各地智慧医疗与大数据建设呈现多层次阶梯式发展格局。 初步形成了应用先行区、特色应用区、初步应用区、发展起步区等四大类
类别 特征 典型代表地区
第一类： 智慧医疗与大数据服务强，发展起步早， 上海、杭州、 应用先 公共医疗服务体系较健全，区域医疗信 宁波等 行区 息化基础好，云计算、大数据、移动互 联网在就诊、健康管理等方面开始普及 应用 第二类： 发展起步较早，医疗信息化发展基础好， 特色应 已建成区域卫生信息平台、电子病历实 用去 现广泛覆盖，云计算、大数据、移动互 联网在就诊、健康管理方面应用取得一 定成效 广州、深圳、 厦门、成都、 重庆、南京、 哈尔滨等
来源：海虹控股公司资料
公开信息显示，仅滥开药、滥检查导致的资源浪费约20%-30%，加之药品回扣、药品虚高定价、乱收费 等现象，医保基金浪费和流失比例不低于50%，控费审核迫在眉睫。
缺乏有效的分级诊疗措施
中国出现三甲医院看病难的问题，其原因主要有两点： （1）医疗资源分布不均衡是根本原因 （2）分级诊疗制度的缺失加剧了大医院看病难的问题
医 疗 信 息 化 系 统
大数据医疗领域
医疗 产业 链
医药制 造器械 制造
医药流 通
医院 患者 零售药店 支付方
大数 据医 疗
可穿戴设 备POCT
医药电商
网络医院 医疗信息 化
远程医疗 互联网 O2O ……
医保控费 PBM
典型 企业
九安医疗 三诺生物
九州通 阿里健康
宜华健康 万达信息
春雨医生 好大夫
网站、APP、客 服中心
小型经销商
流动资金管理 效率低下
报销审核/福利管 理服务机构
大型经销商
审核批准后付款
银行
医保局
药厂
医院和药店的采购分散， 无法形成规模优势 生产过程的无监督导致 药品质量低劣
缺少对药品流通环节及对医 院购药和医生开药的管控，造 成中间环节的非法返点
医保基金缺口大
近年来，医保基金支出增幅基本高于收入增幅，且医保支出占收入的比重远超过80%；老龄化比重不断增大， 65岁以上老年人占比超过10%，医疗负担增加。
未定级医院 9740所，占医院总数39.4%
诊疗次数 占比8.6%
拥有职业医师13.8万名 平均每所医院14名
来源：2014年中国卫生和计划生育统计年鉴。
区域信息化存在壁垒
区域卫生信息化的重要内容：建立
省、市分级数据中心，有效管理大 容量健康档案、电子病历、医疗影 像数据。
电子病历、健康档案、医疗影像数
我国医疗费用支出以政府主导的基本医疗保险和个人支付为主，这两项占到医疗总支出的 96.5%；而美国则是以政府主导的基本医疗保险和商业保险为主，这两部分占比达80.6%。 同美国相比，我国公民医疗负担较重，同时缺少商业保险作为补充支付方
2013年世界主要国家医疗支出结构
100% 3.5% 33.5% 40.7% 2.8% 13.7% 80% 2.5% 15.4% 13.20% 13.90% 9.30% 9.30%
•公共卫生实时统计分析 •新农合基金数据分析
•远程监控
采集并分析病人随身携带仪 器数据，给出智能建议
发现公共卫生疫情及公民健康 状况 及时了解基金状况，预测风险 辅助制定农合基金的起付线， 赔付病种等
3.费用报销, 利用 率 和 欺诈监管
4.患者行为/社交 网络
•人口统计学分析
对不同群体人群的就医，健 康数据实施人口统计分析
Longitudinal Record Services Health Information Access Layer
Hospital
Primary care (Grassroots)
Public Health
智慧医疗是医疗信息化的升级发展
智慧医疗是医疗信息化的升级发展，通过与大数据、云计算技术的深度融合，以医疗云数据中心为载体，为 各方提供医疗大数据服务。实现医生与病人、医生与护士、大型医院与社区医院、医疗与保险、医疗机构与 卫生管理部门、医疗机构与药品管理之间的协同，逐步构建智慧化医疗服务体系。
实践证据的优点:
强调群体效用而非个体功效 提供真实的医疗资源和治疗成本评估 可以评估长期治疗的成本和效果
借助大数据、互联网手段直击行业痛点
大数据、互联网、云计算
连接
智能
体验
建立互联互通的健康信息平 台、分级诊疗体系，解决资 源不均衡、使用效率低问题
建立医保控费体系、医保第 三方管理公司、药品采购组 织（PBM+TPA+GPO）
– – Hadoop (HBase/Hive)与传统关系型数据 库如何有效结合 大数据在区域卫生信息平台中的切实可行 应用场景
Data Analytic R&D
…
Care Coordination Clinical decision support
…
RHIN
Ancillary Data & Services Health Information DW EHR Data & Services Registries Data & Services
医保大数据应用
低效、混乱、难监管
看病难 看病贵 体验差 病患不匹配 劳动强度高 制度约束力强 缺乏完善的审核工具和 监控手段，报销中存在欺 诈、浪费、滥用的现象
医院
病人
过量开药、过渡诊断和治疗 并非结合疗效和成本考虑的 最佳治疗方案
医生
药房
小型本地经销商
分销层级过 多，效率低下
大数据会使医疗卫生行业所有参与者受益，加强合作是成功的重点。
资ቤተ መጻሕፍቲ ባይዱ分享 政策支持 明确目标
了解大数据的局限性
数据的发展趋势
全球数据的构成
结构化数据 80% 非结构化数据 结构化数据
Kaiser的数据构成
90% UNSTRUCTURED 非结构化数据 DATA
•
• •
全世界 80% 的数据是非结构化的 (大量的移动 终端设备, 机器产生的数据)
互联网移动设备普 及率提升 移动医疗应用涌现 资本大量涌入 泡沫出现
去泡沫化 商业模式不断清晰 细分领域龙头初现 市场高速增长
龙头公司诞生 行业整合 进入成熟期
1990s
2013
2014
2015
2016
2017
2018
2020
探索期
启动期
高速发展期
成熟期
智慧医疗呈现星火燎原之势
据格式不统一、内容不一样、数据 分散存储。区域医疗数据中心建设 涉及到来自多个业务系统的信息整 合、统一存储、统一检索
医疗决策中的重要数据源
药厂: 市场营销数据 医疗数据 研发数据
患者: 社交网络 行为数据 患者提供的疗效数据 医保组织: 报销数据 管理人群的基本数据
医疗业者: 电子医疗档案 临床测试结果 临床评估记录
•
• • •
Kaiser的数据中， 90% 是非结构化的 (80% 的EHR和影像数据)
在未来十年，数据将迎来 44 倍的增长 (35
zettabytes by 2020)
在未来十年，数据将会有 25 倍的增长 (One
exabyte by 2020)
主要的数据 增长 来自于 非结构化数据 (在线 的归档数据, 医疗影像, 在线视频和存储, 照 片等) 信息 给各行业发展带来了新一轮的机遇 (零售 , 金融, 保险, 制造, 医疗,…) 各行业已经开始采用 大数据技术 用于信息提 取
远程医疗、检查结果共享互 认、医保联网异地结算、居 民健康信息服务管理
智慧医疗
大数据医疗是当前的趋势
大数据对于卫生决策可能产生深远影响
评估治疗方式的性价比 医保定价和报销比例的制定 市场营销的策略
大数据也是循证医学的重要支柱
支持发现和确认有效治疗途径
发现和确认某种疗法的适用人群 寻找和开发相应的伴随诊断方法
第三类： 区域与医院信息化建设取得一定成就， 初步应 建立卫生信息交换平台。云计算、大数 用区 据、移动互联网在就诊、健康管理等方 面初步应用
第四类： 推动医疗信息化建设，提出智慧医疗发 发展起 展理念和规划，探索智慧医疗发展模式 步区
武汉、长春、 济南、福州等
银川、贵阳、 南昌、沈阳等
商保市场前景广阔
图：2008-2015年城镇基本医疗保险基金收支情况（亿元）
图：我国65岁以上人口占比
数据来源：国家统计局
数据来源：卫计委
过渡医疗造成万亿损失
医院“过渡医疗”已呈常态：非合理用药、非合理检查、非合理收费、非合理医药定价、非参保对象享受医 保待遇、非离退休人员享受离退休待遇。
典型国家医疗服务费用结构中药品占比
分布式数据服务系统
展现层 (报告, 视图)
数据挖掘 （Mahout） 分布式批量处理框架 (Map/Reduce) 语言和编译 (Hive) 实时数据库 (Hbase)
分布式文件系统 (HDFS) 结构化数据采集器 (Sqoop)
协作 服务 (Zookeeper) 日志数据采集器 (Flume)
健康档案数据存储 区域卫生信息访问层(HIAL) 医院信息系统 药店信息系统 基层医疗信息系统
案例分享: Regional Health Info Network – China
Real-time Clinical Decision Support • 实时的医疗数据处理（电子健康档案，医 疗影像数据），支持医疗协同、临床决策 支持和公共卫生管理 • 采用 Hadoop (HBase/Hive)来实现医 疗数据分析和处理 • 未来将扩展到不同领域、不同区域/地区 （包括数据交换、处理和分析） • 与本地的软件厂商及OEM厂商进行了广泛 合作 • 技术挑战