蓝皮书系列|《中国数字医疗创新发展蓝皮书》2.2 医疗健康数据来源

文摘   2024-12-25 08:01   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》第二章第二节,主题为医疗健康数据来源。本节聚焦于医疗健康数据的主要来源,包括医院、互联网、生命科技、药企、可穿戴设备和保险业务。讨论了这些来源如何贡献于数据收集,并分析了数据应用的趋势,如数据驱动的医疗决策和隐私保护。同时,也探讨了数据共享的挑战和未来发展。

@编者介绍

杨瑞荣
现任远毅资本合伙人,中国医药教育协会数字医疗专委会副主委。他有超过20年丰富的直接投资、运营经验和广泛的政府背景,在消费、医疗健康以及金融技术等行业投资了众多成功的创业公司。在进入风险投资领域之前,杨先生有近十年的政府和跨国公司的工作经历。

@章节内容简介
健康医疗数据,是指在疾病预防、诊断治疗、健康管理的过程中所产生的与健康医疗有关的数据。随着医院信息系统、线上诊疗平台、前沿生命科技、可穿戴健康设备、健康保险科技等的落地应用,健康医疗数据内涵也得以大大延伸。2016年发布的《国务院办公厅关于促进和规范健康医疗大数据应用发展的指导意见》提出:将健康医疗大数据应用发展纳入国家大数据战略布局,推进政产学研用联合协同创新,强化基础研究和核心技术攻关,突出健康医疗重点领域和关键环节,利用大数据拓展服务渠道,延伸和丰富服务内容,更好满足人民健康医疗需求。

2.2 医疗健康数据来源
2.2.1 医院相关的健康医疗数据
医院作为医疗卫生活动的主要载体,健康医疗数据来源多样、体量巨大,主要包括医嘱和处方、病历记录、检查记录、检测结果、临床科研数据等多方面信息。通过健康医疗数据的采集、处理、分析,能够在帮助医院诊所优化诊疗服务、提高工作效率、促进临床创新等方面发挥重要作用。

早期的医院信息管理系统(HIS)主要面向医院内部资金流和物流进行管理。此后,以经济管理为主线的HIS逐步加强临床医疗信息的搜集和处理能力,向临床信息系统(CIS)发展。随着医院相关的健康医疗数据的持续积累,逐渐衍生出更细分的实验室信息管理系统(LIS)相关数据、放射科信息系统(RIS)相关数据、医学影像信息系统(PACS)相关数据、电子病历系统(EMR)相关数据等等。随着更多医院相关的健康医疗数据的积累,还产生更加智能化的医院资源管理系统(HRP),临床决策支持系统(CDSS)。

随着深入医疗信息化建设政策的进一步推动,国内基于医院内部HIS、CIS系统数据交互的基础上,运用信息技术把社会医疗资源和服务连接起来整合为一个系统,建立了区域化医疗信息系统(GMIS)。通过GMIS能够实现区域内医院与医院、医院与级卫生行政管理机关、医疗保险等机构间的信息互联互通,消除单个机构的信息孤岛现象,以实现资源的共享和优化,以及区域医疗卫生服务的管理。GMIS的发展也大大推动了中国医联体、医共体的建设。

2.2.2 互联网相关的健康医疗数据
医疗直播数是指在直播平台产生的健康科普、学术分享、远程会诊、手术直播等数据,直播是当下越来越重要的院外营销转化场景。医药电商数据是指在医药电商平台上所产生的处方、买药等数据。基于医药电商数据和药学知识库可以构建知识图谱,提供合理用药指导、智能审方等服务。疫苗平台数据是指疫苗预约平台上所产生约苗数据。基于疫苗预约平台的数据可以为疫苗上游企业,尤其是自费二类苗企业提供关键商业数据分析。线上问诊数据是指患者在互联网医院平台上进行问诊所产生的数据。结合大语言模型等人工智能技术,可以帮助患者推荐医生,寻找治疗方案。医疗搜索引擎数据是指医疗健康相关的科普、论文、知识库、问答等数据。

2.2.3 生命科技相关的健康医疗数据
随着生命科学研究不断深入、技术不断发展、高通量分析手段的成熟,生物科技产生的医疗健康数据在过去10年间急剧爆发。从数据产生来源的角度溯源,以高通量测序为代表的高通量测序技术和以质谱为代表的高通量蛋白质分析技术,为解读生命体在基因组和蛋白组层面的信息提供了强大的底层技术基础和海量数据来源支持。

但随着数据总量的膨胀,以及各种新指标、参数的加入,数据也变得越来越复杂。与其他类型健康大数据应用所面对的挑战类似,如何从海量数据中高效提取价值,仍需进一步地探索。科学家发现单纯研究某一方向(基因组,转录组,蛋白质组等)的话,就像盲人摸象般无法掌握事物的全貌。但想要从整体的角度出发去研究人体组织器官功能和代谢的状态,为人类探索生命的秘密提供新的思路,就需要基于底层组学数据,建立起基因、蛋白与各类代谢分子之间互作关系网络。因此,如何对海量组学数据进行系统地、合理有效的整合和分析,是下一个阶段,人类挖掘生物数据价值过程中的核心挑战。

2.2.4 药企研发、生产以及商业化的数据
药企在研发、生产以及商业化的过程中,会产生大量的数据。这些数据一部分根据监管的要求进行上报,以完成监管方对药品临床价值评价、生产质量评价以及不良事件监控等方面的监管需求;另外也可以实现制药企业数字化资产沉淀并进行数据挖掘,赋能药品全生命周期,以实现降本、增效、提质、合规等企业数字化转型和发展的诉求。在医改的有力推动下,药企的数字化发展正在进入加速期,数字化转型变得更为必要,受到预算、监管力度和业务复杂度的影响,药企在研发、生产以及商业化等不同职能单元的数字化发展程度不同,从而带来不同的创新趋势与商业机会。

2.2.5 可穿戴健康设备相关的数据
可穿戴健康设备是指能够延续性地穿戴在个人用户身体上或能整合到个人用户的服饰中,并具备用户健康数据的采集、处理、交互等能力的便携式电子设备,具有可穿戴性、可移动性、可持续性、可交互性以及简单操作性五大基本特征。可穿戴健康监测设备和治疗康复设备都主要分为声光电磁四类。不同类别的设备通过不同的渠道收集用户健康数据。

2.2.6 保险业务相关的健康医疗数据
保险业务产生的数据主要包括参保数据、支付数据、管理数据、核保数据等。参保数据主要是参保人个人基本信息,比如年龄、就业信息、收入信息、家庭信息。支付数据包括参保患者使用医疗服务时就医行为所产生的费用数据,以及医疗保险、商业医疗包厦门对医疗费用进行理赔的费用数据。而对于医疗保险来说,还会产生管理数据,管理数据是基于现有参保数据和支付数据清洗统计后能够支持医疗保险决策和管理的一些数据,包括各个层级的基金收支、费用、病种各方面的信息等。除此之外,在商业医疗保险业务经营中,还会产生核保数据,核保数据是就参保用户个体风险情况而作出是否承保及承保条件而产生的数据。

2.2.7 健康医疗数据的应用趋势
围绕着患者的全生命周期需求,整合多种健康医疗数据,为患者提供整体数字化解决方案是健康医疗数据应用的趋势。围绕着预防-诊断-治疗-康复的医疗环节,整合来自医院、保险、患者报告等多种形式的数据,进行多维数据的分析与应用,实现早筛早诊、精准医疗、加速康复、节省整体医疗费用的目标。

(杨瑞荣 陈强 宋依然 唐轶男 侯占才 李阳 姚园园编写)
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