深度：大数据分析对于中国医疗保险管理的价值（N多案例分析+附下载）
作者： 张岚，总监，医疗保险及医院管理事业部 引言
随着大数据在各行各业的应用和扩展，医疗领域大数据及其分析技术也正日益赢得人们的关注。那么大数据在医疗领域指的是什么？又有什么样的特点？我们知道，广义上的大数据指的是所涉及的信息量规模巨大，无法通过目前主流软件工具在合理时间内撷取、管理、处理、并分析成能有效支持决策制定的数据资讯，通常具有 4 个 V 的特征 — 数据量大（Volume），速度快 (velocity), 多样性 (Variety), 价值高(value)。在医疗领域，大数据包括的数据和信息类型非常广泛，可以大致分为以下四
种。
医疗领域大数据的类型
● 行政数据 (Administrative Data)， 主要包括从医疗支付方（医疗保险机构）或者医疗机构获得的理赔信息等，通常涉及病人所使用的医疗服务、相关诊断信息、提供服务的医疗机构及时间地点、以及费用明细与支付情况。
●临床数据 (Clinical Data)， 包括从医疗机构获得的电子病历(EMR)、医疗影像数据、处方信息等。
●体征数据 (Biometric Data)， 例如由检测仪器测量所得的体重、血压、血糖水平等信，以及饮食、运动、睡眠等自我跟踪信息。随着可穿戴设备及相关手机软件的广泛应用，此类数据量越来越大也越来越多元化。
● 个人及偏好数据 (Demographic/Preference Data)， 例如性别、年龄、职业等基本信息以及个人偏好、对产品和服务满意度等主观信息。
由于数据量大、种类繁杂，不同类型的数据之间会有交叉或者交集。例如处方数据，既可以从医疗机构的信息系统中获得——即临床数据的一种，也可以从医疗保险机构的理赔数据库中找到——即理赔信息的一部分；又如血压等信息既可以从随身携带的便携血压计测量得到（体征数据），也可以在医疗机构的电子病历中发现（临床数据）。 大数据分析应用关键的一点在于将不同类型不同来源的数据有序链接，尤其是医疗领域数据在患者或个人层面的链接，从而为深度数据挖掘奠定基础，达到“1+1>>2”的效果。虽然目前这样的“链接”还未广泛实现，但小范围的“链接”已体现出其重要作用（如将电子病历与理赔数据链接帮助确认欺诈、过度医疗的行为），对更大规模
的以患者或个人为中心、相互关联的多类数据的深度分析将帮助我们更有效的挖掘出大数据潜在的巨大价值。 大数据的特征：
● Volume — 数据量大数据量巨大，从数兆字节 (TB) 1 级别跃升到数十兆亿字节 (PB) 级别 。例如一个 CT 图像含有大约 150MB的数据，而一个基因组序列文件大小约为 750MB， 一个标准的病理接近 5 GB。如果考虑到人口数量和平均寿命等因素，仅一个社区医院就可以生成和累积达数个 TB 甚至数个 PB 级的数据。
● Velocity — 速度快处理速度快，时效性强。举例来说，检测医疗支付中的欺诈行为可以事后追溯，也可以实时检测；如果能够实现实时检测，即在支付发生前甚至在医疗服务发生前就识别出欺诈行为，则可有效避免重大经济损失。
● Variety — 种类多数据类型繁多，来源广泛。既包括数值型数据，也包括文字、图形、图像、音频、视频、网络日志、邮件、等非数值型或者非结构化数据，且预计这些非结构化信息将占未来十年数据产生量的 90%。
● Value — 价值高价值的体现的是大数据分析应用的目的意义所在。通过深入的大数据分析挖掘，可以为各方各面的经营决策提供有效支持，创造巨大的经济及社会价值。
从整个医疗领域来看，大数据的应用比比皆是，包括临床治疗、公共卫生监控、产品研发及市场推广、医疗保险管理等各个方面。
● 在临床治疗中， 大数据分析可以应用于“比较效果研究”（Comparative E-ectiveness Research, CER）。通过深入分析包括患者体征、治疗方案、费用和疗效在内的大数据，帮助医生评估在实际临床应用中最有效或成本效益最高的治疗方法。