数据治理对医疗服务数据化、智能化的研究

宋玲

针对数据治理（Data Governance）的概念而言，包括很多内容，然而从根本上来看，它的核心内涵主要是把数据资产作为中心，进一步针对数字资产进行维护和提升的过程。在医疗服务领域，要想充分实现数据化、智能化管理，就需要着重做好数据治理工作，这是其中十分关键的内容。基于此，本文重点探讨和分析数据治理的相关内容以及数据治理在医疗服务的智能化数据化应用情况，希望本文的简要分析能够为同行提供一定的启示和参考。

一、引言

在医疗服务领域，要想充分实现服务的数据化和智能化，就需要有效应用大数据技术，针对相关方面的技术手段进行不断的优化和改进，把最原始的数据转化成为可以分析利用的数据，然后针对数据进行有效的整合和规范化管理，针对数据的错误进行有效纠正，然后提取相应的特征，整个过程需要循序渐进，不能一蹴而就，要随着研究的深入而逐步开展。

二、数据治理概述

针对医疗大数据治理而言，从宏观层面来看，所涉及的治理内容主要包括组织架构、管理制度、系统建设、操作规范、绩效考核等一系列相关方面，以此构建相对应的管理体系，从根本上有效提升整体数据的质量，确保数据更安全可靠，以此使数据充分实现共享，共同利用，在这个过程中，组织架构、数据权益、数据安全、患者隐私保护、数据质量等是数据治理过程中必须着重关注的焦点问题。数据治理是组织中涉及数据使用的一整套管理行为。在医疗服务过程中，要通过医疗数据治理部门有效发起，并在实践的过程中进一步推行，同时结合医疗服务的具体情况针对相关方面的数据管理等相关内容和流程进行有效操作。国际数据管理协会（DAMA）给出的定义：数据治理是对数据资产管理行使权力和控制的活动集合。国际数据治理研究所（DGI）给出的定义：数据治理是一个通过一系列信息相关的过程来实现决策权和职责分工的系统，这个过程结合达成共识的模型来有效执行，这个模型主要描述了谁（Who）能根據什么信息，在什么时间（When）和情况（Where）下，用什么方法（How），采取什么行动（What）。其中，尽可能有效确保数据的价值得到有效提升，这是数据治理的根本宗旨，因此数据治理是十分重要而且必要的，它是医疗服务实现数据化、智能化的基础，是一个系统性的管理体系，主要包括组织、制度、流程、工具。医疗健康服务的大数据种类主要包括：医院的医疗大数据、依托区域健康服务平台的医疗健康大数据、基于大量人群的医学研究或疾病监测的大数据、基于个体自我检测的大数据（可穿戴设备）、网络上产生大数据、生物信息大数据等。

三、数据治理内容

在实际的医疗服务过程中，数据治理所扮演的角色和企业中的审计员是比较类似的，它的根本作用就是充分确保医疗服务过程中所涉及的数据资产能够得到更加科学合理，而且精准的管理。因为切入的视点和侧重点有着很大的差异，在业界针对数据治理的定义包括很多内容，当前并没有形成统一化、标准化的定义，针对数据治理的内容而言，要结合医疗服务的具体情况而有序操作。大体而言，在医疗服务的数据治理过程中，所涉及的内容主要包括以下几个方面：

使相应的信息利益相关人员做出科学合理的评估，然后达成一致的医疗服务目标，在服务目标的指引下，进一步有效获取相对应的信息资源，从而有效实现数据治理。

在数据治理过程中，要有效推进业务的决策机制和决策方向科学性，使其按照正确的轨道而有序进行。

通过针对相关数据进行治理，针对医疗服务的完成情况和绩效进行监督管理。

数据治理过程分析。从具体的治理范围来看，数据治理主要涵盖了从前端事务处理系统、后端业务数据库到终端的数据分析，从源头到终端再回到源头形成一个闭环负反馈系统（控制理论中趋稳的系统）。从目的层面来看，数据治理是针对相关数据进行获取、处理、使用进行监督管理，监管的职能主要通过发现、监督、控制、沟通、整合5个方面的执行力来有效实现，所以针对医疗服务而言，要在数字化建设方面进一步转型升级，从根本上有效实现数据治理的全面、全程、闭环、专业、移动、集成、智能等一系列相关内容。要想充分实现医疗服务的数据化，智能化就需要从“部分应用”向“全面应用”转变，从“分散信息”向“数据融合”转变，有效建设临床数据中心（CDR），然后切实有效的实现“事务处理”向“智能应用”转变，同时从根本上有效做好CDSS临床决策支持。从整体情况来看，当前医院的医疗服务所呈现出的信息化发展趋势就包括数据化、互联网化、智能化、云端化、协同化、专科化、个性化。

四、做好医疗服务数据治理措施

在实际的医疗服务数据治理过程中，要想充分实现数据化和智能化，需要从以下4步来操作，具体体现在：

第一步：构建新型信息模型。医院信息化都是从HIS开始做起，再建PACS、LIS等系统，传统HIS是从收费逐步推进的，大多数医院HIS的基因是收费，是以收费为基准而搭建的。针对这样情况，医院在医疗服务过程中，就需要改变这种模式，要把临床作为核心来搭建信息模型，重构数字化医院体系，结合医院的业务模型来打造出相对应的信息模型。

第二步：针对数据之间的内在联系进行有效的梳理。要确保相关数据之间的联系得到有效的梳理，把握数据之间的关系，要把病人作为中心，以临床作为核心，以医嘱为主线。针对医疗服务过程中的数据流和业务流进行有效的串联和梳理，把握患者流、医嘱流、费用流、物资流等一系列相关内容，在具体的服务过程中，使其得到有效的串联和沟通，实现信息的互联互通和共享。在这个过程中要着重打造闭环医嘱管理模式，医院里要通过医嘱驱动数据管理，具备闭环医嘱管理，这是最基本的要求。

第三步：打通数据联系。

建立各种主索引，如：病人主索引、医嘱主索引、工作人员主索引、资产主索引、科室主索引等。主索引如同身份证一样要着重关注，很多医院在主索引方面并没有建立完善，因此对其医疗服务质量会造成严重影响。

建立数据关联性。主要包括：医嘱与业务、医嘱与收费、设备与收费、医嘱与执行等。点击任意医嘱，针对医嘱的执行情况都能够有效查明，而且十分清晰明确，这样能够进一步提升数据治理的质量，使医疗服务的效率得到显著提升。

第四步：统一数据管理。要构建相对应的数据中心，所涉及的内容包括临床数据中心、管理数据中心、影像数据中心等。

在整体的数据治理过程中，要充分关注大数据的安全，使数据安全治理体现出应有的成效，要通过大数据的方法解决大数据的安全问题，在这个过程中要进行深度的学习，系统管理员要掌握数据治理的操作规律，针对使用者的行为特征进行深入全面的分析。黑客入侵与常规的操作规律存在一定的差异，在这样的情况下，系统就可以进行自动报警，这样能够充分确保数据安全的效果。

五、结束语

通过上文的分析和探讨，我们能够充分看出，在医疗服务的过程中，要想充分实现医疗服务的数据化和智能化，就需要着重做好数据治理工作，在数据的治理过程中要充分把握相关方面的内容和核心内涵，制定出相对应的数据治理政策和策略，使产业生态得以有效构建，形成相对应的产业生态链，同时要做好人才的系统培训工作，充分构建数据治理人才队伍，以此使大数据产业能够在医疗服务领域呈现出应有的作用和价值。

作者单位：连云港市市立东方医院