凯撒医疗集团首席医疗信息官：我们怎样利用医疗大数据提高医疗服务质量

  编者按：本文根据凯撒医疗集团首席医疗信息官在松禾资本精品论坛之“医疗大数据&智慧医疗”论坛上的演讲整理。略有删减。

 首先我很荣幸能今天来到这里跟大家交流，我也对刚才场内的互动问答非常感兴趣。原因是我们曾经有完全一样的争论，而且这个争论现在也在世界各个国家发生。

 今天我想提到我们对这些问题的一些理解以及解决方案，这些方案我们是花了很多年一直在提高，我们不能说我们已经解决了这些问题，但是希望能把想法分享给大家。

 我是来自于一个保险跟医疗服务整合在一起的医疗集团，在这个集团里我们所有的数据和所有角色的人都来到一起工作，这里面我们有2万名医生，5万名护士，有超过1000万的病人，同时我们也有40家医院和600多家门诊中心。在这里我们把所有的数据，有这么多个医院和门诊中心是用完全同样的系统，而且把各个科室各个维度的数据都整合在一起，我们在这个数据集的基础上做数据分析、 数据挖掘 ，目的就是为了尽可能快的来提高我们的临床医疗。

 我也非常期待我们在座的各位专家和领导能提出问题来，能继续刚才的争论，可以随时提问。

 我是海洋生物学家、进化生物学家，同时我作为医生来说回答王副主席开始的问题。我曾经做过内科、急诊科、预防医学、创伤医学、高压医学。1984年开发非常早期的电子病历系统，1996年是临床文档架构（CDA）的国际标准发起人、创建人，同时也是SNOMED International董事会成员。2008年领导了在美国最大的非政府、非军用的电子病历系统的实施。从1984年开始，经过这么多年努力，仍然离我们的目标还是有一定距离，还是有很多工作要做。做整合的医疗有一个可信任的合作关系是非常重要的。

 凯撒先生创建了凯撒保险公司，而加菲尔德医生创建了医生集团，在保险公司和医生集团合作的过程中，就像婚姻关系一样，大家是会为一个目标努力，但是大家会有不同，所以不时会有冲突，会有分歧，这个是很正常的。这个中间相互之间的信任是非常非常重要的。这个是我最喜欢的一张图，这张图是加菲尔德医生在50年前画出的示意图，他怎么看我们医疗服务。过了50年之后我们才刚刚把这个图里面的各个系统整合在一起，所以我们刚刚实现了加菲尔德医生50年前的愿景。在任何的合作关系中，非常重要的就是我们要把每一方的角色，每一方的责任要分清楚。

 医疗服务团队他们负责的是我们临床质量不断的提高以及临床的运营，而我们保险团队负责的是管理财务上的风险，财务上对运营的支撑，有些事情是可以两个团队各自做的，但有些事情是必须我们一起做的。我们医疗团队和保险团队一起负责整体的医疗体验的提高以及财务上的健壮。就像我在急诊科看病人一样，如果我是一个肾病专家，我不能告诉这个心脏病专家如何去看这个病人的心脏病，同样的，心脏病专家也不能告诉我肾病专家如何去看这个病人的肾病。相互之间的信任以及交流，是成功的关键。

 在我们想不断进行提高的过程中，有很多方面我们需要提高，一方面是临床的结果、病人满意度、成本结果以及功能性的结果，就是我多快可以回去工作，还有医生的满意度、本身自己的声望，品牌效应。我们目前在做从循证医学向基于医学的证据使用进行转变。这个工作是在斯坦福医学院开始的，他们的平台就可以让医生来问这个问题：我能不能在我的数据库里面很快的找到跟我这个病人情况最一致的5－10个病人，如果是很罕见的病情组合，我可能找不到任何的医学文献可以告诉我如何最好的治疗这个病人，那我就要看在我的数据库里，对这5到10个病人哪种治疗方案对他们效果最佳，我可能用这个来指导我对病人的治疗。

 加菲尔德医生50年前就有我希望把所有的数据都能整合到一起。这个就是我们大概5年前完成的工作，把所有的系统都整合在一起，为我们的2万名医生，为他们治疗的每一个病人。在这个系统下，所有的信息跟数据都是互通的，都是放在一起的。有了这么一个系统以后，我们就可以看到每一个病人是如何做他的预约门诊以及他是否有住院、是否有转院，以及他对保险上都有哪些费用的需求，以及他保险上付费的服务。我们的医生看门诊病人的时候在这个系统里面，在管理住院病人的时候也在这个系统里面，我们保险的人员在管理保险的过程中，也看到同样的系统，甚至包括我们负责公司财务方面的工作人员看到的也是这样的数据，以及看到从这个数据集上产生的定期的财务报告。

 在这里面我们所有上面的数据会汇集到下面这个数据仓库，这个数据仓库分为两部分，一部分支持实时的查询跟报告。另外一部分，就是做线下的，我们会做数据挖掘，会产生新的知识。在这个系统上面，我们有一个互联网上的门户，这个门户既连接了医生也连接了病人。如果医生写任何一个医嘱或者给病人留了任何一个信息，这个信息马上会存到电子病历里面，同时病人去门户网站查的时候也马上能看到这些数据。在我们有这个系统以前经常会发生的事情是一个医生或者临床人员觉得他已经在这个里面输入了指导或者结果，但实际所做的工作，因为系统没有整合，把这个工作又交给了另外一个人，他并不知道这个问题确实解决了。现在我们把所有的系统整合以后，就可以很清楚的看到，一个问题从开始到结束的全部过程。下面我们用的数据仓库，一个数据仓库用来给我们的临床人员提供指导，每天他临床的工作应该是如何完成的。第二部分的数据仓库就是我们做数据挖掘和 数据分析 。举例如果我给这个病人使用了降低血脂的药，当他的胆固醇降低了一定百分比以后，到底他能减少多少次来门诊看病或者减少了多少住院时间。

 这就是我们第二个数据仓库可以解答的问题。这个大数据和人工智能所能给我们带来的，就是我们现在可以让数据来给我们展示这些假设，而我们在有大数据和人工智能以前，可能是我们需要自己先有一个假设，然后再去数据中找答案。大数据跟人工智能所带来的假设产生过程，它有一个危险性，就是这个数据的关联并不能表明真正的因果关系。所以现在有一个新的领域出来，叫做数据审查，相当于有一个数据审查过程去帮助你来验证你所发现的关联到底是真实的还是由于某种原因其实是错误的。

 我们现在这个就是每天会有平均3万个给医生跟患者之前交流的安全信息。同时这个门户也给患者提供上百万的检测数据的查询以及他们自己病历其他数据。如果有病人需要做乳腺照相或者需要做肠镜检查，这个系统会及时提醒他。由于我们这个提醒系统，所以本身早期筛查比例得到了很大的提高，而我们的乳腺癌以及肠癌的死亡率有很大的下降。我们有一个实际的病人，她来我们的光学中心去配眼镜，她的眼科大夫就看到这个病人应该做乳腺检查了。因为这个提醒，这个病人第二天做了乳腺检查，发现了一个肿块，当天做活检，一周内进行手术，就有一个很好的乳腺癌的预后。

 在我们的电子病历系统里面会有这种报告，有这种分析功能，同时更重要的就是决策支持。这也是高博士还有我们这个团队在帮助做的，把这些知识、提醒能做到系统里面，为临床医生减少负担，他们就不用担心我这个病人到底又该做什么了。尽管这个系统大部分是厂商开发的，但是作为我们团队内部，我们需要做上万个决定，这些决定将决定我们如何设置这些系统，如何让这些系统对应我们自己的工作流程，包括医生的、护士的，来更好的服务我们。在这个过程开始以后，我们又需要继续的不停的再做上千的决定，来让这个系统不停的演变，不停的进化，帮助我们做得更好。

 在我们的医疗越来越进步之后，我们就会想到一个问题，到底什么地方应该是我们提供医疗服务最好的地方。我们是应该等糖尿病人来了我们治糖尿病，如果病人心脏病发作我们给他急救。我们应该以这种方式来治疗病人还是我们需要往前看，帮助病人改变他们的饮食改变他们的生活方式。这样我们可能可以避免这些病人来到我们的急救中心或者已经有各种各样的并发症。这既对社会是非常昂贵的，对病人自己也是非常昂贵的。我们平时如何吃饭，平时的情绪怎么样，我们到底有多少活动，有多少锻炼。所有这一切都对我们自己的健康，对我们医疗有一个非常非常大的作用。

 我们对于幸福感的五个原则，第一个，首先你要对这个社会，你觉得自己是有用的，你的技能是这个社会需要的；第二个，还有你觉得你可以帮助这个社会；第三个，你会觉得你被这个社会所感谢所感激；第四个，你自己对生活给你带来的所有东西，要有感恩的态度；第五个，整个环境应该是一个持续地学习、不停地创新的过程。

 Vint Cerf是发明了英特尔的发明者之一，我有幸跟他合作，做了几个全球的项目。其中有一个项目等于是投资帮助小孩子有健康的生活习惯。而芝加哥大学的经济学家也早有研究证明了，如果是投资在小孩子的健康习惯上，这个回报率是远高于你在这个人成年的时候再帮助他甚至给他治疗他的疾病。正因为我们有全面的数据，所以我们就能看到什么东西对这个社会整体是有益的，包括无论是生活还是健康还是医疗，这些方面。我们就不会像大多数机构一样，仅限于我可能只是做肾的治疗，我只能做心脏的治疗。由于这种数据以及全面的看问题的方式，我们可以给这个社区，给这个社会有更有效果的投资，更重要的是我们还能评估我们的投资是否有效。

 不知道大家知不知道“蓝区域” ，就是代表一个区域的人可以很长寿，也很幸福，很快乐。在全球有五个这样的区域被研究了。如果我们看从这五个区域蓝区的数据，这个数据告诉我们他们的饮食、锻炼、睡眠以及社交。这些是对他们的健康跟幸福至关重要的。所以在我们的机构，每年会投资上10亿美元给社区，用来帮助相农民把新鲜的农副产品带到我们社区中，提供给社区的居民，以及在社区里面开展各种各样的活动帮助孩子进行锻炼，帮助他们吃得更健康。

 我们在座中负责医疗信息系统的人可能会有同样的经验，如果我们信息系统出了一个问题，可能需要一层一层地找根本原因。如果我们找到了根本原因我们可以解决这个问题，但如果我们没有做足够深入的调查，只走了一层两层，只是把目前的问题解决了，那这个问题可能还会再出现。我们做了这样的调查，看到有多少的糖尿病人，有多少心肌梗塞的病人，他们其实是可以避免的，通过无论是饮食还是健康的生活方式，有多少病人可以避免这种临床结果。同时也有研究证明，我们的社交网络，在我们有微博等各种各样互联网工具之前，我们的社交网络对我们的健康已经是非常重要了。在我们看社区的时候，这个数据就可以告诉我们，哪些社区我们可能应该帮助进行戒烟，哪些社区是要帮助减少酒精的消耗量。而现在已经有的和一些正在开发中的社交方面的应用，在改变朋友和家人的行为方面，其实是非常有利的工具。

 现在也有人开发智能助手，有可能是一个老人的孙子的形象出现在他的手机上，来提醒他戒烟，这对你的健康有好处，对你能长寿一点儿多活几年有好处。也可能是病人的女儿的形象来提醒这个母亲去做更多的锻炼，对他来说更有好处。从我个人来讲最让人兴奋或者将来影响最深远的技术就是虚拟现实技术。在斯坦福有一个实验室，他们做的叫远程物理传输。现在有这样的设备，你在一个地方做某些事情的时候，在另外一个遥远的地方也有一个你自己的形象在做你在这个地方做同样的事情，但是你是以第三者的身份去观察这个事。改变人的行为非常难的一点，你很难看到如果改变行为会有什么结果，同样难的就是你要能退一步，能看到自己做这件事的时候会是什么样，而这个技术就是能把两者都做到。这个实验室开发的还有一个技术就是可以让一个人在这个系统中说不同的语言，可以有不同的相貌，这样可以帮助你对不同文化、不同地域的人有更多的同情心。把这种智能助手，包括可以把你亲人的形象放在里面，甚至比如自己年轻、十八岁时候的形象放在里面，希望自己能年轻回去的形象。把这种技术和智能助手的技术和基于远程物理传输的虚拟现实技术整合在一起，这个就是影响深远的工具。

 这些话从一个像我这样的数据科学家口中提出来，听起来好像很疯狂，但是如果你像我一样关注我们医疗健康的根本原因，这一切都会变得很自然。我们前面的讲者提到我们需要把各种数据整合起来，包括我们的医疗数据、 可穿戴设备 的数据以及院外的数据整合在一起。这个技术就会把这些数据变得有用起来。

 最后我想谈一谈整体健康。现在越来越多的证据让我们又关注从古代就有的一些医疗治疗方式。我在回美国以后，还要参加一个大会，就是整体健康的会。我要讲的题目其实就是关于我们沉思，做锻炼，平时做的决定，这些不止改变我们的健康，甚至对我们的DNA也有改变。

 我讲这个非常有趣的题目，而这些题目现在是有科学根据的。这种对DNA的改变不是改变它的编码顺序，而是改变这个编码顺序上的甲基化，这些甲基化决定了我们某些基因是增加表达还是会减少表达，有可能是好的基因会增加表达，也有可能是坏的基因增加表达。而这些是我们在研究中确实地观测到的。当我们看一个人在一天的过程中，基因的表达水平在一天内的随时间变化程度非常大。好的基因的表达水平，坏的基因的表达水平，这个对我们的健康影响其实是非常大的。而我们这些基因的表达，为我们无论是做癌症方面的治疗还是对我们做其他的一些医疗治疗，都有非常深刻的影响。这个对基因组学以及对基因表达水平的研究，其实都告诉了我们同一个事实，就是如果我们有一个健康的饮食、锻炼和生活习惯，对我们能活得更好、活得更长是有帮助的。

 提问环节：

 下面是问答时间，希望大家把最困难的问题提出来，不管是刚才我们讨论大家觉得不够充分的地方还是哪怕关于美国或者是欧洲的，你有问题都可以提出来，谢谢大家！

 提问：请教一下约翰•麦迪森，我想了解一下刚才讲了很多关于基因检测还有疾病诊疗关系。在美国多少人在诊疗过程中是有基因检测数据的？

 约翰•麦迪森：随着测序成本的指数型的降低，有越来越多人非常迅速地获得他们的基因检测结果。现在，美国整体上来说，大概有两百万的人群是有基因检测结果的，美国也建规模非常大的样本库，我们会得到病人的许可把他们的血样和测序结果留下来。现在的样本库并不是所有的病人甚至大部分病人没有做基因测序的。如果基因测序成本从一千美元减到三百美元的时候，我们就可以把我们已经收集的样本全部测一遍，这样我们测序的水平就大大提高。

 提问：我想问两个问题。第一个问题，在美国正在兴建以病人为中心的医疗家庭，简写PCMH。这个模式在凯撒是怎么开展起来的？第二个问题，约翰•麦迪森访问中国，我希望也给我们一些建议，在中国这个医生集团如何走下去？

 约翰•麦迪森：以病人为中心的医疗家庭和现代随着奥巴马美国医改所提倡的负责任的医疗机构是一致的。其实凯撒从建立开始几十年就是这个模式，所以凯撒并不需要改变什么，凯撒一直有以病人为中心的医疗家庭机制，对凯撒来说，只是一直继续这个工作就可以了。有两个要点，第一个要点，财务上一定要稳健，要能可持续。在美国有这样的例子，有很多负责任的医疗机构ACO，他们理想很远大，但是财务上有问题，走到一半就失败了。在财务上没有问题以后，另一条非常关键的，那就是始终把病人放在第一位，无论是经营、临床等其他方面，所有的决定里面始终把病人放在第一位。比如设置我们的信息系统的时候，我们的医生可能会有一种意见，我们的药剂师会有一种意见，我们的护士可能会有一种意见，我们的心脏病专家和肾脏专家可能有不同的意见，那是什么能把我们这么多不同的意见有一个机制整合，让它变得可执行，就是要大家都承认这个原则，我们要把病人放在首位，有了这个原则，我们的分歧可以得到比较好的解决。

 提问：约翰•麦迪森刚才讲的数据仓库，这个数据仓库多长时间数据会更新一次，在里面除了这个还有没有其他的？

 约翰•麦迪森：我说两个数据仓库，其实少说了一个，我们是三个。第一个是一个实时的数据仓库，所有的信息都会走这个实时的数据仓库。这个数据仓库是我们来支持每天的诊疗服务，所有的服务。这个数据是每秒钟都在不停更新的，随着我们的运营。每一个数据库都会为某一个或者某一些应用做优化。我们有第二个数据仓库，它是每24小时会有一次更新。

 您问了一个非常好的问题，其实这三个数据库所提供的功能是不一样的。通常大家会把所有的问题都用在自己所熟悉的这个数据库上。但实际上应该是你的这个问题会跟这个数据库的结构，跟这个数据库里面的数据多经常更新，它所擅长的技术都是有关系的。第三个数据仓库就是用了大数据技术，做离线的大数据分析的数据仓库。

 如果各位有兴趣的话，后边可以花两小时给大家来讲一讲这个数据分析怎么做的。

 提问：保险在美国有商保和政府提供的CMS保险，想问一问这个保险是怎么样的？

 约翰 麦迪森：美国有很多先进经验可能是可以供其他地方学习和参考的，但是美国的医疗财务模型或者支付模型可能不是其中之一。但我还是想回答你的问题。美国政府的医保有三种支付方式，第一种支付就是传统的按服务项目付费，看一次病提供一次服务付你一次服务的钱；第二种，刚才讲到的按照美国医改新推出的按风险按人群进行支付的模式；第三种，是基于价值支付或者基于质量支付的早期模式。凯撒是美国医保的第三种模式。一个医疗机构或者一个服务机构，你只能选取一个模式跟CMS做。理想的情况下，可能我们这个市场或者整个国家里包含10到20个基于价值，基于质量来付费的机构，项目之间又有足够的竞争，这样可以让市场觉得哪个是最好的基于价值的医疗机构。基于我的猜测，您所在的医生集团会是这20个能在中国医疗市场竞争中胜出的医疗机构之一。

 提问：请教最后一个问题，之前“阿尔法狗”已经在下棋方面赢了人类，您觉得IBM的沃森和凯撒的AI系统哪一个会赢？

 约翰•麦迪森：IBM的沃森和凯撒团队所开发的技术解决的问题是稍微不同的。我们想解决的问题是使用数据分析技术来看电子病历，能理解这个电子病历，能在里面找到机会，让我们提高医疗质量，改善医疗服务。IBM做的其实是凯撒已经做了几十年的了，凯撒根据循证医学的数据，同时凯撒有医疗内容团队根据文献，根据已知的知识、指南把这些整理出来给出循证医学的诊疗方案。IBM是使用自然语言处理技术和人工智能技术，把所有不管是研究文献、教科书的知识扔给机器，让机器去学，它仍然是循证医学。这个跟凯撒做了这么多年的工作的区别不大，也可能是革命性的，但是现在还没有太多成功案例的报道。我们凯撒的研究平台是高远教授和凯撒内部的团队合作，做的这个平台，是允许在没有研究结果发现的时候，可以先一步看我们的医疗数据里到底什么方案好，什么东西我们可以采纳。这就是我刚才在里面讲到的，一个是循证医学，是根据证据来的医学，还是根据医学实践来的证据。现在我们已经能做到根据医学实践来的证据，来帮助我们制定更个人化的精准的治疗方案。

 文｜约翰•麦迪森

 

责任编辑：陈近梅