医院不愿用互联网企业的信息化软件怎么办、医院不愿用互联网企业的信息化软件吗
2016年，国务院发布《关于促进和规范健康医疗大数据应用发展的指导意见》号文，部署“互联网+医疗健康”服务新模式，推动医疗信息化产业发展。健康医疗大数据前景广阔，在医院发展、临床服务和临床研究等领域具有巨大的应用价值。
尽管涵盖医院内外、诊断前后的健康医疗大数据项目频频受到投资者青睐，但仍有相当一部分医院没有使用互联网公司的信息化软件。技术不成熟，工具同质化严重，企业不了解医院，不能完全满足临床需求。医院担心数据安全、患者隐私泄露等问题。这些都是亟待解决的突出问题。
3月18日，解放军总医院（北京301医院）医疗信息研究所副所长薛万国在聚焦医疗机构实际需求的“医疗大数据应用与实践研讨会”上做了精彩报告。大数据。贝壳协会将演讲要点整理如下：
哪些领域对数据库需求旺盛？
医疗技术的不断进步导致病例数据迅速膨胀。例如，一个样本的全基因测序可以达到数十GB的数据，全数字化病理载玻片的容量接近20GB。这在以前是不可想象的；患者的复杂性诊断和治疗的多样性使得医疗数据类型的结构变得复杂。从病历检索到图像识别，大量非结构化数据需要自动分析和特征提取，处理起来仍然困难。以人为本的诊断和治疗需要极高的数据集成度。高，数据的综合管理、综合展示、综合分析难度较大；因为患者的生命周期长，决定了医疗数据的长周期、长存储、长管理，其间需要不断适应新技术的发展和变化。
医疗大数据的应用体现在以下四个领域——
例如，个性化诊疗领域的一个著名案例是，美国临床癌症协会发起了CancerLinQ项目，该项目收集了来自20多家医院的17万例乳腺癌病例数据，结合患者的癌症类型、个人信息和治疗。这些计划被组织成组，形成不同于临床指南的实用治疗路径。通过随访可以获得不同患者的生存期和疗效，为今后患者的治疗提供参考。这些分析的数据是真实世界的数据，很有价值。数据。
大数据也有利于疾病的早期筛查。例如，对于缺血性心脏病的风险预警，医生可以基于高通量测序技术对生物标志物、ECG（心电图）波形、临床参数相关性分析、心血管影像等层面进行综合分析，得出患者处于低风险的结论对于这种疾病。风险期、隐藏期或活跃期。海量数据可以提前建立模型，帮助临床决策。
在精准医学研究领域，大数据分析也同样适用。可以结合基因分型，进一步细分具有相同临床表现的个体并探究原因。在血液病、胃癌等疾病的治疗中，精准的预后分析已经得到应用。疾病的准确分类需要临床数据和组学数据的联合聚类分析。
大数据和人工智能也密切相关。基于大量胃镜样本对胃癌前病变进行分类：首先构建卷积神经网络（CNN），训练计算机对糜烂、萎缩、溃疡、正常等海量胃镜图像进行诊断和分类，并正确分类。准确率可达91.26%，可部分替代人工诊断病变；此外，计算机还可以参与肺部结节的病理识别和辅助诊断。
在医院管理方面，大数据可以有效加强管理，提高服务质量。美国卡罗莱纳州医疗系统利用数据分析技术，预测患者意外再住院（30天内）的风险，准确率达到79%，并实施有针对性的预防干预措施，最终有效减少了31%的再住院病例。具体来说，分析了18个月的医疗数据，建立了大约600个变量模型，其中40个具有高度预测性。利用高度预测模型评估了2000例住院病例，提出了30000条措施建议。
除了上述一线应用之外，基础应用也离不开大数据的支持，但仍然不够智能。例如，案例文本的检索方式还不够灵活，难以满足复杂的检索需求。许多数据隐藏在案例文本中，需要从案例中进行模糊检索；另外，由于医学随访是临床科研的一项基础工作，因此随访数据对于临床疗效的重要性不言而喻，但目前普遍缺乏统一的随访机制，科室随访数据分散、重复、不完整，数据不完整严重影响数据的可用性。临床科学研究迫切需要建立系统的处方随机机制和随访数据管理系统。
在大数据的基础应用领域，专科疾病的数据库需求也很突出。虽然许多科室建立了自己的专科、疾病数据库，但数据库质量普遍不高。有的只有一张excel表，存在数据重复录入、数据记录不规范、可持续性差等诸多问题。一些部门与第三方公司建立合作时，专家表示存在数据丢失的风险。
病例检索工具难以满足医院需求
医疗大数据应用的实施离不开需求、数据和技术三个要素，缺一不可。但不少医院在大数据应用领域还十分欠缺，仍处于“小米加步枪”的低水平阶段。
医学自然语言处理是最基本的要求，语义理解是医学大数据的基础技术。最简单的例子是搜索有“吸烟”历史的病例。现在结果可能还会搜索“不吸烟”的情况，因为“不吸烟”这三个词中包含“吸烟”一词，这是否定的。语义没有处理好，所以医学自然语言处理的难点之一就是医学术语的设置和标准化，另一个就是医学语言的“语义理解”。
医学语言的语义理解有两个方面；案例检索是最基本的要求。临床工作人员希望检索工具能够从诊断、手术、用药、检查结果、病例、组学特征等方面任意选择检索条件和检索路径，并且能够支持病例文本基于自然语言理解的语义检索，能够支持探索性检索检索性能高，保证响应时间在3秒以内。然而遗憾的是，目前市面上的检索工具几乎都不能满足要求。
我们希望为医务人员提供灵活的检索工具。但我们看到，市场上不少互联网公司尽管付出了巨大的努力，却未能解决案例检索的问题。例如，很多软件仍然无法实现检索所有化疗后白细胞减少的患者的简单要求。因此，很多基于病例检索的专科和疾病数据库的建设仍然是人工完成的。
建立疾病专科数据库，积累病例数据，是每个科室都会自觉做的事情。令人难以置信的是，该部门编制一个科研案例只用了2到3个小时，工作量远远超乎想象。因此，医护人员很难有时间和动力去收集和整理病例。虽然目前有很多软件支持，但智能化水平还不够。能够定制数据内容、结构化提取病例数据、支持补充数据录入、集中处理病例、让患者参与后续交互，这些都是评判一个好的电子病历工具的标准。
