充血性心力衰竭、成人敗血癥，這兩個病種作為我國ICD-10中指定的重點病種，在住院死亡類指標、重返類指標、住院日及住院費用、急診綠色通道管理等多方面，都對醫(yī)療機構有各項監(jiān)控及要求。

而在美國，醫(yī)療機構在面對這兩個病種時，也面臨同樣的挑戰(zhàn)：如何在保證并提升醫(yī)療質量與患者安全的同時，降低診療費用及再入院率？

全美 Top10 醫(yī)院面臨的新挑戰(zhàn)

作為已有二百余年歷史的賓夕法尼亞大學醫(yī)學院（Penn Medicine），見證并陪伴了1751年全美第一家醫(yī)院賓夕法尼亞州醫(yī)院的成立，1765年，全美第一家醫(yī)學院也在賓夕法尼亞大學內成立。

如今，賓夕法尼亞大學醫(yī)院多年躋身全美最佳醫(yī)院排行榜Top10，且以癌癥、心臟中心等重點科室見長。

面對當下臨床、醫(yī)保、科研的新挑戰(zhàn)，他們希望將醫(yī)療機構內大量的臨床數(shù)據(jù)安全且充分地利用起來，幫助臨床醫(yī)生預測可能的危重癥患者——探索更有效的患者風險分級、更有用的預警機制、更有意義的臨床科研、更有可復制性的參與和推廣模式。

賓大醫(yī)學院擁有海量的患者數(shù)據(jù)，其臨床數(shù)據(jù)倉庫目前存儲了300萬患者的病例，其中最早的數(shù)據(jù)可追溯到10多年前。

在2013年，賓大醫(yī)學院數(shù)據(jù)科學團隊設想建立一種大數(shù)據(jù)環(huán)境，以利用這些數(shù)據(jù)改進臨床路徑和預測。為此，賓大醫(yī)學院開發(fā)了Penn Signals平臺，并圍繞敗血癥和心力衰竭首次應用。

依據(jù)既往病史，預測敗血癥患者

美國CDC數(shù)據(jù)顯示，敗血癥每年波及超過100萬美國人，是第九大致死病因，同時還是ICU第一大致死病因。

即使在發(fā)達國家，敗血性休克引起的死亡率也接近50%。而傳統(tǒng)的敗血癥識別方法，通常只可檢測約50%的病例，且一般在患者發(fā)生敗血性休克前2小時才能檢出。

賓大醫(yī)學院利用Penn Signals平臺，在涉及150位患者（總患者數(shù)為1200～1500人）的敗血癥試點研究中，準確識別了約85%的敗血癥病例，且早在敗血性休克發(fā)生前30個小時便成功識別。

標記患者病史？技術能做的不止這個

心力衰竭的情況則更不容樂觀，也更為復雜。據(jù)2005年和2011年的流行病學和心力衰竭狀況調查，美國有580萬人患心力衰竭，全球更是有約2%的成年人飽受此病困擾。

在發(fā)達國家，心力衰竭是人們入院治療的頭號病因，尤其常見于65歲以上的老人。并且，雖然心力衰竭的治療本身并不昂貴，但由于需要住院，總體治療成本卻很高。美國每年在心力衰竭上的治療成本，已超350億美元。更糟的是，美國1/4的住院患者在30天內再次住院，1/2的患者需在6個月內再次住院。

最初，賓大醫(yī)學院心力衰竭和移植計劃的醫(yī)療總監(jiān)Dr.Lee Goldberg，出于希望盡早發(fā)現(xiàn)潛在心力衰竭患者的目的，對數(shù)據(jù)科學團隊提出了一個很簡單的要求：能否標記出曾經因心力衰竭而住院的患者？結果，數(shù)據(jù)科學團隊表示：我們能做到的不止這個。

比如，有一部分潛在的心力衰竭患者，第一次就診時因其他疾病來到醫(yī)院，這部分未被診斷出心力衰竭相關癥狀的患者，在發(fā)生心力衰竭再次就診時，通常而言，住院時間更長，醫(yī)療花費更高。

而在部署Penn Signals這一預測模型后，臨床團隊可準確估測醫(yī)院內或醫(yī)院之間心力衰竭患者的數(shù)量和分布情況：他們可識別出約20%～30%之前標準診斷工具無法識別的心力衰竭患者，并指導這些患者自行調理病狀，從而大幅降低再次住院率。

Dr.Goldberg表示，資源有限是常態(tài)，Penn Signals是幫助我們醫(yī)生識別患者群體并應用合適資源的大好機會。

對臨床醫(yī)生即時提示，實現(xiàn)雙向成效

Penn Signals這一神奇的平臺，首先可以實現(xiàn)即時預警，即根據(jù)患者位置、值班人員信息等，向特定的醫(yī)療機構發(fā)送安全的手機短信預警，其中包含患者位置和臨床信息，方便醫(yī)療機構判斷預警是否相關，以及患者需要的救助類型。

Dr.Goldberg展示了自己的手機，我們臨床醫(yī)生查看這些提示后，可以使用標簽進行回應，或與整個團隊進行溝通。

其次，這一平臺可以根據(jù)電子病歷系統(tǒng)中的工作流程，識別病情嚴重的患者，實現(xiàn)自動化任務列表。

第三，Penn Signals的情況儀表盤，可報告護理情況，以及如何降低再次住院率、如何改善患者的生命質量等。

至此，賓大醫(yī)學院實現(xiàn)了雙向成效：對臨床醫(yī)生而言，他們可以根據(jù)醫(yī)學知識，指定觀測和收集的數(shù)據(jù)變量，臨床科研有了新路徑；對數(shù)據(jù)專家而言，他們可以根據(jù)事實和技術，發(fā)掘到更多相關變量，對臨床預測和科研提供更有力的支持。

可擴展的開源平臺，打破信息孤島

到此為止，只是Penn Signals在賓大醫(yī)學院院內的成功試點，如何使之具備可復制性，能兼容不同的IT系統(tǒng)，在保證患者信息安全的前提下，打通各醫(yī)療機構間的信息孤島？

賓大醫(yī)學院希望基于開源技術和大數(shù)據(jù)技術提出一種最佳的解決方案。于是，可信分析平臺（TAP）進入了他們的視野。

TAP作為一種可擴展的開源平臺，不僅兼容各基礎設施和平臺，更大的優(yōu)勢在于，其對臨床科研的天然助力：能幫助數(shù)據(jù)專家快速試用各種想法，從中找出最可行的方案。

比如在觀察降低再次住院率時，數(shù)據(jù)專家能跟蹤算法的準確性，并在發(fā)現(xiàn)準確性下降時及時修改算法，從而加快迭代速度。由此，TAP能為臨床醫(yī)生和數(shù)據(jù)專家提供一個高質的開發(fā)與測試環(huán)境。

現(xiàn)在，賓大醫(yī)學院正研究將TAP用于與英特爾的聯(lián)合項目中。英特爾根據(jù)藥物治療方案，使用TAP對患者進行表型分析，或對患者的疾病進行分類。

仍以心力衰竭為例，英特爾與賓大醫(yī)學院密切合作，使用TAP分析工具，將心力衰竭患者的藥物治療歷史作為額外的預測依據(jù)，充分利用每位患者住院前和住院間的藥物治療數(shù)據(jù)進行分析。

最終，該項目成功幫助賓大醫(yī)學院提升了這類患者出院后30～90天內再次住院的預測能力約15%，進而幫助醫(yī)院有針對性地管理患者，避免再次住院。