智慧医院管理“智慧”在哪里？

时间：2022-11-16 作者:小通浏览量：

1. 智慧医院发展脉络
- 第一阶段：纸质向电子化的转变。
- 第二阶段：电子化向流程化的转变。
- 第三阶段：流程化向智慧化的转变。
2. 智慧医院发展的趋势
- 2.1 政策的引导和要求
- 2.2 供需双方的推动
- 2.3 新技术的引入
3. 智慧医院五位一体的建设方案
- 3.1 智慧服务
- 3.2 智慧医疗
- 3.3 智慧管理
- 3.4 中台管理
- 3.5基础平台

1. 智慧医院发展脉络

第一阶段：纸质向电子化的转变。

上世纪八九十年代，医疗信息化初步落地，主要集中于财务结算，药品等医疗物资的管理系统。那个时期高效的完成业务收费是最主要的信息化工作，几乎都是为了不漏费，不跑费为核心建立的系统和配套管理。

第二阶段：电子化向流程化的转变。

进入21世纪，随着信息技术和互联网技术的发展，实现业务流程的电子化。这个时期对于以前单一解决单一节点问题的方式也不再能满足业务的需求，关注最多是流程的规范化和标准化，追求的是医疗服务和管理端到端的避免风险的闭环管理，以及提高医疗治疗的医嘱闭环管理。

第三阶段：流程化向智慧化的转变。

以前流程化的系统对业务全流程的完记录和跟踪已经无法满足业务的需求，过程中会增加医护人员很多的交互和反馈的工作，医疗风险的规避和医疗质量的提高是以更多工作量为代价的，因此，人们希望系统能自动的做一些处理，并且系统能给业务提出更多的指导和建议，并更多的推动业务的进一步处理。

随着移动网络、云服务、大数据和人工智能等技术和业务场景的结合和推广，建立线上业务和线下一体化的医院服务与管理模式，为患者提供更高治疗的医疗服务，开始由原来的流程化和向智慧化转变。

2. 智慧医院发展的趋势

2.1 政策的引导和要求

《公立医院高质量发展促进行动（2021-2025年）》（以下简称《行动》）

《行动》明确指出：将信息化作为医院基本建设的优先领域，建设电子病历、智慧服务、智慧管理三位一体的智慧医院信息系统，完善智慧医院分级评估顶层设计。

鼓励有条件的公立医院加快应用智能可穿戴设备、人工智能辅助诊断和治疗系统等智慧服务软硬件，提高医疗服务的智慧化、个性化水平，推进医院信息化建设标准化、规范化水平，落实国家和行业信息化标准。

到2022年，全国二级和三级公立医院电子病历应用水平平均级别分别达到3级和4级，智慧服务平均级别力争达到2级和3级，智慧管理平均级别力争达到1级和2级，能够支撑线上线下一体化的医疗服务新模式。

到2025年，建成一批发挥示范引领作用的智慧医院，线上线下一体化医疗服务模式形成，医疗服务区域均衡性进一步增强。

2.2 供需双方的推动

1）需求端

从宏观数据上来看

据国家统计局数据，我国人均可支配收入在2017年达到了25974元人民币，较 2016年增长9%。其中，医疗保健占总支出比例达到7.9%，较2016年增长达到 11%，增速超过了人均可支配收入增速，民众对个人健康的需求及投入热度可见一斑。

从床位需求上来看

《全国医疗卫生服务体系规划纲要（2015—2020年）》亦提出，2015年医疗卫生机构每千人口病床数达4.97张，到2020年，我国每千人口床位数将达到6张，20%的增长，以应对日益增长的医疗需求。

从慢病的需求上来看

据统计，目前我国成人高血压病患病率为18%，患者数将近两亿人；在20岁以上的成年人中，大约每十个人就有一个是糖尿病患者。2017年，以心血管疾病和糖尿病为首的慢性病，致死人数占据了所有死亡人数的86.6%，且慢性病在我国疾病负担中所占比例超过70%。慢性病已经成为我国居民健康的首要威胁，对我国医疗卫生体系造成了极大的压力。

从三个方面来看，需求端有着强劲的医疗服务需求，这也推动医疗机构在智慧医院方面加快建设步伐。

2）软件服务端

从医疗总支出来看

在美国医疗支出占GDP比重超过17%，中国医疗支出占GDP的比重约为6%且逐年上升。

从医疗IT市场规模来看

IDC 预测，2020 年，我国医疗服务领域的 IT 支出（不包括医保和医药）将达到 463.3 亿元，同比增长 14.6%，预计 2025 年将达到 845.7 亿，2020-2025 年 CAGR 为 12.8%。

医院核心系统：2019 年，中国医院核心系统的市场规模为 45.62 亿元，同比增长 18.3%，市场集中度逐步提高，CR10 达到 62.3%，高于整体医疗应用软件市场。

从健康数据规模来看

全球医疗健康数据正以每年48%的速度增长，在2020年数据量将超过2300Exabytes。2017 年，中国医疗健康大数据市场增长速度为 77.9%，增速远高于医疗信息化整体水平及其它行业。

从电子病历评级使用情况看

CHIMA在2019年的调查显示，目前我国超过半数的医院未参与电子病历的评级，剩余大部分医院集中在0-3级。

从医疗软件市场的服务提供来看，其规模还有持续扩展的趋势。

2.3 新技术的引入

新技术云计算、大数据、物联网、移动互联网、人工智能和5G技术结合医疗业务的场景正在确确实实的改变着医疗的方方面面。

3. 智慧医院五位一体的建设方案

智慧医院是一个全面建设的过程，从点线面体的角度来分析智慧医院的建设，点就是一个业务环节，例如，智能导诊，人工智能辅助诊断等；线就是一个业务流程，例如，门诊的就诊流程；面就是一个业务领域，例如：患者门诊管理、患者的住院管理等；体就是一个生态，例如：就是区域医疗的辐射，是预防、医疗、康复、健康等全面管理。

在当前技术赋能业务场景的过程中，在点、线上做的试点比较多，在面和体上的工作还刚刚开始，如果智慧服务、智慧医疗、智慧管理想在线、面和体上有更多的深入的智慧化转变，那么数据中台的就变得极其的关键和重要了，它和基础平台合并在一起成为软硬结合的智慧医院的底座，为智慧医院持续的、整体的提升提供动力和提供保障。

3.1 智慧服务

以提高患者服务水平为核心的便民惠民服务为目标，最快的提高患者对医疗服务的可及性和获得感。

智慧服务建设的分析：

全流程服务线上化和自助化。
导诊的智能化。
全流程信息公开化。

智慧服务的领域是数字化转型最有效的抓手，线上服务的需求和流程可有效的推动线下医疗服务的提供，线上线下一体化服务的迭代提升，不但可以推动智慧服务的提升，还可以更高效的拉升对智慧医疗和智慧管理提升。

智慧服务需要中台管理提供患者身份识别和患者主索引，患者基本信息和以往病史等推动线上流程和智能化有效开展。

3.2 智慧医疗

以为患者提供高质量医疗服务为核心的医疗服务为目标。其包括临床服务、医疗的管理和医疗协同。

智慧医疗是以电子病历为核心来构建的全闭环的服务管理，涉及的业务范围主要为以下三个方面：

医疗服务：门急诊、住院、护理业务、医技业务、移动业务、医疗随访和宣教
医疗管理：医务管理、护理管理、药事管理、院感管理、卫生应急管理、数据上报
医疗协同：多学科协作会诊、远程影像、分级诊疗、双向转诊、区域病历共享、区域检验共享

智慧医疗建设的分析：

线上化、移动化。
物联网的自动化和信息的自动化，例如，智能输液系统、危急值预警等。
人工智能成果应用，例如：电子病历的后处理，专科影像图形的机器识别等。

人工智能的机器学习在基于电子病历数据挖掘上一直在探索，但特定学科和特定场景下在释放医生资源的情况下，也能有效的保证医疗的质量。

在信息化阶段医院在医嘱闭环管理、业务闭环管理上已经打通了各个环节，而在智慧医疗的建设阶段，需要更多的通过线上的移动化、自动化和智能化处理推动线下业务的执行，实现智慧医疗中医疗质量的提升。

数据在智慧医疗的建设持续提升的基础，这就对数据中台管理对数据高质量标准化、规范化和完整性提出了更高的要求。

3.3 智慧管理

以降本增效为核心的资源运营管理为目标。智慧管理人财物为核心的一体化的HRP管理构建全闭环的运营管理，后勤管理、科研管理和教学管理。

智慧管理分析：

物联网的自动化和智能化。
大数据为管理的赋能。例如：大数据形成的DIP管理。
管理的数字化和可视化。

智慧管理人财物一体化、临床和运营一体化创建了临床和运营有效的双轮驱动，在保障临床稳定运营的基础，实现运营的高效率和资源的充分共享，更好的实现资源规模化和集约化效应。

同时智慧管理通过对大数据的应用，在实现管理的数字化和可视化的基础上，也在积极的探索实现更多的管理赋能，DIP的评估评价系统就在中国国内发展起来的临床业务评估系统。

3.4 中台管理

以公共服务和数据服务为核心赋能平台。它集成信息平台、大数据、人工智能。以数字化赋能为核心的中枢系统。

公共服务：抽象的公共组件，即业务中台。例如：患者主索引、混合支付和处方流转等。提供业务交互和联通的集成服务。

数据服务：数据中台服务。例如：患者360视图、运营管理地图、疾病风险预测、医学影像辅助诊断等。

中台管理要满足互联互通标准化成熟度模型，同时数据中台以数据资产的理念进行数据的管理，主要分为三个方向：

数据采集和质量控制：数据的采集和清洗一体化数据标准化和规范化处理，建立临床、科研和管理的数字资源中心。
数据服务管理：为服务、医疗和管理提供数据服务，常见的包括患者360视图、电子病历信息、临床知识库查询、辅助检查知识库查询、工作负荷、工作负担和效率展示等。
数据价值挖掘：利用机器学习算法模型对建立的数据中心做数据价值挖掘。

通过数据价值挖掘和数据服务管理可以持续的为智能服务、智能医疗、智能管理赋能。

但是，自2021年9月1日，《中华人民共和国数据安全法》和2021年11月1日《个人信息保护法》的正式实施后，数据隐私包括已经上升到法律的层面，而医疗数据中包含的隐私数据更加的敏感，而人工智能的机器学习对高质量的大数据有极大的需求，这也是区域大数据中心汇聚数据困难的一个重要原因之一吧，那么如何处理这个矛盾呢？

联邦学习可以很好的解决这个矛盾，它的宗旨就是数据可用不可见，它的方式就是数据不需要集中汇聚，而是放在本地，数据模型在本地做训练，模型收敛后把加过以加密的方式发送到中心服务器，由中心的服务器做数据的对齐和模型的汇聚，形成最终的业务模型，这种方式形成的模型和集中数据形成的模式经过严格的对比发现模型的损失几乎可以不计。以数据不动而模型不动方式实现了数据可用不可见。

而这种模式不仅会改变原有数据使用的方式，同时也改变了本地也就是医院对数据价值创造的模式，因为这种模式下，数据是以可以创造价值的资产形式存在的，且每次训练模型都会有价值共享，数据资产的价值可以源源不断的创造出来，对于医院来说数据中台中的数据是真的可以创造经济价值的，数据中台不再是成本中心，而是利润中心，为了更好的创造价值，那么对于优化升级数据资产的质量工作也就有了持续的动力来源。

这将是全新的业务模式。