- 智慧醫院管理“智慧”在哪里？
- 發布者：北京思杰佳通信息技術有限公司 發布時間：2022/11/16 0:00:00
-
1. 智慧醫院發展脈絡
-
第一階段：紙質向電子化的轉變。
-
第二階段：電子化向流程化的轉變。
-
第三階段：流程化向智慧化的轉變。
-
-
2. 智慧醫院發展的趨勢
-
2.1 政策的引導和要求
-
2.2 供需雙方的推動
-
2.3 新技術的引入
-
-
3. 智慧醫院五位一體的建設方案
-
3.1 智慧服務
-
3.2 智慧醫療
-
3.3 智慧管理
-
3.4 中臺管理
-
3.5基礎平臺
-
1. 智慧醫院發展脈絡
第一階段：紙質向電子化的轉變。
上世紀八九十年代，醫療信息化初步落地，主要集中于財務結算，藥品等醫療物資的管理系統。那個時期高效的完成業務收費是最主要的信息化工作，幾乎都是為了不漏費，不跑費為核心建立的系統和配套管理。
第二階段：電子化向流程化的轉變。
進入21世紀，隨著信息技術和互聯網技術的發展，實現業務流程的電子化。這個時期對于以前單一解決單一節點問題的方式也不再能滿足業務的需求，關注最多是流程的規范化和標準化，追求的是醫療服務和管理端到端的避免風險的閉環管理，以及提高醫療治療的醫囑閉環管理。
第三階段：流程化向智慧化的轉變。
以前流程化的系統對業務全流程的完記錄和跟蹤已經無法滿足業務的需求，過程中會增加醫護人員很多的交互和反饋的工作，醫療風險的規避和醫療質量的提高是以更多工作量為代價的，因此，人們希望系統能自動的做一些處理，并且系統能給業務提出更多的指導和建議，并更多的推動業務的進一步處理。
隨著移動網絡、云服務、大數據和人工智能等技術和業務場景的結合和推廣，建立線上業務和線下一體化的醫院服務與管理模式，為患者提供更高治療的醫療服務，開始由原來的流程化和向智慧化轉變。
2. 智慧醫院發展的趨勢
2.1 政策的引導和要求
《公立醫院高質量發展促進行動（2021-2025年）》（以下簡稱《行動》）
《行動》明確指出：將信息化作為醫院基本建設的優先領域，建設電子病歷、智慧服務、智慧管理三位一體的智慧醫院信息系統，完善智慧醫院分級評估頂層設計。
鼓勵有條件的公立醫院加快應用智能可穿戴設備、人工智能輔助診斷和治療系統等智慧服務軟硬件，提高醫療服務的智慧化、個性化水平，推進醫院信息化建設標準化、規范化水平，落實國家和行業信息化標準。
到2022年，全國二級和三級公立醫院電子病歷應用水平平均級別分別達到3級和4級，智慧服務平均級別力爭達到2級和3級，智慧管理平均級別力爭達到1級和2級，能夠支撐線上線下一體化的醫療服務新模式。
到2025年，建成一批發揮示范引領作用的智慧醫院，線上線下一體化醫療服務模式形成，醫療服務區域均衡性進一步增強。
2.2 供需雙方的推動
1）需求端
-
從宏觀數據上來看
據國家統計局數據，我國人均可支配收入在2017年達到了25974元人民幣，較 2016年增長9%。其中，醫療保健占總支出比例達到7.9%，較2016年增長達到 11%，增速超過了人均可支配收入增速，民眾對個人健康的需求及投入熱度可見 一斑。
-
從床位需求上來看
《全 國醫療衛生服務體系規劃綱要（2015—2020年）》亦提出，2015年醫療衛生機構每千人口病床數達4.97張，到2020年，我國每 千人口床位數將達到6張，20%的增長，以應對日益增長的醫療需求。
-
從慢病的需求上來看
據統計，目前我國成人高血壓病患病率為18%，患者數將近兩億人；在20歲以上 的成年人中，大約每十個人就有一個是糖尿病患者。2017年，以心血管疾病和糖 尿病為首的慢性病，致死人數占據了所有死亡人數的86.6%，且慢性病在我國疾 病負擔中所占比例超過70%。慢性病已經成為我國居民健康的首要威脅，對我國醫療衛生體系造成了極大的壓力。
從三個方面來看，需求端有著強勁的醫療服務需求，這也推動醫療機構在智慧醫院方面加快建設步伐。
2）軟件服務端
-
從醫療總支出來看
在美國 醫療支出占GDP比重超過17%，中國醫 療支出占GDP的比重約為6%且逐年上 升。
-
從醫療IT市場規模來看
IDC 預測，2020 年，我國醫療服務領域的 IT 支出（不包括醫保和醫藥）將達到 463.3 億元，同比增長 14.6%，預計 2025 年將達到 845.7 億，2020-2025 年 CAGR 為 12.8%。
醫院核心系統：2019 年，中國醫院核心系統的市場規模為 45.62 億元，同比增長 18.3%，市場集中度逐步提高，CR10 達到 62.3%，高于整體醫療應用軟件市場。
-
從健康數據規模來看
全球醫療健康數據正以每年48%的速度增長，在2020年數據量將超過2300Exabytes。2017 年，中國醫療健康大數據市場增長速度為 77.9%，增速遠高于醫 療信息化整體水平及其它行業。
-
從電子病歷評級使用情況看
CHIMA在2019年的調查顯示，目前我國超過半數的醫院未參與電子病歷的評級，剩余大部 分醫院集中在0-3級。
從醫療軟件市場的服務提供來看，其規模還有持續擴展的趨勢。
2.3 新技術的引入
新技術云計算、大數據、物聯網、移動互聯網、人工智能和5G技術結合醫療業務的場景正在確確實實的改變著醫療的方方面面。
3. 智慧醫院五位一體的建設方案
智慧醫院是一個全面建設的過程，從點線面體的角度來分析智慧醫院的建設，點就是一個業務環節，例如，智能導診，人工智能輔助診斷等；線就是一個業務流程，例如，門診的就診流程；面就是一個業務領域，例如：患者門診管理、患者的住院管理等；體就是一個生態，例如：就是區域醫療的輻射，是預防、醫療、康復、健康等全面管理。
在當前技術賦能業務場景的過程中，在點、線上做的試點比較多，在面和體上的工作還剛剛開始，如果智慧服務、智慧醫療、智慧管理想在線、面和體上有更多的深入的智慧化轉變，那么數據中臺的就變得極其的關鍵和重要了，它和基礎平臺合并在一起成為軟硬結合的智慧醫院的底座，為智慧醫院持續的、整體的提升提供動力和提供保障。
3.1 智慧服務
以提高患者服務水平為核心的便民惠民服務為目標，最快的提高患者對醫療服務的可及性和獲得感。
智慧服務建設的分析：
-
全流程服務線上化和自助化。
-
導診的智能化。
-
全流程信息公開化。
智慧服務的領域是數字化轉型最有效的抓手，線上服務的需求和流程可有效的推動線下醫療服務的提供，線上線下一體化服務的迭代提升，不但可以推動智慧服務的提升，還可以更高效的拉升對智慧醫療和智慧管理提升。
智慧服務需要中臺管理提供患者身份識別和患者主索引，患者基本信息和以往病史等推動線上流程和智能化有效開展。
3.2 智慧醫療
以為患者提供高質量醫療服務為核心的醫療服務為目標。其包括臨床服務、醫療的管理和醫療協同。
智慧醫療是以電子病歷為核心來構建的全閉環的服務管理，涉及的業務范圍主要為以下三個方面：
-
醫療服務：門急診、住院、護理業務、醫技業務、移動業務、醫療隨訪和宣教
-
醫療管理：醫務管理、護理管理、藥事管理、院感管理、衛生應急管理、數據上報
-
醫療協同：多學科協作會診、遠程影像、分級診療、雙向轉診、區域病歷共享、區域檢驗共享
智慧醫療建設的分析：
-
線上化、移動化。
-
物聯網的自動化和信息的自動化，例如，智能輸液系統、危急值預警等。
-
人工智能成果應用，例如：電子病歷的后處理，專科影像圖形的機器識別等。
人工智能的機器學習在基于電子病歷數據挖掘上一直在探索，但特定學科和特定場景下在釋放醫生資源的情況下，也能有效的保證醫療的質量。
在信息化階段醫院在醫囑閉環管理、業務閉環管理上已經打通了各個環節，而在智慧醫療的建設階段，需要更多的通過線上的移動化、自動化和智能化處理推動線下業務的執行，實現智慧醫療中醫療質量的提升。
數據在智慧醫療的建設持續提升的基礎，這就對數據中臺管理對數據高質量標準化、規范化和完整性提出了更高的要求。
3.3 智慧管理
以降本增效為核心的資源運營管理為目標。智慧管理人財物為核心的一體化的HRP管理構建全閉環的運營管理，后勤管理、科研管理和教學管理。
智慧管理分析：
-
物聯網的自動化和智能化。
-
大數據為管理的賦能。例如：大數據形成的DIP管理。
-
管理的數字化和可視化。
智慧管理人財物一體化、臨床和運營一體化創建了臨床和運營有效的雙輪驅動，在保障臨床穩定運營的基礎，實現運營的高效率和資源的充分共享，更好的實現資源規模化和集約化效應。
同時智慧管理通過對大數據的應用，在實現管理的數字化和可視化的基礎上，也在積極的探索實現更多的管理賦能，DIP的評估評價系統就在中國國內發展起來的臨床業務評估系統。
3.4 中臺管理
以公共服務和數據服務為核心賦能平臺。它集成信息平臺、大數據、人工智能。以數字化賦能為核心的中樞系統。
公共服務：抽象的公共組件，即業務中臺。例如：患者主索引、混合支付和處方流轉等。提供業務交互和聯通的集成服務。
數據服務：數據中臺服務。例如：患者360視圖、運營管理地圖、疾病風險預測、醫學影像輔助診斷等。
中臺管理要滿足互聯互通標準化成熟度模型，同時數據中臺以數據資產的理念進行數據的管理，主要分為三個方向：
-
數據采集和質量控制：數據的采集和清洗一體化數據標準化和規范化處理，建立臨床、科研和管理的數字資源中心。
-
數據服務管理：為服務、醫療和管理提供數據服務，常見的包括患者360視圖、電子病歷信息、臨床知識庫查詢、輔助檢查知識庫查詢、工作負荷、工作負擔和效率展示等。
-
數據價值挖掘：利用機器學習算法模型對建立的數據中心做數據價值挖掘。
通過數據價值挖掘和數據服務管理可以持續的為智能服務、智能醫療、智能管理賦能。
但是，自2021年9月1日，《中華人民共和國數據安全法》和2021年11月1日《個人信息保護法》的正式實施后，數據隱私包括已經上升到法律的層面，而醫療數據中包含的隱私數據更加的敏感，而人工智能的機器學習對高質量的大數據有極大的需求，這也是區域大數據中心匯聚數據困難的一個重要原因之一吧，那么如何處理這個矛盾呢？
聯邦學習可以很好的解決這個矛盾，它的宗旨就是數據可用不可見，它的方式就是數據不需要集中匯聚，而是放在本地，數據模型在本地做訓練，模型收斂后把加過以加密的方式發送到中心服務器，由中心的服務器做數據的對齊和模型的匯聚，形成最終的業務模型，這種方式形成的模型和集中數據形成的模式經過嚴格的對比發現模型的損失幾乎可以不計。以數據不動而模型不動方式實現了數據可用不可見。
而這種模式不僅會改變原有數據使用的方式，同時也改變了本地也就是醫院對數據價值創造的模式，因為這種模式下，數據是以可以創造價值的資產形式存在的，且每次訓練模型都會有價值共享，數據資產的價值可以源源不斷的創造出來，對于醫院來說數據中臺中的數據是真的可以創造經濟價值的，數據中臺不再是成本中心，而是利潤中心，為了更好的創造價值，那么對于優化升級數據資產的質量工作也就有了持續的動力來源。
這將是全新的業務模式。
3.5基礎平臺
基礎設施包括：機房基礎、硬件設備、基礎軟件；安全防護：數據中心安全、終端安全、網絡安全、容災備份。
隨著醫院信息化程度的深入，醫院信息系統的安全和穩定就顯得尤為重要，其直接關系到了醫院醫療工作的正常運行，一旦出現問題，將對醫院和患者帶來巨大的數據泄露隱患。衛生部下發《衛生行業信息安全等級保護工作的指導意見》的通知，三甲醫院的核心業務系統要按照信息安全等級保護第三級進行建設和保護。
-
-
下一篇：醫院智慧管理分級評估標準體系發布
