11月11日，由HIT专家网主办的“数据驱动医院运营管理”——2023年南湖HIT论坛在浙江嘉兴成功举办。论坛邀请原解放军总医院计算机室主任任连仲、中国医院协会信息专业委员会（CHIMA）主任委员王才有、清华大学长庚医院信息部原主任刘海一、解放军总医院医学大数据研究中心原主任薛万国、四川大学华西医院信息中心主任石锐等国内医疗信息界知名专家和企业代表参会，围绕大数据背景下医院运营管理信息化建设的有效路径，深入探讨和分享实战经验，以寻求医院数智运营、精益管理之道。
上海柯林布瑞信息技术有限公司（以下简称“柯林布瑞”）出席此次论坛，并由联合创始人秦晓宏带来《助力医院构建“数据大脑”》主题分享，分享“数据大脑”的规划思路和建设路径，帮助医院提升数据质量、释放数据价值，支撑医院的智慧运营管理，助力医院高质量发展。
数据湖之上，构建医院“数据大脑”
传统的数据分析在面对医院不断增长的数据量时，可能会面临数据整合困难、计算过程繁杂、计算性能低下等问题。秦晓宏介绍，柯林布瑞主张建立“数据大脑”，随着数据不断增多，数据大脑的计算模型在大量数据的训练下得以更智能化，分析过程更便捷，分析结果更准确。
从顶层设计来讲，“数据大脑”涉及到许多核心要素，秦晓宏在阐述中着重强调了以下内容：
一是数据湖。为什么会产生数据湖的概念？在大型医院的实践过程中，柯林布瑞特别意识到了数据完整性和抽取的重要性。“数据湖是一个集中式的数据存储，以原始形式摄取和存储大量数据。一旦数据进入数据湖，它便可以被加工处理并被用作各种分析需求的原材料。”秦晓宏指出，数据湖具有开放和可扩展的架构，数据湖可以容纳来自任何来源的所有类型的数据，而且不会牺牲数据的保真度。
二是领域数据中心。领域数据中心如临床数据中心(CDR)、运营数据中心(ODR)、科研数据中心(RDR)、教学数据中心(EDR)等，需要在数据湖的基础上进行领域划分和建设。另外，当领域数据中心无法满足需求时，例如发现缺少某些字段或其他内容，可以从数据湖中获取所需数据。此时，数据湖作为医院整个大型数据资产的重要组成部分，不仅仅用于溯源数据，也可用于数据中心的数据补充。
三是元数据。“元数据是数据资产的底层，可类比为数据的户口本。”秦晓宏进一步解释道，元数据相当于所有数据的地图。它描述了我们有哪些数据，数据分布在哪里，这些数据分别是什么类型，数据之间有什么关系，哪些数据经常被引用，哪些数据无人查看等等。所以，医院需要构建元数据资产目录，以便摆脱对数据的黑盒管理。
元数据通常分为三个层面：技术元数据、业务元数据和管理元数据。在业务元数据中，指标元数据是其中重要的一类。针对医院运营、质控、绩效、上报场景下的指标相关属性和口径描述，柯林布瑞元数据管理系统形成了指标资产目录，并提供相关数据服务。该系统目前已经积累三级医院等级评审、公立医院绩效考核、基础运营指标库三个体系，同时形成口径版本管理以更加全面的服务运管部门和领导组织。
四是业数协同。如何快速定位运营口径的问题？如何快速锁定模型变更带来的影响？如何掌握院内数据资产价值？柯林布瑞强调了业数协同的重要性，即将数据流与业务流结合起来，实现"业数融合"。以往，通常将数据抽取到数据系统中进行处理，而业务操作则在业务系统中进行，导致数据和业务之间相互割裂。通过业数融合，可以帮助医院追溯特定流程中生成的数据，加强数据和业务协同，通过数据驱动业务优化，并可以提高医院的数据管理效率。
五是数据质量核查。保证数据质量的关键在于从数据源头开始，而数据质量的提升是一个闭环的过程。这一工作至关重要，需要有效的工具支持。在与华西医院、瑞金医院等大型三甲医院的合作中，柯林布瑞“数据质量核查”系统积累了几千项的数据质量规则，帮助医院实现多角度诊断数据问题、出具核查报告，倒逼医院系统优化。在这个过程中，柯林布瑞并不产生数据，而是充当数据清洗和搬运工的角色，数据的问题需要医院与业务厂家一起从源头上进行改善。
六是智能配控。柯林布瑞提出“智能配控”的概念，研发的“智慧医疗配控中心”可以根据用户不同场景、不同的需求，与元数据系统、DataInsight、AI系统结合而快速生成符合政策要求的指标类新系统。这套体系系统可以更好地管理和监控指标的计划与执行过程，以确保计划按时完成。如果计划未能按时完成，系统会发出告警，提醒相关人员采取行动，帮助及时识别和解决问题。
七是数据挖掘。为了满足医院客户对数据分析的高要求，柯林布瑞开发了“数据挖掘平台”，它可以将已经建好的模型灌入数据大脑中使用。医院可以借助数据挖掘平台建立和扩展各种分析模型，并且这些模型可以被反复使用。在数据量大、维度高、信息化建设完善的场景下，数据挖掘平台能够发挥更大的价值。<
此外，在医院中，多年来一直在强调主数据和标准管理的重要性。秦晓宏对此进行了简单的阐述，他强调只有真正进行主数据的梳理和有效利用，才能使其发挥更大的价值。
如何释放数据价值，支撑多样应用场景
数据大脑构建之后，如何帮助医院解决各种场景化应用的问题。对此，秦晓宏从以下两个方面来说明。
一是大语言模型(LLM)。提到大语言模型（LLM），柯林布瑞强调了对其使用场景的重视。秦晓宏指出，需要确定在哪些场景下能够充分发挥大语言模型的优势，并且要改变固有的分析思路和交互模式。目前，柯林布瑞正在进行一些实践，例如基于大语言模型的运营智能体验。在手机端，基于大模型的运营可以支持回答任何问题，并以图表形式提供答案，还能够支持导出报告等功能。
除此之外，在科研方面，柯林布瑞积极利用大型语言模型阅读海量文献，以帮助科研人员找到研究方向和空白点，为进一步开展科研工作提供了有力支持。
二是支撑医保管理。在多重政策的推动下，公立医院面临着DRG/DIP付费改革、医保基金监管、运营管理等多方面的挑战。柯林布瑞“数据大脑”在支撑医保方面取得了显著的成果。
其一，在医保管理中，柯林布瑞重视事前的预防、事中的治理和事后的梳理，从事前、事中、事后全面推进医保智能化管理。其二，通过数据汇聚、数据治理、数据挖掘、BI智能决策等手段，柯林布瑞打造了基于数据中台的“支付+监管+服务”为一体的智慧医保信息平台，包括DRG/DIP医疗服务能力评价与控费系统、医保智能审核系统和智慧医保管理系统，全面促进院内医保精细化运营管理。其三，DRG/DIP医疗服务能力评价与控费系统，从服务能力、服务效率、服务质量等方面，构建科室立体画像，帮助对比本科室与各指标全院最优值所在科室的差异，寻找科室短板及优势，集中精力攻关克难，补齐短板。
会议最后，在“南湖相对论”环节中，秦晓宏与业内专家就“医疗数字化转型的价值场景、面临的挑战及破局之道”等问题进行了分享和交流。
秦晓宏认为：
第一，在医院的数据化发展过程中，在组织和制度方面仍存在一些欠缺。这包括缺乏专门的数据团队，以及在数据的管理、使用、安全保障以及数据使用审批流程的规范化等制度体系方面的不完善。
第二，要破局，关键在于找到适合的场景来体现数据价值，比如通过数据驱动提升了管理效率、降低了运行成本等等这些，要形成可以量化的价值报告。
作为医疗大数据领域的深耕者，未来柯林布瑞将积极参与行业交流和合作，深入、深刻理解医院在发展过程的切实需求与业务场景，利用先进的技术和创新的思维来解决行业中的问题和挑战，推动医疗机构向数字化转型迈进，为医疗行业的未来发展贡献力量。