大数据分析 对于中国医疗保险管理的价值 目录 一引言 1 3 二中国医疗保险管理的现状 三大数据分析对于医疗保险管理的价值 3.1 保障设计和精算定价 3.2 理赔运营管理 4 4 5 3.3 对医疗机构的管理 9 3.4 市场和销售拓展 11 13 15 3.5 战略决策支持 四大数据应用的挑战与前景 联系我们，获得更多相关信息： 张岚，总监，医疗保险及医院管理事业部 Tel: +86 10-8567 4710 Email: lzhang@cn.imshealth 引言 1 引言 随着大数据在各行各业的应用和扩展，医疗领域大数据 数据有序链接，尤其是医疗领域数据在患者或个人层面的链 接，从而为深度数据挖掘奠定基础，达到“1+1>>2”的效果。 虽然目前这样的“链接”还未广泛实现，但小范围的“链接” 已体现出其重要作用（如将电子病历与理赔数据链接帮助确 认欺诈、过度医疗的行为），对更大规模的以患者或个人为 中心、相互关联的多类数据的深度分析将帮助我们更有效的 挖掘出大数据潜在的巨大价值。 及其分析技术也正日益赢得人们的关注。那么大数据在医疗 领域指的是什么？又有什么样的特点？我们知道，广义上的 大数据指的是所涉及的信息量规模巨大，无法通过目前主流 软件工具在合理时间内撷取、管理、处理、并分析成能有效 支持决策制定的数据资讯，通常具有4个 V的特征--数据 量大（Volume），速度快 (velocity), 多样性 (Variety), 价值高 (value)。在医疗领域，大数据包括的数据和信息类型非常广泛， 可以大致分为以下四种。 大数据的特征： ● Volume -- 数据量大 医疗领域大数据的类型 数据量巨大，从数兆字节 (TB) 级别跃升到数十兆 1 ● 行政数据 (Administrative Data)，主要包括从医疗支付方 （医疗保险机构）或者医疗机构获得的理赔信息等，通常 涉及病人所使用的医疗服务、相关诊断信息、提供服务的 医疗机构及时间地点、以及费用明细与支付情况。 亿字节 (PB)级别。例如一个 CT图像含有大约 150MB 的数据，而一个基因组序列文件大小约为750MB，一 个标准的病理接近 5 GB。如果考虑到人口数量和平均 寿命等因素，仅一个社区医院就可以生成和累积达数 个 TB甚至数个 PB级的数据。 ● 临床数据 (Clinical Data)，包括从医疗机构获得的电子病历 (EMR)、医疗影像数据、处方信息等。 ● Velocity -- 速度快 ● 体征数据 (Biometric Data)，例如由检测仪器测量所得的体 重、血压、血糖水平等信，以及饮食、运动、睡眠等自我 跟踪信息。随着可穿戴设备及相关手机软件的广泛应用， 此类数据量越来越大也越来越多元化。 处理速度快，时效性强。举例来说，检测医疗支 付中的欺诈行为可以事后追溯，也可以实时检测；如 果能够实现实时检测，即在支付发生前甚至在医疗服 务发生前就识别出欺诈行为，则可有效避免重大经济 损失。 ● 个人及偏好数据 (Demographic/Preference Data)，例如性 别、年龄、职业等基本信息以及个人偏好、对产品和服务 满意度等主观信息。 ● Variety -- 种类多 数据类型繁多，来源广泛。既包括数值型数据， 也包括文字、图形、图像、音频、视频、网络日志、邮件、 等非数值型或者非结构化数据，且预计这些非结构化 信息将占未来十年数据产生量的 90%。 由于数据量大、种类繁杂，不同类型的数据之间会有交 叉或者交集。例如处方数据，既可以从医疗机构的信息系统 中获得——即临床数据的一种，也可以从医疗保险机构的理 赔数据库中找到——即理赔信息的一部分；又如血压等信息 既可以从随身携带的便携血压计测量得到（体征数据），也 可以在医疗机构的电子病历中发现（临床数据）。 ● Value -- 价值高 价值的体现的是大数据分析应用的目的意义所在。 通过深入的大数据分析挖掘，可以为各方各面的经营 决策提供有效支持，创造巨大的经济及社会价值。 大数据分析应用关键的一点在于将不同类型不同来源的 1 1 TB = 1,024 GB = 1,048,576 MB；1 PB = 1,024 TB = 1,048,576 GB 大数据分析对于中国医疗保险管理的价值