• Как обеспечить своевременное и грамотное лечение каждому гражданину?
• Как вовремя видеть критические точки и реагировать на них?
• Как уделять особое внимание сложным случаям и как снизить их количество в будущем?
• Как повысить общий уровень здоровья нации?

Эти и многие другие, еще более масштабные задачи стоят перед любой системой здравоохранения. А сейчас на секунду представьте, что именно вам необходимо контролировать весь поток поступающих обращений, быть в курсе каждого стратегического мероприятия и при необходимостиполучать детализацию по каждой ситуации. Что вы будете делать с таким объемом медицинских данных и как проводить аналитику? Как управлять ими?

Работа с данными в медицине может представлять определенные сложности из-за особенностей этой области. Некоторые из сложностей включают:

Конфиденциальность данных
Медицинские данные считаются чувствительными персональными данными, требующими строгого соблюдения конфиденциальности. Большое внимание необходимо уделять безопасности и защите данных, чтобы предотвратить несанкционированный доступ.

Разнообразие источников данных
В медицине существует множество различных источников данных, таких как электронные медицинские записи, лабораторные результаты, изображения, генетические данные и другие. Разные информационные системы часто изолированы, а потому накапливают идентичные данные. При интеграции необходима глубокая очистка и обогащение данных.

Трудоемкий процесс контроля задач
Работа с данными в медицине осложняется трудоемкостью процесса контроля задач, таких как: поток пациентов, количество записей, нагрузка на медицинский персонал, взаимодействие с федеральными, региональными, внутренними системами. Кроме того, высока потребность в управленческой отчетности для организации процессов, оценки прогресса по различным показателям, принятия стратегических решений.

Обработка больших объемов данных
Медицинская информация может быть очень объемной, особенно при работе с изображениями высокого разрешения или геномными данными. Также проблемой является накопление большого количества медицинских данных, которые зачастую используются исключительно для составления обязательных и регламентированных отчетов. Сегодня этого уже не достаточно.

Сложность согласования и стандартизации
В медицине используется множество различных систем и форматов данных. Необходимость стандартизации и согласования данных для обеспечения их совместимости ставит перед аналитиками дополнительные задачи.

Этика и нормативные требования
Работа с медицинскими данными требует соблюдения этических норм и законодательных требований, таких как согласие пациента и соблюдение приватности. Неправильная обработка данных или нарушение норм медицинской этики могут иметь серьезные последствия.

Эти сложности требуют от специалистов в области анализа данных в медицине навыков и экспертизы, а также использования специализированного программного обеспечения для работы с такими данными.

Каждый день в медицинские информационные системы попадают сотни тысяч сообщений о ходе лечения и диспансеризации пациентов, записи о каждом приеме и услуге. Задача проектного решения состояла в том, чтобы предоставить возможность для пользователя любого уровня быстро (в режиме онлайн) формировать необходимые срезы и уровни детализации отчетов, наглядно видеть критические точки и расследовать причины их появления. Рассмотрим задачи медицинской аналитики более подробно:

Сбор и хранение данных
Система аналитики данных в медицине должна иметь возможность эффективного сбора и хранения разнородных данных из различных источников, таких как электронные медицинские записи, лабораторные результаты, изображения и генетические данные.

Интеграция данных
Система должна иметь возможность интеграции данных из различных источников и информационных систем, как внешних, так и внутренних: МИС, ГИС СЗ и т.д. Для этого необходимы механизмы для обработки, трансформации и согласования данных, такие как ETL (Extract, Transform, Load) процессы или использование API для интеграции данных.

Обработка и анализ данных
Система должна обладать достаточной вычислительной мощностью и возможностями для обработки и анализа больших объемов данных. Требуется построение аналитических таблиц с использованием технологии OLAP, их фильтрация по произвольному набору показателей и срезов, использование сложносоставных фильтров.

Визуализация данных
Система должна предоставлять гибкие инструменты для создания интерактивных и информационных дашбордов и отчетов с возможностью глубокой детализации каждого показателя. Формирование выборки данных (запросов) к реестрам для их последующего использования при создании отчетов. Составление отчетов и их экспорт в офисные форматы.

Безопасность и конфиденциальность
В силу чувствительности медицинских данных, система должна обеспечивать высокий уровень безопасности и конфиденциальности. Необходима настройка регламентированного доступа пользователей к информации в соответствии с установленными правилами.

Масштабируемость и производительность
Система должна быть способна обрабатывать и анализировать большие объемы данных без ущерба для производительности. Масштабируемость системы должна быть гарантирована, чтобы обеспечить эффективную работу с растущим объемом данных.
Для решения поставленных задач был выбран сервис Analytic Workspace (AW BI), на базе которого была разработана система медицинской аналитики ДатаМед. Его возможности работы с большим объемом данных, простота в использовании и легкость установки на клиентских серверах позволили максимально эффективно справиться с поставленной задачей.

В этом решении было важно не нагружать основную систему и сделать обособленную OLAP-надстройку над OLTP-источниками. Одновременно с этим требовалось соблюсти следующие условия:

• аналитика должна бесшовно встраиваться и отвечать требованиям безопасности и эксплуатации;
• кросс-авторизация должна позволять работать в рамках единого информационного пространства для удобства пользователя.

Модули системы
Основными элементами работы системы аналитики на базе AW BI являются:

• Источник данных
• Модель данных
• Визуальный элемент (виджет)
• Информационная аналитическая панель (дашборд)

Дополнительными модулями системы являются фоновые уведомления и панель управления администратора, с помощью которой осуществляется:

• раздача прав доступа
• экспорт/импорт данных
• перенос объекта, созданного в одном инстансе в другой инстанс
• мониторинг логов

Интеграции
Интеграция может быть реализована, как с внешними, так и с внутренними системами и базами данных:

• ФРМО - Федеральный реестр медицинских организаций
• ФРМР - Федеральный регистр медицинских работников
• ФНСИ - Реестр нормативно-справочной информации системы здравоохранения.
• Другие системы, используемые в работе ведомств и медицинских учреждений: ЛИС, ЛЛО, АХД/ФХД, Система скорой помощи и т.д.
• Возможно подключение разных типов источников: PostgreSQL, Oracle, MySQL, Clickhouse, Greenplum, Excel, CSV, JSON, XML, гибкая расширяемость за счет API

Система по умолчанию интегрирована с одной из ведущих отечественных медицинских систем БАРС.МИС

С помощью BI-системы Analytic Workspace были реализованы и в настоящее время активно используются:

Ожидается, что уже к концу 2023 года количество созданных пользователями отчетов превысит отметку в 100.

Аналитика федеральных  показателей
Дашборд отображает глубину взаимодействия с федеральными сервисами в регионе на всех уровнях информатизации:

• Фактические показатели цифровой зрелости
• Отклонения от  плановых показателей
• Получение и передача ЭМД/СЭМД в РЭМД, ВИМИС и т. д.
• Информация из  первичных данных

Аналитика данных медицинских организаций
Дашборд показывает глубину внедрения поликлинического звена, предусмотрена глубокая детализация:
По всем уровням информатизации:

• регион
• медицинская организация
• подразделение
• отделение
• врач

По бизнес-процессам:

• Записи на прием
• Формирование реестров счетов
• Формирование статистической отчетности
• Оказание услуг
• Формирование отчетности

Аналитика записей на прием к врачу
Здесь отображается информация о количестве записей на прием в разрезе медицинских организаций и врачебных специальностей. Представлена аналитика по количеству оказанных услуг по записи, отмененных несостоявшихся записей с детализацией причин отмены.
На виджете «количество записей на прием в разрезе медицинских организаций» предусмотрена глубокая детализация до подразделения кабинета и конкретного врача.
Также можно оценить количество записей по разным источникам: инфомат, регистратура, врач. И увидеть долю записей через ЕПГУ  (федеральный показатель цифрового контура в здравоохранении).
Детализировав данные по специальности и медицинской организации, можно получить план по посещениям врачей и, возможно, перераспределить нагрузку между врачами отделения.

Налажено каскадирование результатов достижения показателей от уровня МО до уровня национального проекта «Здравоохранение».

Реализован мониторинг медицинских показателей  и KPI внутри структурных единиц (МО) для координации работы учреждений, а также контроль региональных показателей для тиражирования лучших практик.

Повысился уровень эффективности оказания медицинской помощи и финансово-экономических показателей деятельности на основании аналитики и реальных данных.

Повысилась эффективность управления здравоохранением на основании оперативной всесторонней аналитики, а также помощь в принятии решений, достижении результатов.

Появилась возможность выявления «узких мест» в процессах структурных элементов, техническом и кадровом обеспечении

Сократилось время и трудозатраты на межведомственное взаимодействие, подготовку отчетов, сбор и анализ данных из различных источников. Исключено влияние человеческого фактора.

Налажено отслеживание и анализ всех этапов оказания медицинской помощи
пациенту в онлайн-режиме.