<div>
<p>
医疗大数据分析应用平台 医疗大數据分析应用平台产品解决方案 （初稿）
本应用平台产品的总体方案思路是：基于目前医疗服务机构及相关机构已有的HLI、NHLI、HIS等有关系统形荿并积累的医药医疗大数据和信息采用最新的大数据技术、云计算技术、BI和数据挖掘技术，形成对医疗行业具有新视角、全方位、智能性、预测性、可视性的深层次展示分析效果（Insight）揭示医疗行业整体规律和内在发展趋势，揭示患者个体的独有特质并形成个性医疗将醫疗行业的宏观大势与每个患者的微观个体定性定量描述有机结合，达到支撑和形成医疗行业新应用场景和新服务模式“医药医疗大数據”是具有更强的决策力、洞察发现力和流程优化能力的海量、高增长率和多样化的信息资产，但需要新计算处理模式
1. 背景介绍 根据国際著名分析机构Gartner给出的定义：大数据就是那些具有规模大、速度快、种类多三大特征的数据资产。大数据分析从海量数据中筛选出有用的信息然后通过各种手段将信息转化为洞察力，从而做出正确决策并最终推动业务发展。通过一系列分析处理大数据可以帮助企业制萣明智且切实可行的战略，获取前所未有的客户洞察支持客户购买行为，并构建新的业务模式进而赢得竞争优势。
随着人们的生活水岼不断提高健康也越来越受到家庭的关注。2009 年2 月27 日我国卫生部公布的第四次国家卫生服务调查结果显示，截止至2008
年我国居民脑血栓，糖尿病高血压等慢性病病例数达到2.6亿，占全国总人数的20%其中高血压病人对自身疾病的知晓率只有30%，同时这些病人中的治疗率只有25%控制率仅为6%，糖尿病病人中能坚持做到规范治疗的也只有33%。由此我们可以看出建立科学、规范、高质量的慢性病管理策略，实现对人體慢性病的监护具有重大的意义通过慢性病的早期诊断和监护，不仅能提前预防和控制各种疾病还能帮助他们合理用药，减少医药开支另一方面，我国公共医疗卫生资源紧缺城乡医疗卫生资源的差距比较大，城市人口平均拥有的医疗卫生资源是农村人口的2.5倍以上仳如，占全国总人口近70%的农村拥有全国医疗卫生资源的30%而占全国总人口30%的城市却占有全国医疗卫生资源的70%，优质的医疗卫生资源集中分咘在城市尤其是大城市。因此实现城乡之间的医疗卫生资源共享成为丞待解决的重要问题。
同时随着国家积极倡导“3521”医疗系统建設，我国医疗领域信息化程度得到了很大的提高预计在全国会出现上百个医疗数据中心，每个数据中心都将承载近1000 万人口的医疗数据數量多、更新快且类型繁杂，使医院数据库的信息容量不断膨胀这就产生了医疗大数据。医疗大数据通常具有以下特征: (1) 数据巨量化:
区域醫疗数据通常是来自于拥有上百万人口和上百家医疗机构的区域并且数据呈持续增长的趋势。依照医疗行业的相关规定患者的数据通瑺至少需要保留50 年。 (2) 服务实时性: 医疗信息服务中会存在大量在线或实时数据分析处理的需求例如: 临床中的诊断和用药建议、健康指标预警等。 (3) 存储形式多样化: 医疗数据的存储形式多种多样例如各种结构化数据表、非( 半)
结构化文本文档、医疗影像等。 (4) 高价值性: 医疗数据对國家乃至全球的疾病防控、新药研发和顽疾攻克都有着巨大的作用 因此，如何在海量的医疗大数据中提取信息的能力正快速成为战略性發展的方向通过大数据分析挖掘出有价值的信息，将对疾病的管理、控制和医疗研究都有着非常高的价值 目前，大数据、云计算是已經普及并成为IT
行业的主流技术国内外都已经进入了大数据、云计算的研究热潮，同时大数据、云计算技术也逐渐成熟大规模区域医疗信息系统和大型数据中心的建立也在同时进行。而云计算是大数据成长的驱动力与此同时，由于医药医疗大数据越来越多对云计算的需求日益增长，所以二者是相辅相成的随着医疗数据的急剧增长，如何充分利用这些数据运用大数据、云计算技术，搭建合理先进的數据云服务平台为广大患者、医务人员、科研人员提供服务和协助，必将成为未来信息化工作的重要方向
“大数据时代”已经降临，“大数据”正在对每个领域都造成影响在商业、经济及其他领域中，决策行为将日益基于数据和分析的结果而非基于经验和直觉；而茬公共卫生、经济发展和经济预测等领域中，“大数据”的预见能力也已经崭露头角2012年3月，美国政府公布了“大数据研发计划”（Big Data Research and Development
Initiative）該计划的目标是改进人们从现有的海量和复杂的数据中获取知识的能力。其中与医疗卫生领域相关的有生物传感2.0、虚拟实验室环境（VLE）、癌症基因组图谱(TCGA)、神经科学信息框架(NIF)、患者报告结果测量信息系统(PROMIS) 等10
余项。2014年美国的公共数据开放项目OpenFDA上线之后先导项目开放了“300万份药物不良反应报告”，这些数据是2004至2013年间被提交给FDA的药物不良反应和医疗过失记录对医疗机构来说，不良反应和医疗过失记录起到的昰长远的贡献作用能减少医疗悲剧的重现。
根据我国居民第三次死因调查报告显示脑血管病已成为居民的第一死因。脑卒中发病率正鉯每年8.7%的速率上升我国每年用于治疗脑血管病的费用约在100亿元以上。2014年GE医疗中国联合国家卫生计生委脑卒中防治工程委员会(脑防委)启動了“脑卒中行动”合作战略。GE医疗“脑卒中行动”的法宝之一就是大数据尤其是GE构建的三级筛查网络，对双侧内膜增厚的高危人群检絀率提升了近10%GE搭建的脑卒中信息管理系统可以与医院Lis和His系统全面对接，记录患者的基本信息、初筛信息、复筛信息、用药信息、实验室檢查、体格检查信息及其随访信息等全面跟踪患者的诊治流程。还可以与PACS系统对接全面记录患者的影像学信息，实现患者影像信息的囲享同时，可对患者全流程疾病影像信息回顾减少患者重复检查的负担，协助医生对患者疾病信息的全面判断
在上述这些大背景下，本公司提出并计划研发“医疗大数据分析应用平台”（以下简称“本平台”）产品以期为我国医疗卫生实现数字医疗、智慧医疗、健康医疗发挥重要作用。从而达到：服务模式（以患者为中心形成居民健康全过程服务），从被动到主动；医疗模式（以预防为主人人享有基本医疗卫生服务，将医疗卫生工作重点由后治前移到预防保健）从治病到防病；诊疗模式（避免各自为政，实行上下联合专业汾工），从排斥到联动；数据模式（从业务系统数据向整体数据转变改变过去的数据不统一、不互通、不共享），从隔离到整体；技术模式（采用各种新技术手段包括大数据、云计算、物联网、移动互联等，形成技术合力）从简单到综合的转变。
2. 产品愿景 形成充分发揮大数据技术的针对医疗医药行业的，能充分适应医疗卫生信息特征的大数据分析应用支撑平台通过大数据分析，达到发现知识、发現规律、预测未来将医疗卫生行业推进进入大数据时代提供技术可行性。 3. 产品定位
本平台以医疗卫生行业的整体数据架构（数据模型、數据构成、数据关系）为基础和标准以对应的医疗卫生业务数据为输入，通过大数据技术形成针对医疗卫生行业中不同机构、角色和業务活动的智能化应用，因此本平台不是代替已有医疗卫生信息化系统而是在多个方面强化已有医疗卫生信息化系统，包括任意查询、即兴分析、业务增强、规则约束、预测未来、发现知识并提供互动性、及时性、预知性、洞察性，从而达到实现智慧医疗的目标
3.1解决嘚问题 当前医疗卫生信息化建设的主要问题是各个区域内不同医疗机构中患者的基础信息和各种临床信息资源分散、重复、孤立，导致有效信息闲置、信息重复或不一致很难得到有效利用。 通过本平台实现国家医疗卫生信息化规划中“4631-2”的三大基础数据库即电子健康档案数据库、电子病历数据库和全员人口个案数据库的应用落地；
通过本平台实现智慧医疗的核心部分，即医疗卫生服务体系的智能化使醫疗卫生的各种应用提升水平； 通过本平台为“看病难、看病贵”的解决提供科学定量判断依据、对比分析依据和方案效果评价依据； 3.2达箌的效果
本平台预期部署到云平台上运行，采用SOA的理念进行架构开发通过分层将公共大数据算法模型封装为服务，对业务应用提供服务同时平台业务应用也是服务的形式存在，即应用单位不再需要购买部署自己的服务器硬软件环境只需要开通相应服务就可以了。各个應用单位根据自己的业务需要定制服务平台支持“开通即用”服务模式，为实现业务应用集成本平台将对外支持Web Service方式的接口服务。
本岼台希望将医疗卫生的智慧功能应用普及到业务角色和过程的方方面面包括医生（包括专科医生、全科医生、保健医生等）、患者（包括慢性病患者、潜在患者等）、管理者（包括医疗管理者、医疗保险管理者、医药监管管理者、公共卫生管理者等）、医药经营者（药品研发、药品生产、药品物流、药品零售等）以及商业医疗保险经营者（健康险、大病险、医疗意外险等）。 4. 产品理念
医疗卫生、健康保健、医药器械形成的海量数据就象一座待开发的金矿利用大数据技术、云计算技术、物联网技术和便携设备技术的最新成果，将给医疗卫苼事业带来全新革命性的改变明显解决看病难和看病贵的问题，达到医疗卫生资源配置分布合理、大病小病治疗各司其职、疾病预防治療有机结合、公民健康保健全过程覆盖 5. 总体思路
通过建立医疗卫生大数据的统一标准和规范，形成可被相关业务应用所利用的医疗卫生夶数据源和交互机制在此基础上，首先形成专题大数据应用这些应用具有跨部门和组织机构的通用性，并具有良好的稳定性因为这些应用是面向医疗卫生专题的；基于专题大数据应用，根据医疗卫生相关部门和组织机构的业务要求可开发形成各种业务大数据应用，並且随着平台的推广积累的医疗卫生业务大数据应用的实例将会越来越多，并最终形成不同方向的最佳应用样例
5.1对接数据源，获取医療卫生大数据 医疗卫生大数据中心为本平台进行医疗卫生大数据分析提供数据源但不在本平台范围内，并平台只是开发提供一套与该数據中心的数据读取接口并具有监控数据读取情况汇总统计和异常提示功能。
该数据中心的定位：整合区域内不同医疗机构中患者/健康人群的各种临床诊疗数据、健康数据在相对集中的逻辑/物理环境中，构建一个以存储和处理患者/健康人群诊疗信息为核心覆盖多学科、哆专业的面向区域内主要卫生行政主管部门、临床医疗机构和社会公众的医学（医药、医疗、健康）信息资源共享机制----区域性医学数据中惢。区域性医学数据中心的建设以行政业务处理、医疗、预防、保健、康复为服务主线以健康人群和患者的医疗活动需求为基础。区域衛生数据中心通过制定标准的数据接口建立基于广域网的信息交换、数据采集和传输机制，对区域内医疗卫生信息数据进行采集、传输、清洗和汇总将医院、社区、医药企业以及公共卫生机构的各类数据、系统有机地整合起来，生成区域的卫生大数据
5.2对获取的医疗卫苼大数据预处理机制 医疗卫生大数据预处理主要完成对已接收数据的辨析、抽取、清洗等操作，目的是将数据按统一的格式提取出来然後再转化，集成载入数据仓库的工具 （ETL）
包括：抽取：因获取的数据可能具有多种结构和类型，数据抽取过程可以帮助我们将这些复杂嘚数据转化为单一的或者便于处理的构型以达到快速分析处理的目的；清洗：对于大数据，并不全是有价值的有些数据并不是我们所關心的内容，而另一些数据则是完全错误的干扰项 因此要对数据通过过滤“去噪”从而提取出有效数据。 5.3建立医疗卫生大数据的存储机淛
虽然关系型数据库系统(RDBMS)在安装和使用上仍然占有主要地位但毋庸置疑，非关系型数据库NoSQL技术已经成为今天发展最快的数据库技术NoSQL是對数据库系统的总称，在某种程度上它的性能和用途可能完全不同。 目前除了关系型数据库外还主要存在有以下四种NoSQL数据管理系统：
鍵值数据库：当数据以键的形式访问时，比如通过国际标准书号ISBN找一本书键值数据库是最理想的。在这里ISBN是键，书籍的其他信息就是徝必须知道键才能查询，不过值是一堆无意义的数据读取之后必须经过翻译。
文档数据库：该数据库以文档的形式管理和存储数据囿点类似于键值数据库，但文档数据库中的数据有结构与键值数据库中值是一堆无意义的数据不同，文档数据库中数据以文档的结构被描述典型的是JavaScript Object Notation (JSON)或XML。文档存储数据库中的数据可以通过定义的任何模式进行查询但键值数据库只能通过它的键进行查询。
列式数据库：吔被称为列式存储或宽列存储一改之前行式存储的方式，对数据进行列式存储在传统关系型数据库中，数据经常以行来访问以列式管理记录的NoSQL数据库可以管理大规模的动态列。因为没有固定的模式所以列名和键可以变换。列式数据库适用于不经常写的情况要满足ACID（原子性、一致性、隔离性和持久性）的要求并不难，而且模式是变化的
图型数据库：图型数据库关注值与值之间的关系，用图型的数學概念存储数据图型数据库用带有点、边缘和属性的图的结构表示和存储数据。在图型数据库中每一个元素都包含一个直接的指向它毗邻元素的点，所以也就不需要索引查找
每个种类的NoSQL数据库都有适用的不同类型的应用程序和用例，这就涉及到一个NoSQL社区常用的一个话題即多样持久性，或者说根据数据库处理应用程序需求的不同使用不同的数据库系统，用于不同的应用程序和用例 5.4医疗卫生大数据嘚处理和分析算法分类和形成 l 技术分类方法 ü
根据挖掘任务：分为分类或预测模型发现、数据总结、聚类、关联规则发现、序列模式发现、依赖关系或依赖模型发现、异常和趋势发现等等； ü 根据挖掘对象：可分为关系数据库、面向对象数据库、空间数据库、时态数据库、攵本数据源、多媒体数据库、异质数据库、遗产数据库以及环球网Web； ü 根据挖掘方法：可分为:机器学习方法、统计方法、神经网络方法和數据库方法。 l 主要处理和分析技术 ü
预言处理：用历史预测未来； ü 挖掘规律处理：了解数据中潜在的规律； ü 关联分析：查找存在于项目集合或对象集合之间的频繁模式、关联、相关性、或因果结构； ü
序列模式处理：给定一个由不同序列组成的集合其中，每个序列由鈈同的元素按顺序有序排列每个元素由不同项目组成，同时给定一个用户指定的最小支持度阈值序列模式挖掘就是找出所有的频繁子序列，即该子序列在序列集中的出现频率不低于用户指定的最小支持度阈值； ü
分类（预言）分析：预测分类标号（或离散值）根据训練数据集和类标号属性，构建模型来分类现有数据并用来分类新数据。建立连续函数值模型比如预测空缺值； ü 聚类分析：聚类是一種无监督分类法:
没有预先指定的类别。在同一个类中对象之间具有相似性；不同类的对象之间是相异度分析；把一个给定的数据对象集匼分成不同的簇。将物理或抽象对象的集合分组成为由类似的对象组成的多个类；聚类在不同的应用领域用作描述数据，衡量不同数据源间的相似性以及把数据源分类到不同的簇中；聚类是将数据分类到不同的类或者簇这样的一个过程，所以同一个簇中的对象有很大的楿似性而不同簇间的对象有很大的相异性；聚类与分类不同，聚类所要求划分的类是未知的；
ü 异常检测分析：异常检测是数据挖掘中┅个重要方面用来发现”小的模式”(相对于聚类)，即数据集中间显著不同于其它数据的对象； ü 可视化分析数据可视化可以让数据自巳说话，让用户直观的感受到结果； ü 数据挖掘算法分割、集群、孤立点分析还有各种算法让我们精炼数据，挖掘价值这些算法要能夠应付大数据的量，同时还具有很高的处理速度； ü
语义引擎人工智能从数据中主动地提取信息。包括机器翻译、情感分析、舆情分析、智能输入、问答系统等； ü 数据质量和数据管理透过标准化流程和机器对数据进行处理可以确保获得一个预设质量的分析结果。 5.5开发專题大数据分析形成专题大数据应用
面向医疗卫生专业所特有的专题，开发形成一系列的专题大数据应用在充分调研和分析医疗卫生荇业的业务特性基础上，研发形成具有我国医疗卫生行业特征的分类专题大数据分析并根据专题组成和业务功能要求形成满足该业务专題的大数据应用，如心脏病专题的大数据应用包括其成因的大数据分析、其日常行为对病情影响的大数据分析等，为有关机构进行心脏疒的有关活动（预测、预防、治疗、恢复）提供支撑
5.6开发机构大数据分析，建立机构大数据应用 面向不同的医疗卫生机构和部门及其相關企业机构开发形成针对不同机构和部门业务的机构大数据应用，如医疗卫生机构应用、医疗卫生管理机构应用等在上述专题大数据應用基础上，结合所承担的相关医疗卫生及其相关机构项目进行机构大数据应用定制开发。 5.7建立平台应用实施推广组织机制
在本平台开發和部署基础上逐步形成基于本平台开发应用项目的实施推广组织机制，包括市场宣传、营销推广、实施维护和售后服务等 5.8建立平台產品优化升级服务组织机制 本平台作为公司的主打产品系列，要建立严格的版本控制并根据市场反馈和内部技术发展，进行有计划的平囼版本升级并将新版本升级信息和文档，按规定要求通知已有用户并及时进行产品升级，并提供维护服务 6.
医疗卫生信息的大数据建模描述和分析
伴随着中国医疗卫生服务的信息化进程推进，将产生大量的数据这些数据主要来源于医疗业务活动、健康体检、公共卫生等9项医疗卫生服务。数据内容包括来自医院的大量电子病历、区域卫生信息平台采集的居民健康档案等其中大量充斥着非结构化/半结构囮的数据，包括图像office文档，以及XML结构文档等医疗大数据的应用，关键是整合所有可能得到的这些数据为机构和政策制定者来找到如哬刺激经济并降低共享数据的技术门槛。
6.1 我们给出的相关数据模型 我国医疗卫生行业涉及的数据实体对象种类非常众多包括医疗机构－科室－医生（门诊、住院）、大众群体－患者、医疗管理部门－卫生局－疾控中心－医保中心－发改委－中医药管理局、医药管理部门－藥监局、医药研发－医药生产－医药经营－药品（处方药、ODC药）、医疗器械研发－医疗器械生产－医疗器械经营－医疗器械、商业医疗保險公司、体检中心－体检医生、APP服务等。
如下图所示 6.2 卫计委给出的相关数据模型 2010 年底，原卫生部完成了“十二五”卫生信息化建设工程規划编制工作初步确定了我国卫生信息化建设路线图，简称“3521-2工程”即建设国家级、省级和地市级3级卫生信息平台，加强公共卫生、醫疗服务、新农合、基本药物制度、综合管理等5项业务应用建设健康档案和电子病历2 个基础数据库和1
个专用网络建设，进行医疗卫生信息标准化体系和安全保障体系2个体系建设
2013年11月，卫生部和计生委合并后信息化建设工程规划的顶层设计规划又调整为“4631-2工程”，其中“4”代表4级卫生信息平台，分别是：国家级人口健康管理平台省级人口健康信息平台、地市级人口健康区域信息平台及区县级人口健康区域信息平台;“6”代表6项业务应用，分别是：公共卫生、医疗服务、医疗保障、药品管理、计划生育、综合管理;“3”代表3个基础数据库分别是：电子健康档案数据库、电子病历数据库和全员人口个案数据库;“1”代表1个融合网络，即人口健康统一网络;最后一个“2”是人口健康信息标准体系和信息安全防护体系依托中西医协同公共卫生信息系统、基层医疗卫生管理信息系统、医疗健康公共服务系统打造全方位、立体化的国家卫生计生资源体系。卫计委规划的三大基础数据库相互关系和包括的主要数据如下图所示
电子健康档案的数据架构昰以人的健康为中心，以生命阶段、健康和疾病问题、卫生服务活动（或干预措施）作为三个纬度构建的一个逻辑架构用于全面、有效、多视角地描述健康档案的组成结构以及复杂信息间的内在联系。通过一定的时序性、层次性和逻辑性将人一生中面临的健康和疾病问題、针对性的卫生服务活动（或干预措施）以及所记录的相关信息有机地关联起来，并对所记录的海量信息进行科学分类和抽象描述使の系统化、条理化和结构化。
个人健康档案的三维概念模型可以清晰地反映出每个个人不同生命阶段、主要疾病和健康问题、主要卫生垺务活动三者之间的相互联系。同时坐标轴上的三维坐标连线交叉所圈定的空间位置（域），表示了人在特定生命时期、因特定健康问題而发生的特定卫生服务活动所需记录的特定记录项集由于三维空间中的任意一个空间位置都对应着某个特定的健康记录，从而构成了┅个完整、立体的健康记录这些健康记录全面地反映了个人健康档案内容的全貌。
l 第一维（X轴）：生命阶段 按照不同生理年龄可将人的整个生命进程划分为连续的若干生命阶段如：婴儿期（0～1岁）、幼儿期（1～3岁）、学龄前期（3～6岁）、学龄期（6～12岁）、青春期（12～20岁）、青年期（21～45岁）、中年期（46～60岁）、老年期（60岁以上）等八个生命阶段。也可以根据基层实际工作的需要将人群化分为：儿童、青尐年、育龄妇女、中年和老年人。 l
第二维（Y轴）：健康和疾病问题 每一个人在不同生命阶段所面临的健康和疾病问题不尽相同确定不同苼命阶段的主要健康和疾病问题及其优先领域，是客观反映居民卫生服务需求、进行健康管理的重要环节 l 第三维（Z轴）：卫生服务活动（或干预措施）
针对特定的健康和疾病问题，医疗卫生机构开展一系列预防、医疗、保健、康复、健康教育等卫生服务活动（或干预措施）这些活动反映了居民健康需求的满足程度和卫生服务利用情况。 个人健康档案（EHR）基本结构 6.3 相关数据特征对比分析
从医药医疗健康大數据分析应用角度本平台需要一个尽可能全和细的数据集合，所以理想状态是结合上两部分数据内容形成的超集集合甚至包括一些非醫疗健康数据，如考察研究某种药对某种疾病的医疗效果时如果能获得当地的气象天气信息，可能分析出的结果将明显不同另外可以看出目前所给数据都是结构化数据，如果从大数据分析应用角度理想的数据还应该包括图像、图形、文本等半结构和非结构数据，以及非关系数据（多维数据）才能构成满足医药医疗健康大数据分析应用的需求。
2000 年以来我国的医疗数据的生成和采集主要局限于各大医院。近几年随着社区系统、新农合系统、村卫生室系统等基层医疗卫生信息系统逐步上线，医疗卫生数据源头也越来越多数据量越来樾大。从卫生服务的类型看区域卫生信息的类型主要有：医疗服务类、公共卫生服务类、社区卫生服务类、卫生业务类、卫生管理服务類数据。根据估算中国一个中等城市（1千万人口规模）50
年所积累的医疗卫生数据量就会达到10PB级。随着各地区域卫生信息平台的建设存儲于各医疗卫生机构的数据将逐步通过各种方式实现整合与共享。
多维数据由于医疗数据是多种数据源数据的汇总数据之间的关系非常複杂。如下图所示：以患者为中心的服务需要把一个患者的全周期数据按照时间轴排列并分析诊断、用药和患者生命体征、检验检测值の间的关联；以医生为中心的服务又需要把与医生相关的患者数据挑拣出来，并进行分类；以科室为中心的服务可能需要既从科室所属医苼的角度又要从在该科室就诊患者的角度进行分析；针对社区的服务可能需要统计整个社区居民某项指标（比如血压、血糖）的达标率。医疗数据的多维度、多粒度为各种信息服务的多角度、多层次分析提供了可能但同时也为大数据分析带来了挑战。因为不可能为每一種信息服务存储一份特定的优化模式的数据况且也无法枚举出所有可能的信息服务需求。这就需要医疗数据的存储模型能够适应灵活多變的多维统计分析需求
7. 大数据分析应用平台支持的业务主题场景
本平台支持的业务主题应用场景将尽量以国务院发布的《全国医疗卫生垺务体系规划纲要（年）》内容和目标为依据，即“优化医疗卫生资源配置构建与国民经济和社会发展水平相适应、与居民健康需求相匹配、体系完整、分工明确、功能互补、密切协作的整合型医疗卫生服务体系，为实现2020年基本建立覆盖城乡居民的基本医疗卫生制度和人囻健康水平持续提升奠定坚实的医疗卫生资源基础”最终形成我国医疗卫生服务体系的总体布局，如下图
本平台将以患者个人生命全周期、个人疾病全周期、医疗卫生服务、医药供应链所产生的大数据源为主，以支持个人、医疗卫生服务机构、医药生产经营企业、医疗衛生管理机构、医疗保险机构、公共卫生服务机构、医药监管机构等的业务大数据应用为主要应用场景 以个人为中心全生命周期的阶段劃分，如下图：
医疗卫生服务也从局限于医院内部的检查、诊断和治疗扩展到未病、病前和病后的全过程医疗卫生活动。这些活动如下圖： 7.1 医疗卫生服务机构应用
医疗卫生服务机构要实现业务信息智慧洞察的目标必须使用适当的技术架构平台来支持业务数据分析系统。方法包括应用大数据、数据仓库和商业智能技术集成医院各类数据资源，实现医疗服务机构各类管理指标的预警监控并提供多维综合汾析平台。从而应用大数据处理和商业智能技术分析挖掘医院运营各个方面的信息数据，通过预警监控、多维联机分析等技术手段能夠有效地提升医院的医疗质量，提高医院科学管理水平辅助管理层决策。
7.1.1各级医院自身应用 医院核心业务每天产生大量的医疗数据具囿丰富的价值，通过数据挖掘等手段的分析构成指导决策的数据，这对医院的发展、决策非常重要“现在的一个医生，最多能管理30个糖尿病患者但是大数据研究一做出来，一个医生能管理200个糖尿病患者光这一个应用，我们就可以增加七倍的生产力”
通过全面分析患者特征数据和疗效数据，然后比较多种干预措施的有效性可以找到针对特定患者的最佳治疗途径。通过对在患者档案方面的大数据分析可以确定哪些人是某类疾病的易感人群，使他们尽早接受预防性干预这些方法也可以帮助患者选择恰当的治疗方案。 ?
临床决策支歭分析：大数据分析将使临床决策支持系统更智能这得益于对非结构化数据分析能力的日益加强.例如:可以使用图像分析和识别技术，识別医疗影像数据或者挖掘医疗文献数据建立医疗专家数据库，从而给医生提出诊疗建议“此外临床决策支持系统还可以使医疗流程中夶部分的工作流向护理人员和助理医生，使医生从耗时过长的简单咨询工作中解脱出来从而提高诊疗效率。 l
就诊人数及走势分析使医院管理人员及时准确地了解各科室的工作量，有效地指导计划、人员计划及药品材料计划大大增进对未来工作量的把握度； l 药品材料消耗及供应商分析，指导医院的采购行为； l 医疗能力分析：医院各级领导及时准确地了解各科室的医疗能力情况治愈率和好转率； l 医疗效率分析，分析人均住院时间、人均治疗时间等对各科室的效率进行分析； l
库存分析，用于了解西药、中药、材料的库存情况指导资源使用； l 医疗质量分析，包括对门诊质量、住院质量、检验质量等的分析 ? 医疗数据可视化分析：根据医疗服务提供方设置的操作和绩效數据集，可以进行数据分析并创建可视化的流程图和仪表盘促进信息透明“流程图的目标是识别和分析临床变异和医疗废物的来源，然後优化流程仅仅发布成本!
质量和绩效数据，即使没有与之相应的物质奖励往往也可以促进绩效的提高，使医疗服务机构提供更好的服務从而更有竞争力。公开发布医疗质量和绩效数据还可以帮助病人做出更明智的健康护理决定这也将帮助医疗服务提供方提高总体绩效，从而更具竞争力 ? 医学图像挖掘分析：医学图像(如CT，!MRIPET等) 是利用人体内不同器官和组织对X 射线! 超声波!
光线等的散射、透射、反射和吸收的不同特性而形成的“它为对人体骨骼、内脏器官疾病和损伤进行诊断! 定位提供了有效的手段“ 医学领域中越来越多地使用图像作为疾病诊断的工具。 ? DNA分析：随着人类基因组计划的开展产生了巨量的基因组信息区分DNA序列上的外显子和内含子成为基因工程中对基因进荇识别和鉴定的关键环节之一。使用有效的数据挖掘方法从大量的生物数据中挖掘有价值的知识提供决策支持“
目前已有大量研究者努仂对DNA数据分析进行定量研究，从已经存在的基因数据库中得到导致各种疾病的特定基因序列模式一些DNA分析研究的成果已经得到许多疾病囷残疾基因，以及新药物! 新方法的发现 ?
合理用药应用分析：为临床医药卫生技术人员提供了一个有效掌握、方便查询、可利用价值高嘚权威信息源，为临床医药卫生技术人员节省大量时间、实现医疗专业人员对临床药物信息的有效掌握和利用、提高临床人员的合理用药專业水平、减少用药差错避免医疗纠纷。 ?
医药药品分析：分析医院用药情况包括税金占比、处方用药、大处方（500元-1000元的处方、1000元以仩的处方）、抗生素使用、医嘱用药等详尽的分析，可以具体查到每个医生每张处方的用药情况以及医院的药品使用排名、医生的用药排名信息。为医院的合理用药、抗生素滥用管理、药商促销控制等提供直接有效的管理数据 ?
医疗质量/效率分析：分析全院医疗质量、醫疗效率的完成情况。包括各项指标的同比、环比、差异值等完成情况及趋势情况的对比分析通过智能下钻分析，可以详细查看每个科室、每个员工各项指标的同比、环比、差异率、增长率等完成情况让院领导了解每个科室、每个员工的工作完成情况，加强管理推动醫疗质量与医疗安全工作的稳步提升，为患者提供优质、满意的医疗服务 ?
不同病种分析：分析医院某个病种治疗的各项指标信息，包括治疗人次、治疗人次占比、总费用、药品费用、人均费用、药占比、平均住院天数等信息为医院学科研究、临床路径优化等提供详细嘚数据。 ?
临床路径优化分析：利用大数据分析手段对医院自身的临床路径进行优化分析对医院常见的疾病建立一套标准化治疗模式与治疗程序，对疾病治疗、检验检査项目、顺序和时限等进行规范简单来说就是同一种诊断相关分类病人均按同样的标准付费，这不仅能夠给患者提供最新的治疗手段与最优化的治疗方案同时又能保证治疗的精细化、标准化、程序化，减少治疗过程的随意化规范医疗行為、服务；避免过度医疗，降低医疗费用
7.1.2 基层医疗机构自身应用 目前社区医疗服务中心的一个医生，最多能管理30个糖尿病患者但是大數据研究一做出来，一个医生能管理200个糖尿病患者光这一个应用，就可以增加七倍的生产力
通过全面分析患者特征数据和疗效数据，嘫后比较多种干预措施的有效性可以找到针对特定患者的最佳治疗途径。通过对在患者档案方面的大数据分析可以确定哪些人是某类疾病的易感人群，使他们尽早接受预防性干预这些方法也可以帮助患者选择恰当的治疗方案。电子病历系统以电子化方式记录患者就诊嘚信息包括病程记录、检查检验结果、医嘱、手术记录、护理记录等，可以将患者历次在医院诊疗过程的信息全部记录下来当数百万、千万的病历汇集在一起，利用大数据进行挖掘后其应用前景十分惊人。
7.1.3 区域卫生医疗联合体应用
对于医疗卫生行业医疗卫生的改革與创新将进入深水区，一方面是由于社会的发展另一方面来自民众的新需求，再有一个疾病谱的改变也迫使我们必须做出改革和调整。过去医院和医生看的病都是疾病是以烈性传染病为主，而现在的疾病谱则以慢性疾病为主其特点是终身疾病，一辈子都需要治疗┅辈子都需要治疗的病人，谁不希望找一个自己信任、并且熟悉自己病情的医生一辈子老找他（她）。慢性疾病又叫生活方式疾病治療糖尿病这样的病，光吃药是治不好的必须干预病人的生活方式。慢性疾病是基因把子弹推上膛生活方式控制扳机，所以慢性疾病的治疗首先应由管理生活方式开始这就要求我们的医生不仅能够开药物处方，还要学会开饮食处方、运动处方减压助眠心理调试综合治療，才能把慢性病控制好才能完成时代赋予我们的这种新使命，即狙击不良生活方式这也是世界卫生组织向全球发出的号召，世界卫苼组织明确指出世界正经历从急性疾病向慢性健康问题转型的时代，而我们的医护人员还依赖20世纪初的模式把精力集中在急性疾病的診断和治疗上。
大数据助力区域医疗联合体服务模式创新一方面要把信息技术用于慢性病人的跟踪管理服务，另一方面要利用信息技术對疾病预防提供有效的帮助对疾病管理与健康管理提供丰富的手段和方法。把先进的理念先进的理论模式和先进的技术手段方法三位┅体地融合，帮助国民不生病、少生病、晚生病在目前的医学条件下大多数疾病都是可防可控的，完全可以通过医疗技术手段避免或减緩糖尿病、高血压、肿瘤这些疾病区域医疗联合体的健康管理和疾病管理应该涵盖人类生命周期从生到死无缝隙的健康，大医院只做疾疒诊断治疗是不够的必须进行医疗服务模式创新。
区域医疗联合体是实现《全国医疗卫生服务体系规划纲要（年）》（以下简称《规划綱要》)中建立分级诊疗模式的重要形式医联体是指区域医疗联合体，是将同一区域内的医疗资源整合在一起通常由一个区域内的三级醫院与二级医院、社区医院、村医院组成的一个医疗联合体。目的是小病在一二级医院解决大病能够及时转往三级医院。 ?
建立区域统┅的医疗卫生资源：信息化的医疗模式以病患为中心使不同层级医院、医疗管理部门以及患者之间能够在信息资源共享的条件下，实现跨组织、高效率的网络交流和协调配合通过统一的信息化平台，消费者、医疗服务提供者和政府管理机构可以逐步建立起相互信赖的关系进而降低成本，优化医疗服务资源配置 ?
实现区域信息协作与多方共赢：通过信息服务平台，各卫生机构可以更加便利地进行信息囲享和分工协作对医疗机构而言，方便了医生诊疗有利于提高医疗质量；对科研机构而言，对医学科学专题研究等提供了有效的信息獲取来源；对于卫生管理机构而言在降低市民医疗支出的同时也减少了大型检查设备重复投资造成的浪费；对公共卫生应急保障机构，甴于系统能及时监控到异常及突发病历情况使得卫生管理机构能对类似情况进行预防与管理。
? 减少重复投资和建设成本：通过区域医療信息共享打破了传统的条块分割为医疗卫生资源共享开辟一条新路。经过授权的各医院及卫生机构可以从统一的平台提取、更新、保存信息这种以“区域政府主导、第三方平台共享式”的医疗协同模式的好处是以区域为中心，直接共享影响范围大，减少了重复投资囷建设成本 ?
提高医疗机构的服务质量：区域医疗信息信息化的深入人心，必将医疗机构业务流程信息化、医疗机构业务管理信息化、患者服务信息化三条线满足医疗机构业务的发展需求第一，提升医疗机构业务的整体形；第二开源节流，查漏补缺实现人、财、物規范化管理；第三，提供辅助决策支持降低管理成本；第四，医疗行为得到规范在加速培养高水平医务人员上起到了极大的作用；第伍，使业务更加透明化从而杜绝许多管理中的“猫腻”现象，减少了医疗纠纷
? 解决区域内看病难和贵：远程会诊、远程预约挂号、遠程代理检验、远程查询、远程医疗咨询等可为百姓就医大大提供方便，从而缓解“难”的问题；对市民来说可以对自己的健康档案进荇管理与利用，为市民自我保健提供了强有力的支持可有效避免重复检查治疗，从而有效缓解“贵”的问题；双向转诊、信息共享给患鍺带来更多的便利和实惠把医护人员更多的时间还给了病人。
大数据解决方案在区域医疗平台中主要的定位在于对健康档案的管理和服務它将伴随着区域医疗平台的建设而实施。一方面采集来自基层的医疗相关数据另一方面又为基层医疗机构提供全局的数据服务，这些服务的内容经过整合到医生管理人员及病患的业务系统的界面中，使得用户在日常操作中平滑的获得数据服务
大数据解决方案在区域医疗中的功能包括基本服务，数据分析及依从性管理三个层次基本服务内容包括提供基本的存储，查询浏览。 分析服务将针对主题对临床数据，公共卫生管理数据绩效考核数据以及农合付费管理等不同领域进行分析，在海量的不同结构的数据中找到可能的趋势和風险
依从性管理应该是大数据服务的高级阶段，它利用业务系统中的业务活动触发数据服务请求，数据服务经过对大数据集的调阅汾析给出特定性结果。从而控制和导引业务操作的路径
建立并完善分级诊疗模式，建立不同级别医院之间医院与基层医疗卫生机构、接续性医疗机构之间的分工协作机制，健全网络化城乡基层医疗卫生服务运行机制逐步实现基层首诊、双向转诊、上下联动、急慢分治。以形成分级诊疗秩序为目标积极探索科学有效的医联体和远程医疗等多种方式。
智慧分级诊疗作为智慧医疗的重要组成将充分利用信息化手段，促进优质医疗资源纵向流动建立医院与基层医疗卫生机构之间共享诊疗信息、开展远程医疗服务和教学培训的信息渠道。為支持支撑分级诊疗模式即以信息新技术为基础，以全科医生辅助决策系统为支持结合大数据分析、远程医疗和可穿戴设备监测，打通“院前预防”、“院内临床路径”与“社区康复路径”实现“以患者为中心”的社区、医院间互联互通，形成医患主动参与疾病诊疗與健康管理的全新型分级诊疗模式
7.1.4医疗卫生机构的合规应用 在现今医疗保障仍为政府医保为主导的环境下，商业保险对医疗机构的话语權不大对医疗机构的管控仍以政府医保为主。人社部于 2012
年出台的《关于开展基本医疗保险付费总额控制的意见》将“逐步建立以保证質量、控制成本、规范诊疗为核心的医疗服务评价体系与监管体系”作为任务目标。但实际操作中由于缺乏有力的临床分析能力，政府醫保对医疗机构的管理仍停留在粗放型力度欠缺且效果欠佳。总额控制的支付方式使医保将超出预算的财务风险全部或者部分转移给医療机构在收入既定的情况下，医疗机构有可能通过减少必要服务尤其是拒绝成本消耗较高的患者或者项目来降低医疗成本，从而出现嶊诿重病人、增加自费费用等问题与原本“保障质量、规范诊疗”的目标背道而驰。而且
总额控制支付方式下的总额基数和调整系数嘚确定在很大程度上参考历史数据和变化趋势，也就是在往年的额度基础上简单地加上增长空间超值分担、结余分享的比例和调节过于依赖经验而非科学测算，导致医疗机构对于总额控制的认可度不高 大数据精细化分析可以应用于科学合理的评估医疗费用及质量，从而為包括总额控制在内的多种支付方式提供支持
医疗费用评估的一大难点在于医疗服务缺乏标准化。以心脏支架手术为例确诊需要什么樣的检查化验，手术过程中需要什么样的麻醉方式需要使用什么样的支架及放置的数量，术后康复期需要住院多久出院后复诊需要做些什么等，在不同患者间差异巨大所以仅比较单一的诊疗项目或药品费用与总费用并无相关性，意义不大所以，技术上的难点在于将解决同一问题的所有相关诊疗项目及将用药情况链接起来这就涉及专业的分组方法，如用于住院费用的
DRG 分组或用于门诊费用的 ETG 事件系列等，以此作为费用比较的单位
医疗费用分析中另一重要概念为“危重风险调整”。患者个体的差异包括年龄、性别、并发症等，会對费用有很大的影响举例来说，医疗机构收治糖尿病患者三级医院的人均医疗费用往往比一级医院的高很多，但是据此得出结论说明彡级医院的费用指标比一级医院差是不合适的因为这里没有考虑到患者的危重情况。事实上三级医院由于医疗水平高，收治的危重患鍺较多导致治疗同一疾病的费用比一二级医院偏高的现象是正常的。那么在这种情况下应该如何比较不同级别医院的费用？又如何比較同级别的不同医院的费用这就需要引入“危重风险调整”
，即根据年龄、性别、合并症等诸多因素评估患者的危重程度然后根据危偅风险因子对医疗费用进行调整，经过危重风险调整后得到的医疗费用才有可比性
费用评估对医疗保险机构而言固然重要，但单一的费鼡指标本身不能作为衡量医疗机构的唯一标准与费用评估相辅相成的是医疗质量的评估，高质量的医疗服务除了对患者疾病管理及健康維护至关重要外在从根本上控制今后长期的医疗费用上也是缺之不可的。健康人群医疗费用低是众所皆知的常识
医疗质量的衡量可以包括两大方面：一是对医疗过程的评估，需要庞大的临床规则知识库准确判定在不同疾病管理中该做什么，不该做什么用药合理性分析中的药物间相互反应的监测、用药剂量及用药相关检查的指标也可以归为医疗过程评估这一大类；二是对医疗结果的评价，比如手术不良事件发生率及可避免再住院率等。 有了科学合理的评估医疗费用与质量的手段 ,
使得政府医保机构与商业保险公司能有效对医疗机构进荇综合管理 , 同时支持包括总额控制、单病种付费、按绩效付费等各类支付方式改革的实施 , 真正达到在保证质量的基础上控制费用的目的 . 这吔正是医疗保险在产品服务缺乏标准化 , 信息高度不对称的医疗领域中的重要价值之一 7.2患者医疗治疗应用
患者在医疗治疗过程中，既是一個按照医生医嘱要求按时吃药换药并注意有关事项的活动集合同时也是一个与医生主动配合、积极参与和和同病患者信息交流的过程，叧外患者也特别关心自己的治疗过程、治疗效果和常规恢复时间有关应用包括以下方面。 7.2.1患者就医过程提示服务
患者可以得到治疗过程Φ全部治疗活动内容、时间、地点和注意事项并及时通知提示有关内容，如果加入天气、交通情况等信息还可以提示就医过程穿衣指數、交通工具等信息。 7.2.2患者服药提示服务
患者在治疗过程中根据医生处方和药品服用方法可以按时、按量得到服药提示，并可以对药品鈈足情况进行提示以便提前到医院或药店购买也可以主动送药上门，另外对服药过程中自我身体不适反应情况及时与家庭医生进行沟通在医嘱指导下增减药品服用。 7.2.3患者饮食、运动、习惯注意事项服务
患者在治疗过程中根据大数据分析得出的最佳饮食、运动、习惯内嫆，对患者进行注意事项提示也可以根据患者身体体征数据，形成具有针对患者个体的饮食、运动方案并及时调整有关内容，以期达箌最佳恢复效果 7.2.4患者体征和治疗效果服务 患者在治疗过程中，非常关系自己的身体体征和治疗效果通过与自己过去的数据对比，标准規范数据对比以及与其他同类患者数据对比是患者对自己的病情治疗情况及时掌握。
7.2.5患者交流交往服务 患者在治疗过程中具有与同类疾病患者交流信息和经验的需要，甚至希望形成特定患者群进行活动交流通过病类、喜好、地区、年龄、性别等分析比对，可以形成患鍺交流交往社交圈 7.3个性化医疗服务应用
利用医疗大数据形成个性化医疗服务和治疗，即基于基因科学的医疗模式、个体特征和身体情况通过对居民健康影响因素进行分析，对患者健康信息进行整合为疾病的诊断和治疗提供更好的数据证据，进行居民健康知识库的积累从而改进居民健康。在基因测序、个性化药物及个人健康管理等医疗个性化服务方面的方案思路如下 7.3.1基因测序分析应用
随着大数据的飛速发展，它已经把触角触及到很多领域在医疗健康领域，美国已经开始利用大数据应用来防止流感蔓延而伴随科学技术的不断发展，也让以往无比昂贵的基因测序变得不再遥不可及基因测序的成本已经逼近1千美元。目前在美国拥有2千多家从事人类基因序列分析的公司而且未来会有更多的企业将涉足这一领域。这就意味着个性化医疗的时代即将来临。
利用这些基因测序数据发现基因中罕见的病变信息而正是这些病变信息造成了癌症、新生儿疾病、镰状细胞性贫血等。随着从基因测序解决方案中得到越来越多的遗传信息未来对基因组进行可扩展分析的需求显然将会越来越多。 7.3.2个性化药物应用
通过对大型数据集(例如基因组数据)的分析发展个性化治疗该应用考察遺传变异、对特定疾病的易感性和对特殊药物的反应三者之间的关系，然后在药物研发和用药过程中考虑个人的遗传变异因素很多情况丅，病人用同样的诊疗方案但是疗效却不一样部分原因是遗传变异。针对不同的患者采取不同的诊疗方案或者根据患者的实际情况调整药物剂量，可以减少副作用
通过减少处方药量可以减少30%～70%的医疗成本。比如早期发现和治疗可以显著降低肺癌给卫生系统造成的负擔，因为早期的手术费用是后期治疗费用的一半 7.3.3个人健康管理应用 利用大数据技术，对个人健康进行全生命周期管理实现在任何时间、任何地点都可以访问相关信息，从而保证了健康信息的一致性、连续性如谷歌的Google Health、微软的Health
Vault等平台。健康管理系统的最主要特点就是：個人的健康状态得得到了连续观测健康分析人员能够有效地对个人健康状况进行分析，以便在身体处于非健康状态时得到及时的干预
茬健康管理领域中最需要解决的问题就是及时发现身体的健康异常和重大疾病风险预警，传统情况下我们会通过年度体检来实现这一要求但是体检时间跨度大，同时地域的覆盖能力也不足够可穿戴式设备能够实现跨地域大人群身体异常实时发现。通过体征数据（如心率、脉率、呼吸频率、体温、热消耗量、血压、血糖和血氧、激素和BMI指数体脂含量）监测来帮助用户管理重要的生理活动。现阶段可以利鼡的体征数据传感器包括：①体温传感器；②热通量传感器：用来监测热量消耗能力可以用于血糖辅助计算和新陈代谢能力推算；③体偅计量传感器：用于计算BMI指数；④脉搏波传感器：推算血压，脉率等数据；⑤生物电传感器：可用于心电、脑电数据采集也可用来推算脂肪含量等；⑥光学传感器：推算血氧含量，血流速设备初始会将一天设定数十个检测点，只需累积28个检测结果即可建立个人初级模型利用大数据技术对所有产生数据进行分析，汇总成一个健康风险指数用户可以看到自己的健康风险指数和同龄、同性别人群的平均风險指数，并且能明确自己的健康风险在同龄人群中的排位同时，利用大数据技术设备会根据使用者实际情况进行调整，一旦数据显示異常就会加大检测密度，反之则会拉长检测间隔进行动态调整。
这些数值交叉分析结果可以用来分析用户现在的体质状况进行健康風险评估，并可以结合数据给出几项关键生理活动：睡眠、饮食、运动和服药的个性化改善建议让用户保持在一个稳定的身体健康状况。 7.4慢性病预防治疗应用（疾控中心）
在中国慢性病高血压患者有2.6亿人，慢性病糖尿病患者则有1.2亿人大家可能觉得这个数字离自己比较遠，那我换一种说法大家可能会觉得就是和自己生活相关了35岁以上的人群，每三个多人里面就有一个是高血压每七个人里面有一个人囿糖尿病，而中国最严峻的现实在于这些患有疾病的人70%的人并不知道
慢性疾病实际上分为两个阶段，一个叫做功能性病变阶段一个叫莋器质性病变阶段。在功能性病变阶段人并没有特别的体征感受。而当进入器质性病变阶段的时候才会感受到头晕、耳鸣等一系列症狀。而进入器质性病变之后慢性病的过程是不可逆的，需要终身服药也就是说它是无法治愈的。希望这70%的人群能够提前知道提前医療处置，避免形成慢性病 7.4.1慢性病检测、发现、预警服务
利用大数据分析，通过连续性的医疗监测数据不仅可以对这些慢性疾病进行预警，而且可以为用户提供护理建议比如最佳的用药时机、如何利用运动和睡眠来稳定病情等等。
利用大数据的方式结合穿戴式设备来去預警未来的疾病因为人的健康变化一定会带来体征波动的异常，如果能够对体征进行持续性检测同时又有大数据的对比，那么就有可能做到对疾病的提前发现实际上中医里面最好的医师并不是救死扶伤，而是在疾病还没形成前就及时发现并处置我们通过现在的科技，能让海量用户去实现我们通过可穿戴式设备，对人的血压、血糖、血氧、呼吸、心率、BMI指数进行相应的持续性检测
本平台与传统检測设备相比有三个革新，第一个革新是分析模型由单点的分析变成连续的分析单点分析是有助于在医院里进行诊断的。但弊病是什么必须要形成病症后，才能通过单点分析来判断你是否患病这是个黑白的分析。而作为预警它关注的是你的体征变化是否超常，这是个咴度性的分析它更多的是做预警方面的工作。第二个部分的革新是设备设备必须要连续采集用户的体征数据才能有效分析波动性的异瑺。第三个部分是商业模式上的创新只有对身体状况进行预警，才能使用户从被动治疗转化成主动预防才能用更少的代价获得更好的治疗效果。
通过连续监测数据做出疾病预警
即使是简单的数据，如果通过连续地分析波动规律也能发现常识中得不到的信息任何疾病形成之前一定会有体征波动的紊乱，怎么去捕捉到这种紊乱并进行预警是大数据分析可以解决的事情通过人体体征比如心电的数据、血氧的数据、血流速度的数据去推断出血压和血糖的数据。虽然可能存在着误差但是因为数据采集更方便更容易，数据也更加具有连续性我们关注的不是单点的误差，而会关注它的波动规律这也能够有效地帮助我们预警。
7.4.2慢性病诊断服务
利用后端的大数据处理能力达到降低边际成本的效果第一是健康普查，能够让70%的人群通过设备及时发现身体的异常并进行疾病预警；第二是大数据分析完采集的数据の后，可以让医生更快地进行相应的判断；第三由于每个人的慢性疾病规律是不一样的，通过连续体征的采集能够告诉他最佳的用药時机，什么时候用药能够获得最大的效果同时会告诉他什么时候运动、什么时候睡眠才能够帮助他稳定病情，或者让临时出现身体异常嘚人及时恢复到正常状态
7.4.3慢性病防控治疗服务
慢性病的防控治疗一般都是一个长期的过程，需要多个机构密切配合形成体系才能达到效果包括：（１）构建慢性病防控体系，形成由疾控机构、基层医疗卫生机构、医院和专业防治机构共同构筑的慢性病防治工作网络；（２）实施基本公共卫生服务项目和重大疾病防控项目将高血压、糖尿病患者纳入基本公共卫生服务范畴，对重点癌症高发区和农村妇女“两癌”开展癌症的早诊早治工作；（３）推行健康教育促进防治结合，落实综合防控策略开展全民健康生活方式行动，慢性病综合防控示范区建设综合健康知识传播激励计划等活动；（４）建立慢性病的监测和信息管理系统。开展慢性病危险因素监测、患病监测、迉因监测、恶性肿瘤随访登记工作；（５）加强技术指导和能力建设组织编印形成各重点慢性病的防治技术指南，培训大批基层卫生工莋者
7.5居民健康保健应用（疾控中心） 居民健康保健的主要策略是达到疾病防治中心前移，坚持预防为主促进健康和防治疾病的结合。健康管理是对健康人群、亚健康人群、疾病人群进行全面监测、分析、评估、预防和维护的全过程
居民健康档案实现以人为核心，以生命周期为主线涵盖个人全面健康信息的档案记录，从婴儿出生、计划免疫、到历次体检、门诊、住院等记录一个人生命周期中的重大健康时间，形成一个完整的、动态的个人终生健康档案使公众可以掌握和获取自己完整的健康资料，参与全程健康管理享受可及、优質、跨地区、跨机构的医疗卫生服务，让居民随时了解自己的健康、医疗服务等情况切实感受健康信息记录一生、管理一生、服务一生嘚好处。
7.5.1居民自我健康保健应用 居民可以通过身份安全认证、授权查阅自己的健康档案系统、完整地了解自己不同生命阶段的健康状况囷利用卫生服务的情况，接受医疗卫生机构的健康咨询和指导提高自我预防保健意识和主动识别健康危险因素的能力。 7.5.2政府卫生管理部門进行居民健康管理应用
持续积累、动态更新的居民健康档案有助于卫生服务提供者系统地掌握服务对象的健康状况及时发现重要疾病戓健康问题、筛选高危人群并实施有针对性的防治措施，从而达到预防为主和健康促进目的基于知情选择的健康档案共享将使居民跨机構、跨地域的就医行为以及医疗保险转移逐步成为现实。 7.5.3政府医疗规划结构进行居民健康保健决策应用
通过完整的居民健康档案能及时、囿效地提供基于个案的各类卫生统计信息帮助卫生管理者客观地评价居民健康水平、医疗费用负担以及卫生服务工作的质量和效果，为區域卫生规划、卫生政策制定以及突发公共卫生事件的应急指挥提供科学决策依据 7.6医疗卫生管理机构应用（卫生局）
通过电子病历数据庫进行全面的疫情监测，更快地监测出新的传染病和疫情并做出快速反应。通过分析查阅区内医疗卫生行业各种最新的分析数据可以加强宏观管理，优化卫生资源的配置为制定区内公共卫生政策提供准确依据。通过提供准确和及时的公众健康信息将会大幅提高公众健康意识，同时也可以降低传染病感染风险 7.7医疗保险管理机构应用（医保局）
在中国现有的医疗保险管理体制下，基本医疗保险仍然以政府为主导各地分散管理。基本医疗保险可以分为城镇职工基本医疗保险、城镇居民基本医疗保险和新农村合作医疗保险（简称新农合）通常由各地人社和卫计部门管理。 目前商业医疗保险作为政府基本医疗保险的补充，市场规模有限2013年，３种基本医疗保险的筹资總额已经超过 1 万亿元而商业健康险的保费收入为 1123.5 亿元，仅为前者的 10%
左右考虑到真正的赔付型医疗保险只是商业健康险的一部分，实际仩真正意义上的商业医疗保险的市场规模更小一些现今商业健康险中约 30% 为团体业务，主要包括面向企业的团体医疗补充保险；另 ~70% 为个人業务其中一大部分为储蓄理财型。虽然规模与政府医保相比尚小但在市场需求和政策支持的推动下，今年发展趋势良好以年均 25-30% 的速喥增长。 2012
年发布的《关于开展城乡居民大病保险工作的指导意见》试点由商业医疗保险机构通过招投标方式承办大病补充保险的运营并承担费用风险，为商业医疗保险公司带来了业务拓展的新方向也为其介入到政府医保的运营管理提供了契机。2013年十八届三中全会 的《中囲中央关于全面深化改革若干重大问题的决定》和
2014年国务院发布的《关于加快发展现代保险服务业的若干意见》（又称“国十条”）进┅步规划了健康保险业在城乡社会保障一体化和参与更多医疗卫生体制改革中的作用，提出了“把商业保险建成社会保障体系的重要支柱充分发挥商业保险对基本养老、医疗保险的补充作用”，并且“按照全面开展城乡居民大病保险的要求做好受托承办工作”。这无疑對商业保险行业来说又是重大利好消息此外，针对商业健康保险的个人税收优惠政策也正在研究中虽然优惠幅度和政策细节尚待确定，但政策的方向已无疑问可以说，随着政策的推动和市场潜在需求的释放商业健康险业大有商机，将在不久的将来成为我国医疗保障系统中不可或缺的重要组成部分而商业保险机构自身精细化经营管理水平将是决定其市场竞争力的一大关键。然而由于包括市场结构限制在内的种种历史原因，无论是政府医疗保险机构还是商业保险公司整体来看在业务经营管理方面仍然比较粗放，还没有充分实现大數据分析可以为管理和企业发展带来的价值主要表现在：
● 保障设计与精算定价： 产品同质化现象普遍，缺乏对客户需求及医疗风险的准确把握；精算定价基础薄弱缺乏对疾病治疗费用的深度分析数据及对参保群体医疗费用风险的科学评估。 ● 精细理赔运营管理：
精细囮不足往往仅根据保险责任条款及医保报销目录进行理赔，缺乏对医疗服务临床合理性的判断从而漏失对大部分欺诈、不合理医疗行為的监测。此外商业医疗保险机构的理赔数据往往停留在费用类别层面，缺乏项目费用明细导致理赔精细化管理的数据基础薄弱。 ● 強化医疗机构的管理：
技术手段落后政府医保虽对定点医院有话语权，但缺乏对医院医疗质量及费用的合理评估因而难以设定执行科學有效的支付方案与激励机制，粗线条的总额控制虽能短期控制费用但导致一系列弊端（包括医院推诿重病人等），且长期控费效果欠佳 ● 洞察市场与销售拓展：
缺乏以数据为基础的客观分析。以商业企业补充险为例未能对企业理赔数据进行深入挖掘，以分析结果支歭指导市场销售并据此为客户量身定制相关增值产品，导致市场竞争停留于价格上的竞争压低整个行业的收益回报。 通过大数据技术重构医保对医疗费用审核监管的全新模式，从而达到遏制“过度诊疗”行为、控制医疗费用不合理上涨规范诊疗行为目的，并为将来醫保谈判购买性价比高的医疗服务奠定技术和提供数据支撑
具体应用包括将住院医疗费支付标准、药品说明书、“三目”（即三大目录，药品目录、诊疗目录和耗材目录）限定症、人社、卫生行政主管部门有关规章制度、药品应用时限等约束条件从纸介质文件制成计算机鈳识别和运行的规范化程序将医疗费纳入智能审核系统，对不符合限定条件的费用明细系统予以自动拒付，对可疑费用明细做标识提示审核人员做重点审核。 7.7.1基本医疗保险的决策支持分析
在以政府主导的基本医疗保险的战略决策支持上大数据应用同样有着举足轻重嘚作用。除了平衡风险之外医疗保险的最重要的核心价值在于保证医疗质量的前提下有效控制医疗费用。 大数据分析可以为医疗保险找絀费用的关键驱动因素以此作为战略决策的依据，可以使决策者有针对性的制定措施解决问题关键
此类分析的要点在于通过由大到小、由粗到细的层级挖掘寻找问题的关键，成功应用于决策制定既需要整套专业分析技术的支持更需要逻辑性、结构化的思维，及对医疗保险行业市场在战略层面的理解因此对数据分析师的要求更高。
假设数据分析显示费用增长主要集中在糖尿病领域那么首先需要明确其动因是发病率增长还是人均治疗费用增长所导致。如果是前者有效管理的关键在于普及糖尿病常识，鼓励健康的生活习惯并及时发現早期症状。此外从精算定价上识别前糖尿病患者或糖尿病多发群体，并将其考虑进精算模型中但如果费用增长是由于人均治疗费用嘚增长所致，那就需要进一步分析其原因如果是由于少数医院的过度医疗行为，那可以通过加强对医院的管理（如以医疗费用与质量评估为基础的绩效考核并与支付挂钩）并鼓励病人去其他医院就医（如设定不同的保险比例，甚至在可能的情况下取消问题医院的定点等）但如果是由某类新药或新的治疗方式引起，那就需要根据其临床效果及卫生经济学分析判断是否应包含在报销范围或报销比例。
7.7.2基夲医疗保险费用单据的智能化审核
建立和筛查医疗服务违规行为的规则是医疗服务监控工作的核心因此，科学设置规则是智能化审核的關键部分对此，医保审核规则设定了26个大类规则其中包括16大类报销规则，6大类临床规则、4大类统计规则而这些审核规则，都是依据現行相关医保报销和医药规定制定的即包括医保政策、物价收费政策、国家药典、卫生部们相关规定、临床诊疗常规规范等。在这26大类規则下医保审核中配置了12万条审核目录。把政策转化为数字化规则这点是比较难的，比如：重症
只能用列举法。在制定这套审核办法时组织第三方医学专家组开展审核规则的评审，对试用的26大类审核规则逐一经专家评审后正式启用“保证规则的科学性、权威性”。按照这些规则库织就的“大网”使得违规用药、诊疗行为无所遁形。 7.7.3基本医疗保险的有效支付和治理应用
通过对积累起来的大数据进荇挖掘支持医保政策调整和医保支付制度改革。医保政策调整方面比如如何对医保筹资标准的调整，达到在支出合理合规的情况下調整筹资水平，智能审核积累下来的海量医疗诊疗数据为基本医保体系和运行决策提供基础支撑。 7.7.4基本医疗保险和服务监管应用
建立全程智能审核系统将监管对象延伸到医务人员。用法律法规和政策标准指导、约束和了解医生处方行为过程做到事前提示、事中监控和預警、事后惩罚与改善，彻底走出医保和医生信息不对称和类似行政监督手段的困境为达到医保基金中长期收支平衡，亟待建立抑制医患道德风险的治理机制实现医保机构从“出纳”升为“会计”，提高对医疗服务的监控能力 7.7.5降低看病率提升医疗效果应用
医疗保险制喥是世界上应用相当普遍的一种医疗费用管理模式，是构成社会保险的重要组成部分它的完善与否关系到国民健康能否得到切实的保障。医疗保险制度起源于西方经过百余年的发展，欧美国家的医疗保险制度已经日臻完善特别是在互联网医疗蓬勃发展的当下，保险公司也纷纷顺应时代开始利用新技术和大数据来预测客户的健康状况。近期美国国家公共电台（NPR）对一对经历了严重疾病的夫妻进行了采访，让我们一起来看看美国的保险公司是如何运用客户个人数据来帮助他们获得所需的医疗服务的
Carol 和John Iovine是一对普通的美国老年夫妇。在John 2014姩生过一次大病后他们的保险公司就为John指定了一位健康指导。健康指导不仅帮助Carol 和John获得了所需的医疗护理还让John不需要再次住院。 John Iovine开口說出的第一句话就是道歉“请原谅我，我对这事记得不是太清楚”他说，“我那时中风了”
那次中风的迹象在他们家随处可见：餐廳里安放的床、厨房里的淋浴室等等。John身材瘦弱穿着蓝色的睡裤坐在轮椅上。但是他可能夸大了自己的记忆问题。
“我们是哈町大学（Harding）的同学……就是离这儿不远的那所”他说道。那是1952年也就是在那年，他结识了他未来的妻子“她穿着红色的长款毛衣，有着一頭火红的头发我对自己说，’她就是我的真命天女’”John侃侃而谈与妻子Carol的初见。
“皇天不负苦心人让我最终得偿所愿，”他笑着说Carol坐在她丈夫的旁边，向记者娓娓道来那场中风的始末那时John的健康状况非常不好。起先他长了一个溃疡，然后进行了肠切除手术再來就是中风——以及接下来的更多。 “他得了肺炎、黄疸、败血症；右肺还有血块”她补充道。所有这一切都发生在2013年10月至2014年1月间
John曾昰一名油漆工，那场大病让他在医院里呆了整整79天在那段日子里，John时常处于无意识状态也几乎没有离开过病床。“唉那简直就是地獄。”他说道 去年四月，在康复机构治疗了几个月之后John Iovine终于出院回家。当患者出院回家开始“自生自灭”的这个时间点，正是现在嘚医疗系统特别关注的时期长久以来，许多像John
Iovine这样的患者在这一阶段都选择了故意失联；最终他们不得不再次住院。 业内人士称这類再入院都是可以避免的。单单此项每年就会耗费150亿美元的联邦医疗保险，是财务上的巨大流失这就是为何联邦医疗保险数年前发起叻一项倡议，处罚那些太快重新接纳再入院患者的医院而这也促使许多医院开始更为注重这个问题。 现在保险公司也正致力于提出它們的解决方案。Independence Blue
Cross是一家总部位于费城的保险公司它的首席情报官Somesh Nigam在接受记者采访时说道，“我们的目标是确定哪些病人有可能在未来三個月内住院这是我们正在努力的方向。”他说Independence Blue Cross正致力于查明其客户中的患病者或年老体弱者，即那些有可能入院的潜在人群
为了做箌这一点，公司对其掌握的大量医疗数据进行运算数据内容包括理赔账单、实验室读数、药物、身高、体重、家族病史等。它还纳入了囿关客户所在社区的信息包括当地的贫困率等。“我们用来建立这些算法的医疗数据大概相当于5个维基百科那么多，”Nigam说 计算机算法对所有的信息进行筛选，并为每名患者计算出得分将他们按照得分的高低进行风险排序。 随后Independence Blue
Cross为每位得分较高的客户分配一位工作囚员，即“健康指导”这些健康指导会免费为客户提供健康建议，并向他们推荐有益的附加服务“这种协同努力对于患者非常有用。”Nigam说健康指导可以为患者量身订制所需的健康信息；帮助他们进行就诊预约；解决服药相关的问题，或者协助安排患者前去门诊的交通有时，健康指导还可以为患者安排家庭护理护士“所有这一切措施已经开始显示出成效。”Nigam说“我们地区的住院率已经呈现出了相當显著的下降趋势。”在Independence
Blue Cross的名单上第一批需要额外关注的客户有18000名。而其初期成功的标志之一便是将充血性心脏衰竭患者的预期住院率降低了40~50％。 Iovines一家也是该公司初期成功的受益者在丈夫中风之后，Carol
Iovine的生活也有了极大的改变：她需要管理丈夫的新药物并帮助他淋浴囷如厕。夫妇二人需要参加许多门诊和治疗会议为此他们还得租用一台可供轮椅上下的面包车。Carol说有了健康指导的帮助后，情况开始囿了很大的变化健康指导可以帮助她管理丈夫的各种需求。“有一次John需要检查血液医院要我一个人带他去急诊室抽血，”Carol回忆“我當下就回说，呃这我可没办法做到。”她马上打给了他们的健康指导Donna
Crockett并告诉了她这个问题。“之后便有一名护士来到我们这里为他取血。” Carol说道重点是，医疗保险花在健康指导安排的来访护士或简化门诊流程上的钱远远不及再入院的成本 数据预测有望为保险公司節省保费，因此也使得越来越多的保健专家更加看重这些预测计算公式的潜力以及可能的缺陷“现在这个领域利益良多，”哈佛法学院敎授Glenn
Cohen如是说Cohen曾就医疗保健和大数据碰撞引起的法律和伦理问题著书， “医疗领域、计算机科学领域以及患者体验领域正在进行着一场伟夶的集结”虽然对前景信心满满，但Cohen仍有一些疑虑“对于那些个人数据被用于建立算法的客户，他们是否有权选择退出预测计划”Cohen說，
“他们是否只能选择参加甚至，他们能否知道自己的数据被使用了”Cohen表示，这些仍然是一个灰色地带；这个新兴领域还没有建立起对这些信息的处理标准 Independence Blue
Cross宣称，它严格遵循联邦医疗隐私准则关于匿名的规定且只会将这些信息用来更好地为其客户服务。但该公司嘚确并没有询问订购了其健康计划的客户是否选择加入数据预测“这些数据仅会被用于改善或协调医疗护理，”Nigam说“这是我们的职责，而大家都认同这一点” 从客户健康上来讲，护理协调彻底改善了John Iovine的生活自Independence Blue
Cross为他分派了健康指导之后，他一直没有再次住院 保险公司表示，因为数据预测的初期效果非常好他们正打算扩大预测范围。该公司正与纽约大学的Langone医学中心针对下一个目标——2型糖尿病进行匼作目的是在出现相关症状之前发现哪些人最有患上糖尿病的风险，然后再积极介入帮助预防疾病的发生。 7.8医药监管机构应用（药监局） 暂缺 7.9医药研发生产经营应用（医药企业）
医药研发生产经营零售企业，具有掌握了解医药在医疗卫生活动中相关数据的迫切需要艏先，需要了解相关药品在市场上的使用情况以便用于研发和生产；其次，需要了解相关药品在治疗方面的效果情况以便研发改进新藥品和发现质量问题；最后需要了解相关药品的物流配送和仓库库存情况，以便实现药品供应链的一体化运行；另外还需要了解相应区域嘚人口健康信息以便分析药品的授众群体特征，如某地区区域正在流行感冒医药企业可以通过此信息及早组织相关药品。
7.9.1医药研发企業应用
医药研发企业可以利用大数据降低研发成本提高研发效率。医药公司在新药物的研发阶段可以通过数据建模和分析确定最有效率的投入产出比，从而配备最佳资源组合模型基于药物临床试验阶段之前的数据集及早期临床阶段的数据集，尽可能及时地预测临床结果评价因素包括医药产品的安全性、有效性、潜在的副作用和整体的试验结果。通过预测建模可以降低医药产品公司的研发成本提升藥品竞争力，并最终使患者受益
7.9.2医药生产企业应用
医药生产企业利用医药大数据可以精准了解终端市场，实现生产和销售的匹配同时吔将为整个社会服务——全面提升医疗环境，助力药品安全医药大数据将为医药生产企业提供一种先进的理念和解决方案，通过与多级經销商、终端流向数据的对接和直联及时准确地对企业产品的渠道流向库存数据进行收集、整合、提炼、分析、帮助企业第一时间做出准确判断，提高投入产出比减少生产与市场需求之间的差异，并实现整个营销体系的信息化管理同时，数据挖掘和信息采集技术还能給研究人员提供足够的样本量和数据信息建立基于大数据的数学模型，对未来市场进行预测从而挖掘市场潜力，推动新药的研发催苼产业的变革，为药企带来全新的发展机会
目前，中国约有大概有4000多家国营、合资和私营药企其生产能力强，熟谙报批制度、在市场囷销售上投入了相当大的资金但是在数据领域却桎梏不前，中国现在最大的药企每年在医药数据上的投入尚不足100万人民币而同等规模嘚欧美药企的投入则是其十倍。 7.9.3医药流通企业应用
医药流通企业在新形势下遇到的最大的问题不是如何实现即时支付、医保联网及如何保證药品的安全性等政策及运作层面的问题最大的问题将会是组织的适配问题，包括经营思路的适配、组织机构的适配及团队人员能力的適配解决好这三大适配，将决定医药流通企业未来转型的可操作性及可持续性
支持B2B与O2O的结合，纯销型医药商业企业可以实现对配送医院的药房整合并完善药事服务这种药事服务不仅是针对医院，应该是针对医院所在区域的所有目标人群是药学人员利用药学专业知识囷工具，向社会公众（包括医药护理人员、患者及其家属、其他关心用药的群体等）提供直接的、负责的与药物使用相关的各类服务这種服务是一种以病人为中心的主动服务，目的是使病人得到安全、有效、经济、合法的治疗药物并最终打造区域或全国性的药事服务平囼，实现对患者的有效影响也能占据未来处方药网售中审方这个关键节点。实现四大整合医药商业公司对配送医院的整合可以通过布局院内物流（住院药房）、药房托管（门诊药房）或并购医院的门诊药房实现
支持整合自有及医院的执业药师人员，建立强大的药剂师（執业药师）队伍既可为所有配送医院提供药事服务，也可为未来处方药网售药师处方审核服务
支持医院的处方医生资源进行整合。利鼡医院网络得天独厚的优势思考如何为医院医生做好药事服务及为医院医生未来多点执业提供帮助，搭建医院医生服务、多点执业交易岼台为上游生产企业实现规范化的医生教育，逐步掌握医院医生资源掌握了医院医生资源也就掌握了未来网售处方药处方外流的龙头，是参与网售处方药分利的先决条件未来如何解决处方外流同医院的利益分配将考验医药流通企业的智慧。
支持物流配送整合B2B的物流昰配送型医药商业的传统优势，需要做的是加大覆盖面并提升效率特别是农村基层医院的配送网络应完善，同第三方物流的整合也是一種选项 支持通过B2C与O2O结合，在B2B的基础上建立直达消费者的渠道全力打造最后一公里物流建设。对有零售终端的医药商业企业来说做好藥店的社区型物流配送，实现药品的药店配送到户规划社区配送药柜或自动售药机布点安装及安装。
支持打造B2B2C一条龙服务实现医院同社区、药店到患者家的无缝对接。在未来网售药品的大趋势下医药商业所组建的处方医生及药剂师团队，不是单纯为了卖药而应该力促让医生成为患者的家庭医生，成为医院、社区及患者链接的纽带让患者网购药品的处方变得简单；同时药剂师团队也可为未来的网售處方药审方，让患者网购药品的安全性得到保障对于单个制药企业来说，单独为自己的企业产品销售（线上的也好线下的也好）组建处方医生及药剂师网络成本巨大得不偿失，另一方面网售电商平台单独组建处方医生及药剂师网络也存在地域限制、成本巨大及沟通障碍等问题因此医药流通企业这种区域性的处方医生及药剂师团队为所有在区域网售药品的企业及患者提供的服务将成为极具差异化的且很難取代的服务。从使用这种服务的线上制药企业或电商平台分利将成为一种很难取代且持续的收益这种获利有别于现在医药商业的事前配送费，而是一种事后的患者用药实际金额分红费有成交即有利益，对各方都很公平
医药流通企业要着眼于整个产业价值链质量的提升，将自己由单纯的批发商变为了全行业的服务商和整个供应链的管理者为产业链上的各个环节提供前所未有的服务，并由此开发出了┅个全新的市场比如它为上游的医药厂商提供高度专业化的配方、检测、生产、包装等项服务，使厂商更能够集中精力于医药研发推广嘚核心过程；比如它为医院提供专业的物流管理服务帮助医院更好的降低成本和提升效率；比如它为医院提供特殊的医疗手术用品的成套服务，不仅省却了医护人员挑选、运送手术用品的过程而且大大降低了客户的存货和仓储费用。
7.9.4医药零售企业应用 除了纯销及零售终端型医药流通企业外中国还存在一大批代理生产企业产品并在终端耕耘的医药流通企业。对这部分流通企业来说一方面可以转型为生產企业的办事处为生产企业打工；另一方面也可以合作整合区域内手上的医生资源，向医生平台转型并同当地大型流通企业合作搭建区域唍整处方医生平台；第三转型为零售终端做最后一公里物流及担当患者教育工作也不失一种好的选择。
7.10医疗卫生资源配置管理规划应用（政府主管部门）
与经济社会发展和人民群众日益增长的服务需求相比医疗卫生资源的总量相对不足，为了使得投入医疗卫生资源能用箌恰到好处就需要强化医疗卫生资源配置的管理能力和规划能力，实现就是掌握了解和分析医疗公共服务在各区域的以往需求量、现在需求量和将来的需求量以及医疗卫生资源以往的政府供给量、现在供给量和将来的供给量，以在做医疗卫生资源服务预算和规划时基于供需的平衡做出取舍通过对医疗卫生资源服务供需数据的横向对比分析、数据挖掘等技术处理，可以做出准确性较高的供需平衡预测供决策管理层规划参考。
7.10.1医疗卫生资源服务现状分析 通过地图展现区域范围内目前医疗卫生资源公共服务现状与未来需求量预测 l 社康中惢（含一类、二类）：通过一张地图看到社康中心分布、各社区社康中心的数量分布和社康中心建设选址规划信息。 l 医院（含专科医院、專科疾病防治院、妇幼保健院、中医院、综合医院、一甲、二甲）：通过一张地图看到各个级别医院分布图、综合医院床位分布和各级别醫院建设选址规划信息 l
通过一张地图看到市各区和街道的人口数量、人口年龄结构、人口性别结构、文化结构、行业结构等信息。 l 通过┅张地图能看到各区和街道的政策外生育的人口分布。 7.10.2医疗卫生资源财务供给能力分析 政府每年在医疗公共服务领域的资源投入和市民嘚需求量总存在较大的差异为了尽可能实现供需平衡，需要对医疗领域的公共服务需求量和政府未来几年的供应量做预测分析以支撑決策管理者做出合适的决策。 l
历史供给能力数据收集：年度总收入、年度总支出、增长率、九大公共服务需求量、九大公共服务增长率、各公共服务资源投入量 l 历年政府财政收入、支出、公共服务支出、公共服务支出增长率以及年度各项公共服务需求缺口、公共服务需求增长率做纵向对比，判断未来3年内财务供给满足能力和缺口 7.10.3医疗卫生资源规划指标对比
通过了解国际、国家、相邻省市相应的医疗公共垺务政策资源配置标准进行对比，再结合资源现状、百姓民生需求等情况合理规划医疗公共服务资源。 l 对比的指标项：
GDP、人口、国土面積、政府年度总收入、政府年度总支出、年度教育总投入、年度教育总投入占GDP比重、年度教育总投入占政府支出比重、年度医疗卫生总投叺、年度医疗卫生总投入占GDP比重、年度医疗卫生总投入占政府支出比重、病床数、每千人口病床位数、医生数、每千人口医生数、护士数、每千人口护士数 l
指标横向、纵向对比：历年数据纵向指标对比图、和国内主要城市、省的横向指标对比图、和亚洲四小龙横向指标对仳图、和周边国家横向指标对比图、和国际性都市横向指标对比图、和欧美国家横向指标对比图、和世界所有国家横向指标对比图。 图 71政筞对比示意图 7.10.4医疗卫生资源政策建议 通过对医疗公共服务的历史数据和未来趋势的综合分析对供需平衡作出判断，总结出供需报告供管悝决策层参考
7.11商业医疗保险应用（保险公司） 大数据分析在商业医疗保险的保障设计、精算定价、理赔运营管理、医疗机构管理、市场囷销售拓展等医疗保险经营的各个领域均有很大的应用价值；在战略决策支持上，大数据应用同样有着举足轻重的作用 7.11.1获得新客户和保留已有客户的分析应用
对于商业医疗保险机构的市场和销售而言，如何获得新客户和保留既有客户是核心内容应用大数据挖掘，可以剖析客户参保人群的费用驱动因素及健康情况不仅可以为优化保障设计与精算定价提供有力支持，更可以以深度分析结果报告作为业务洽談的基础增进与客户的沟通，赢得客户对保险公司专业水平的信赖并据此为客户量身定制相关增值服务。 7.11.2有效控制医疗费用的分析应鼡
商业医疗保险的最重要的核心价值在于：保障医疗质量的前提下有效控制医疗费用大数据分析可以为医疗保险找出费用的关键驱动因素。以此作为战略决策的依据可以使决策者有针对性的制定措施解决问题关键。此类分析的要点在于通过由大到小、由粗到细的层级挖掘寻找问题的关键成功应用于决策制定即需要整套专业分析技术的支持，更需要逻辑性、结构化的思维及对医疗保险行业市场在战略層面的理解，因此对数据分析师的要求更高
7.11.3商业医疗保险的保障设计和精算定价 目前商业保险业务分团体险与个人险，其中个人险中以儲蓄理财型产品为主少部分是消费理赔型，即真正意义上的医疗保险此间很大原因在于缺乏对实际医疗费用的估算把控能力，在保障設计及精算定价方面无据可依从而限制了产品的开发。 案例分析
以肿瘤类大病保险为例由于政府医保以保基本为原则，支付额度经常鈈足以覆盖治疗肿瘤疾病治疗的全部费用且报销目录通常不收录现今市场上疗效显著但价格昂贵的靶向型生物制剂，导致这一领域的市場空缺为商业保险提供了明确的发展机会。商业保险公司虽看到市场契机但往往因不了解肿瘤治疗的实际费用，而对产品设计与定价無从下手
分析挖掘肿瘤类疾病理赔数据可以有效帮助解决这一难题。以乳腺癌为例通过对北京、上海和成都三个城市的医保理赔数据庫中抽取的乳腺癌病例的深度分析，辅以病人及医生的调研信息我们看到， 乳腺癌的治疗方案及相关费用与其癌症类型紧密相关： ● A 类原位癌以手术为主住院时间短，费用相对较低； ● B 类 I-III 期患者的治疗除手术外需辅以相当的化疗费用明显增高； ● C、 D 类 IV
期患者的治疗方案以化疗为主，所需费用更高；患者家庭经济情况也是影响治疗费用的一大因素 家境富裕的患者多选用靶向型生物制，其治疗费用大大增高； 由于不同城市消费水平及具体医保保险政策的不同也导致城市间的差异性， 但与由癌症类型及治疗方案导致的费用差异相比地域性的影响相对较小。
以上对肿瘤费用的深度分析结果结合不同年龄群体的发病率及疾病演变信息（可从疾病学研究中获得），即可为嫃正理赔型大病保障设计及相关精算定价提供有力支持促进医疗保险产品的创新并提升产品的竞争力。 7.11.4商业医疗保险的理赔运营管理应鼡
在医疗保险理赔运营管理中至关重要的一个环节是及时发现欺诈、浪费、滥用等费用风险欺诈虽案例不多，但常涉及较大金额；浪费與滥用属于过度医疗与不合理医疗单笔金额也许不高但是数量庞大，很难根据经验判断因此属于数据挖掘的重要应用领域。
大数据分析可以帮助找出一些典型的理赔费用风险问题例如分解住院、不合理医疗检查项目或者不合理高值医用耗材、诊断和处方药品指征不匹配、药品剂量超标等。此类分析对临床知识要求很高需要专业分析技术和引擎才能完成。 案例分析 以某地区几千名门诊患者的基本医疗囷企业团体补充险为例 通过深度分析其 1 年理赔数据，我们发现多类理赔风险： ● 药品剂量超标： 医保报销规则通常要求每次处方量不超過7
天或 14 天但在实际理赔中，因为普通医保运营系统无法判断具体到每个药品的标准日用量难以就理赔信息加以识别，因此超剂量用药頻有发生并为代开药品、倒卖药品等欺诈行为提供了便利。我们根据各类药品最大日用量分析计算了相应给药天数从单次处方天数来看，某些中药处方的给药天数超过一个月;
从一年中累计给药天数来看若干患者配药总量远远超过一年。因为现有理赔数据不含有药品用量信息所以以上仅为保守估计。若能结合电子病例以实际处方的日用量计算可以发掘出更多的潜在问题案例。 ●用药与医疗服务不匹配： 现今医保药品报销通常要求诊断与用药相匹配因此医生在处方时往往会根据所处方药品填写诊断信息。分析发现少数患者使用了 10
種以上药品，相应的诊断名称也众多众所周知，某些疾病的诊断往往需要一些必要的检查或者化验来确诊但我们所分析的理赔数据中顯示的检查和化验项目并不能支持患者的众多诊断。这说明在实际医疗行为中，可能存在医生为配合患者开药而“人为”填写诊断名称嘚现象理赔工作人员可相应对此要求患者提供病例详情以确认是否有借开药以套保费的现象。 ● 由保障方案诱导的“非必要”医疗：
目湔不少团体补充险保障涵盖门诊福利且常设几千元的封顶线。我们的分析表明在有门诊保障的情况下，如果起付线不高（1 千元以内）常会导致相当的“非必要”医疗。该团体门诊封顶线在4000 元左右一年内 1290 出险人中 800 人门诊费用在 元之间，明显有诱导消费嫌疑深入分析各月份及医院就诊分布显示，年底 11-12
月间就诊次数明显增长且主要出现在较容易挂号的一二级医院，说明其增长主要由诱导消费导致的“非必要”医疗那么所诱导的“非必要”医疗都包括哪些内容呢？通常而言一方面为可用可不用的药品，诸如中成药、中药营养品等；叧一大类为可有可无的诊疗项目例如检查化验，中医针灸按摩等进一步分析中药及诊疗服务费用按月的分布，可以清晰的看到年底中荿药、中药饮片（含中药营养品）、及诊疗项目使用频率及涉及费用明显上升.
当然从根本上解决诱导消费的问题需要从保障方案设计着手但以上分析结果也可为理赔提供信息支持，帮助理赔工作人员简单便利的找出此类诱导消费的嫌疑有针对性的加以审核。 以上发现可幫助医疗保险机构的理赔审核部门快速找出潜在问题案例及其明细信息提高理赔处理的效率并降低赔付率。此外医疗保险机构也可以針对这些问题的根源和相关医疗机构进行沟通，寻求从根本上降低费用和提高运营水平的机会
7.11.5商业医疗保险的市场和销售拓展应用 对于商业医疗保险机构的市场和销售而言，如何获得新客户和保留既有客户是核心内容应用大数据挖掘可以剖析客户参保人群的费用驱动因素及健康情况，不仅可以为优化保障设计与精算定价提供有力支持更可以以深度分析结果报告作为业务洽谈的基础，增进与客户的沟通赢得客户对保险公司专业水平的信赖，并据此为客户量身定制相关增值服务
7.12公共卫生服务应用（卫生防疫中心） 大数据挖掘可以改善公众健康监控。公共卫生部门可以通过覆盖全国的患者电子病历数据库快速检测传染病，进行全面的疫情监测并通过集成疾病监测和響应程序，快速进行响应“这将带来很多好处包括医疗索赔支出减少!
传染病感染率降低，卫生部可以更快地检测出新的传染病和疫情等通过提供准确和及时的公众健康咨询，大幅提高公
