大多數醫院已完成了配置各種輔助檢查的軟硬件安裝和網絡存儲，并有超過半數的醫院已配置了HMIS和CIS，醫療信息以分散和非結構化的形式存在于HMIS和CIS的各個模塊中，如ERM，HIS，LIS等。對于傳統的軟件服務商來說，機會已經不大。待這些基礎設施搭建完畢后，下一階段醫院將集中投資建立匯集各模塊信息的集成平臺，以及信息結構化技術上。醫院智能化帶來的投資機會將是如何利用醫院數據實現醫療產業中的各方共贏。我們看好那些具有數據開放性、數據深度結構化的公司，以及具備權威可信數據應用規則的公司，和達到一定的醫院覆蓋率的公司。

76億人次診療信息的價值

在醫療大數據和互聯網 醫療被熱烈討論的今天，大部分移動醫療只是做一些邊緣性的工作，所獲取的數據也多為行走步數、鍛煉頻次和強度、心率血壓血糖、膳食數據和藥店或App購藥信息，并沒有能夠切入醫療的核心流程。與其在這片紅海里和諸多競爭者廝殺，不如把目光投向這塊尚未被充分開發的處女地——醫院信息。

根據衛計委公布的數字，2014年前11個月全國醫療衛生服務機構診療量(門診和住院)達到67.7億人次，其中三級醫院接收了12.1億人次。全年全國診療量估計超過76億人次。這些醫院信息有極大的價值，它涵蓋了患者的人口統計學信息、診療信息、用藥信息和費用信息，而這些信息又為流行病學研究、循證醫學研究、醫保控費標準制定、新險種開發和藥品研究及精準銷售提供了數據基礎。

三級醫院信息化率超過60%

醫院信息主要儲存在HMIS和CIS兩大系統中。HMIS(HospitalManagementInformationSystem，醫院管理信息系統)的主要目標是支持醫院的行政管理與事務處理業務，提高醫院的工作效率。HMIS偏重醫院管理，以醫院各級管理人員為服務對象。常見模塊包括門診收費、藥房藥庫、功能科室、住院收費、財務查詢、病案管理等。CIS(ClinicalInformationSystem，臨床信息系統)的主要目標是支持醫院醫護人員的臨床活動，收集和處理病人的臨床醫療信息，為病人提供更好的服務。CIS偏重臨床服務，以病人為中心，以醫護人員為服務對象。常見模塊包括門急診掛號系統、醫生工作站系統、護士工作站、影像歸檔和通信系統(PACS)、實驗室系統(LIS)、藥物咨詢系統等。

現階段大多數醫院已完成了配置CT、MRI和網絡存儲，這些基礎的軟硬件相當于骨骼。有超過半數的醫院已配置了HMIS和CIS，醫療信息以分散和非結構化的形式存在于HMIS和CIS的各個模塊中，如ERM，HIS，LIS等，這些分散的模塊相當于人體的肌肉。CHIMA發布的《2014-2015年度中國醫院信息化狀況調查》顯示，在抽樣調查的300余家三級醫院中，一些使用頻次最高的HMIS和CIS模塊的整體滲透率高于60%。可以想象，在經濟發達地區的三甲醫院中，信息系統的覆蓋率會更高。

技術、資金、政策驅動信息化邁進智能化

待這些基礎設施搭建完畢后，下一階段醫院的投入會集中在建立匯集各模塊的集成平臺和將信息結構化為可搜索可統計的數據上。這也是最復雜最高級的一部分，相當于我們的大腦，它可以調動肌肉和骨骼，實時獲取信息。最后利用大腦來產生智慧，更好的服務五個潛在的付費方：保險、醫院、醫生、藥企和患者。

五個潛在的付費方各自有不同的需求。首先，政府和醫保面臨著醫保資金壓力和控費要求。對于醫院來說，主要訴求是提高臨床業務效率和保障醫療安全。醫生則面臨著醫療質量和科研考評的雙重壓力。商業保險需要大量的數據來設計面向病人和醫生的新險種。藥企希望能降低研發和營銷成本并增加銷售額。最后，患者希望得到優質醫療服務。能否研發出滿足某一類或某幾類付費方需求的產品是公司在醫院信息智能化過程中立足的根本。

特別值得一提的是商業保險公司，作為政策驅動中的重要力量，商保的發展值得密切關注。向商業保險收費的模式雖然在中國尚不普及，但在美國已是成熟的商業模式。隨著商業保險逐漸進入社保和醫生多點執業的放開，未來不僅會有支付方式和覆蓋范圍的改變，還會有根據人群特點精準定價的可能，新的對于醫生執業的險種也會應運而生，而這一切的基礎都是能夠對醫療過程和結果有準確及時的掌握。

數據、規則、覆蓋率是三大競爭壁壘

那么是不是說在這些力量的推動下，信息系統的覆蓋率上去了，醫療數據就可用了呢?并不是。醫院的醫療數據必須要去掉患者姓名等敏感信息，經過標準化和結構化之后才能用于統計分析，并且只有當數據量達到一定量級之后才有統計分析的意義，而目前醫院的信息孤島問題顯著，嚴重制約了數據的利用價值。信息孤島產生的主要原因是醫院對病人數據安全性有所顧慮，另外，醫療體制的預算和支付制度、病種編碼、收費代碼、以及藥品和耗材數據庫標準不一，也為打通數據增加了難度。加上同一家醫院內HMIS和CIS各模塊常由不同廠商提供，模塊間的數據整合也很困難。我們認為，醫療大數據的門檻主要體現在以下三點：

1)數據的開放性、數據結構化的深度。

即是否能將醫院內大量分散的信息整合，再把這些以文本形式存在的信息準確地識別并拆分，并且賦予這些詞、詞組和數字以邏輯關系。這種全結構化的數據庫由于覆蓋信息面廣，數據結構程度高，可以按照病人、政府、醫院、保險和藥企的不同需求提供更精準的信息，做到“指哪打哪”，從而更好地幫助政策制定、市場營銷和醫療服務。

2)數據應用規則的權威性和可信性。

數據本身不直接帶來價值，還是要看最終的應用場景。對于醫學數據的應用來說，能否促動數據專家和醫學專家參與到產品的設計中來，最終的產品不管是臨床決策輔助系統還是醫保控費系統，能否得到臨床一線工作者和醫藥經濟學家的認可，是區分產品優劣的關鍵點。有志于探索人工智能在醫療診斷方面應用的諸位英雄，除了團結一批臨床工作者外，還需要在團隊里配備人工智能的頂級專家。

3)達到一定的醫院覆蓋率，打通各級醫院之間的孤島。

單一醫院的數據雖然有價值，但是由于它不能反應出一個個體連續的醫療記錄，且樣本量小(特別是對于不特別常見的疾病來說)，往往不能作為決策參考二次利用，這時如能取得一定區域內多個醫院的數據，不僅有“圈地”效應—醫院替換掉現有的數據結構化應用是有成本的，還能擴大樣本量，提升醫療數據變現的可能性。

醫療信息化未來想象空間巨大，玩家也不少。目前來看最難突破的是批量地鋪設醫院形成規模。我們認為比較有希望完成規模化的幾種方式包括：通過幫助地方醫保中心和商業保險機構做控費，以此倒逼醫院應用其產品服務;從提高醫院的醫療質量和幫助醫生搞科研這樣的剛需入手，促使醫院采購其產品服務;以易結構化的化驗單和病種(如肝炎慢性腎炎和康復)切入，在患者和醫生之間形成互動，改善醫療資源的不合理分布，提高療效和依從性。