如何防止醫(yī)院的大數(shù)據(jù)項目流于形式而失去價值

三年前，人工智能還處于讓醫(yī)院的管理者了解大數(shù)據(jù)的潛力，是否對醫(yī)院有幫助的階段，今天，大家都很清楚數(shù)字化帶給醫(yī)院的重要性，不單純是臨床科研需要大數(shù)據(jù)分析，即便是醫(yī)院的日常管理，也越來越需要用大數(shù)據(jù)分析推動運營的精益化。

然而，這種大數(shù)據(jù)戰(zhàn)略的額外投入，確保給醫(yī)院帶來明顯的成效，就不可避免地會面臨各種挑戰(zhàn)。比如，財務報表上很難體現(xiàn)這種投入帶來的收益，對一些數(shù)據(jù)指標常常理解不一致，基層醫(yī)生對數(shù)據(jù)分析缺乏理解和認同，數(shù)據(jù)指標常常會隨管理要求的變化而需要重新定義收集。更為艱巨的是，從數(shù)據(jù)分析到行動執(zhí)行之間，還會出現(xiàn)信心不足或時間延遲，這些都會嚴重影響大數(shù)據(jù)分析產(chǎn)生的實際價值。

如何確保大數(shù)據(jù)項目的實施產(chǎn)生巨大的影響和價值呢？

首先，需要組建一個核心的數(shù)據(jù)專家小組，非常專注地確保數(shù)據(jù)治理、模型設計、數(shù)據(jù)分析和提供有針對性的 具體行動策略，能夠讓上層管理者感受到真實的成效，樹立信心。

第二，可以選擇1-2個關鍵業(yè)務切入，比如患者分析、疾病成本分析，推動數(shù)據(jù)分析在全院的開展，讓大家能方便高效地達成共識，形成運用數(shù)據(jù)討論問題和解決問題的習慣。

第三，構建簡單化、可視化、具有深度學習能力的自動化數(shù)據(jù)分析系統(tǒng)，降低數(shù)據(jù)分析和預測的難度，幫助人們逐漸習慣運用數(shù)據(jù)，從而逐步擴大全院運用數(shù)據(jù)解決問題的范圍。

第四，梳理并推動工作流程或崗位設計適應數(shù)字化和自動化的進步。當數(shù)據(jù)分析系統(tǒng)不容易在醫(yī)院工作中流程地使用或沒有嵌套在工作流程中，人們常常會回歸到傳統(tǒng)的經(jīng)驗判斷。

隨著國家對醫(yī)院的績效考核越來越多的量化指標，隨著醫(yī)院各種智能化、自動化的設備增加，隨著醫(yī)院業(yè)務流程的信息化全面升級，除了優(yōu)質(zhì)的醫(yī)生資源外，大規(guī)模的數(shù)據(jù)采集和分析一定會成為醫(yī)院之間拉開競爭差距的新領域。

<文章轉載自健康界，如有侵權，請聯(lián)系刪除>