中日医院成立专科医联体利用云计算大数据提炼治疗经验 让分级诊疗深入临床一线

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:

医患关系一直是一个敏感的话题,在新医改启动7年后的今天,看病难、看病贵问题已经逐渐得到缓解,但制约医改的基础问题还是医疗资源的不平衡。所以医联体的建设成为目前医改的重点和方向,因为医联体是实施双向转诊、构建分级诊疗体系的基础和保障,也是快速提升基层医疗机构服务能力,更好惠及人民群众健康的重要举措。

同时今年《深化医药卫生体制改革2016年重点工作任务》也重点提到加快推进分级诊疗制度建立,尤其对推动上下联动、三医联动提出相关实施方案。中日医院作为试点单位,正在积极推进远程医疗和分级诊疗真正深入到临床一线。

远程医疗是推动分级诊疗的重要手段

一直以来医改面临最大的难题就是优质资源绝对量不足且分布不平衡,医生临床诊治能力的同质化水平较差。所以优质资源下沉也成为医改的重要课题,分级诊疗就是充分调动闲置医疗资源,对常见病、多发病进行分层分流诊疗,缓解大医院承受大量医疗任务的压力。

分级诊疗制度是按照疾病的轻、重、缓、急及治疗的难易程度进行分级,不同级别的医疗机构承担不同疾病的治疗,形成以病情为依据,以医学诊疗能力为基础的分级原则和分工协作制度。

但在具体推行上,各级医疗、卫生管理机构在执行落地上会存在一些落差。“目前各地对于医疗资源的整体调控能力,包括对一些运行机制的设计都还处于非常初级的水平。”中日医院医务处副处长,国家卫生计生委远程医疗管理与培训中心办公室主任卢清君谈到。

中日医院成立专科医联体利用云计算大数据提炼治疗经验 让分级诊疗深入临床一线

中日医院医务处副处长,国家卫生计生委远程医疗管理与培训中心办公室主任卢清君

所以按照“基层首诊、双向转诊、急慢分治、上下联动”的要求,以综合医改试点省份和公立医院综合改革试点城市为重点,在有条件的地市开展试点加快推进分级诊疗。中日医院成立呼吸专科医联体,利用专科优势,带动全国同行共同发展,帮助基层医院开展学科建设,指导县级医院对基层乡镇、乡村开展慢病管理和分级诊疗。让各级医师动起来,促进分级诊疗。卢清君举出浙江桐庐通过给农村患者配备心电监护移动设备,实现了实时动态的对慢性病的监测,一旦出现急症就可以转到县级、省级医院,形成了基于初级卫生保健体系的分级诊疗雏型。

像桐庐的实际经验可以在全国进行推广,但分级诊疗的实现过程仍然非常艰难,因为它涉及多种技术集成和应用以及患者对基层医生不信任的问题。卢清君认为,远程医疗是利用现代化通信技术将专家的治疗理念教给基层医生,提高他们对常见病、多发病的认识及诊疗效率和质量,逐渐取得患者的信任,所以远程医疗是促进分级诊疗实施过程中一个非常重要的技术手段和模式平台。

除了政策推动,分级诊疗在真正实施落地上还要靠技术驱动,一部分是信息化技术将上下级医院的信息传输互联互通,实现信息共享。一部分是医疗技术的提升,优质专家带动基层医生如何看病,真正有效提升基层对于疾病的认识和对诊疗技术的掌握。

云计算与大数据协同支撑

中日医院的信息化建设由来已久,在1998年就已经建立了远程医学中心,2012年国家卫生计生委建立远程医疗管理与培训中心,依托中日医院远程医学中心设立并开展业务。

在十几年的探索过程中,中日医院一直在将技术与医疗产品进行结合,将网络共享技术、信息传输技术、云计算、大数据都融合在远程医疗平台中,实现异地大宗病例资料传输,以及对数据管理和二次研究,真正把信息化融入到医疗过程中。

“可以说远程医疗是信息化技术的集成,尤其近几年云计算对于推动远程医疗应用具有里程碑的作用。”卢清君强调,远程医疗在过中国经历了十多年为什么一直应用不好,其中一个很重要的原因是医疗数据传输面临很大的技术和管理上的瓶颈。

全国数百万医生同时在线的场景,对于信息平台的压力可想而知,云计算则正好缓解这一矛盾。x86架构不仅拥有更高的效能,帮助医疗行业构建弹性灵活的基础设施,而且标准化、开放性、扩展性可以满足日益变化的需求,良好支撑关键业务,有效推动云计算在医疗中的应用。最终实现异地实时无延迟的信息共享,满足互联网医疗救治任务的需求。

医疗行业大量的数据还需要进行存储和计算,统一的存储可以有效地提升效率,同时通过云计算的超级计算技术对数据进行挖掘,将临床研究提高到更高、更标准的水平,甚至对公共卫生学和卫生经济学进行统计,为政策部门提供一些依据。

中日医院就也是通过云计算和大数据技术支撑远程医疗和分级诊疗的开展,将现有的病历进行结构化存储,并进行统计分析,提炼出在临床上现行的治疗经验,形成一个基于临床治疗的经验,开发临床决策辅助系统,开放给基层医院使用,不但可以提高大数据的应用价值,更有可能推广教育培训等战略,尽快提升基层医师的接诊能力。实现分级诊疗可以让患者在本地接受正确及时的治疗,全家人也不必陪诊误工,减少家庭的总支出,降低非医疗性就医成本。

中日医院在远程医疗前期的作用已经初步实现,今年下半年到明年将把院内信息化平台和远程医疗平台进行对接,形成全电子化转诊和信息共享,辅助分级诊疗的开展。积极研制远程医疗相关的卫生行业管理规范和标准,推动未来全国远程医疗信息平台逐步趋向标准化发展。  

原文发布时间为:2017年7月6日

作者:王聪彬

本文来自云栖社区合作伙伴至顶网,了解相关信息可以关注至顶网


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 
目录
相关文章
|
1月前
|
机器学习/深度学习 存储 大数据
云计算与大数据技术的融合应用
云计算与大数据技术的融合应用
|
1月前
|
存储 弹性计算 分布式计算
云计算在大数据处理中的优势与挑战
云计算在大数据处理中的优势与挑战
|
1月前
|
机器学习/深度学习 搜索推荐 大数据
大数据与医疗健康:个性化治疗的未来
【10月更文挑战第31天】大数据正以前所未有的方式重塑医疗健康领域,推动个性化治疗从理论走向现实。本文探讨了大数据在医疗健康中的应用,特别是在推动个性化治疗发展方面的潜力与挑战,包括数据挖掘、电子健康记录、远程医疗等方面的技术创新,以及面临的数据安全和隐私保护等问题。未来,大数据将助力医疗健康领域更加智能和人性化。
|
1月前
|
存储 人工智能 大数据
物联网、大数据、云计算、人工智能之间的关系
物联网、大数据、云计算、人工智能之间的关系是紧密相连、相互促进的。这四者既有各自独立的技术特征,又能在不同层面上相互融合,共同推动信息技术的发展和应用。
573 0
|
2月前
|
算法 大数据 数据库
云计算与大数据平台的数据库迁移与同步
本文详细介绍了云计算与大数据平台的数据库迁移与同步的核心概念、算法原理、具体操作步骤、数学模型公式、代码实例及未来发展趋势与挑战。涵盖全量与增量迁移、一致性与异步复制等内容,旨在帮助读者全面了解并应对相关技术挑战。
57 3
|
7月前
|
存储 大数据 云计算
大数据与云计算
大数据与云计算
230 2
|
4月前
|
分布式计算 并行计算 大数据
【数据挖掘】百度2015大数据云计算研发笔试卷
百度2015年大数据云计算研发笔试卷的题目总结,涵盖了Hadoop、Spark、MPI计算框架特点、TCP连接建立过程、数组最大和问题、二分查找实现以及灯泡开关问题,提供了部分题目的解析和伪代码。
57 1
|
6月前
|
机器学习/深度学习 存储 算法
云计算和大数据处理
云计算和大数据处理
121 1
|
6月前
|
存储 资源调度 大数据
云计算在大数据分析中的弹性资源调度策略
云计算在大数据分析中的弹性资源调度策略
|
7月前
|
存储 机器学习/深度学习 大数据
云计算与大数据:合作与创新
本文探讨了大数据技术与云计算的背景和发展,大数据的5V特征(量、速度、多样、复杂、不确定)及云计算的3S特点(服务、共享、可扩展)。两者相互依赖,云计算为大数据提供计算与存储资源。核心算法涉及分布式计算、数据挖掘和机器学习,如线性回归、逻辑回归等。通过代码示例展示了Hadoop的MapReduce、Scikit-learn的KNN和TensorFlow的线性回归应用。未来趋势包括数据量增长、实时处理、AI与ML集成及数据安全挑战。附录解答了大数据、云计算等相关问题。
538 3