要說最有可能從不同數據來源中獲取信息并通過分析受益的行業(yè)，醫(yī)療服務無疑是當之無愧的優(yōu)勝者。但僅僅擁有這樣的意愿還不夠，從業(yè)人士還需要為可能出現的艱難險阻做好準備。

隨著電子健康記錄系統、成像系統、電子處方軟件、醫(yī)療索賠、公共健康報告以及相關應用與移動醫(yī)療設備的不斷興起，醫(yī)療服務行業(yè)已經成為最具分析發(fā)展?jié)摿Φ氖滓�大數據受益方。來自病人、記錄乃至相關機構的海量數據正等待大數據分析工具的深入發(fā)掘。

數據分析對醫(yī)療行業(yè)的發(fā)展做出眾多美好承諾：削減成本、改進執(zhí)行效率并帶來更出色的護理體驗。除了少數將大數據工具打理到爐火純青的業(yè)界佼佼者，大部分醫(yī)療機構仍然很難從專有系統中以繁的方式獲取各類數據。

數據就是數據，與來源無關

總體來說，大多數醫(yī)療服務機構的數據仍然來自臨床、財務或者業(yè)務類應用程序。就本身而言，每種類型的數據都具備特定用途。根據健康技術轉化協會(簡稱iHT2)在題為《分析：IT醫(yī)療的神經系統》的報告，臨床數據能夠改善護理質量并簡化人口健康管理工作;財務數據能幫助醫(yī)院方面從基礎層面進行成本分析，檢查基礎設施運營數據并管理資源利用率。

將各種因素匯總在一起，機構就可以開始著手評估宏觀問題，例如迎合職工需求、提升工作效率以及護理質量等。Lancet Software公司商務智能擁護者兼醫(yī)療服務先驅Laura Madsen因此認為，大家沒有必要將不同類型的數據源進行硬性劃分。“數據就是數據，”她指出。“在一天工作結束時，數據就是比特與字節(jié)……作為優(yōu)秀的數據專家，我們應該把臨床數據與業(yè)務數據整合在一起。”

政府規(guī)劃與委托一方面給醫(yī)療服務行業(yè)帶來壓力，另一方面卻也敦促后者開始以認真、嚴謹的態(tài)度審視分析工作。理想的使用計劃會通過經濟杠桿推動管理者選擇電子病歷系統，責任制護理機構(簡稱ACO)模式需要協調病人護理工作，以病人為中心的家庭病床將對護理質量的重視程度推向極致——而這一切都需要以更加復雜的醫(yī)療服務數據分析功能為基礎。

大量非結構化數據令分析工作舉步維艱

當然，各醫(yī)療機構必須先完成數據收集工作才能著手進行數據分析。在醫(yī)療服務領域，iHT2為我們總結出以下幾大實施難點。首先，高達八成的醫(yī)療數據屬于非結構化類型，其中包括紙張格等其它非電子類自由形式，需要技術人員手動進行匯總。另外，即使是結構化數據(例如來自健康信息交換(簡稱HIE)流程的信息)往往也不足以支持分析工作。該報告歸納稱，醫(yī)療服務供應方往往需要從保險公司的理賠數據中對自身進行宏觀評估。

在醫(yī)療商務智能領域，數據量的規(guī)模非常重要，Madsen再三強調了這一點。作為全球最大的醫(yī)療服務供應方，這個名為Intermountain Healthcare and Kaiser Permanente的機構在這方面已經進行過長時間的努力，但對于小型供應方來說，理想與現實間的差距依然“巨大”。大多數機構已經明確意識到商務智能的價值，Madsen補充稱，但他們暫時還沒有為以下問題找到明確答案——“我們應該怎么做?”

大多數方案出于監(jiān)管報告的需要而將關注重點放在商務智能方面。這樣的做法可以理解，因為每家醫(yī)院每年需要向政府機關提交上千份報告。不過雖然報告在數量與種類方面令人嘆為觀止，但醫(yī)療服務機構往往難以通過其中的數據指導運營、提高效率或者對其它方面做出改進，Madsen解釋稱。

幸運的是，iHT2在報告中提出了一系列建議。首先，服務機構可以評估某個病患群體的醫(yī)護需求，這一方面能夠幫助機構方面制定適當的服務交付方式，另外也能確定不同個體在護理需要間的細微差異、甚至預測哪些患者有可能發(fā)展為重癥病人。另外，機構需評估自身資源儲備，從而推動服務質量提升并查明護理水準發(fā)生波動的原因。

另外，我還要為大家敲響警鐘，列舉一些聽似合理但卻有害無益的做法。醫(yī)療保險共享儲蓄計劃以及ACO模式的宗旨意在降低醫(yī)療成本、最終實現支出節(jié)約，而根據iHT2的調查這會導致營收周期管理工具無法奏效。另外，如今的成本計算系統往往無法準確評估機構的總體護理成本。要做到這一點，系統需要從宏觀、長遠角度考慮問題，把前期院方設施欠缺所節(jié)約下來的資金同未來由此引發(fā)的營收損失進行沖抵。根據iHT2的評述，要找到一套合理的總成本匯總機制，大家需要“以營收因果為脈絡采取一套精密且以實際情況為出發(fā)點的計算體系”。