目 录
01 医疗信息化发展趋势??
02 医院数据治理难点及价值??????
03 医院数据治理模式
04 总结
近些年来，在医院数据化转型的大背景下，医疗机构的数字化进程明显的加快，各级医疗机构如何做好数据治理工作，是摆在医院面前的重要课题之一，也是各级医疗机构综合实力的侧面体现。我们作为智能化数据中台提供商，在领域数据治理方面有着丰富的经验，下面就对医疗行业数据治理模式进行探讨。
01医疗信息化发展趋势
医疗系统一体化建设，区域医疗信息互联互通，建设智慧生态医疗，已成为当前医疗行业信息化发展的重要方向。
政策是推动我国医疗信息化、智慧医疗发展众多因素中的重中之重。自十二五规划开始，国家明确提出加强医疗卫生领域的信息化建设，有关医药、远程医疗的规范性法规相继出台，医疗信息化建设全面展开。
十三五期间，建设以电子病历为核心的临床信息化系统，加速医疗信息系统的打通、多层级医院协同发展成为关注重点。未来在国计民生持续增长需求、新一代信息技术的加持下，十四五规划以“普惠民生”为核心的医疗信息化将加速推进，打造以患者为中心的卫生医疗体系、建设智慧生态医疗是下一阶段的主要目标。
02?医院数据治理难点及价值
当前，医疗信息化建设主要聚焦于医院内部精细化运营，临床业务系统与新兴技术的结合，区域医疗系统互联互通，数据实时共享等方面，以成为当前各级医院信息化建设面临的核心需求点。数据治理作为一项基础工作，已成为重中之重。
（一）加强医疗数据治理工作，在各级医院科研、医疗和运营管理方面凸显出重要作用
2018年9月，卫健委发布的《国家健康医疗大数据标准、安全和服务管理办法（试行）》中，对“医疗大数据”的定义为：在人们疾病防治、健康管理等过程中产生的与健康医疗相关的数据。目前医疗大数据种类繁杂、标准不统一，数据质量参差不齐，疾病相关数据维度多、特性各异，数据治理作为提升数据价值的一种必要手段。当前医院数据治理存在问题诸多问题，主要集中在以下方面：
一是数据孤岛严重，数据标准不统一。当前医院各业务系统分散建设，各个应用系统未按照相关功能规范、数据标准、编码标准设计，造成信息难以整合、利用。
二是数据清洗缺乏统一的策略，从而降低了数据质量。传统依赖人工梳理，数据梳理工作量大，梳理主观性强，没有明确的依据，缺乏工具支撑。
三是数据类型多样，数据融合性不够。医院大量数据以文本、图像、影像等非结构化的形式存储，关系复杂，数据整合困难。缺乏统一的元数据标准，数据整合、追溯困难；缺乏对主数据的统一管理，对患者或医生医疗过程中的核心数据实体难以进行唯一标识，无法实时更新。
四是数据价值未充分体现。信息系统数据得不到有效的利用，报表的自动生成率不高，临床决策、管理决策功能差。缺乏对数据进行深度分析，未能形成对医院整体医疗、服务和管理有效支撑。
（二）通过数据治理，实现对医疗数据的可管理、可跟踪和可应用，从而提供医院实现精细化管理、精准诊断、辅助科研和高效共享
在智慧医院建设过程中，只有将核心医疗数据更好的掌握在手中，才能从中挖掘更大的业务价值，数据治理是挖掘数据价值的基石和重要手段。医疗数据治理的主要目标是能够做到数据可使用、数据可追踪、数据可管理，实现数据资源在各组织机构部门的共享，推进信息资源的整合、对接，从而助力医院精细化管理、高质量数据辅助精准诊断和医疗数据互联互通，更好地满足医院经营决策的需要。
03?医院数据治理模式
医院数据治理实施内容包括：数据集成、数据治理、主数据管理、数据资产管理、数据服务的建设，通过对智慧医院数据中台的搭建，对数据进行采集、汇聚、存储，融合、服务，统一标准，形成数据资源，并以服务化形式对外共享、开放，融入医院运营、临床医疗、医疗科研工作全流程，体现数据价值，提升医院智慧化决策、管理水平。
图 1 医院数据治理框架
医院数据治理是对内部医疗数据资产进行管理和控制，以支撑医疗数据管理全过程。接下来主要从5个方面来介绍医院如何做好数据治理工作，最大程度发挥数据价值。
（一）数据集成：多源异构数据融合，内外数据共享交换，实现业务数据化
医疗数据大多散落在各个系统，数据碎片化、低质量、孤立分散、类型多样、标准不一，通过数据集成平台，完成对异构数据融合及数据的初步清洗，构建医院内部数据湖仓，实现数据较高质量的存储及随时调用，为后续的大数据分析及应用奠定坚实的数据基础。基于数据集成平台，还可以打通院内各类系统，实现内部互联；对外部打通上级主管单位、同级医院之间的数据共享通道，实现数据的跨层级、跨单位共享协同。
（二）数据治理：提供覆盖数据生命周期的治理能力，实现数据可管可控
对医院现有数据资源进行全生命周期治理，为数据采集、汇聚、存储、融合、服务提供全生命周期的治理能力，包括：数据治理组织机构设立、元数据管理、数据标准管理、数据质量管理、数据全生命周期管控等治理内容。
1． 建立医院数据管理中心。医院需要成立专门的数据治理或数据管理部门，对数据使用方和信息化建设方进行统一管理，完成数据流程和规程制订、数据质量保证和质量控制、数据流程审批核数据资产变更控制等工作。
2． 应用元数据识别。医院经过多年信息化建设，内部积累了大量不同时期、不同架构的数据库，以及产生或消费这些数据的业务系统，历史数据少则几百张表，多则上万张表，有些单位会达到几十万甚至上百万的级别，传统依赖人工梳理，没有工具支撑，没有数据关联，数据梳理成果主要是文档，难以落地，无法发挥数据价值和进行利用。如何帮助医院快速梳理和识别现有业务系统数据，是提升识别数据资产效率的必要内容。
在此，在医院数据资产管理维度，创新性的引入应用元数据概念，采用应用元数据梳理平台，实现从用户应用视角出发采用自下而上的梳理方式，通过采集应用元数据和数据元数据，智能采集应用的特性、功能、API、界面、表单数据、请求、SQL、表以及它们之间的关联关系，通过图数库据技术建立元数据的链路，以及应用元数据之间的血缘、影响和全链路关系，帮助用户以单表的粒度理解每一项数据含义，再通过对元数据信息的分析和聚类，形成数据标签、数据主题、数据目录、数据链路，辅助梳理数据标准，提供数据业务化搜索功能。
3． 元数据链路管理。数据治理成功的关键在于元数据的管理，赋予数据上下文和含义的参考框架，是获取业务系统中数据的含义，辅助数据理解，增加分析的敏捷的重要手段。对元数据的标准化管理是对医院元数据采集、建模、存储和维护，结合技术元数据、应用元数据和业务元数据梳理结果，从元数据角度构建数据全链路，形成元数据地图，实现对数据进行血缘分析、关联分析和影响分析，实现对医院数据资产的识别，形成元数据资源。
4． 数据标准化管理。要保证医院内部各业务部门、各信息系统间的数据的规范性和共享性，需要形成统一的数据标准体系，涉及元数据及主数据的标准管理能力建设，包括：数据定义与分类、主数据、参考数据、数据模型、管理与技术类、质量评估类等内容。需要制定明晰的医疗数据管理规范，统一数据标准、实现数据确权；数据有清晰的存储方式与合理的时间期限；数据加工方法明晰；数据访问方式与控制明确；数据内容符合标准要求与质量要求。
5． 数据高质量管理。医疗数据质量的好坏，会直接影响到数据的应用效能，所以需要加强对数据质量的管控。提供对数据生命周期的质量闭环管理，包括：数据质量规则管理、数据质量检查、数据质量问题分析、数据质量问题处理、数据质量考核等管理内容，持续提升数据质量管控能力。
6． 数据生存周期的管理。是医疗数据治理的核心工作之一，需要对数据资产的采集、存储、处理等环节全链路进行监控，从不同维度对医疗系统内的数据资源进行统计分析，对于数据传输、数据加工、数据质量等的实时持续监测。确保医疗数据的合规获取、分类存储、高效整合、有效分析、规范应用、统一归档和销毁。
（三）主数据管理：创建医院主数据统一视图，挖掘核心主数据价值
医疗主数据主要包括：患者数据、诊断数据、药品数据、检验项目数据、科室数据等。如何保证医疗主数据的准确性、一致性，从而提供高质量的统一业务实体定义，简化和改进业务流程，是主数据管理解决的核心问题。主数据需要从多个异构的业务系统中以ETL的方式抽取关键数据，利用元数据库对其中的编码、描述进行标准化，形成完备的主数据库；再将主数据分发给各业务系统，提供主数据的快速响应服务。从而实现更加有效的发掘和利用核心主数据对象，推动医院业务创新和精细化管理。
（四）数据资产：构建多维视角资产目录，实现数据资产化，辅助用户更好的理解数据
面向医院数据资产消费者、提供者和管理者，支持面向不同业务主题，构建多视角的资源目录；提供一站式的数据资产服务门户，提供资源浏览检索、申请审核、编目发布等能力，面向不同用户实现自助式数据服务，实现信息资源的定位、高效检索、数据开发与管理。
（五）数据服务：提供底层数据对接和数据服务编排能力，实现对医院数据服务能力开放
数据服务实现应用与数据解耦，通过集中管理方式实现各个系统之间数据的共享和使用，提供数据服务、服务托管以及数据服务编排能力，使企业的数据在各个业务系统之间进行流转，充分发挥数据资产的价值。
04总结
医疗数据作为医疗行业重要的信息资源，要实现数据资源的有效利用，数据治理是关键环节。如何对其进行高效的治理、如何充分发挥其价值作用，已成为当前各级医院信息化管理部门面临的主要问题。
只有充分掌握当前医疗数据存在的问题现状，制定完备的数据治理组织和管理体系，采用高效的数据治理手段，才能充分实现对医院现有数据的高效治理，才能进一步提高医院管理水平，让各类智慧数据应用有效支撑医院业务发展，实现数据价值赋能。
关于作者：微枫，普元信创军团资深售前顾问，十余年数据类项目咨询策划经验，长期致力于政务、医药、央企等行业产品与解决方案的落地，主导参与过多个部委级、省级政务、医药数据平台项目，专注于医药行业数字化转型和创新应用建设。?
原文标题 : 疫情后的数字化转型：如何做好医疗数据治理
