如果说有哪个行业已经准备好从分析来自不同来源的大量数据中获益，那一定是医疗保健行业。但有遗嘱并不意味着就有捷径可走。
在电子健康记录(EHR)系统、成像系统、电子处方软件、医疗保健声明、公共健康报告以及蓬勃发展的健康应用程序和移动医疗设备市场之间，医疗保健行业充满了有待剖析的数据。
该数据分析为迫切寻求削减成本、提高效率和提供更好医疗服务的行业带来了希望。当然，我们会取得一些胜利，但从完全不同的、通常是专有的系统获取数据是一个繁琐的过程，对一些机构来说几乎是不可能的。
数据就是数据，不管它来自哪里
一般来说，大多数医疗保健组织的数据来自临床、财务或运营应用程序。就其本身而言，每种类型的数据都有特定的用途，卫生技术转型研究所(iHT2)在一份报告中概述了这一点，分析学:it医疗的神经系统．临床数据可提高护理质量，简化人群健康管理;财务数据帮助医院进行与底线相关的成本分析，运营数据检查设施管理和资源利用情况。
把所有这些放在一起，组织就可以开始评估更大的问题，如人员需求、效率和护理质量。这就是为什么Laura Madsen，商业智能(BI)的传道者和医疗服务主管柳叶刀》软件，认为没有必要区分不同类型的数据源。“数据就是数据，”她说。“在一天结束的时候，它只是比特和字节……如果我们是优秀的数据专家，我们就应该整合临床数据和商业数据。”
政府的计划和命令给医疗保健行业增加了压力，同时也给了组织充分的理由去仔细分析。有意义的使用计划，为使用电子病历系统提供财政激励负责任的护理组织(ACO)模式协调的患者护理、以患者为中心的医疗之家的概念以及对改善护理质量的日益强调，都需要更复杂的医疗数据分析方法。
大量非结构化健康数据使分析变得困难
当然，如果不先收集数据，企业是无法分析数据的。iHT2指出，在医疗保健领域，有几个因素使情况复杂化。多达80%的医疗保健数据是非结构化的，无论是纸质格式还是需要手工抽象的自由格式字段，甚至是结构化数据——来自于健康信息交换(HIE)过程，例如，通常不足以进行分析。因此，该报告继续指出，保险公司最终会使用保险公司的索赔数据来获得他们自己组织的广泛视图。
当谈到医疗行业的商业智能时，规模很重要，马德森说就这个主题写了一本书．美国最大的医疗服务提供商，即Intermountain Healthcare和Kaiser Permanente，已经这样做了很长时间，但对于较小的提供商来说，差距是“巨大的”。Madsen继续说，大多数这些组织都看到了BI的价值，但他们无法对“我们应该做什么?”这个问题给出明确的答案。
大多数人选择关注BI，因为它与法规报告需求相关。这是有道理的，因为医院每年必须向政府机构提交超过1000份报告。然而，马德森说，有了这样明显的需求，组织往往很难迈出下一步，看看这些报告中的数据如何可以用来提高运营效率或其他制度改善。
分析:大数据如何拯救你的生命
幸运的是，iHT2的报告提供了一些建议。例如，评估患者群体的健康需求可以帮助组织制定适当的服务提供方法，同时还可以确定个人护理差距，甚至预测哪些患者可能会病情严重。此外，评估提供者的表现可以帮助推动质量改进计划，也可以查明护理差异的原因。
同样值得注意的是什么会不工作。下医疗保险共享储蓄计划和ACO模型一样，目标是产生节约，最终导致降低医疗成本，因此收入周期管理工具不会起作用，iHT2说。此外，目前的成本会计系统还无法衡量医疗的总成本，这需要考虑到，早期出院为一家机构(医院)节省了资金，但却错过了另一家机构(长期护理机构)的收入机会。iHT2表示，要确定医疗的总成本，需要一个“复杂的、基于章节的捆绑支付会计系统”。
医疗保健在找到数据分析的任何地方都是“赢家”
并非所有医疗行业的分析系统都需要非常复杂。在斯普林希尔纪念医院在阿拉巴马州的莫比尔。，a recent automated medication dispensing cabinet system update came with潘多拉临床这是一个分析程序包，帮助该机构减少了对毒品的转移。
的软件,Omnicell，追踪谁在何时从药箱中取出毒品。每月的报告可以帮助医院管理层找出那些比其他人发放更多药物的异常人群。临床药剂师Joe Adkins说，在最坏的情况下，这可能意味着一名工作人员将麻醉药用于销售或个人使用——尽管这也可能意味着一名护士或临床医生积极主动地治疗了病人的疼痛。他说，这款软件并不能证明两者之间存在关联，但它是第一个线索，通常能帮助员工在发现差异之前找到它们。
Adkins补充道，重要的是，从潘多拉诊所获取数据对整个工作流程几乎没有影响。报告会自动通过电子邮件发送，并使用条形图，而不是冗长的书面记录。简而言之，少量的数据操作或数学运算是必要的:“这是一种不用思考就能关注正在发生的事情的好方法。”
预测分析公司市场营销副总裁鲍勃·达彻(Bob Dutcher)表示，与此同时，对于付费者来说，其目标是改善客户体验，让患者不必考虑InsightsOne．
在2012年的试点项目中，该公司与独立蓝十字达奇尔说，这是为了帮助费城地区的保险公司识别可能出现客户满意度问题的患者，并提供外联服务，将这些问题扼杀在萌芽状态——有时是在问题出现之前三个月。(该公司还帮助IBC识别潜在的新客户和现有会员，这些会员可能会从他们没有使用的服务中受益。)
为了做到这一点，IBC查看其呼叫中心的数据，以了解哪些患者经常询问，因此可能需要一些额外的关注。它还会查看来自成员医疗保健组织的数据，以了解哪些医疗程序最能引起患者的后续询问，以及为什么个别患者需要治疗。这种分析可以提醒IBC,一个特定的病人“高概率的一个消极的结果,”这可能触发保险人向预防保健信息(避免重复住院相同条件)或长期或家庭健康服务(如果即将到来的过程将有一个漫长的恢复期)。
Dutcher说，这种积极主动的方法改善了患者的整体体验，同时可能节省医疗保健提供者在不必要的或重复的程序上的钱。InsightOne将这种分析称为“分析”。预测情报它让分析变得足够具体，以识别单个患者的“某一模式”。
分析需要人才，数据仓库;两者都供不应求
如前所述，让保险公司把钱花在高级分析上，比让医疗保健提供商投资要容易得多。但负责任的护理IT战略研究主管辛西娅•伯格哈德(Cynthia Burghard)表示，有两个关键原因导致医疗服务提供商不能长期袖手旁观IDC健康见解．
一种观点认为，如果一个病人的建议来自她的医生，而不是她的健康计划，那么她更有可能参与健康计划(后端分析已经确定她是一个很好的候选人)。
分析:联邦机构的大数据激增将推动医疗IT业另外:卫生IT工作者的缺乏减缓了技术进步
另一个原因是，上世纪90年代的医疗改革努力之所以失败，很大程度上是因为缺乏数据。Burghard在最近的一份报告中指出:“现有的信息不仅限于声明，而且是回顾性的，其格式对医生了解他们当前的表现与目标的比较没有帮助。”商业战略:分析引领责任医疗投资优先．“大多数付费方和付费方之间的讨论都导致了关于数据准确性和及时性的争论。”
在医疗改革中引入的新兴ACO模式，是将医疗行业从按服务收费的模式转变为以协调医疗为中心的模式的一种方式，更加强调分析和数据仓库技术。Burghard说，这里的需要是确定哪些患者将从特定的护理计划中受益，让这些患者参与进来，以便管理和改善他们的护理，并将此类护理干预纳入医生或临床医生的工作流程。
随着ACO模型和协同护理的扩展，组织将越来越多地看到检查非结构化数据、情感分析和其他数据源的需要——可能包括预测情报和其他临床智能和商业智能的混合-在病人接触和临床决策支持系统的背景下，她补充道。
为了应对这种高级分析带来的挑战，Burghard表示，医疗保健提供商将“需要相当老练的人来利用(数据)仓库，并利用(他们)投资的东西”，以及那些既负担不起数据仓库也负担不起数据仓库的人管理人员可能会发现自己面临整合或加入更大的综合配送网络的压力。
毫无疑问，这将颠覆整个行业。但最终，拥有更多手头的数据——并能够使用这些数据——也将改善这个行业。伯哈德在她的报告中写道:“‘你无法衡量的东西，你就无法管理’这句格言适用于负责任的医疗。”“在20世纪90年代，医疗保健组织缺乏对慢性病管理中患者依从性的关键本质的理解;如今，该行业的信息更加灵通，并正在投资技术，在支付者、医生和患者之间共享数据，以改善结果。”
布莱恩·伊斯特伍德是cio网站的高级编辑。你可以在推特上找到他@Brian_Eastwood或通过电子邮件．在Twitter上关注CIO.com上的一切@CIOonline，脸谱网，谷歌+和LinkedIn．
阅读更多关于医疗保健的信息CIO的医疗保健钻取。
这篇题为“医疗大数据能否实现它的承诺?”的文章最初发表于首席信息官 ．