医疗大数据分析应用平台支持的业务主题场景.docx
《医疗大数据分析应用平台支持的业务主题场景.docx》由会员分享，可在线阅读，更多相关《医疗大数据分析应用平台支持的业务主题场景.docx（30页珍藏版）》请在冰豆网上搜索。
医疗大数据分析应用平台支持的业务主题场景
医疗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《全国医疗卫生服务体系规划纲要（2015~2020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民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、医疗卫生管理机构、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划分，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。
这些活动如下图：
1.1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，并提供多维综合分析平台。
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，能够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。
1.1.1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，具有丰富的价值，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。
Ø临床决策支持分析：
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，识别医疗影像数据，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大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。
●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；
●药品材料消耗及供应商分析，指导医院的采购行为；
●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；
●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；
●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；
●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。
Ø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数据集，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，然后优化流程。
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务，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。
Ø医学图像挖掘分析：
医学图像（如CT，!
MRI，PET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。
ØDNA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行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力对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和残疾基因，以及新药物!
新方法的发现。
Ø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、可利用价值高的权威信息源，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专业水平、减少用药差错，避免医疗纠纷。
Ø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元以上的处方）、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。
Ø医疗质量/效率分析：
分析全院医疗质量、医疗效率的完成情况。
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，推动医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。
Ø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的数据。
Ø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，这不仅能够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，规范医疗行为、服务；避免过度医疗，降低医疗费用。
1.1.2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，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。
电子病历系统以电子化方式记录患者就诊的信息，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。
1.1.3区域卫生医疗联合体应用
对于医疗卫生行业，医疗卫生的改革与创新将进入深水区，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。
一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，治疗糖尿病这样的病，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疗，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，世界卫生组织明确指出，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诊断和治疗上。
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对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一体地融合，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缓糖尿病、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，大医院只做疾病诊断治疗是不够的，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（2015-2020年）》（以下简称《规划纲要》）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医院与二级医院、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。
Ø建立区域统一的医疗卫生资源：
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。
Ø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共享和分工协作。
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获取来源；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，由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。
Ø减少重复投资和建设成本：
通过区域医疗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，减少了重复投资和建设成本。
Ø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、物规范化管理；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；第五，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。
Ø解决区域内看病难和贵：
远程会诊、远程预约挂号、远程代理检验、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行管理与利用，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、信息共享给患者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务，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风险。
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，分析给出特定性结果。
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。
为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与健康管理的全新型分级诊疗模式。
1.1.4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权不大，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“逐步建立以保证质量、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，政府医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疗机构，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，从而出现推诿重病人、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的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，从而为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，确诊需要什么样的检查化验，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，会对费用有很大的影响。
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三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，收治的危重患者较多，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？
又如何比较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，然后根据危重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，但单一的费用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维护至关重要外，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行综合管理,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.这也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。
1.2患者医疗治疗应用
患者在医疗治疗过程中，既是一个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，另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。
1.2.1患者就医过程提示服务
患者可以得到治疗过程中全部治疗活动内容、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数、交通工具等信息。
1.2.2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，并可以对药品不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。
1.2.3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、习惯内容，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，以期达到最佳恢复效果。
1.2.4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，标准规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。
1.2.5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，可以形成患者交流交往社交圈。
1.3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。
1.3.1基因测序分析应用
随着大数据的飞速发展，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。
1.3.2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。
该应用考察遗传变异、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。
很多情况下，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担，因为早期的手术费用是后期治疗费用的一半。
1.3.3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GoogleHealth、微软的HealthVault等平台。
健康管理系统的最主要特点就是：
个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。
在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。
现阶段可以利用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体重计量传感器：
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险指数，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，一旦数据显示异常，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，进行健康风险评估，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。
1.4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远，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有糖尿病，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，一个叫做器质性病变阶段。
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、耳鸣等一系列症状。
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，提前医疗处置，避免形成慢性病。
1.4.1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预警未来的疾病。
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。
本平台与传统检测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
升级会员 