HIT专家网
来源：HIT专家网 作者：李丹、乐颖、吴龙、陈双、叶晋奇、伍睿
写在前面的话
2024年2月8日，财政部2024年1号文《关于加强行政事业单位数据资产管理的通知》正式发布，要求通过加强行政事业单位数据资产管理，充分发挥数据资产价值作用，保障数据资产安全，更好地服务与保障单位履职和事业发展。
2023年10月，广东省财政厅、广东省政务服务数据管理局组织启动 “2023年度企业数据资源会计处理典型案例研究”，通过案例研究，反向推动企业加强数据治理，推进企业数字化转型。笔者团队在参与上述案例调研过程中发现，随着各类政策文件的发布和实践研究的推进，医疗机构数据要素化进程也在不断加速，但实务性探索过程中仍面临不少挑战。
众所周知，医疗数据质量是数据要素化的“地基”，只有基础牢固了，才能更好地推动医疗数据要素化的发展。然而，核心关键是如何通过持续开展数据治理工作，以数据质量为抓手，结合医院业务战略发展、信息规划、数据管理现状等进行规划和实施，发挥数据价值，做到用数据说话、以数据支撑管理、让数据赋能决策，同时促进数据合规共享，最终实现医疗数据要素化。
新春开篇第一期专栏，笔者团队主要和读者分享医疗数据治理这个“痛并快乐着”的环节，以笔者团队融合DCMM（数据管理能力成熟度评估模型）测评的经历和实践过程，聚焦“养数据”这一数据治理目标，分享如何逐步构建具符合医疗行业特点的数据治理模式和数据管理体系。
医疗数据治理的痛点和难点
（一）术语标准不统一
医院同一业务在不同时期、不同系统中的术语不统一，进行数据分析时，处理数据、统一术语标准耗时费力。同时，医疗数据分布在不同系统中，数据关联规则复杂、无统一标准。
（二）法律法规要求复杂
医疗行业在数据治理方面面临着复杂的法律法规要求，包括数据隐私、安全性和跨境数据流动等方面的挑战，需要医疗机构不断调整合规性策略和流程，以确保符合最新的法规要求。
（三）数据治理管理制度不完善
管理规范阐明数据治理的主要目标、相关工作人员、职责、决策权利和度量标准，但目前大部分医疗机构的数据治理管理制度并不完善，缺乏明确的数据治理管理主体，医疗机构各职能管理部门常受限于“管理半径”与医疗机构数据治理业务复杂度及规模之间的矛盾，导致数据治理难以系统性和持续性地推进。
（四）数据治理人才匮乏
医疗数据治理涉及多业务、多系统、多数据类型，治理业务需要根据业务变化不断优化。同时，熟悉医疗行业的业务流程、临床实践以及经管管理也至关重要。因此，需要建立对应的跨专业人才培养机制，培养出“医疗机构数据工匠”，专注于数据管理的痛点和难点，深挖产生数据问题的原因，从源头上杜绝问题。
医疗数据治理实施路径
医疗数据治理的核心在于“养数据”。“养数据”即持续汇总、收集数据，将其“养大”。同时，通过灵活稳定的数据管理机制，将数据“养活”。此外，还需培养“数字悟性人才”，以持续推进医疗数据质量提升。
基于“养数据”这一总体目标，笔者所在团队结合实践，总结形成医疗数据治理实施路径的五个步骤：第一步，扎实调研摸清家底；第二步，数据发现与分类分级；第三步，建立数据标签体系；第四步，构建数据质量管理体系；第五步，凝练建立标准规范。上述步骤不断循环迭代、持续改进（图1），以促进医疗数据的有效管理和应用。
（一）摸清数据家底
扎实调研摸清医院信息系统的数据家底，从全局角度了解医院整体IT架构、现状，以及3-5年业务系统建设规划、信息系统标准化建设规划情况。梳理掌握业务系统之间的功能划分，掌握业务系统之间数据交换、流向以及数据衍生关系。详细核查实体业务含义、数据特征，掌握业务编码规则。
（二）数据分级分类
建立一套适用、科学的数据分级分类体系，根据数据的敏感程度和数据遭到破坏、篡改后的影响程度，按一定原则和方法进行划分判定。明确各级别数据的明确界限，针对不同级别数据采取相应的安全保护措施，包括备份、加密认证等保障措施，以确保数据的安全和完整性。
（三）建立标签体系
梳理医院各业务系统的数据源，对各数据字段定义相应的标签，构建完善的信息系统标签体系。从多个维度出发构建标签体系，包括患者维度、服务流程维度、诊疗场景维度等不同维度的标签体系。标签类型可划分为静态标签、流程标签、模型标签、预测标签等多种类型，以全面把握数据的特征和含义。
（四）构建医学数据治理和管理体系
建立医学数据治理和管理体系，成立数据治理和管理专项小组，定期对数据质量情况进行分析，持续提升数据质量，规范数据使用行为，以提供高质量数据支持医院管理决策分析和业务发展。
1.定期每周分析消息报错率，比对数据差异情况，清晰定位各类报错问题根因，协同沟通分析并切实解决问题，有效下降报错率。
2.逐步积累数据治理驱动业务优化案例集，制定和规范数据管理制度，明确数据使用、审批、接入、评价管理流程，以规范数据管理。
3.参考DCMM数据管理能力成熟度评级模型，评估自身数据资源管理状况，找准问题和差距，明确数据管理能力改进方向，提升数据管理能力。
（五）数据标准制定
在构建医学数据治理和管理体系的基础上，考虑到不同医院规模、信息化基础和管理需求，制定统一的数据标准。通过统一的数据标准，确保数据同质、同源、同标准，从根源上解决数据质量问题，进一步提高数据的可信度和可用性。
构建具有医疗行业特色的数据管理能力成熟度模型
笔者所在单位团队正着力实质性探索细化医疗数据治理实施路径第四步——构建医学数据治理和管理体系。在持续开展数据治理的工作中，对标DCMM数据管理能力成熟度评级模型，以评促建，理清医院数据管理能力真正水准，找准问题和差距，明确数据管理能力改进方向，提升数据管理能力。
DCMM数据管理能力成熟度评估模型定义了数据战略、数据治理、数据架构、数据应用、数据安全、数据质量、数据标准和数据生存周期8个核心能力域及28个能力项。要求数据被当作实现组织绩效目标的重要资产，在组织层面制定了一系列的标准化管理流程，促进数据管理的规范化。
在过程中，笔者所在单位团队与专业评估机构深入交流，针对医疗行业业务的特殊性充分讨论，基于DCMM正在构建具有医疗行业特色的测评架构，初步示意图如下（图2）。
（一）数据战略
该能力域要求基于数据的业务价值和数据管理目标，识别利益相关者，分析各项数据管理工作的优先权，制定、监控和评估后续计划，用于指导数据管理规划实施。
针对医疗行业，可由信息管理部门制定数据战略规划方面的制度，每年对数据战略目标进行制定。通过战略规划和信息管理部门制定的相关评估指标，以及严格执行预算编制和信息项目执行工作流程，落实信息化项目的管理流程与制度要求。
笔者所在单位团队通过《“十四五”发展规划和中长期远景目标》指明医院发展方向，通过《数据战略管理制度》，明确数据战略管理组织机构、战略编制流程、战略规划和实施、战略评估和绩效考核、战略优化调整等管理要求。
（二）数据治理
该能力域要求组织包括组织架构、岗位设置、团队建设、数据责任等内容，是各项数据职能工作开展的基础。
针对医疗行业，需明确规定信息化建设领导小组的人员构成与职责，明确信息管理部门的职责分工，开展数据安全相关的培训工作；编制数据管理规定、数据安全和个人信息保护、数据备份管理等制度，体系化制定数据管理方面的政策和管理办法；建立数据管理方面的绩效评价体系, 设立完整的数据治理组织机构。
笔者所在单位团队组建了数据治理和管理专项小组，为数据治理提供组织保障。在开展数据治理过程中，持续进行PDCA管理，形成治理案例库（累计积累案例23项）：
（1）以业务流程闭环节点梳理案例为例，统计分析现有各闭环节点的数据，对医院检查、检验、手术等各类闭环业务进行全面梳理，持续提升闭环完整率，赋能医疗业务管理。
（2）以数据质量考核案例为例，建立数据质量核查平台和信息供应商数据质量评价机制，每季度对核心系统的数据质量进行评分，保障信息供应商对数据治理工作的支持力度（图3）。
（3）以完善数据应用管理流程案例为例，梳理新增“线上数据使用审批流程”、“主数据接入申请流程”、“CDR数据对接使用申请流程”、“CDR数据应用问题反馈及处理管理流程”等多项流程（图4），进一步规范数据管理。
（4）以系统报表整合案例为例，原综合查询报表系统共有报表244项，经梳理口径、查重整合后，保留报表168项，在减轻系统负担的同时提升管理工作效率。
（三）数据架构
该能力域要求定义数据在系统、组织和流程等方面的分布关系，定义数据类型，明确权威数据源，为数据相关工作提供参考和规范。
针对医疗行业，信息系统建设需具有完整的系统设计说明书、需求规格说明书、数据库设计说明书。对信息系统的数据现状进行全面梳理，并编制组织级数据模型开发规范，以指导医院数据模型的开发和管理。建立主数据管理系统，统一管理多个业务领域及其应用系统的元数据，并制定和执行统一的元数据集成和变更流程。
笔者所在单位团队建设了统一的临床数据中心，整合临床诊疗信息、检验、检查信息为一体的标准化信息资源中心；建设了医学影像中心数据平台，利用数据仓库技术加强数据组织管理能力；明确根据不同的数据资源目录分类方式、数据获取来源，系统组织数据目录。
（四）数据应用
该能力域要求通过对组织内外部数据的统一加工和分析，结合公众、行业和组织的需要，以数据分析结果的形式，对外提供跨领域、跨行业的数据服务。
针对医疗行业，可建设数据管理中心，整合报表资源，支持跨部门及部门内部的常规报表分析和数据接口开发需求。组建专门的数据分析团队，快速支撑各部门的数据查询、分析需求。通过集成平台和对外数据服务系统，统一数据对外提供的方式，规范数据服务状态监控、统计和管理功能，同时细化数据服务安全、质量、监控等方面的要求，建立部门级别的数据服务管理制度。
（五）数据质量
该能力域要求明确数据质量目标，根据业务需求及数据要求制定用来衡量数据质量的规则，包括衡量数据质量的技术指标、业务指标以及相应的校验规则和方法。
针对医疗行业，以电子病历六级评级为标准，明确医院的数据质量目标，明确各类数据管理人员及其相关职责，定期组织会议分析数据质量问题，由相关职责数据管理人员跟进问题落实，并对产生的信息进行知识总结，建立数据质量知识库。此外，建设数据质量核查系统，建立数据质量问题发现和告警机制，定期校验数据质量，以帮助数据管理人员及时发现各自的数据质量问题。
笔者所在单位团队制定了《数据质量管理办法》，明确了数据质量闭环管理、数据质量管理人员的职责划分、数据质量检核规则等方面的要求。同时，参考了国家和行业标准，从医疗数据的一致性、唯一性、有效性等维度出发，制定了数据质量规则库。
（六）数据标准
该能力域要求制定统一的管理制度和流程，并对业务术语的创建、维护和发布进行统一的管理，进而推动业务术语的共享和组织内部的应用。
针对医疗行业，通过主数据系统创建和应用组织级的业务术语标准，明确了业务术语发布的渠道，并提供浏览、查询功能，以保证各应用系统中的参考数据和主数据的一致性。通过数据治理建立的业务术语应用、变更的检查机制，可以分析、跟踪各应用系统中参考数据和主数据的数据质量问题。通过参与国家标准或行业标准的制定，将数据标准做成行业标杆。
笔者所在单位团队基于数据元信息创建了《业务术语标准》，将部分医学类名词进行了定义和描述，并在数据中心平台进行了展示和管理。
数据治理驱动业务优化
笔者所在单位团队通过数据赋能医疗资源配置与诊疗流程优化，建设“医技要素资源一体化预约调度优化系统”，该系统基于经数据治理后的医院检查流程大数据、医技要素资源数据库与检查项目调度规则数据库，交由调度优化算法库进行机器学习后，自动规划检查路径，实现一站式精准预约。
以医技预约历史数据为基础，融合LightGBM、XGBoost和LSTM等多种算法的Stacking集成学习模型，让预约业务从粗放式管理走向精细化、智能化、自动化。基于循环神经网络RNN的深度强化学习模型，克服了传统调度算法难以应对的多项目、多约束的调度问题，保证在复杂的医疗环境中进行动态优化和智能调度。由于医技预约历史数据数据源为临床数据中心，故对数据源的数据质量提出了较高要求，通过业务系统的数据应用，反推临床数据中心的数据质量不断提升，做到“数据从业务中来，回到业务中去”。
系统上线以来，患者平均检查完成的时间跨度缩短，医院的CT平均候检时间由原来的60-90分钟缩短至11分钟，MR平均等待时间由原来的90-120分钟缩短至14分钟（图5、图6为前后对比）；患者可借助自助机和互联网进行全项目预约，预约中心及医技分诊人员的工作负荷下降；基于机器处理规则，检查项目安排避免人为操作错误；执行科室临时排班负荷下降，应对故障设备的效率显著提升。
该项目落地以来荣获了多项奖项：2023年9月，获得2023年中国国际数字经济博览会第二届中国大数据大赛“卫生健康大数据创新应用”赛道一等奖；2023年11月，获得2023年第一届全国数字健康创新应用大赛健康医疗大数据主题赛三等奖和2023年中国创新方法大赛广东区域赛三等奖；2023年12月，被评为2023年广东省政务服务创新案例。
写在最后
2023年12月31日，国家《“数据要素×”三年行动计划（2024—2026年）》发布，在“数据要素×医疗健康”重点行动方面，明确提出提升群众就医便捷度，探索推进电子病历数据共享，在医疗机构间推广检查检验结果数据标准统一和共享互认。此外，该计划还强调了有序释放健康医疗数据价值，完善个人健康数据档案，融合体检、就诊、疾控等数据，创新基于数据驱动的职业病监测、公共卫生事件预警等公共服务模式。
数字浪潮已滚滚而来，本期专栏笔者团队主要分享其中“数据治理”这一必经环节的一些体验和感悟。2024年，“医疗数据资产专栏”会继续深入医学数据生产要素化合规化、医学数据资源确权等相关方向探讨和研究，共同探索构建医学数据要素化实务路径。
【作者团队】
李丹，高级会计师、高级管理会计师，现任广东省人民医院医疗设备处副处长，曾任信息管理副处长。暨南大学、广东财经大学会计专业学位实践指导教师，上海国家会计学院智能财务研究中心研究员，广东省数字政府专家资源池专家，广东省卫生经济学会医院运营管理分会副会长，中国医院协会信息专业委员会青年委员。结合自身管理会计专业、医保管理工作经历与信息技术融合，主管建设项目获得软件著作权登记证书9项，作为主要编写人参编团体标准16项，主持（参研）省级及国家课题6项，参编著作2本(其中:担任副主编出版《医院经济管理系统理论指引与实务指南》/暨南大学出版社 ISBN978-7-5668-2621-3），在《中华医院管理杂志》、《中国卫生信息管理杂志》等公开发表论文22篇。
乐颖，超过20年医疗行业信息化工作经验，任深圳智慧之门先进科技研究中心(ATRC, Advanced Technology Research Center)主任。曾任职于美国匹兹堡医疗中心（UPMC）、平安医院管理集团、万达大健康、香港大学深圳医院等机构和公司。带领IT团队参与多家医院筹备及ACHS、三甲、广东省高水平医院、HIMSS、电子病历、互联互通等认证和评审工作，将国际化先进的医院信息化和数字化的模式在国内医院落地。毕业于英国爱丁堡大学信息学院。
陈双，垦丁（广州）律师事务所联合创始人，全国数据资产标准工作组成员。专注互联网法律实务: 数据合规、互联网医疗、互联网诉讼争议解决、数据资产流通交易。曾服务于广州多个政府部门及担任多家大型互联网企业、知名公立三甲医院、互联网医院法律顾问。
吴龙，高级工程师，现任广东省人民医院信息管理处技术应用科副科长。中国医院协会信息专业委员会青年委员，广东省网络安全应急响应中心医疗分中心副主任，广东省网络安全应急响应中心医疗分中心办公室主任，广东省卫生经济学会信息分会常务委员，广东省医院协会医院信息化专委会委员。长期从事医疗信息化、大数据相关工作。主持并参与多项国家级、省市级科研课题，参与医学信息专著教材副主编1部，先后发表中文核心论文13篇，自主研发及主管建设项目获得软件著作权10项，参与相关行业标准制定8项。
叶晋奇，广东省人民医院信息管理处骨干工程师，专注于医疗数据治理以及高性能计算应用领域，参研科研课题2项，发表论文3篇。
【系列文章回顾】
【医疗数据资产专栏】多学科视角下医疗数据资产化的可行性及难点探讨
精彩不容错过！
我们将尽快与您联系！
【责任编辑：陈曦 版式：金家潘】
评论前必须登录！
注册