医疗数字化转型中的“阵痛”,如何破局?

森亿AI医疗
回顾近几十年来医疗这一传统行业的信息化发展历程,不禁让我联想到了近几年来汽车行业的发展,汽车已经从传统的交通工具逐步演变成为了新一代的智能终端,而这一演变过程与医疗数字化转型有着高度的相似性。

本文来自森亿AI医疗。

现如今,无论新兴行业还是传统行业,都在如火如荼地推进着数字化转型,数字经济已成为当下社会发展进程里不可逆转的趋势。

回顾近几十年来医疗这一传统行业的信息化发展历程,不禁让我联想到了近几年来汽车行业的发展,汽车已经从传统的交通工具逐步演变成为了新一代的智能终端,而这一演变过程与医疗数字化转型有着高度的相似性。

行业的发展总有着惊人的一致性

自上个世纪末以来,汽车工业已经发展了100多年。从第一辆时速18公里的三轮汽车,到如今只需三秒就能从零加速到时速100公里的超级跑车,汽车作为交通工具的属性已经非常成熟。而在未来,汽车的关键特性将会是移动智能终端,本质是车云一体的融合体验,云端应用承载了持续的内容创新,实现了从数据到信息到知识到智能的转化。

QQ截图20221020133834.png

(素材来源于网络)

正如近几年来炙手可热的“自动驾驶”技术,通过各种传感器如摄像头、激光雷达、毫米波雷达等对外部环境进行感知并采集数据,通过数据存储、数据预处理、难例挖掘、数据标注以及模型训练这五大环节训练感知模型,让汽车看清并识别路面障碍,进而进行路线规划和动态决策。

乍看之下,汽车行业和医疗行业毫不相关,但细细琢磨便会发现,行业的发展总有着惊人的一致性——现代医院的管理模式也已逐步从经验驱动、业务驱动转变为数据驱动,“数据智能化”创新应用如针对单病种的全过程质量管理、数据支撑下的院内绩效考核等,都在推动各级医疗机构践行价值医疗,其发展水平已成为医院高质量发展的关键衡量指标之一,如何高效利用数据资产指导管理正是当前医院管理者们面临的挑战。

技术越多就越好吗?

不少院长表示,随着近几十年来医疗信息化的发展,各家医院的平台建设和数据互通共享已逐步走上正轨。然而,拥有医疗数据是一回事,能把数据价值释放出来又是另一回事,能持续不断且高效地实现数据价值最大化则又达到了一个新高度。

诚然,大数据,人工智能,云计算等各种各样的技术在近几十年如雨后春笋般出现,而它们终究只是解决问题的手段,场景才是检验技术的“金标准”。实现从数据洞察到业务智能不仅是技术手段的更新换代,更应该是业务变革的内涵创新。

QQ截图20221020133834.png

图片(素材来源于网络)

业务流程重构的“阵痛”

是医院数字化转型的必经之路

想必院长们或多或少都听到过临床科室对信息化系统的“吐槽”,一方面是临床科室的需求没有得到满足,另一方面是系统研发跟不上需求增长的脚步。

“数字化转型”绝对不是一句口号,要想“转对方向”,且跟上时代步伐“快速转变”,医院需要从业务底层逻辑出发,利用好新兴技术,快速匹配需求和供给,即业务和技术,在对的时间,以对的方式,用对的产品满足用户需求。

2021年6月4日,国务院办公厅发布《国务院办公厅关于推动公立医院高质量发展的意见》,计划到2025年,建成一批发挥示范引领作用的智慧医院,形成线上线下一体化医疗服务模式,进一步增强医疗服务区域均衡性。可见,如今的医院需要的是一体化的体系建设——融合全流程诊疗业务的连续性临床工作平台。

而在过去的二十年间,医疗信息化的快速发展,一方面要打破数据孤岛,实现数据互联互通,另一方面又要在高速推进信息化建设的过程中避免流程操作的重复。我们不难发现,被寄于厚望的“数字化转型”既不是快速见效的“救命稻草”,也不能拿来照搬“随波逐流”,在医院数字化转型过程中必然会迎来业务流程重构的“阵痛”。

减轻业务变革“阵痛”,

医院需要什么样的运营体系?

以前,我们普遍运用瀑布式开发模式来推进产品研发和运维。瀑布模型是最典型的预见性的方法,严格遵循预先计划的需求、分析、设计、编码、测试的步骤顺序进行。瀑布式方法在需求不明并且在项目进行过程中可能变化的情况下基本是不可行的。虽然敏捷软件开发以用户的需求进化为核心,采用迭代方法进行解决了部分问题,但依然无法有效解决内容持续运营迭代的需求。

而新一代医院信息化的核心能力关键是构建以知识为核心的一体化开发运营体系,加速人工智能工程化,确保业务内涵的持续交付和不断优化。要实现这一目标从技术上可以总结为涵盖四大领域的一体化开发运营体系建设。

QQ截图20221020133834.png

首先,我们来谈谈数据运营体系(DataOps),可以简单理解为大家熟知的数据治理的工程化,旨在支撑数据应用大规模部署,本质上是要实现对数据端到端的全程管理,包含源数据模型、元数据、主数据、自然语言处理、数据质量管理、数据安全等方面。通过全过程的融合监管一体化,实现数据运营的持续交付。这就好比汽车自动驾驶背后的“实时导航地图”,汽车在行驶过程中需要持续更新收集“路况信息”,不断调整“地图”,为精准的路线规划与导航打下数据基础。

QQ截图20221020133834.png

(图片来源于网络)

人工智能技术的成功,既要具备数据、算法、算力三要素,又要依托于强大的人工智能工程能力,才能让复杂的人工智能技术大规模加速落地。人工智能模型运营体系(MLOps)是实现模型从设计、特征工程、模型训练、模型评估到部署应用和持续优化的一体化管理。我们再把目光转向汽车自动驾驶,人工智能模型的“成熟度”——让人工智能技术能够大规模快速落地且持续调优的能力将影响其训练效率、训练能力、训练准确度等,最终决定汽车在复杂多变的路况下的应变能力。

QQ截图20221020133834.png

(图片来源于网络)

上述两个运营体系都是基础性工作,而将数据洞察转化为业务智能需要研发运营体系(DevOps)建设,实现应用开发、应用运维和质量保障部门之间沟通、协同和有机的整合。除了传统的软件功能版本更新迭代之外,更多的是业务内涵的持续更新迭代。比如针对单病种的全过程质量管理、临床重点专业管理指标、临床辅助决策知识规则等内容生产配置、版本更新,都需要自动化管理、发布和更新,运行性能监测等。同样的道理,对于汽车自动驾驶来说就是将“实时导航地图”与“AI体系”的有机结合,确保一辆配置自动驾驶模块的智能汽车能够顺利投放量产并持续进化迭代。

QQ截图20221020133834.png

(图片来源于网络)

最后,也是最重要的一点,要让开发运营体系的车轮快速运转,其核心在于知识运营体系(KOM)。只有通过医学业务知识将三大运营体系串联起来,以临床思维为出发点,以医学为本,才能持续深化应用的价值、快速满足临床业务和管理需求。

THEEND

最新评论(评论仅代表用户观点)

更多
暂无评论