34年医疗信息化经验,从HIS到AI,医院和CIO该如何转型

本文涉及的产品
云原生大数据计算服务 MaxCompute,5000CU*H 100GB 3个月
云原生大数据计算服务MaxCompute,500CU*H 100GB 3个月
简介:

34年医疗信息化经验,从HIS到AI,医院和CIO该如何转型

雷锋网按:近日,由HC3i中国数字医疗网、中关村移动互联网产业联盟移动医疗专委会主办的2017中美智能医疗大数据峰会在京举行。

其中北京佑安医院信息中心主任崔保丽,深入讲解了在大数据和AI时代,医院该如何实现从信息系统到智能医疗系统的转型。与此同时,崔保丽根据自己34年的信息化从业经验,谈到在面临多次技术浪潮更迭,以及业务部门自行引入医疗系统时,医院CIO该如何保证医院信息系统的不断升级,并在一次次更新中,完成良好的内部跨部门协作。

以下是佑安医院信息中心主任崔保丽的个人分享内容,雷锋网(公众号:雷锋网)在不改变原意的基础上进行精编,并由崔主任本人审文:

1983年毕业后,我便开始从事医院信息化的工作。三十多年来,见证了医院从最初的单独系统,到现在的全面医院信息系统,再到大数据挖掘系统。

那么这期间医院以及医院CIO是如何随着技术的更迭去转型的?

佑安医院30年来的信息化进程与IT基础

首先,佑安医院是一家以感染和传染性疾病群体为服务对象,集预防、医疗、保健、康复为一体的大型综合性医学中心。

83年毕业后的我被分配到这家医院,直到现在已有30多年。当初到这个医院时,没有计算机, 一年后,医院的计算机室才正式成立,一切从零开始。

83年到90年,在几年时间内,我们的工作主要集中在开发人事档案、工资、药库入出库软件,通过建立数学模型研发营养素统计分析软件,以及医用统计分析软件。

90年到2000年,与医院工作充分融合以解决问题为我们当时的目标。利用单片机技术开发了一套人员、住院收入、药品发放管理系统,在住院处搭建局域网络,有效减少住院患者欠费的问题。

2000年到2007年,我们部门逐步走入正轨,信息部门成为了一级科室,更名为信息网络管理中心,团队规模也渐渐开始扩大。主要工作围绕全院范围内建设医院网络系统,医院信息系统HIS在全院范围内开始实施,逐步推广应用。

从2008年开始,医院从网络建设、基础设施改造以及信息系统重新建设,医院网络建立健全,全院覆盖,以电子病历为核心的医院信息系统全面实施,这就是我们院信息化建设的进程。

北京佑安医院网络建设与医院的发展同步展开,已经建设了高性能、可靠性、安全性、稳定性、管理便捷的智能化网络,承担着医院几十个信息系统的互联互通,承载着医院医疗、教学、科研、管理等任务,提供办公系统应用。

在2016年底,根据国家规定的信息安全保护三级要求,对医院的网络系统进行升级改造,形成了现在全院的一套网络系统。从08年开始,我们就使用了这套一百平米的机房,有几排机柜,对于它的用电、温度、湿度、气体回流等等采取了一系列措施。

上述谈到的是佑安医院的网络建设,医院信息系统建设,这是一个规模比较广、建设全面的一套信息系统。无论是医院医用系统,还是协作交互支持服务等,我们完成了以电子病历为核心的信息系统。

2013年,医院开始建设信息集成平台,医院所有的模块建设,已经完全是互联互通、信息共享,尤其是在医疗临床系统中,是一个完整的规划和建设。

医院信息系统建设,用一句话总结就是:支持了医院内部医疗信息和管理信息的数字化采集、处理、存储、传输、共享。实现了病人信息数字化、医疗过程数字化、管理流程数字化、临床科研数字化。

医院大数据处理系统的建设

AI与大数据时代,北京佑安医院也在重点推进大数据处理系统的建设,主要在进行以下几方面的工作:

  • 构建数据中心:通过对各个系统进行数据改造,使数据成为标准化,符合国家标准或者国际标准,使它成为统一规范、统一代码、统一接口的数据中心。

  • 建立数学模型,利用已经建立的临床大数据样本资源库进行临床诊疗方案的优化,形成个体化综合型最佳诊疗方案。

  • 形成协同研究平台,使医学研究工作者能够在同一平台上掉月、处理、研究同一病人的所有医疗信息。

  • 构建大数据深度挖掘统计分析平台:针对临床研究课题、临床与转化研究项目、药物临床试验等临床观察与研究项目所需的所有临床信息,挖掘、提取可供临床研究的CRF表单,实现可研究性数据的统计、分析。

在大数据处理的四项工作中,我们分为三个阶段展开:

第一阶段,进行数据的整合与搜寻,整合所有医疗资源,形成数据中心。

第二阶段,进行高级数据搜寻与挖掘,这项工作主要把提取出来的数据保存到数据中心后,进行数据分析矩阵的建设。

第三个阶段,展现与发布,把数据挖掘的结果展示并且作为一种成果进行发布。

我们把挖掘到的数据保存在数据中心,形成数据矩阵,并且形成唯一的患者识别编码,最后通过数据分析,形成医学研究发布决策支持这样一个功能。

大数据处理对医院、医生、患者、临床科研的作用

大数据处理无论对医院、医生、患者以及临床科研,都能起到非常重要的作用,主要体现在这几个方面:

从医院角度讲,医院进行大数据处理,提高了各系统标准化,互操作性和技术水平,保存了海量数据,提供多类别、多层次的服务,提高医院整体水平等。

从医生角度讲,辅助医疗对提高医生的工作效率,优化医生的工作环境效果比较可观。

于患者而言,就医过程的信息完整、统一,提高了就医安全性,获得更好的治疗效果等。

对于临床科研来讲,通过建立数学模型,提供数据分析结果,为医院的科研进行服务。

从HIS到AI,医院CIO的转型之路

上面提到的内容是北京佑安医院信息化建设的过程,后面的内容则是CIO转型之路,也是我要跟大家分享的一些个人的经验和体会。

由于信息技术发展使得它分为多个阶段,CIO均需掌握不同阶段的宏观技术发展、特点和规律,加强新技术与传统医疗的深度融合,推动信息化建设。

作为医院信息中心主任,很多事情必须亲临现场去解决。领导对医院的信息系统要求很高,不允许出现问题,必须要达到零差错,因为医院信息系统只要中断几秒钟,这就意味着出事故。医院信息系统建设的参与者或者是整个执行者,要有统筹全局的意识,医院系统的建设在越大越强时,需要明确知道哪些方面必须要建立,哪些方面去分批建设。

其次要有良好的沟通能力,真正的专业技术在整个工作中可能只起到15%左右的作用,真正靠你能够把这项工作完成,需要85%的沟通技巧。

随着市场上的医疗技术产品和方案不断增多,当下医院面临一个新的问题,当IT完全融入到医院各项业务中时,而当业务科室也掌握了一定的技术、了解了社会上所有IT知识后,有的业务科室自行引入了一些系统。

针对这些情况,从我个人三十几年的从业经验来看,任何一个系统如果没有医院信息中心的参与与跟进,这套系统实现它最初建设目标的可能性变小。

在这种情况下,医院CIO的职责需要去规范和引导。如果医院业务科室引入了他们自己所需的系统,信息中心必须要参与和跟进。这样才能使系统和医院整体系统融合起来,同时也会让这套系统最大化地发挥它的作用。

医院信息化发展到现在,近些年有着以下变化:第一,医院领导的重视度大幅提高;第二,信息化投入明显增加;第三,信息部门的地位明显提高。同时信息中心主任的压力、责任、风险加大。

医院的很多工作都需要信息中心的参与。

最后,借用三句话总结医院CIO的行事原则:复杂的事情简单做就是专家;简单的事情重复做就是行家,重复的事情用心做就是赢家。

更多关于人工智能升级传统机构的文章,请关注雷锋网AI商业化垂直微信公众号:AI掘金志。


本文作者:亚峰

本文转自雷锋网禁止二次转载,原文链接


相关实践学习
基于MaxCompute的热门话题分析
本实验围绕社交用户发布的文章做了详尽的分析,通过分析能得到用户群体年龄分布,性别分布,地理位置分布,以及热门话题的热度。
SaaS 模式云数据仓库必修课
本课程由阿里云开发者社区和阿里云大数据团队共同出品,是SaaS模式云原生数据仓库领导者MaxCompute核心课程。本课程由阿里云资深产品和技术专家们从概念到方法,从场景到实践,体系化的将阿里巴巴飞天大数据平台10多年的经过验证的方法与实践深入浅出的讲给开发者们。帮助大数据开发者快速了解并掌握SaaS模式的云原生的数据仓库,助力开发者学习了解先进的技术栈,并能在实际业务中敏捷的进行大数据分析,赋能企业业务。 通过本课程可以了解SaaS模式云原生数据仓库领导者MaxCompute核心功能及典型适用场景,可应用MaxCompute实现数仓搭建,快速进行大数据分析。适合大数据工程师、大数据分析师 大量数据需要处理、存储和管理,需要搭建数据仓库?学它! 没有足够人员和经验来运维大数据平台,不想自建IDC买机器,需要免运维的大数据平台?会SQL就等于会大数据?学它! 想知道大数据用得对不对,想用更少的钱得到持续演进的数仓能力?获得极致弹性的计算资源和更好的性能,以及持续保护数据安全的生产环境?学它! 想要获得灵活的分析能力,快速洞察数据规律特征?想要兼得数据湖的灵活性与数据仓库的成长性?学它! 出品人:阿里云大数据产品及研发团队专家 产品 MaxCompute 官网 https://www.aliyun.com/product/odps 
相关文章
|
10天前
|
机器学习/深度学习 人工智能 自然语言处理
探索AI在软件测试中的转型力量###
本文深入探讨了人工智能(AI)技术在软件测试领域的应用现状与未来趋势,通过分析AI如何优化测试流程、提高测试效率与质量,揭示了AI赋能下软件测试行业的转型路径。传统测试方法面临效率低、成本高、覆盖率有限等挑战,而AI技术的引入正逐步改变这一格局,为软件测试带来革命性的变化。 ###
|
8天前
|
人工智能 安全 搜索推荐
北大计算机学院再登国际AI顶刊!张铭教授团队揭露医疗AI致命漏洞
【10月更文挑战第17天】北京大学计算机学院张铭教授团队在国际顶级人工智能期刊上发表重要成果,揭示了医疗AI系统中的致命漏洞——“模型反演”。该漏洞可能导致误诊和医疗事故,引起学术界和工业界的广泛关注。研究强调了医疗AI系统安全性评估的重要性。
24 1
|
3天前
|
机器学习/深度学习 人工智能 供应链
AI技术在医疗领域的应用与未来展望###
本文深入探讨了人工智能(AI)技术在医疗领域的多种应用及其带来的革命性变化,从疾病诊断、治疗方案优化到患者管理等方面进行了详细阐述。通过具体案例和数据分析,展示了AI如何提高医疗服务效率、降低成本并改善患者体验。同时,文章也讨论了AI技术在医疗领域面临的挑战和未来发展趋势,为行业从业者和研究人员提供参考。 ###
|
4天前
|
机器学习/深度学习 人工智能 搜索推荐
人工智能与未来医疗:AI技术如何重塑医疗健康领域###
【10月更文挑战第21天】 一场由AI驱动的医疗革命正在悄然发生,它以前所未有的速度和深度改变着我们对于疾病预防、诊断、治疗及健康管理的认知。本文探讨了AI在医疗领域的多维度应用,包括精准医疗、药物研发加速、远程医疗普及以及患者个性化治疗体验的提升,揭示了这场技术变革背后的深远意义与挑战。 ###
24 6
|
4天前
|
机器学习/深度学习 人工智能 算法
AI技术在医疗领域的应用与挑战
【10月更文挑战第21天】 本文探讨了人工智能(AI)在医疗领域的多种应用,包括疾病诊断、治疗方案推荐、药物研发和患者管理等。通过分析这些应用案例,我们可以看到AI技术如何提高医疗服务的效率和准确性。然而,AI在医疗领域的广泛应用也面临诸多挑战,如数据隐私保护、算法透明度和伦理问题。本文旨在为读者提供一个全面的视角,了解AI技术在医疗领域的潜力和面临的困难。
|
10天前
|
人工智能 安全 搜索推荐
北大计算机学院再登国际AI顶刊!张铭教授团队揭露医疗AI致命漏洞
【10月更文挑战第16天】北京大学张铭教授团队在国际顶级人工智能期刊上发表重要成果,揭示了医疗AI系统中的致命漏洞——“模型反演”。该漏洞可使攻击者通过特定数据样本误导AI诊断,引发误诊风险。此发现引起广泛关注,强调了医疗AI安全评估的重要性。
28 4
|
3天前
|
机器学习/深度学习 人工智能 搜索推荐
AI在医疗诊断中的应用
【10月更文挑战第23天】随着人工智能技术的不断发展,AI在医疗领域的应用也日益广泛。本文将介绍AI在医疗诊断中的一些应用,包括医学影像分析、病理诊断、基因数据分析等。通过这些应用,我们可以更好地理解AI技术在医疗诊断中的价值和潜力。
|
8天前
|
人工智能 自然语言处理 机器人
对话阿里云CIO蒋林泉:AI时代,企业如何做好智能化系统建设?
10月18日, InfoQ《C 位面对面》栏目邀请到阿里云CIO及aliyun.com负责人蒋林泉(花名:雁杨),就AI时代企业CIO的角色转变、企业智能化转型路径、AI落地实践与人才培养等主题展开了讨论。
|
3天前
|
机器学习/深度学习 人工智能 搜索推荐
AI在医疗健康领域的应用与前景
随着科技的不断进步,人工智能(AI)技术已经深入到我们生活的方方面面,特别是在医疗健康领域。本文将探讨AI在医疗健康领域的应用现状、面临的挑战以及未来的发展前景。