蓝皮书系列|《中国数字医疗创新发展蓝皮书》2.4 医疗健康数据质量评估与价值转化

文摘   2025-01-08 08:00   北京  


《中国数字医疗创新发展蓝皮书》是由远毅资本、中国医药教育协会数字医疗专委会(CDHC)、北京陈菊梅公益基金会共同组织编写,旨在深入研究中国数字医疗领域的创新发展现状,分析全球数字技术创新趋势对中国医疗体系的影响,并提出推动数字医疗科研创新和临床应用的指导意见和实践建议。本书凝聚了国内相关领域30余家专业机构近百位资深专家的心血与贡献。参编专家学者均来自国内知名的三甲医院、医学院校、科研院校和创新机构,学科专业覆盖临床医学、循证医学、人工智能、信息科学、医院管理、科研管理、临床研究、政策研究和产业转化等。

本书对数字医疗概念和特征、国家地方相关政策,以及医疗健康数据要素涉及内容进行了更新与解读,还涵盖了数字医疗产品的评价方法、科研伦理、疗效评价、卫生经济学与创新支付以及健康公平等关键议题。本书还特别关注了临床专科数字医疗创新,展示了数字医疗技术在肿瘤、老年、儿童、心血管、呼吸、神经、肝胆、眼科、口腔、皮肤、中医、过敏、精神心理和矫形与创伤外科等专科领域的创新研究与应用实践,探讨了生成式人工智能在数字医疗中的研究与应用。此外,还对数字医疗创新转化及产业投融资趋势进行了全面分析。

@编者导读
《中国数字医疗创新发展蓝皮书》第二章第四节,主题为医疗健康数据质量评估与价值转化,本节通过分析国内外技术发展现状、应用实践、监管法规,并结合具体应用案例,探讨了医疗数据质量的重要性及其对提升医疗服务和资源利用效率的影响。同时,展望了未来发展趋势,为读者提供了医疗数据质量管理的全面视角。

@编者介绍

庄永龙
北京百奥知信息科技有限公司董事长,清华大学模式识别与人工智能专业(1994-2004),生物信息学博士,师从李衍达院士,中国生物工程学会生物医药大数据专委会副主委兼秘书长,中国医药教育协会数字医疗专委会副秘书长,中国数字医疗联盟CDHC副秘书长,世界中医药联合会真实世界专委会理事,国家“十一五”信息专题“疾病分子分型标准化与软件开发”负责人,国家“十一五”、“十二五”、863、973、中医药重大专项等主导者与参与者,国家“863“生物医药信息专题评审专家,模式识别、生物信息、软件架构、顶层设计、医药产业信息化专家。

李庆虹
北京陈菊梅公益基金会理事长,北京和上海首家数字医疗概念验证中心创始人,曾任解放军总医院第五医学中心科训科科长、医务部副主任、保健基地主任,南开大学生命科学院生物化学学士,军事医学科学院微生物学硕士、预防医学博士,中国医药教育协会肝病专委会秘书长/常务委员,中国医药教育协会数字医疗专委会秘书长/常务委员,中国科技新闻学会健康传播专委会秘书长/常务委员,博士师从军事医学科学院原院长赵达生将军,三甲医院深耕科研管理和成果转化工作近20年。曾协助医院获得国家级医学中心和重点学专科及高等级科技成果等多项零的突破;协助专家获得国家973、863项目,国基金杰青、优青、重点项目,北京市及军队各类重点课题百余项;荣获首届四总部表彰 “全军优秀参谋”称号;创办中国数字医疗大会并被纳入全球数字经济大会,牵头组织撰写并发行国内首部《中国数字医疗创新发展蓝皮书》和《儿童临床数据要素建设与评价规范》团体标准。

高秋军
北京百奥知信息科技有限公司董事长助理,13年药械临床试验领域从业经验,熟悉临床试验项目管理及信息化建设,获得药物临床试验质量管理(GCP)证书、医疗器械质量管理体系(ISO:13485)证书等,曾参与编写《中国数字医疗创新发展蓝皮书》、《T/CMEAS 020-2024:儿童临床数据要素建设与评价规范》。

@章节内容简介
本节深入探讨了医疗健康数据质量的重要性及其对医疗服务水平和资源利用效率的影响。分析了数据质量评估的关键维度,包括完整性、准确性、一致性和时效性,并探讨了信息化和人工智能技术在医疗数据采集、治理、分析和统计中的应用。同时,本节还涉及了国内外在医疗数据质量评估和价值转化方面的技术发展现状、应用实践、监管法规以及具体的应用案例,为读者提供了一个全面的视角来理解医疗健康数据的质量和价值。

2.4 医疗健康数据质量评估与价值转化
2.4.1 国内外技术发展现状
目前,信息化和人工智能技术已广泛应用于医疗数据采集、数据治理、数据分析、数据统计等多环节,其中深度学习技术、数据挖掘技术、数据可视化技术、统计分析技术等应用于医疗数据质量评估和数据价值开发。

2.4.2 国内外应用现状
在当前我国医疗数据质量评估的研究与实践中,一些医院和科研机构主要集中于探索医疗数据质量评估的指标和方法,主要关注医疗数据的质量控制和标准化。在价值转化方面,国内部分互联网医疗平台和大数据公司利用高质量医疗数据进行用户画像分析和精准营销,为医疗机构提供更高效和个性化的服务,探索医疗数据的商业转化与应用。

国外方面,美国基于先进的科学技术和成熟的医疗管理水平,对于医疗数据质量评估和价值转化已经得到越来越多的关注和应用。比如以医疗数据为基础建立医院比较评估体系。该体系是由美国政府主导的医疗质量评估体系,其数据全部来自美国老年和救助保险用户。该体系经过多次改革和调整,目前由六大部分组成,包括及时有效的医疗服务、重新入院、并发症及死亡率、门诊患者合理使用医学影像、平均费用、患者数量以及医院消费者对医疗提供者与系统的评价。

2.4.3 监管及法规
我国监管机构对于医疗信息化建设、医疗数据标准、医疗质量评估方面均提出不少法律法规和指导原则,以此规范医疗健康活动中的数据采集、数据治理、数据质控和数据价值开发,从而保证健康医疗行为的合规性和医疗数据的高质量特性。

美国、欧洲、日本及多个国际组织对于医疗健康活动中的医疗数据标准化均形成一定的规范和指导原则。美国鼓励第三方机构对医疗数据质量进行评估和认证。这些第三方机构通常是独立的、专业的,且具有相关资质和认证。它们通过对医疗机构的数据质量进行评估和审核,为医疗机构提供客观、公正的评价结果,帮助医疗机构发现数据质量方面的问题并提出改进建议。

欧盟通过制定评估标准和指标、建立数据质量框架、进行数据质量审计和检查、采用清洗软件、数据挖掘算法、自动化校验工具等评估工具和技术、促进数据共享和互操作性、加强培训课程、研讨会和在线资源等方式数据质量教育和培训以及鼓励患者参与和反馈等多种方式来进行医疗数据质量评估,来推动各成员国、医疗机构和相关公司从业人员强化各健康活动中医疗数据的准确性、可靠性、一致性和可用性。

2.4.4 应用案例代表
1. 基于深度学习技术的医疗图像质量控制
以深度学习技术,如卷积神经网络(CNN)和生成对抗网络(GAN),通过大规模的医疗图像数据集的训练,深度学习模型可以学习到图像中的复杂结构和纹理信息,并将其应用于低分辨率图像的辨别与优化,完成图像超分辨率重建。此外,还可以通过引入感知损失函数和自监督学习等技术来提高图像重建结果的视觉质量。技术应用步骤为:
1)数据准备
2)模型构建
3)模型训练
4)数据质量控制
5)数据质量评估

2. 数据挖掘技术在电子病例数据质量评估中的应用
通过数据挖掘技术对电子病例数据进行分析,可识别发现电子病例数据质量问题,并辅助完成数据质量评估。技术应用步骤为:
1)数据挖掘目标设定
2)数据采集与目标数据库生成
3)数据清洗
4)数据约简和投影
5)应用数据挖掘算法
6)评估和使用挖掘结果

3. 可视化技术在医院运营数据管理中的应用
随着可视化技术的不断成熟和应用,有些医院决定放弃传统的数据分析形式如人工整理、报表式软件,选择数据分析与可视化平台,从商业智能(BI)入手来重新审视数据质量,化解数据分析与可视化问题,同时也为医院的临床业务和科研管理精细化运营带来支撑。其技术应用步骤为:
1)数据梳理
2)可视化目标设定
3)可视化展现
4)可视化视图应用

4. 可视化技术在临床研究数据质量评估中的应用
在我国药企、医疗器械、CRO(合同研究组织)、医院和科研机构发起或参与的疾病临床研究数据质量评估过程中,可视化技术针对临床研究一体化、数字化系统收集和汇总的多项目、多类型临床数据,通过数据集成、数据融合、数据审阅、数据转化和数据分析各个环节,分别从项目总览、入组进度、中心管理、受试者分析、AE/SAE分析等多个维度帮助临床研究参与人员准确掌握临床研究数据质量,并评估临床研究数据质量对于项目运行和临床研究结果的影响程度,大幅提高了疾病临床研究的运行效率和管理水平。其技术应用步骤为:
1)数据集成
2)数据建模
3)数据展现

5. 统计分析技术在流行病数据质量评估和统计分析中的应用
统计分析技术在我国卫生管理部门、医院、科研机构流行病数据质量评估及流行病数据统计中已得到广泛认可,部分信息化公司将多种统计分析技术集成至数字化平台,已可以在线一键智能化完成流行病数据的统计分析。比较典型的应用如下:
(1)描述性统计
(2)探索性数据分析
(3)假设检验
(4)回归分析

2.4.5 展望
目前,由于医疗数据繁多且存储于多类不同介质,数据隐私和安全保障属于重要考量因素,数据互联互通与数据管理能力薄弱,严重制约了人工智能、大数据等新兴技术在医疗数据质量评估中的应用,严重影响医疗数据在临床诊疗、患者康复、药械临床研究、疾病临床科研等多领域的价值转化。具体如下:
(1)数据质量难以保证
(2)信息化和新兴技术应用少
(3)相关监管规范有待明确
(4)数据价值与商业模式不确定

我们认为,未来国内外监管机构将出台更多、更明确的法律法规和指导原则,也会有更多医院、研究机构、医疗大数据公司等形成细致的分工合作,新兴技术创新与管理模式创新将共同推动医疗数据质量评估和价值转化。
(1)政策支持力度将持续加强
(2)技术创新能力将不断提升
(3)医疗数据垂直细分领域的发展
(4)更加注重个性化需求的满足

总之,随着信息化、人工智能技术和大数据技术在医疗健康领域进一步深化,通过深度学习技术、数据挖掘技术、自然语言技术、机器学习等新兴技术推动医疗数据在不同地区、不同医院、不同场景下的数据标准化和集成化,必将推动高质量医疗数据在卫生监管决策、医院管理改革、数字诊疗创新、药械产品研发、医生临床科研、患者健康服务等多领域实现经济价值、社会价值和商业价值的持续性转化和应用。

(庄永龙 李庆虹 高秋军编写)
Ref:中国数字医疗创新发展蓝皮书》


点分享

点点赞

点在看

Boom Health
数字技术,改善健康。Boom Health专注于洞察数字健康领域的新趋势和新机会,搭建数字健康行业沟通和共享的平台。
 最新文章