BOB官方网站平台
 
 
智慧医疗案例 智慧营业厅案例
BOB官网智慧医疗案例
来源:未知 时间:2021-03-19 23:05

  智慧医疗英文简称WIT120,是最近兴起的专有医疗名词,通过打造健康档案区域医疗信息平台,利用最先进的物联网技术,实现患者与医务人员、医疗机构、医疗设备之间的互动,逐步达到信息化。

  在不久的将来医疗行业将融入更多人工智慧、传感技术等高科技,使医疗服务走向真正意义的智能化,推动医疗事业的繁荣发展。在中国新医改的大背景下,智慧医疗正在走进寻常百姓的生活。

  ct、磁共振、b超……对于一家医院来说,每过一天,都意味着有几千张新的图文影像资料生成。这些影像资料的数据占据着医院大部分数据存储空间,给医院带来存储和经济上的巨大压力。近日,记者从嘉兴市第一医院获悉,该院日前上线的影像数据“云存储”系统成功打破了以往的数据存储瓶颈,在该院的智慧医疗建设进程上树起了全新的“里程碑”。该举措不仅开创了全省先河,在全国范围内也屈指可数。

  6月2日上午,市一院呼吸内科,58岁的施爱文正为自己的哮喘病寻医问诊。为了对照患者过去的病情做出更精准的诊断,副主任医师张齐通过“云存储”系统轻松调取了患者在2013年12月拍的一张肺部ct来仔细查看。“现在真方便,通过电脑就可以看到我过去来医院拍的影像。不然时间过了这么久,放在家里的片子我肯定找不到了!”施爱文说。

  医院新推出的“云存储”系统,不仅给来就诊的病人带来了便利,也为提升医生的诊断服务提供了方便。“以前的片子都由病人自行保存,很多人再来看病时经常会忘记携带原先的片子,又或者是因为保存不当,片子的分辨率降低,不便于医生给病状做出进一步的判断。”张齐告诉记者,过去自己为寻找病人以往的影像资料,常常要联系放射科,再花上几十分钟,“现在只要把病人的名字或就诊卡号输入系统,等待不到十秒钟,就可以直接调出病人在我院所做过的所有影像资料,既快捷又清晰。”

  近年来,随着我市医疗业的快速发展和数字医疗进程的推进,医院数据量已呈现出爆发式的增长。据该院信息科科长詹伟国介绍,以该院每日新生成的影像资料数量为例,就已从2011年医院整体搬迁时的约30gb/日增长到了60gb/日。“这对医院原有设备的存储能力是个极大的挑战!”詹伟国说,为了给每日新产生数据预留存储空间,医院不得不将生成日期超过3天的影像数据上传到放射科服务器,将超过3个月的通过移动硬盘备份后转存,“如果有医生或病人在此期间需要查看原来的影像资料,过程会很费时费力”。

  如果技术上没有创新,医院就只能一次又一次地在购买存储设备上做出投入。然而,这样的做法并不能从根本上缓解影像数据生成和存储上的供应失衡。今年4月初,面对已有存储量又将再次接近饱和,该院领导和相关科室的负责人一致决定,去做“第一个吃螃蟹的人”——试水“云存储”,借助互联网大数据的信息处理方式打破以往的存储容量的界限,为病人保存完整的影像资料。

  首创并非易事,从最初的下定决心到最终系统成型,医院与相关的网络和软件运营商一起经过了近2个月的反复测试和技术攻坚。5月21日,“云存储”系统正式启用。截至6月1日,系统已成功上传5tb的原始影像数据,相当于该院“搬家”后所有已存储的原始影像数据量的六分之一。“剩下的原始数据,将在3个月内全部转存至云端。等全院的业务打通后,所有新生成的影像数据也将实时上传到云端。”詹伟国还告诉记者,“自从有了‘云存储’,医院的存储能力打破了空间的限制,上传和下载的时间都得到了大大缩短。”此外,采访中,詹伟国表示,患者们可以对该系统数据存储的安全性放心。“首先,本项目的合作商中国电信天翼云存储在全国有三个异地备份中心。即使医院机房出现故障,正常数据传输可由云计算和云存储完全接管;其次,对影像资料的解读需要具备很高的医学专业基础,且只能由专门的图文影像浏览软件才能打开,除了患者本人外,查看该类数据是没有意义的。”

  据了解,今后该院还将尝试在“云存储”里建立病人的“个人影像档案”,将病人在我市各级各类医疗机构的影像资料都共享进这份“个人影像档案”中,使之成为个人健康档案的一部分。“此外,在技术成熟后,也会尝试让病人借助电脑、手机等设备通过互联网来共享在医院检查的所有影像资料,进一步优化病人的服务体验。”詹伟国说。

  在了解了智慧医疗的基本概念以及案例之后,相信你一定对智慧医疗有了基本的认识。接下来,小编精选了智慧医疗的相关资料,希望能帮助你更深入地认识智慧医疗。

  “现在有信息告诉我们,Watson(认知计算的代名词、超级电脑)照样能通过医学的考试。”中欧国际工商学院管理学教授、原院长朱晓明在2015中国健康产业创新平台奇璞峰会上表示,智慧医疗已经临近。

  一年前,马云放言“三十年后医生会失业”时,引起了的强烈反弹,几乎一面倒地驳斥这样的论调,高呼着“医生永远都会有工作”。

  然而,朱晓明简单地举了个例子,告诉我们,有一天——而且这一天并不远了,拥有认知计算能力的超级电脑将能直接给人类看病。

  他例子中的主人翁名叫Watson,是IBM公司研发总部的一个小团队历经数十年努力终于开发出的一台智能机器。他与其他智能机器不一样的地方,在于他已经有了“人的思维”。例如,他不仅能从知识库中搜索出使用者想要的答案,还懂得对孩子说“我们一起来讲个故事吧”!这种互动已经是人与人之间的互动了。再例如,他已经学会了和人“聊天”,那种会考虑到对方背景的、带点奉承的“聊天”:

  Watson:(思考良久)我本来想说贝利的,但有人提醒我,我现在在阿姆斯特丹,我得说是古利特(荷兰史上最杰出的运动员之一)。

  比方说,前几天登上《新闻联播》的百度无人驾驶汽车技术,“这当中汽车在倒车时用的就是使用了认知计算”,朱晓明告诉我们。

  再比方说,京东机器人客服JIMI,它目前承担了30%的客户服务,而对面的客户甚至可能不知道回答的是一个机器人。

  而且,在不远的将来,也许只是三五年后,目前看起来很“高大上”的一件事情——投资——也可以通过如Watson这样的超级电脑完成,业绩还极可能秒杀某些投资经理。“现在已经有中国人将Watson的一部分能力引入到投资领域了,如果还是守着以前的投资方法就out了,至少三年后会out了。”他表示。

  看到这些拥有“人的思维”的计算机不断应用于各行各业的例子时,脑海中那个“医生永远都会有工作”的信念是不是已经有点动摇?也许有一天,我们看病时,对面坐着的不再是人类,而是人工智能机器人。

  要知道,中国的优质医生资源并不多,仅一半左右的医生是具有本科及以上学历,当人工智能机器人能达到一个医学本科生水平时,它已经能够解决大多数病患的问题了。

  更何况,在医学界有个普遍的认知,一个有发展潜力的教授,每周应该看80个小时资料。这对于目前中国大多数的医生来说,是个不小的挑战。“这个任务可以交给机器学习和认知计算。”朱晓明表示,目前他们已经与一些大型三甲医院就这方面的合作进行详细的讨论。

  的确,相信不少医生会面临这个考验,特别是人工智能,“+互联网”之后,也许大量的日常疾病将能真正步入“智慧医疗”时代,不再需要医生介入。

  当然,人工智能机器人也并不能完全替代医生,总还有些复杂的疑难杂症只有少数极高水平的医生能完成。

  从上面的内容可已看出,虽然人工智能机器人不能完全替代医生,但也说明它确实优秀,下面我们来看看优秀的美国在医疗方面的经验。

  美国医院评价带给中国的鲜活启示。不久前,国家卫计委相关负责人透露,中国将建立一个基于国家医疗数据中心的医院综合评价体系。如何利用好大数据顺势而动?是每个移动医疗领域从业者都需要思索的问题。本文将简单梳理中美在医院评价体系上的异同,并希望从中获得对大数据时代中国智慧医疗发展的启示。2015年7月21日,《美国新闻与世界报道》公布了美国2015-2016年最佳医院排名。紧随其后的7月22日,由中国医学科学院、中国研究型医院学会主办的现代化医院评价与评估高峰论坛举行,国家卫计委医疗管理服务指导中心主任赵明钢指出,中国将基于

  ,科学、规范和准确地建立全国医疗机构的统一评价体系。其实,《美国新闻与世界报道》对全美医院的评价排名已进行了十余年,类似的评价体系在美国还有很多,例如:消费者报告(Consumer Report)、医院安全指数(hospital safety score)等。与美国已经相对健全的医院评价体系相比,中国在此领域才刚刚起步。

  数据是医院评价的灵魂。如果去问一个美国医院评价者最重要的是什么,答案一定是数据。《小王子》中说:真正重要的往往是无法通过双眼直接看到的(Lessentielest invisible pour les yeux)。虽然医院的硬件条件可以反映一定的事实,但是更重要的信息往往埋藏在海量的医院运营与病历数据中。

  在美国,联邦政府的CMS部门构建和维护庞大的数据库,用于跟踪每一笔医疗保险报销并监控其背后的医疗行为。美国医院协会和一些专业医疗机构也拥有大规模、跨地域的病历数据库。而这些客观的数据库就成为第三方评价的最主要信息来源。当然,这些数据库往往记载的是较为表层、未经处理(或经过简单处理)的原始医疗数据。第三方的评价功力,就体现在如何利用这些数据合理、客观地进行医院排名。

  其中有一些指标较易取得或计算,如某些重点疾病的30天死亡率,显然与医院医疗质量和安全有着密切的关系。但有些指标,如住院期间发生的感染,手术之后出现的并发症等信息,则可能深深埋藏在数据(例如病程记录)之中,而这些信息对于真正关心医疗安全和质量的患者,以及真正希望医院管理能够精细化的管理者,有着极高的价值。

  近年来,随着美国医院数据的全面电子化,数据量已经不再是问题的关键(相信中国在自上而下的医疗改革过程中很快也会如此),而

  的相关技术,才是医院评价的关键所在。试想,当面对上千万份电子病历,其中一大部分却都是运用医生式的语言来描述患者病情,那又如何能完整地呈现患者的就医经历,是否存在院内感染,检查是否恰当而不过度,疾病是否好转或治愈,以及出院后特定时间内是否再次入院?在中国,虽然HIS和电子病历已在大医院中普及,但即使排除行政层面的重重限制,现阶段可供整合的数据仍十分有限。多数医院还是愿意使用传统的方法统计简单、表层运营数据,且仅局限于内部使用。

  6月27日,国家卫计委医疗管理服务指导中心相关负责人透露,中国将建立一个基于国家医疗数据中心的医院综合评价体系。该体系包括基于病种对比的医疗服务能力分析和基于DRGs的医疗服务绩效分析两大部分,将充分运用大数据理念,依托国家医疗数据中心。在具体操作中,医管中心将病案首页的第一诊断和疾病疑难危重的分级指数来作为分级,同级别病种比对包括时间消耗指数(平均住院日)、费用消耗指数(均次住院费用、费用结构)、医疗服务质量(住院死亡率),并将这三项内容综合比对医师医疗服务能力水平;而不同级别病种数量比对体现的是则是专科医疗服务能力水平,即大型医院的疑难病种到底有多少。

  翟晓辉承认,做到上述这一切的前提是对国家医疗数据中心实行网格化管理,各成员单位及时准确地上报医疗数据。

  虽然在规模与评价方式上还有较大的差距。笔者认为,随着对医院评价关注热度的不断提高,国内在规模上超越美国只是时间问题。然而,在优化评价方式方面,中国的路还很漫长。

  下一步我们亟需考虑的是如何充分挖掘并整合大数据,将其纳入医院评价体系。使真正跟医疗质量相关的变量(如住院的感染、并发症、可以避免的二次住院),代替如今主宰评价体系的表层变量(住院时长等),真正用于医院质控。

  医疗大数据的应用下面将用几个当今大数据在医院评价领域的应用展示数据挖掘的重要意义。需要指出的是,这些应用只能展现大数据在医疗领域贡献的的冰山一角。还有无限的宝藏等待高手挖掘。

  患者安全评价一所医院的产出很大程度上取决于患者是否能够安全地在医院接受救治。所谓安全,可以表现在几个方面:首先,导致患者入院的疾病能够有效地被控制甚至治愈;其次,病人留院期间,不会因为医院的环境或治疗方式产生其他不必要的症状(如感染,术后并发症等)。但还没有明确的指标准确反应此类事件,所以需要我们使用适当的技术从海量的病人数据中发现此类现象。

  通过对电子医疗数据的系统分析,数据提取与统计分析,我们可以知道一所医院是否经常导致某类病人的不必要感染。如果属实,是否是由于医院运营或某些医疗过程的操作不当导致。在美国,某所医院患者感染率居高不下,专家通过分析其原因得出病房格局设计不合理导致交叉感染的结论。

  美国新闻与世界报道最佳医院排行自2013-2014年最佳医院排名中使用了6个患者安全性指标(PSI)。根据RTI的

  后增加了两个额外安全性指标,它们是AHRQ PSI 03和AHRQ PSI 08,分别代表了皮肤破裂(褥疮性溃疡)的发生率和术后髋部骨折的发生率。这将更加全面地反映医院的安全性。

  医院质控医疗改革领域中的临床转型实际上就是在品质提升、风险管理、绩效考核和成本控制几者之间保持微妙的平衡。一旦将大数据技术应用于医院,我们便可以从一个新的高度分析医院的运营情况。目前英国NICE(国家卫生与临床技术优化研究所)、德国IQWIG(质量和效率医疗保健研究所)、加拿大普通药品检查机构等都开展了类似项目并且取得了初步成功。

  谈到排名,也许很多医院都敬而远之,担心一旦名次较低会影响医院长期发展。然而,没有评价与竞争就无所谓优化与长远的发展。在和其他医院的比较中院方往往可以发现自身的不足。如果医院再入院率(readmission rate)居高不下,我们就需要反省,对某些病人的出院决定是否太草率了,又或许是病人出院后的用药指导不够明确。而无论如何,一旦能够发现问题并尝试解决,医院的发展只会蒸蒸日上。而数据的共享,无论对医院的科研还是运营,均有着战略性价值。

  患者寻医指导不幸罹患疾病,病人总是想得到最好的医疗服务,这也导致了有些专家号被炒至几百甚至上千元。从全局考虑,如何让病人在合适的医院看合适的病是极为重要的。所谓合适,是指既不小题大做、浪费金钱及医疗资源,也不让大病患者无处就医、四处转院浪费宝贵的救治时间。面对这一难题,数据也许能给出让人满意的解决方案。

  HealthGrade或者Consumer Report一样具有公信力的第三方、综合性评价平台,通过对各地医院的现有病历的综合分析,患者就可以知道哪些医院有收治某类患者的资质以及治疗对应疾病平均的开支、安全情况等。综合比较后,病人便可以选择最合适的医院解决自身问题,避免疾病乱投医现象。同时,医院通过该数据也可以了解自身的优劣势,以便有针对性地进行改进。

  考察任何一个评价体系,无非考虑三个因素:1. 评价机构(谁在评),2. 评价方式(如何评),3.社会影响(谁在看)。

  现阶段,国内主要实行自上而下搭建医院评价体系,如国内应用最普遍的医院等级划分标准(十等)。最初医院评审分等标准包括医院的规模、技术水平、医疗设备、管理水平、医院质量等五个标准,但由于其他评审内容设置缺乏直观指标,如今容易量化的硬件标准(床位、科室设置、医疗设备、人员配备等)成为划分医院等级的决定因素,暂时未能考虑医院的综合医疗效果。

  医院着重加强基础设施建设以期在短时间内达到突击效果,医疗质量和安全评价则未受到重视。严格来说,这并不是全面的医院排名。

  近年来,国内也有一些非政府机构尝试进行国内医院排名。例如由复旦大学医院管理研究所组织、全国30个临床专科的几千位著名专家学者共同参与评审的中国最佳医院排行榜。上述版本的医院排行榜分为专科声誉和科研学术两个部分。其中,医院专科声誉主要由专家提名心目中名列前茅的医院,而在科研学术方面,得分主要来自于国家级奖项和SCI影响因子(美国学术界极少使用SCI杂志作为判别标准,但笔者认为,影响因子较论文数量是个更为重要的指标,此处没有使用SCI论文数量是个较大的进步)。

  对医院的评价由各个营利性公司或非营利机构来做,有别于国内对硬件配置的重视,美国医院把提高医疗质量及患者满意度作为最终目标。现今美国主流医院评价平台包括:消费者报告(Consumer Report),Healthgrade,hospital advisory board,医院安全指数 hospital safety score,Joint Commission,美国新闻与世界报道(US News & Report)等。其中多数都是涵盖了上千家医院的大规模评价体系,按年更新甚至按季度更新,具有相对成熟的用户搜索界面和极大的用户访问量。以《美国新闻与世界报道》的医院排名为例,覆盖美国近5000家医院,调查14万左右的医师,为16个医疗领域的137家医院排名。该排名对医院声誉、患者存活率、患者安全性及其他医疗相关指标在内的数十项评价指标进行综合排序。

  中国的排名处在萌芽期,技术水平不成熟,只选择了专科声誉和学术文章这两个指标,虽然前者主观性较强,受固有观念和历史影响,有一定滞后性,缺乏详细量化标准,后者和临床服务质量也并不完全呈正相关,但至少作为一次有益的尝试,对医院管理、国家政策制定均有辅助作用,对患者寻医就诊也有指导意义。

  大数据应用的成熟,一方面是因为网路承载的数位资料数量以惊人的速度成长,加上非结构性资料的分析技术,也有相当程度的突破,而且物联网、智慧穿戴装置等技术及产品的出现,让实体世界的资料蒐集更为迅速且方便,不但加速大数据环境的形成,也让大数据分析的市场需求跟着浮现。

  对医疗大数据而言,也是如此。随着光学技术、穿戴装置、机器人及物联网技术的引进,不管是病患使用的智慧穿戴装置、医生使用的医学仪器,都伴随着蒐集资料的功能,配合大数据分析技术,不仅能在病患察觉不到的情境下,就能让医生掌握病患的生理状况,还可能因此发现疾病,甚至在病发之前就能做好预防。

  如何让病患在察觉不到的前提下,蒐集各种生理资讯,一直是许多医疗仪器或检测方式致力的目标,一来可以减轻给病患带来的身体负担,同时也可提升病患配合提供生理资讯的意愿。

  以测量血糖值为例,通常会要求病患到医疗场所抽血,但对於交通不便或行动不便的病患而言,可能就不见得适用,许多人也因此会选择在家中或附近的诊所,使用可携式血糖机,除了使用便利外,使用的舒适性,也成为病患选择血糖机的主因之一,也让血糖仪已经成为许多人不可或缺的居家医疗产品,尤其是能够达成无痛目标的非侵入式血糖量测技术渐渐成熟,包括红外线、超音波等,更加速病患使用可携式血糖机的意愿。

  如日本原子能研究开发机构在四年一度的「日本医学会总会」上,发表一种手掌大小的无创血糖值感测器,用户只需将手指插入形状类似於电脑滑鼠的测量仪内,就能在3秒钟内测出血糖值,让血糖量测变得更加方便,配合无线网路、云端运算等技术的配合,病患可以更轻松地上传资料,连带也让医疗院所可以运用大数据分析技术,不但可以更即时准确的掌握病患的血糖值,大量的病患资料分析结果,更能用来进一步发展更完整的医疗资源规划。

  事实上,不仅是专门用来作为医疗用途的设备,包括智慧手环、智慧手表等智慧穿戴装置最具前景的应用领域,医疗健康管理就是其中之一,许多智慧穿戴设备搭配智慧手机及云端运算架构,往往都号称可以利用大数据分析技术,帮助用户监测身体状况,保障身体健康,显示业者也知道,大数据分析技术,对智慧穿戴装置销售的帮助。

  使用穿戴装置蒐集医疗数据,首先要进行资料采集,然後将这些数据加以分析与整合,此时就需要一个使用者够多的行动医疗应用平台,所整合出来的数据,才能产生够高的附加价值,如苹果Healthkit、Google Fit及百度的「百度医生」都在尝试吸引用户,最後才能将其转换成医疗服务,让医生可以透过这些穿戴装置所得到的数据进行诊断,或是提供医疗研究单位作为新产品或新技术的研发参考。

  但即使有了蒐集医疗大数据的设备、平台,并不代表就没有问题。由於医疗产业的复杂度极高,且有一定程度的封闭性,不同的国家会有不同的法令规定,影响穿戴装置的设计及功能规范,资料蒐集的范围及可用性也大受影响,甚至在同一个国家,包括医院、医生、医药企业等参与者,也可能各行其是,无法形成足够规模的医疗大数据,也就无法进一步提升资料分析结果的综效。

  要想真正落实医疗大数据的分析价值,就必须要设法整合各方关系和资源,尤其是政府政策的限制和监管,更是重要,因为医疗大数据最大的障碍,就是资讯安全,因为使用者的健康资讯往往相当敏感,从智慧穿戴设备采集资料後,到上传到医疗资料整合平台的过程中,平台能否保障使用者的资讯安全就显得格外重要。

  美国食品药物管理局(FDA)在2015年1月发布了两份指导草案,详细规定了低风险的医疗健康产品平台的确定标准,并对第三方医疗配件的风险评估,提出基础性的建议,自然有助於医疗大数据市场的成长,类似美国作法的国家虽然还不多,但只要中国、印度等人口大国尽快推出类似美国的医疗可穿戴设备标准,将可促进相关产品及应用更快、更健康的发展,但各国之间的标准是否一致,也将会为市场投下不可预知的变数。

  此外,医疗院所及相关研究单位,是否真的已经意识到「资料有价」的观念,也是攸关医疗大数据分析市场发展的关键,而对可穿戴医疗装置开发企业来说,如果不能靠大数据分析技术来获利,而只能靠销售软硬体产品的利润,不管是医疗可携式设备或平台的价格,势必会居高不下,不但影响产品及应用的普及性,更对医疗大数据的规模形成,有相当程度的影响,如何化解这些市场阻力,尽快的制订统一行业标准的规范,不仅要将重点放在软硬体产品上,更要提供相应的配套服务,只有类似大数据分析技术服务能够真正落实,才能增加用户使用的意愿,满足其医疗需求,才能建立智慧医疗的良性循环。

  以上就是本文有关智慧医疗的全部内容,我们呈现了智慧医疗概念、案例、应用、国外经验等等资料,下面是两篇相关资料推荐给您。

  智慧医疗:医疗卫生云平台解决方案新一代卫生云平台保证卫生医疗数据安全采集,安全传输,安全存储,海量数据与分析,快速检索与分析的数据管理平台,实现卫生医疗资源信息的共享与实时管理。

  建立统一管理平台、全面共享、数据挖掘,可以向居民、医疗机构、政府机构等不同服务对象提供各类卫生医疗信息服务。

  智慧医疗: 武汉卫生系统规划方案武汉市医疗卫生行业现状:经过几十年的改革与发展,武汉市医疗卫生事业取得了巨大成就,建立遍及城乡医疗卫生服务体系,医疗供给能力全面提高,医疗保障体系初步建立,市民健康水平不断提高。当然,也存在一定差距和问题。

 
分享到:

联系我们

www.bob1712.com 仅限中国 9:00-20:00
微信二维码
Copyright © 2002-2017 BOB官方网站平台科技有限公司  苏ICPwww.bob1712.com  XML地图  网站源码