医疗大数据现状
随着信息系统的发展,医院各类信息系统建设已相当完善,如HIS、RIS、PACS 、LIS、EMR、收费管理系统、药房管理系统、床位管理、血 库管理、公共卫生等。但基于医院全数据的挖掘和分析系统,像辅助诊疗、临床决策支持系统、高级科研管理系统、院长决策支持系统等更高级的应用,即便在发达地区的重点医院,应用率也是极低的,难以有效发挥数据的价值。
医疗大数据痛点
者病例搜索
为更快更准确的制定针对性的临床诊断方案,医生需要快速访问患者的全部诊疗数据,但需到各个业务系统分别查询,效率低下,甚至受时间所限无法完成。
研管理
临床科研仍以人工搜集、录入病历数据加简单统计软件的方式进行分析研究,耗时长,样本不全,影响分析效果,不同医生的科研数据也无法整合和重复利用。
助决策
各个业务系统数据标准不统一,导致分析结果不准确,不能很好辅助管理层决策。
睿至医疗大数据解决方案
历全息搜索
以患者为中心病历为维度,整合多个业务系统数据,加入病历文书、诊断结构后结构化的数据, 构建患者全息视图,通过唯一搜索入口对所有所有结构化和后结构化数据进行全方位全息搜索,实现秒级检索,支持文本模糊搜索和多重条件灵活组合的高级检索,可以很好的支撑基于病历的临床研究分析。
者自助查询
通过患者自助查询APP帮助患者,查看在院内就诊记录、用药记录及所有诊疗单据结果。节省医院资源投入,提高就医效率,提升患者与医院的粘性及患者就诊感受。
者全息视图
可以将不同业务系统中的数据进行有效整合,并以患者及患者单次就诊为维度,将患者在不同系统中的数据串联起来,进行集中展示。实现患者最广(涵盖多系统数据)最深(历次就诊所有诊疗数据)的诊疗信息呈现。
级科研管理
整合多个业务系统数据,基于数据集市灵活定义指标和筛选逻辑,实时获取准确病历数据,对研究对象的数据进行的直观实用的统计分析,并以图表形式呈现。帮助医生优化科研耗时,极大提升科研效率;
助决策管理
通过灵活动态丰富的指标数据展示,帮助医院决策层、管理层更清晰的了解医院当前的生产运营、管理、目标达成情况。帮助医院更好的识别风险,实现提早控制和辅助决策的作用。
睿至医疗大数据产品架构
睿至医疗大数据技术特点
床数据标准化
采用国内外标准和顶层设计,基于医学知识和数据处理的经验,使用相应的转换规则准则及工具,把医院的各个系统的数据进行标准化处理,形成统一的数据结构和数据内容标准。标准化处理后的数据才能更好的支持其他应用的扩展。
历后结构化
以医疗信息学为基础, 将以自然语言方式录入的计算机不能识别的病历文书、诊断结果等医疗数据,根据医学语境使用自然语言理解、机器学习、知识图谱技术转化为可存储、查询、统计、分析和挖掘的数据结构。
疗数据归一
将医疗数据中存在的大量同义词的诊断等专业术语,通过人工智能、机器学习识别加人工标注的方式,归一到一个标准的名称上来。这样使用诊断检索时,输入同义词中的任何一个,能得到全部病历样本,。可以有效防止统计分析时出现偏差,误导用户。