以把一些重复性的、反复使用的做成标准部件。例如一体化的洗手间、门窗这些是数据中台要管理的东西通过标准化的部件统一提供服务。数据中台主要分成两大部分第一数据处理第二对外服务的中台。先把这些跟企业业务有较强相关性的部分抽取出来把经常反复使用的抽取出来。数据中台要满足这种快速迭代、快速应用的需求同时又要兼前顾后。数据中台的能力与业务流程数据中台具备统一的能力统一的数据存储能力数据计算能力和数据的应用能力。数据中台必须要能够完成各种数据模型包括基础模型和融合模型标签和算法还有质量控制管理和数据的安全管理。马丽明主任谈到现在服务中台已经比较成熟了而各个医院建立了数据中台的并不多都还在起步探索阶段。医院微信的服务中台应用层不包括复杂的业务逻辑只做呈现和转换但是服务层已经实现了服务的微小化管理每个业务单独的服务分级管理。因为服务性、可用性的要求不一样像挂号可就采取N加1的部署像信誉度管理、检验检查这些实时性要求不高或者是患者用得不多的这部分的业务需求标准可以适当降低。所以分级管理把数据变成一个个细颗粒度的资源资源通过统一的API的方式给业务逻辑层即可。流程改变业务逻辑改变只需要修改业务逻辑层。能够同时提供给多方使用只需要改一个地方所有的都是用统一服务的方式需求导向结果。所以数据中台是非常有必要的主要要做几件事情第一构建统一的测速与以及映射体系这是一切标准化和结构化的基础。第二在术语制定的时候可以参考国内外的权威临床数据集。第三结合国内临床数据使用的习惯和本土的表达从而形成能够满足用户查阅的中文标准的术语体系。术语的范围包括这几部分第一个疾病、症状、实验室的检查、手术操作、病理的症状体征等临床诊疗信息。第二个通过自然语言处理NLP和本体映射的方式实现数据标准化和结构化。第三个构建统一疾病数据模型形成数据资产目录。数据资产化的本质是要有足够的颗粒度和维度直接用于业务场景。比如说患者画像、医院画像、设备画像。通过业务反推的方式和基于患者信息聚合衍生的方式构建随取随用的数据。数据里面保存的不仅仅是患者的信息还包括了很多的标签。重构流程的关键是只有深入到临床路径才能发现更深层次的信息。首先是要匹配业务需求然后根据需求对流程进行优化。梳理的过程包括首先收集指南再把指南按照疾病的主流程进行拆解从而形成决策树。罗列疾病核心变量变量可能不够需要结合业务需求直接反馈信息临床研究表单收集内容补充疾病变量。把两者整合在一起从而形成疾病数据模型和运营模型。除了数据分类存放有利于数据有效利用数据资产目录也很重要。举个例子静脉血栓栓塞症(VTE)需要管理的指标非常多包括诊疗过程的指标诊断类指标以及诊疗结局指标。例如诊疗过程指标包括静脉血栓栓塞症(VTE)风险评估比率、出血风险评估比率。诊疗结局指标包括医院相关性静脉血栓栓塞症(VTE)发生比率静脉血栓栓塞症(VTE)相关病死率。这些防控指标并不是直接就能收集到往往在收集到静脉血栓栓塞症(VTE)风险评估之后的数据才能计算出来。只有这样才能更好地辅助各类业务的应用。谈到构建统一的疾病为核心的知识库至少要包括这三部分第一通用的知识包括常见的药品知识检验、检查知识。第二模块化疾病知识包括了筛查诊断手术和操作指引和知识。第三、疾病知识包括疾病指南和专家共识。在知识库基础上还要构建指标标准管理体系至少要包括五部分第一、流行病学数据。第二、临床路径和指南。第三、医院和科室的质量标准。第四、国家对重大疾病的要求。第五、国家管理相关的机构设定的医院运营的指标DRGs。基于数据资产和指标标准才能定准确的定位发现问题定位临床问题。更好地判断是过度医疗还是检查不足。构建统一的数据质量和监控体系是质控体系重中之重。在指控当中有至少是有三个事情是必须。第一、一致性。第二、标准化第三、合理性。如果有条件最好是能够把内容质控也加进去最好能在使用前进行监控对于能够及时发现医疗质量问题和风险有非常大的帮助。另外开放的APIs统一数据中台支撑多种的业务数据的应用做开放式的接口服务数据中台。开放接口服务有几个好处第一是简化管理。对接会变得很简单然后很快速排错也容易能够减少数据治理工作量。如果每个系统接入都要去做数据治理都要去做对标还是蛮痛苦的。第二、数据安全。不需要全部开放数据给某一个应用只需要提供业务所需的最小级可以减少不必要的数据暴露还可以做统一的脱敏转化从而更好地保护患者隐私和医院的数据资产。这方面国外已经有很好的应用案例像斯坦福大学用于慢性疼痛患者管理的健康信息注册网络是开源、开放标准的高度灵活的系统平台。基于临床的知识决策的推荐为临床的医生提供最佳的实践路径并提供临床结果追踪的决策支持。人工智能辅助临床诊疗决策的需求是非常巨大的也是真实的。在此处马丽明主任谈到一个性命攸关的案例一个小朋友两三天前在医院看病时还好好的突然间急重症肺炎转到重症加强护理病房短短几天从活蹦乱跳到性命垂危。重症肺炎在国内存在很大的问题其中一个问题是部分低年资医生没有办法对重症肺炎进行百分百的准确识别。虽然国家已经有很明确的诊断标准。但问题的难点在于潜在的重症患儿早期症状不明显而病情恶化快可能两三天前根本就没有什么太特别的症状突然间就要进重症加强护理病房了。临床识别非常困难。起病急病情重变化又快。如果能够在早期识别病情提早采取措施会大大降低重症肺炎的病型病死率。国外已有可以参考的案例美国杜克医疗Duke Health基于人工智能技术针对脓毒症的不同症状表现进行预警的建模对及时发现脓毒症起了很大的帮助。再比如败血症,平时表现和很多急性感染的表现是一样的。也就是说败血症本身并无特殊临床表现败血病的临床表现也可见于其他急性感染。人工智能建模预警在第一次抗生素给药前17个小时就已经检测到败血症。所以非常期待国内有更多的人工智能公司能够给医务人员带来更多的帮助。马丽明主任深刻的回顾了数据中台在医院的应用与发展也讲述了来自医疗前线的真实需求。在数字化浪潮赋能百业千行的时代背景下数据中台等基础建筑拔地而起人工智能技术努力深入场景双轮同轨。在文章的最后简单地提一下国内的人工智能企业在医院场景下取得的进展。据悉长春市某知名妇产医院在新生儿体重场景使用第四范式AutoML技术取得很好的效果。因为体重是衡量儿童生长发育的重要标志预测新生儿体重对知晓新生儿的健康状况指导孕妇分娩的方式都有意义。可惜目前教科书上的办法还停留在用腹围、双顶径、股骨长几个指标用简单公式计算。临床实践表示旧的计算方法非常不准几乎已没有指导意义。因此医院希望尝试用人工智能的方式去解决。而AutoML技术应用在这个场景下模型预测的绝对误差仅为百克。如果该技术能够在全国范围内应用预测全国各个地区新生儿体重数据将有可能从更多的新生儿体重数据中挖掘出更大意义与价值。作者简介谭婧虎嗅专栏作者《亲爱的数据》公众号创始人香港浸会大学硕士N年前高考作文满分得主。曾负责中国节能集团控股企业战略管理工作许多年管理咨询经验也曾任人脸识别创业公司合伙人。【END】热 文 推 荐 ☞疫情之下「在家办公模式」开启你该选择哪些远程协同工具☞疫情肆虐下程序员们都在哪里☞云计算的 2020云原生崛起重新定义软件☞数十名工程师作战5天阿里达摩院连夜研发智能疫情机器人☞区块链如何击败 AI、云计算成为最受欢迎技能用开发者的方式共克时艰
