过去5年中,随着深入推进健康中国的行动,我国深化了医疗卫生体制的改革,着重解决全国群众看病难、看病贵的问题;持续提高医保和大病保险水平;实施集采药品集中带量采购;同期数字技术也为医疗带来了深刻的变革。大数据算法技术在医院中持续积累、自学习及改进,在医疗安全、科研、临床、精细化管理等方向提供了最优的管理策略,成为新一代智慧医院的“数字大脑”。
2023年全国两会的召开,推动着医疗卫生领域的发展即将迈进一个全新的时代。“建议尽快出台健康医疗数据实施细则,明确地方数据治理的投资模式和考核标准,统一数据的格式和术语等,对患者的诊疗记录进行串联,便于分析,确保数据质量能够满足研究者的需求。”两会期间,全国政协委员、中国医学科学院肿瘤医院肝胆外科副主任赵宏提出了数字化时代下的医疗领域面临的核心问题。临床医学的发展已经步入精准医疗的时代,而医疗数据仍处于无法共享的状态下。要实现高质量数据的共享,必须重视数据治理,当务之急应亟需解决异购数据源的数据整合、数据标准化、数据的高效利用等问题。只有基于数据中心构建应用主题库,才能为医院临床提供辅助、支持精细化运营管理、为科研管理提供强有力的数据支撑,这也是解决数据无法共享,孤岛问题的解决方案之一。
新技术催生了新的数字医院发展需求,以技术中台、数据中台、业务中台为核心的数字中台成为当前医疗新技术的热点应用。传统的医院信息系统有望升级为模块式融合创新,同时这样的举措,也推动了五个方面的重要转化:即患者就医智慧化、医生决策规范化、就医流程闭环化、医院管理精细化、资源管理集约化,这对于迈向《“十四五”全民健康信息化规划》中的目标:“到 2025 年“基本形成卫生健康行业机构数字化、资源网络化、服务智能化、监管一体化的全民健康信息服务体系”有深远的意义。
数字医疗技术切入临床医疗的驱动因素
数字医疗的本质是医疗服务。计算机技术、信息技术在整个医疗过程中是一种全新型的医疗模式,数字技术的优势在这里凸显出来。从患者角度来看,数字技术跨越时空解决了医患沟通问题,降低了交流成本,就医费用和体验得到了改善;从医生角度来看,数字技术让病历、健康档案实现数据化,提高了疾病诊断和管理效率;从医疗机构角度看,数字技术有助于促进医院管理精细化和服务水平的提升。2020年全球新冠疫情全面爆发后,传统线下的就诊服务发生了巨大改变,互联网、人工智能等新兴技术在数字医疗领域的应用成为应对疫情的新型抓手。数字化的医疗设备工具,目前已经成功协助医院完成诊疗场景中的数据传输和路径共享,成为支撑医疗服务革新的撬点。
近年来,数字医疗通过服务、软件工具、系统产品夯实医疗数字化内涵,深入到医疗本质实现医疗多样化,提升院内诊断治疗的效率。如今,数字医疗工具融合新兴数字技术与医疗场景,拥有各种形式(诸如影像处理软件、决策支持软件、AI技术医疗机器人)深度服务多种医疗用途。数字医疗工具不但服务于患者,还服务于医生、科研以及医院的资源管理。
在院内,数字医疗工具的使用频次、入院难易程度、可复制性、可扩展性、管理者使用者的角色担当、使用场景、研发壁垒等,或多或少都会受到一些驱动因素的影响。
立达融医:数字医疗工具切入院端应用场景的驱动因素
数字医疗服务模式逐渐向清晰化和深入化细分发展。一些创新型的数字医疗工具融合了技术、服务和支付方式,正在解决医疗市场过往没有被满足的需求。数字医疗工具如何进入院端服务医疗机构?例如以临床与管理为驱动,刚需情况下的数字医疗工具的使用是能够替代部分核心诊疗场景的,此种状况下,还会呈现出使用频次高、被取代性低、可复制性差,但医院之间的可扩展性高,研发壁垒则是技术和临床知识的能力。
无论以何种驱动类型进入医疗体系,数字医疗技术和工具均需以技术为骨架,以医疗服务为灵魂,通过数据的传输与共享,替代、优化或辅助医疗,真正做到临床有效性、服务便捷性、医疗工作的可替代性。
数字医疗工具如何有效解决临床问题
一个合格的创新型数字医疗产品从研发到应用场景落地,能否与应用场景适配、与工作流程友好衔接,取决于研发者是否深度理解使用者的工作需求、具备前瞻性的逻辑结构以及工具的普适性是否足够强。同时,数字医疗工具应在具有数据质量保障、高科技技术含量以及高精度临床需求的基础上,紧密贴合医疗工作场景的诉求。
立达融医提供的一款以国际标准提供决策支持的手术报告系统,就是用以支持院内手术工作,提高科室管理效率及手术质量的。它可以自动生成标准化、结构化、一体化的手术报告。通过将不同维度判别疾病的医学影像集成在一起,整合多个算法模块,提升一线医务工作者的阅片效率。作为数据枢纽它将以往需要3-4套不同系统达成的功能,集合到一个工具中进行标注和判读,并提示下一步诊疗决策。降低医生阅片时长到原工作时间的三分之一。据统计,基础版的医院系统对医生做诊疗决策的支持匹配度还不到30%。天津市某位三甲医院主任提出:做临床系统满足99%的病人就诊场景是不够的,一定要100%。否则,这1%往往会增加大量工作导致出错,使患者健康受到影响。
同一数字医疗赛道里,智慧医疗企业按照技术能力、产品能力、商业能力的维度进行划分。技术能力看重的是企业的核心竞争力,产品能力主要评估企业是否了解各个医疗场景主体的需求,而商业能力则是评估企业在渠道和客户拓展的情况。这其中最重要的一个维度尚为空白,即医疗行业的经验与专业度。数字医疗工具的研发者是否具备医疗行业的专业度是一个重要的参考条件。很多工具的重点放在了技术而非医疗上。医疗服务需要脚踏实地,对医疗服务靶点信息有深刻认识,对医疗服务的生命周期有切实理解。数字医疗工具往往与一些高精尖技术挂钩,使用了大量数据训练,但工具的整体设计仍需以医疗技术为导向。鉴于临床医学本身的专业性与临床经验性,数字医疗工具需要从使用者(而非仅限病患)的角度出发深入医疗场景,使用经验数据训练代码,将临床实践与数据最优解相结合,有效精简医生的工作,贴近临床实际需求。
以下价值点或将成为数字医疗工具有效解决临床问题的关键:
与临床工作无缝对接,程序接口兼容性强,与其它工作流程协作性高;
帮助医生合理节省时间,减少工作量,辅助临床诊断与治疗,为患者带来更好的治疗效果;
工具所收集的数据准确、一致且有效。目前可穿戴设备所采集的数据随着传感器及算法的发展,准确性及一致性逐步提高,但提供的场景并不一定具备有效性,比如疑似房颤患者经长期监测,发现房颤发生频率指导治疗很有效,但冠心病患者治疗后,监测心电图意义欠佳;
操作简单、利于对接工作、流程整合度高。
以中台思维构建医疗数字化转型平台
医疗的数字化转型需要具有中台思维的医疗数字化平台,通过技术中台,数据中台和业务中台集成,融合专病数据库和大数据分析技术,支撑全生态临床决策、健康服务体系的闭环。随着医院信息系统越来越多,医疗业务的复杂和专业性不同,临床学科的治疗过程是存在一定差异的,信息系统也呈现不同的特征。例如,肺癌与心律失常是两门学科,在医院内部是两个不同的科室及不同的临床路径;在上下游医疗服务中,更是两个不同的供应链生态,有其特定的专科知识、诊疗规范、质控和数据分析指标。因此,医疗机构可以考虑拆分数据后台与中台,加强系统配置的灵活性,提高数字医疗工具定制化的便利性。
数据后台设计一般偏重技术可行性,注重数据统一存储、计算力和应用力;数据中台偏重临床应用场景,注重质控和数据安全管理、数据集成转化。后台与中台分开设计,可以带来一系列收益:当引入新需求时,只需对业务逻辑层进行修改,减少大量后台业务逻辑修改,降低维护成本;根据科室病种的特殊需求进行模块定制,避免大量重复劳动和集成协调,提高工作效率。
数据中台的应用层一般不包含复杂的业务逻辑,只具备呈现与转换功能。将中台和应用层分开设计,能确保软件在配置调试后,前端可以进行独立更新,升级维护更便捷;在底层不变动的情况下,还可保持独立的数据库结构,在更丰富灵活的“大中台”基础上获取数据支持,让“小前台”的应用层更加灵活敏捷。此外,中台也可成为便于医生理解的工具,医生可以基于自身理解和经验进行工具的个性化设置,避免跟复杂繁琐的代码打交道。
兼容稳定的中台更具延展性:拥有多个业务系统的医院往往期望能在现有的医疗信息系统基础上,无缝对接新技术和新系统。因此数据中台相当于一个数据处理中心,通过良好的兼容性与延展性实现自由的技术集成与调配,服务未来科研、AI算法训练及开发新的临床工具。数据中台多元化、灵活且具延展性,成为院端不可或缺的数据中心枢纽支撑着医院的各项工作。
在医院数字化转型这条道路上,医院目前仍处在数据多源异构难处理、数据难以实现互联互通、数据价值未被挖掘重视、新项目部分内容重复建设等问题中。现如今,优质的数字医疗解决方案,将用数据中台构建高复用数据资源,助力智慧医院的数字化转型。
