本文属于机器翻译版本。若本译文内容与英语原文存在差异，则一律以英文原文为准。

# 医疗保健组织面临的数据挑战
<a name="data-challenges"></a>

要为患者提供最佳诊疗和指导帮助患者作出正确的医疗保健决策，医疗保健工作人员需要有关其患者的高质量临床数据。在恰当的时间、以正确的格式向合适的人员提供正确的数据，对健康 IT 团队来说具有挑战性，特别是考虑到健康数据处理的道德和监管要求。此外，医疗创新不断增加医疗保健数据的数量和复杂性。根据 [RBC Capital Markets](https://www.rbccm.com/en/gib/healthcare/episode/the_healthcare_data_explosion) 的数据显示，2018 年全球 30% 的数据来自医疗保健领域。到 2025 年，医疗保健数据将每年增长 36%。传统的健康数据处理策略难以支持数据量和复杂性的这一快速增长。

许多医疗保健组织通过使用群体健康分析来改善患者疗效。许多组织还使用[精准医疗](https://www.nih.gov/about-nih/what-we-do/nih-turning-discovery-into-health/promise-precision-medicine)，其定义为“考虑患者基因、环境和生活方式个体差异的一种创新方法”。精准医疗正在提高医疗保健的有效性，但也给医疗保健组织带来了新的数据处理挑战。标准的精准医疗方法也难以突破“一次服务一位患者”的范式进行规模化应用。医疗保健组织必须缩短从获取原始数据到向一线工作人员提供可用信息的时间。这些信息必须准确，并且必须以临床医生可以轻松获取、理解和应用的形式呈现。

医疗保健数据不可替代，是许多医疗保健组织非常宝贵的资产。因此，您必须将医疗保健数据视为*资产*。您的医疗保健组织必须通过收集并尊重患者知情同意，以及防范数据不当访问和使用，来赢得患者的信任和管理声誉风险。您的医疗保健组织必须同时保护患者隐私，遵守严格、多样的监管约束，并快速向医疗保健工作人员、协作者和患者提供高质量的数据。您还必须决定是否能以符合自身使命、数据安全和隐私策略以及患者知情同意的方式安全地实现医疗保健数据获利。面临的挑战包括以下各项：
+ 传统的医疗保健数据管线之所以不堪重负，是因为其并非为应对这些日益严格且更具挑战性的要求而构建的。
+ 传统系统通常是孤立的。为全面了解相关数据和个体患者，现代系统必须集成且可互操作。
+ 传统系统往往围绕单一数据模态进行组织。现代系统本质上必须为多模态。
+ 传统系统并非按照现代系统所需的规模和速度处理数据而设计。
+ 传统系统通常设计为在本地运行，并针对可用的 IT 资源进行了优化。现代系统必须能够在混合本地云环境（有时是多云环境）中利用数据存储和处理资源。

采用现代健康数据策略并基于该策略运行的医疗保健组织，将能够在医疗健康与生命科学领域创新加速的浪潮中实现自身发展。