赛迪顾问-拥抱大数据,加快医疗信息化建设

《赛迪顾问-拥抱大数据,加快医疗信息化建设》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、.IT评论拥抱大数据，加快医疗信息化建设2014年3月25日，国务院总理李克强主持召开国务院常务会议，确定今年深化医药卫生体制改革重点工作。会议强调，要建立医疗信息化系统，推动异地就医即时结算。医疗信息化建设在深化医药卫生体制改革工作中越发重要，医疗信息化建设的最终目的是使得医疗卫生相关数据在法规要求下实现数据的互联互通、信息共享，改变“信息孤岛”的现状，更好地支撑医疗卫生事业的发展。研究.当前我们正处于一个数据爆炸性增长的大数据时代，各类信息系统在医疗卫生机构的广泛应用以及医疗设备和仪器的逐步数字化使得医院积累了更多的数据资源，这些数据资源是非常宝贵的医疗卫生信息，对于疾病的诊

2、断、治疗、诊疗费用的控制等都是非常有价值的。如何在大数据时代做好医疗卫生信息化建设，是值得我们思考的问题。一、中国医疗信息化建设现状中国医疗信息化建设从1998年开始，1998年国务院决定建立城镇职工医疗保险制度，医疗卫生机构需要对计价、收费、住院管理等流程进行信息化，并实现与医保结算系统的对接，医院开始建设以收费为中心的初级HIS系统，中国医疗信息化建设开始起步。2008年中国开始深入推进医药卫生体制改革，在医药卫生体制改革中确认的新医改“四梁八柱”体系中，信息化是唯一的技术支柱，医疗信息化从而进入了快速发展期。2008年至今6年时间里国家出台多项政策推动医疗信息化建设，包括：

3、医疗卫生信息化“十二五”规划、基层医疗信息系统建设指导意见、中医药信息化建设“十二五”研究.规划、健康中国2020等，这些政策的出台使得医疗信息化建设步入快车道。根据赛迪顾问数据，2013年中国医疗行业IT应用整体投资规模突破300亿元。图12009－2013年中国医疗行业IT应用市场规模与增长数据来源：赛迪顾问2014，02在这一过程中IT技术发展日新月异，新兴IT技术开始渗透并影响医疗卫生领域，为医疗信息化建设带来新的气息，特别是大数据相关技术在其中发挥了重要作用。二、大数据时代对医疗信息化建设新要求研究.据估计,中国一个中等城市（100万人口）50年所积累的医疗数据量就会达

4、到10PB级别。随着我国医疗信息化建设加快，医疗卫生数据量爆发式增长，医疗卫生领域已迎来了自己的“大数据时代”，大数据相关特性对医疗信息化建设提出了新的要求。（一）数据量爆发式增长，要求医疗信息化架构可扩展医疗卫生数据主要来源于三方面：1、生命科学领域及医药研发领域在生命科学领域，随着高通量测序的技术发展和逐步应用，生命科学领域的数据量正在高速增长，每台高通量的测序仪每天可产生约100GB的数据，仅华大基因一家中国基因公司，每天就有一百多台这样的测序仪在满负荷的运行着，产生10TB的数据。在医药研发领域，药物研发是相当密集型的过程，一家中小型制药企业年累积的数据量也在TB以上。2

5、、医疗领域就医疗机构诊疗数据看，诊疗数据结构复杂包含大量半结构化或非结构化数据，单个半结构化数据（如心电图、B超、CR、CT等）的数据量远远大于单个结构化数据（如XML文档），如一张普通CT图像大约150MB、一个标准的病理图接近5GB研究.，而一个XML文档大小约几十K，随着医疗机构信息化建设转向临床信息系统，越来越多医院将重点建设PACS、LIS系统，从而产生大量非结构化诊疗数据。医疗领域大数据除医疗机构诊疗数据外，患者在医疗机构就医过程中还将产生挂号、缴费、新农合基金使用情况、医保资金使用情况、诊断结论、诊疗过程等数据。根据卫计委2014年颁布的《人口健康信息管理办法（试行

6、）》要求，电子健康档案、电子病历、全员人口信息等人口健康信息需要实现长期保存，医疗领域数据量将逐年累积增加。3、移动医疗领域随着移动互联网、物联网技术的快速发展，可穿戴式医疗设备逐步从概念走向现实。可穿戴式设备最重要的应用就在医疗健康管理领域，从谷歌眼镜、苹果手表到耐克腕带等均具备一定医疗健康管理功能，为用户提供身体素质指标监测、疾病数据跟踪等服务。随着可穿戴式设备的快速发展，未来将产生大量的医疗健康数据。研究.面对来源丰富且日益膨胀的医疗卫生数据，目前医疗信息化的存储架构无法满足大数据应用的需要，在处理和查询大数据集时更是力不从心,需要设计新的以数据为中心的计算模型和系统架构，

7、把医疗卫生各个业务系统独立的、分散的、不同品牌或不同级别的存储产品统一到一个或几个大的存储池下，形成逻辑上统一的整体，进而根据数据整合或应用整合的需要将数据迁移到相应的存储空间，从而实现医疗信息化中存储架构的统一规划和部署。（二）数据价值高，要求医疗信息化建设重视数据挖掘医疗卫生数据结构较为复杂，除了普通结构化数据外，多为半结构化或者非结构化的数据,如心电图、B超、CT、MR、CR、等临床影像文件多为非结构化数据。在“大数据”时代，传统的数据库分析系统正面临着一次历史性变革。目前