隨著電子健康記錄系統、成像系統、電子處方軟件、醫療索賠、公共健康報告以及相關應用與移動醫療設備的不斷興起，醫療服務行業已經成為最具分析發展潛力的首要大數據受益方。來自病人、記錄乃至相關機構的海量數據正等待大數據分析工具的深入發掘。

　　數據分析對醫療行業的發展做出眾多美好承諾：削減成本、改進執行效率并帶來更出色的護理體驗。除了少數將大數據工具打理到爐火純青的業界佼佼者，大部分醫療機構仍然很難從專有系統中以繁的方式獲取各類數據。

　　數據就是數據，與來源無關

　　總體來說，大多數醫療服務機構的數據仍然來自臨床、財務或者業務類應用程序。就本身而言，每種類型的數據都具備特定用途。根據健康技術轉化協會(簡稱iHT2)在題為《分析：IT醫療的神經系統》的報告，臨床數據能夠改善護理質量并簡化人口健康管理工作;財務數據能幫助醫院方面從基礎層面進行成本分析，檢查基礎設施運營數據并管理資源利用率。

　　將各種因素匯總在一起，機構就可以開始著手評估宏觀問題，例如迎合職工需求、提升工作效率以及護理質量等。Lancet Software公司商務智能擁護者兼醫療服務先驅Laura Madsen因此認為，大家沒有必要將不同類型的數據源進行硬性劃分。“數據就是數據，”她指出。“在一天工作結束時，數據就是比特與字節……作為優秀的數據專家，我們應該把臨床數據與業務數據整合在一起。”

　　政府規劃與委托一方面給醫療服務行業帶來壓力，另一方面卻也敦促后者開始以認真、嚴謹的態度審視分析工作。理想的使用計劃會通過經濟杠桿推動管理者選擇電子病歷系統，責任制護理機構(簡稱ACO)模式需要協調病人護理工作，以病人為中心的家庭病床將對護理質量的重視程度推向極致——而這一切都需要以更加復雜的醫療服務數據分析功能為基礎。

　　大量非結構化數據令分析工作舉步維艱

　　當然，各醫療機構必須先完成數據收集工作才能著手進行數據分析。在醫療服務領域，iHT2為我們總結出以下幾大實施難點。首先，高達八成的醫療數據屬于非結構化類型，其中包括紙張格等其它非電子類自由形式，需要技術人員手動進行匯總。另外，即使是結構化數據(例如來自健康信息交換(簡稱HIE)流程的信息)往往也不足以支持分析工作。該報告歸納稱，醫療服務供應方往往需要從保險公司的理賠數據中對自身進行宏觀評估。

　　在醫療商務智能領域，數據量的規模非常重要，Madsen再三強調了這一點。作為全球最大的醫療服務供應方，這個名為Intermountain Healthcare and Kaiser Permanente的機構在這方面已經進行過長時間的努力，但對于小型供應方來說，理想與現實間的差距依然“巨大”。大多數機構已經明確意識到商務智能的價值，Madsen補充稱，但他們暫時還沒有為以下問題找到明確答案——“我們應該怎么做?”

　　大多數方案出于監管報告的需要而將關注重點放在商務智能方面。這樣的做法可以理解，因為每家醫院每年需要向政府機關提交上千份報告。不過雖然報告在數量與種類方面令人嘆為觀止，但醫療服務機構往往難以通過其中的數據指導運營、提高效率或者對其它方面做出改進，Madsen解釋稱。

　　幸運的是，iHT2在報告中提出了一系列建議。首先，服務機構可以評估某個病患群體的醫護需求，這一方面能夠幫助機構方面制定適當的服務交付方式，另外也能確定不同個體在護理需要間的細微差異、甚至預測哪些患者有可能發展為重癥病人。另外，機構需評估自身資源儲備，從而推動服務質量提升并查明護理水準發生波動的原因。

　　另外，我還要為大家敲響警鐘，列舉一些聽似合理但卻有害無益的做法。醫療保險共享儲蓄計劃以及ACO模式的宗旨意在降低醫療成本、最終實現支出節約，而根據iHT2的調查這會導致營收周期管理工具無法奏效。另外，如今的成本計算系統往往無法準確評估機構的總體護理成本。要做到這一點，系統需要從宏觀、長遠角度考慮問題，把前期院方設施欠缺所節約下來的資金同未來由此引發的營收損失進行沖抵。根據iHT2的評述，要找到一套合理的總成本匯總機制，大家需要“以營收因果為脈絡采取一套精密且以實際情況為出發點的計算體系”。

　　醫療服務與數據分析——無論何時何地，相逢即會生效

　　并不是所有醫療服務業的分析系統都必須十分復雜。位于阿拉巴馬州莫比爾的斯普林希爾紀念醫院最近剛剛引進了名為“Pandora Clinicals”的自動化用藥配藥系統，這套分析工具集的加入大大降低了藥品在醫院內傳遞時所耗費的時間。

　　這款軟件由Omnicell公司打造，能夠以藥房藥柜為起點追蹤藥品的流通情況。它會按月生成報告，幫助醫院管理者精確對藥物進行分類及離群配比。臨床藥師Joe Adkins表示，雖然在最糟糕的情況下，也許會出現醫院員工將藥品據為己有甚至轉手銷售的情況，但人積極角度來看，護士或臨床醫生能夠在該機制的幫助下更快幫助病人根除痛苦。他告訴我們，這款軟件還無法深化各崗位之間的關聯性，但它已經是第一款引導并促進各崗位之間交互協作的工具。

　　更重要的是，Pandora Clinicals對于整體工作流程的影響并不太大，Adkins補充稱。報告會按時被自動發送到員工郵箱當中，而且采用直觀的條形圖(而非冗長的書面說明)表述信息。簡而言之，閱讀報告的人員不必再通過心算尋找結果或進行對比：“不用多想，一切結論盡收眼底，這才是理想的報告形式。”

　　在另一方面，對于作為付款人的病患，產品的目標應該是改進客戶體驗、讓病人輕松直觀地了解情況，InsightsOne公司預測分析業務營銷副總裁Bob Dutcher表示。

　　在2012年的試點活動中(目前仍在持續)，該公司與獨立藍十字(簡稱IBC)共同合作，幫助費城地區的保險公司確定哪些病人有可能對服務體驗表示不滿，并希望提前將嚴重問題消弭于未然——有時候這種提前量甚至能夠達到三個月之前，Dutcher指出。(該公司同時也幫助IBC識別潛在新客戶，并評估現有客戶是否能從尚未使用的服務中受益。)

　　為了實現這一點，IBC通過其呼叫中心收集數據，旨在了解哪些病人需要進行頻繁查詢，并將其視為可能需要額外關注的群體。他們還收集來自醫療服務成員機構的數據，希望掌握病人普遍需要哪種后續查詢、為什么個別病患需要進行額外治療。這樣的分析結論能幫助IBC迅速定位那些“產生負面結果概率很高的病人”，以此為突破口發送與預防保健(避免為了同樣的癥狀而反復住院)或者長期家庭保健服務(如果病人即將迎來漫長的身體恢復期)相關的信息。

　　這種積極的做法改善了病患的整體體驗，Dutcher指出，同時也幫助家屬告別不必要或重復的診斷流程、變相節約了大筆資金。InsightOne將這類分析結果稱為“預測情報”，他表示，其作用是指導分析人士將結論具體到單一病人的實際狀況。

　　分析工作需要人才、數據倉儲;目前二者的供應仍然緊缺

　　一般說來，讓保險公司在高級分析方案上投入資金比較容易，敦促醫療服務機構為此投資則相對更難。不過兩大原因已經開始扭轉醫療機構的消極觀念，IDC醫療分析部門護理責任IT戰略研究主管Cynthia Burghard表示。

　　第一條論據在于，病患更樂于參加健身計劃，而不愿按照醫生的建議參與健康恢復計劃(盡管后者可能更適合該病人)。

　　另一條論據則是上世紀九十年代的醫療改革努力由于缺乏數據支持而招致失敗。“不僅可資利用的信息太過有限，醫生也不具備充足的歷史記錄及正確的資料格式來幫助自己了解當前表現與治療目標間的差異，”Burghard在最近一份題為《業務戰略：分析能力成為醫護責任的優先投資點》的報告中指出。“支付方與供應方之間的討論乃至爭議往往是由數據準確性及討論及時性所引發。”

　　新興ACO模式為醫療服務領域引入了一場革命性浪潮，即從集中化收費服務模式向分散式協調護理模式演變，而且更加強調分析功能與數據倉儲技術。要達到這個目的，我們先要為患者制定一套足以使其受益的特定護理計劃，從而進一步強化管理并改進病患護理效果，最終將這種護理機制融入到臨床醫護人員的工作流程當中，Burghard總結道。

　　隨著ACO模式的推廣以及協調護理理念的擴散，醫療服務機構將越來越多地與非結構化數據、市場情緒分析及其它數據源產生交集——其中也許還包括預測情報、臨床與商務智能的結合體——從而檢查病患就診情況并通過臨床表現支持運營決策，她補充稱。

　　這樣的先進分析機制會帶來大量技術挑戰，Burghard指出。在他看來，醫療服務供應方將“需要聘請技術水平極強的人才負責數據倉儲管理，只有這樣才能讓自己的投資有所回報，”而那些既無法創建數據倉儲體系、又不能接手管理工作的員工則將被迫合并或劃歸到大型綜合交付網絡當中。

　　這種對現有技術群體進行洗牌的行為無疑會給整個行業帶來動蕩，但歸根結底，這是一場有所犧牲的重大發展。“有句俗語，叫做‘我們無法管理那些自己沒能準確了解的事物’。這句話在護理責任領域同樣適用，”Burghard在她的報告中寫道。“在上世紀九十年代，醫療機構對于罹患慢性疾病的患者缺乏了解，不知道該如何針對其特性實施管理。但時代不同了，如今我們手中的信息更加全面，也愿意為了與付款方、醫護人員以及病人更順暢地共享數據而投入資金。”