變化是這個世界永恒的主題。醫療信息化也是一樣，從財務電算化起步到以電子病歷為核心的臨床信息化建設；從數字化醫院到智慧醫院；從單個系統到集成平臺；從院內信息化建設到互聯網+醫療健康。這些年的建設為我們積累下了豐富的數據資源，于是，我們進入了數字時代。

數字時代的一大特點就是數據的價值被社會認可，在眾多業界公司的眼中，醫療數據更是取經路上的唐僧肉，誰都想吃一口。但吃到嘴里，才發生原來抓的唐僧是孫悟空變的，咯牙、不好消化。醫療數據的價值毋庸置疑，但是數據質量卻讓人難以恭維。甚至有人講“垃圾進，垃圾出”，且不說病歷等非結構化數據存在的分析難，就是國家要求必須填報病案首頁數據，雖然是存儲在數據庫的結構化數據，也存在非常多的質量問題。業界同仁一談論起數據質量，那就是話題不斷，爭論不休。

這不，寂靜無聲的OMAHA群，有人甩出病案編碼質量問題，頓時激起千層浪，各路諸侯起烽煙。悲觀者認為，病案編碼的質量根本就是無解；技術派強調，在科技發展的今天，已經可以利用人工智能等技術完成病案編碼工作；標準研究者強調，編碼標準的天生缺陷使得編碼工作無法用技術實現；更有甚者認為，病案編碼的技能培訓催生了一個龐大的培訓體系，會阻礙智能編碼等先進技術的推廣。

毋庸置疑，醫療信息化發展的30年，確實讓醫療管理能力得以提升，提高了醫療服務的效率，提高了醫療安全。近年來，隨著互聯網+醫療健康的深入推進，醫療信息化也提升了患者對醫療服務的滿意度。

信息化應用越來越深入，數據就越豐富，價值也越大，數據即是信息系統的原材料，也是系統運行的產物。在經年累月的運行中產生的數據，使得很多的醫學研究和預防成為可能。

但是傳統我們在運用信息系統完成醫療服務時，更多的是把它作為一個記錄器，將患者在醫院就診期間的醫療行為記錄下來。而不去關心我們記錄的是否符合數據規范，是否符合數據交換標準，當我們把所有記錄匯集起來，就出現五花八門，千奇百怪的現象，嚴重影響著數據的分析利用。

有人說醫療數據存在著大量的非結構化現象，比如圖像、病歷，這些非結構化數據不易利用，需要利用技術進行再結構化處理。這涉及諸多自然語言處理、圖像處理技術，雖然這些技術也都在不斷發展演進，并開始在醫療信息化建設中試用，但是距離大面積應用還有很長路要走。就算對于病案編碼這種國家有明確的規范要求的結構化數據（衛生部在2011年84號文以及衛計委2016年24號文先后給予了規范），而且距離最近的規范標準出臺已經2年，隨著DRGs的應用，病案編碼的質量甚至會影響醫院的收入，醫院更應該重視其質量。

但是，從目前的現狀看，病案編碼質量并不理想，這才有各崗位人員紛紛吐槽的現象發生。從我們對以病案編碼數據為例開展的調查和分析表明，引起臨床數據質量的原因大致有以下幾類。

數據因人而產生，對于編碼數據來說目前臨床的操作流程一般分為兩種，一種是臨床醫生被要求學習ICD10編碼，并根據編碼原則錄入臨床診斷，病案編碼員進行質量審核，這種方式編碼效率較高；另一種是病案編碼員根據臨床醫生診斷進行編碼，當出現爭議時再與病歷書寫醫師進行溝通，這種方式效率相對較低，但是編碼質量可控。無論何種情況，醫生與編碼員是影響數據質量的重要因素。

但是不同崗位對數據的要求和理解不同，比如編碼，醫生的想法就是為啥我一個治病救人的竟然還要去填寫病案編碼，且不說與我們學習的診斷名稱不一致，那我都干了要編碼員干嘛，所以填寫診斷的隨意性較大。對于編碼員，一般醫院都不重視，水平有限能力不高，待遇也不高，加之面對每日大量的出院病歷，要做到準確填寫病案編碼，這事也需要思量。而且臨床醫學和病案統計本來就是兩個專業，專業知識的不同，導致業務溝通存在障礙，這些也影響著大家對同一事物的認知，進而影響數據質量。

我國醫療機構編碼員的水平和能力也需要加強，從整個醫療行業來說，原來醫院并不重視編碼質量工作，因此對編碼員的培養和編碼員自身學習都不夠。從文獻看，能夠勝任工作的人員數量嚴重不夠，這也造成了編碼質量不高。

病案編碼的準確錄入，國家衛計委在病案首頁填寫規范中早就予以明確，采用ICD-10進行診斷編碼，采用ICD-9CM進行手術編碼。而這ICD-10編碼也有南北派別之分，就算我們各自都準確的填寫了編碼，當這些不同醫院的數據匯聚到一起進行分析時，問題就來了。采用不同師傅傳授的標準進行編碼，這些數據混雜在一起，也會出現不一致，會影響數據分析質量。

再者ICD編碼規則也是在不斷的發展，大家在對編碼的應用上也存在因為理解上的不同，導致對標準應用上的差異。隨著DRGs作為醫保付費依據后，醫療機構為了利益最大化也將采用對自己最有利的編碼規則。

今天我們說到信息化，經常提到的一個詞就是“信息孤島”，大家把很多的問題都歸結到信息孤島上去。其實孤島的形成確實是信息化不斷演進的結果。當我們從收費系統開始上馬醫院信息化后，逐漸的就開展了護士站、醫生站、檢驗系統、檢查系統.....個人認為，信息化素養也是在這個建設過程中不斷提升的，指望一開始就能做到互聯互通，基本上是違背了歷史唯物主義的原則。

不同專業不同人對標準的理解也不同，還是以ICD-10標準為例，據說為了不斷修正編碼標準，標準委也將標準的修訂劃分給了不同的學組，由各臨床學科學術組織對編碼進行完善，但是同一疾病可能會采用不同的治理方案，這也存在不同學組對同一種疾病的不同認知，最終出現劃分在不同的專業的編碼不一致。

在各類信息系統中，數據是依靠采集或者錄入而來，而對錄入數據的規則限制如果沒有做好，也會導致垃圾數據產生。畢竟是所有系統都是人開發的，使用系統的也是人。是人就會犯錯，錯誤數據也會因此而產生。

雖然說人工智能技術近年來發展較快，也有人探索將其應用在病案編碼工作中。畢竟在這項工作中，因為編碼規則確定、臨床下診斷醫生的書寫也會形成各自的習慣，這些可以明確的規則都會讓這項工作成為可能。（我們也在這方面進行了有效探索，開發了一套智能編碼系統）但是距離能夠依據醫生的各項記錄給予醫生編碼決策的智能診斷還有很長的路要走。

數據質量該誰管，這是個重要問題，造成病案編碼數據質量不高的重要原因就是，傳統這部分數據價值不高，不易受到關注?；颊咧斡鲈毫?，該收的費用收到了，首頁數據上報也是提供給上級部門，對這部分數據的利用，尤其是疾病編碼進行醫療質量管理，這需求原本并不強烈。管理是需要成本的，而其價值又不明顯時，確實容易被忽略。加之數據質量管理涉及到醫務、護理、病案等多部門，管理難度大也造成沒人樂意管。

我是認為對數據質量的管理是信息科當仁不讓的職責，也是信息科話語權的彰顯，必須予以重視。但是我們傳統的管理職能是沒有這部分功能的，這就要求從組織架構、職責分工、績效考評，反饋分析等各環節去齊抓共管，形成數據治理的體系。

臨床數據質量問題分析

數據質量的提升不是單靠信息技術的運用能夠做到的，比如，幾年前做集成平臺的廠家就給醫院描述了美好的前景，當大家實施了集成平臺，發現前方依然是海市蜃樓；然后就是大數據廠商繼續給大家以鼓勵，數據量夠大，數據質量就并不重要了，我們可以通過大數據分析找出你需要的結果；然后幾年過去了，一切如舊。

數據質量管理體系

既然數據那么重要，而數據質量又有這么多問題，數據的治理就尤其重要了，數據治理不同于普通數據管理，它是一個長期的艱巨工作。它是為提升數據質量所建立的一種機制，從產生、傳輸、存儲、分析、應用、發布、銷毀整個數據生命周期進行質量管理（數據質量提升的方法本公眾號也曾經與大家分享過，這里可以點擊說說信息質量框架的作用進行學習）。治理工作的開展更是涉及到機制、制度、技術、培訓等多方面。

數據治理是一種體系，其目的是整合IT與業務部門的知識和意見，通過一個院級層面的數據質量管理委員會的形式，對醫院的信息系統產生的數據進行質量管理。從范圍來講，數據治理涵蓋了從前端事務處理系統、后端業務數據庫到終端的數據分析，從源頭到終端再回到源頭形成一個閉環反饋系統。從目的來講，數據治理就是要對數據的獲取、處理、使用進行監管（監管就是我們在執行層面對信息系統的負反饋），而監管的職能主要通過以下五個方面的執行力來保證——發現、監督、控制、溝通、整合。更需要持續的對數據質量進行監測和評估，以確認數據質量是達到要求的。必要時應將數據質量管理納入人員績效管理體系，以確保員工產生的數據符合要求。

ISACA數據治理模型

而在數據層面，更是需要醫院有元數據管理，它包括通用業務詞匯表，元數據為數據提供了一個參考框架。Forrester Research將元數據定義為“用于描述數據、內容、業務流程、服務、業務規則以及組織信息系統的支持政策或為其提供上下文的信息”。