医疗大数据治理现状

  医疗机构的信息化建设以业务流程、医保支付和医管政策为核心驱动力，医疗大数据治理现状产生的数据是有客观限制的。如医保处方规定的出院带药最长天数、医疗大数据跨科开药限制等因素导致开单医生不能如实开具反映实际情况的处方；分工细化，数据价值链路过长，导致前端缺乏数据生产动力；数据生产者缺乏对数据对象进行完整和精确描述的能力，医疗大数据导致关键信息缺失，以及标准化程度差的特点；信息系统难以学习和使用，缺少防错设计，导致人为差错问题。因此，在二次利用的价值充分体现之前，数据的完整性、医疗大数据准确性、一致性、关联性、规范性等方面的质量挑战将长期存在。如果数据不能及时进行结构化、标准化的治理和分类存储，那么带来的存储成本也是巨大的。前面已经提到过，到2020年，数据存储将达到44ZB，而其中有价值的数据仅有1.5%。如果不能及时发掘出其他数据的有效价值，那么垃圾数据将会过多地占据企业的存储成本。

  医疗数据的治理分成两种，一种是前治理，一种是后治理。后治理是将已经存储在数据平台的医疗数据质量问题，医疗大数据通过清洗、校验、脱敏等常见方法，结合二次应用需求，对数据的结构化、标准化进行数据质量的提升和优化。基于海量存储和计算平台的集成能力，大数据平台应覆盖元数据管理、文件管理、检索设计、节点任务、流程任务、任务调度、运行监控等功能，支撑后治理过程中数据的基础处理。在治理过程中，需要基于通用标准和临床基础字段集，把症状、疾病生命体征、家族史、婚育史、检验、检查、手术、输液、药品医嘱等文字内容进行结构化处理，对结构化和非结构化数据、集中式和分布式数据进行统一建模，提取临床、科研分析所需特征，同时完成重点概念的标准化和统一描述。后治理数据基础差、要求高、流程和环节复杂，涉及的自动化和人工处理的工作量极其巨大，二次污染难以避免，需建立针对数据处理环节的质控流程和工具。医疗大数据通过溯源工具，医疗大数据追溯每个处理后数据与原生数据的血缘关系，以及定位和处理过程中引入的新问题。前治理是后治理能力、经验和治理工具到医疗机构的向前延伸，以原生数据质量问题的评价为基础，医疗大数据解决数据在医疗业务信息系统中生产、传输、转化、存储等环节中产生的质量问题。前治理可以显著提升医疗数据质量。