医疗大数据分析应用平台产品解决方案初稿.docx

医疗大数据分析应用平台产品解决方案初稿.docx

《医疗大数据分析应用平台产品解决方案初稿.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产品解决方案初稿.docx（87页珍藏版）》请在冰豆网上搜索。

2015

W

北京润进医信技术有限公司

2015/6/28

医疗大数据分析应用平台产品解决方案

初稿

目　录

1. 背景介绍 6

2. 产品愿景 9

3. 产品定位 9

3.1解决的问题 9

3.2达到的效果 10

4. 产品理念 10

5. 总体思路 10

5.1对接数据源，获取医疗卫生大数据 11

5.2对获取的医疗卫生大数据预处理机制 11

5.3建立医疗卫生大数据的存储机制 12

5.4医疗卫生大数据的处理和分析算法分类和形成 13

5.5开发专题大数据分析，形成专题大数据应用 14

5.6开发机构大数据分析，建立机构大数据应用 14

5.7建立平台应用实施推广组织机制 14

5.8建立平台产品优化升级服务组织机制 15

6. 医疗卫生信息的大数据建模描述和分析 15

6.1我们给出的相关数据模型 16

6.2卫计委给出的相关数据模型 16

6.3相关数据特征对比分析 19

7. 大数据分析应用平台支持的业务主题场景 20

7.1医疗卫生服务机构应用 22

7.1.1各级医院自身应用 23

7.1.2基层医疗机构自身应用 26

7.1.3区域卫生医疗联合体应用 26

7.1.4医疗卫生机构的合规应用 29

7.2患者医疗治疗应用 31

7.2.1患者就医过程提示服务 31

7.2.2患者服药提示服务 31

7.2.3患者饮食、运动、习惯注意事项服务 31

7.2.4患者体征和治疗效果服务 32

7.2.5患者交流交往服务 32

7.3个性化医疗服务应用 32

7.3.1基因测序分析应用 32

7.3.2个性化药物应用 32

7.3.3个人健康管理应用 33

7.4慢性病预防治疗应用（疾控中心） 34

7.4.1慢性病检测、发现、预警服务 34

7.4.2慢性病诊断服务 35

7.4.3慢性病防控治疗服务 35

7.5居民健康保健应用（疾控中心） 36

7.5.1居民自我健康保健应用 36

7.5.2政府卫生管理部门进行居民健康管理应用 36

7.5.3政府医疗规划结构进行居民健康保健决策应用 36

7.6医疗卫生管理机构应用（卫生局） 37

7.7医疗保险管理机构应用（医保局） 37

7.7.1基本医疗保险的决策支持分析 39

7.7.2基本医疗保险费用单据的智能化审核 39

7.7.3基本医疗保险的有效支付和治理应用 40

7.7.4基本医疗保险和服务监管应用 40

7.7.5降低看病率提升医疗效果应用 40

7.8医药监管机构应用（药监局） 43

7.9医药研发生产经营应用（医药企业） 43

7.9.1医药研发企业应用 43

7.9.2医药生产企业应用 44

7.9.3医药流通企业应用 44

7.9.4医药零售企业应用 46

7.10医疗卫生资源配置管理规划应用（政府主管部门） 46

7.10.1医疗卫生资源服务现状分析 47

7.10.2医疗卫生资源财务供给能力分析 47

7.10.3医疗卫生资源规划指标对比 47

7.10.4医疗卫生资源政策建议 48

7.11商业医疗保险应用（保险公司） 48

7.11.1获得新客户和保留已有客户的分析应用 48

7.11.2有效控制医疗费用的分析应用 49

7.11.3商业医疗保险的保障设计和精算定价 49

7.11.4商业医疗保险的理赔运营管理应用 50

7.11.5商业医疗保险的市场和销售拓展应用 51

7.12公共卫生服务应用（卫生防疫中心） 52

7.12.1传染病预警预报 53

7.12.2公共卫生舆情监测预警 53

7.12.3疾控和保健应用 54

7.13政府监管应用（政府主管部门） 54

7.13.1医药监管应用 54

7.13.2医疗监管应用 55

7.13.3医保监管应用 56

7.13.4医疗服务机构和医生监管应用 57

7.14新型医疗卫生服务应用（政府主管部门） 57

7.14.1远程医疗 57

7.14.2移动医疗 57

7.14.3互联网医疗 58

7.14.4数字医疗 58

7.14.5大数据医疗 59

7.14.6智慧医疗 59

7.14.7精准医疗 59

8. 大数据分析应用平台支持的专题大数据应用 60

8.1患者分析（基于电子病历EMR） 61

8.1.1患者数据预处理 61

8.1.2患者个体（个性）分析 61

8.1.3患者群体（统计）分析 61

8.2疾病分析（基于电子病历EMR和电子健康档案EHR） 62

8.2.1常见疾病分析 62

8.2.2慢性疾病分析 62

8.2.3疾病诱因分析 62

8.2.4疾病统计分析 62

8.2.5临床路径分析 62

8.3医生及医护人员分析（基于医疗卫生资源数据） 62

8.3.1医生及医护人员资历资格分析 62

8.3.2医生及医护人员行医记录分析 62

8.3.3医生及医护人员培训进修分析 62

8.4处方分析（基于电子病历EMR） 62

8.4.1医生用药分析 63

8.4.2患者用药分析 63

8.4.3处方用药分析 63

8.4.4医院科室用药分析 64

8.4.5安全用药分析 64

8.4.6处方符合性分析 64

8.4.7处方用药-诊断结论关联分析 64

8.4.8诊断结论-处方总价聚类分析 64

8.4.9患者特征-诊断结论分类分析 65

8.4.10患病时间-诊断结论序列分析 65

8.5居民人口分析（基于电子健康档案EHR） 65

8.5.1居民个体健康分析 65

8.5.2人口群体健康分析 65

8.5.3人口亚健康相关因素关联分析 65

8.5.4人口健康相关因素关联分析 65

8.5.5人口健康时间空间分布分析 65

8.5.6人口健康预测分析 65

8.6药品分析（基于医药产业链数据） 66

8.6.1药品种类分析 66

8.6.2药品研发分析 67

8.6.3药品生产分析 69

8.6.4药品销售分析 69

8.6.5药品物流分析 70

8.6.6药品资金流分析 70

8.6.7药品信息流分析 70

8.6.8药品库存分析 70

8.6.9药品质量偏差分析 73

8.6.10药品不良反应＆药品群体不良事件分析 74

8.7医疗健康检验检测分析（基于电子健康档案EHR） 74

8.7.1生理信号检测分析 74

8.7.2医学影像图像分析 74

8.7.3DNA检测和DNA序列分析 74

8.7.4重要人体征数据分析 74

8.7.5远程自助健康医疗检测分析 74

8.8医疗安全风险分析（基于电子病历EMR） 75

8.8.1医疗安全分析 75

8.8.2医疗风险分析 75

8.8.3假药、过期药、成分异常药的使用分析 75

8.8.4医疗事故诱因分析 75

8.8.5医疗安全风险统计分析 75

8.9医疗卫生资源分析（基于政府的医疗卫生资源数据） 75

8.9.1医生护理人员分析 75

8.9.2医院床位分析 75

8.9.3医疗检测检验能力分析 75

8.9.4医疗卫生资源需求分析 76

8.9.5医疗卫生资源匹配度分析 76

8.9.6医疗卫生资源对比分析 76

8.10医疗卫生效果分析（基于电子健康档案HER和医疗卫生资源数据） 76

8.10.1医疗卫生满意度分析 76

8.10.2医疗卫生问题诱因分析 76

8.10.3医疗卫生规划符合度分析 76

9. 关键核心技术和算法 76

9.1大数据分析能力 77

9.2大数据分析技术 77

9.3大数据存储技术和系统 78

9.4大数据业务模型建模 78

9.5大数据的实时查询 80

9.6大数据的复杂分析 81

10. 用医疗卫生大数据为业务服务 83

10.1核心理念 84

10.2管理闭环 84

11. 未来市场前景分析 86

12. 总结 87

医疗大数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等有关系统形成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，将医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。

“医药医疗大数据”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

根据国际著名分析机构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定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。

随着人们的生活水平不断提高，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，实现对人体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，比如，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布在城市，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”医疗系统建设，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，数量多、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:

区域医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，患者的数据通常至少需要保留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:

医疗数据对国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发展的方向，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、云计算是已经普及并成为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