01
慢性病在我国呈现出发病率高、病死率高、经济负担高的特点,而随着老龄化的加剧,由慢性疾病所带来的经济负担将进一步加重。全国人大代表、四川大学华西医院院长李为民建议加强“医院间的协同”来推动慢病的治疗。要整合预防-基层医院-三级医院在病因防控、基层早期发现、三级医院技术支撑等功能,以病种为单元建立慢病专病医联体,推动信息共享、互联互通,形成体系完整、分工明确、功能互补、密切协作、运行高效,防、诊、治、康复为一体的慢病全程管理体系,提高慢病早诊早治及规范诊疗率。
02
全国政协委员、中国医学科学院阜外心血管病医院主任医师敖虎山:打破“数据孤岛”现象,建立健康共同体
随着数字技术在医疗行业的深入应用,在优化资源配置的同时,也带来了一些新问题新挑战。“数据孤岛”就是一个常见的问题,如果能有效解决,共享大数据可以对临床操作、医院管理、公共卫生建设、医疗科技创新、医疗保险和患者自我管理这六大方面产生积极影响。为了推动我国医疗行业数字化建设,敖虎山建议要做以下六点:一是要建立统一的医疗行业数据信息共享平台;二是建立规范的管理和使用制度,并进行分层管理;三是建立完备的数据安全保障体系;四是要充分发挥现代信息技术的作用;五是做好与现有系统的衔接与整合;六是推动与医疗大数据有关的设备研发。
03
自2018年8月国家卫健委发布《关于进一步推进以电子病历为核心的医疗机构信息化建设工作的通知》起,全国医疗信息共享已经具备基本条件,目前最重要的是要尽快建立全国统一的医疗信息标准,没有统一的标准,“共享”将成为空中楼阁,很难发挥预期作用。为了真正实现降低医疗成本、提高医疗质量、减少医疗资源浪费等目标,全国政协委员徐英建议:一、加强顶层设计,加快医疗信息标准体系建设;二、运用现代科技,确保医疗信息安全,要把保障患者隐私安全作为医疗信息共享的重要内容;三、加强平台建设,整合医疗信息资源。
04
“由于临床诊疗与生命组学数据本身呈现多源异构的性质,并且专病数据业务流程由于涉及多个环节,目前数据的采集、存储、处理与共享在技术上尚无统一的标准。”为此,全国政协委员、中国工程院院士陈赛娟建议根据专病的特点,优先聚焦严重影响人群健康的疾病,建立国家级的全国重大疾病专病数据信息系统管理平台,系统和规模化地收集专病信息。同时,陈赛娟院士还表示,开展重大疾病专病数据库对数据采集质量及规模要求较高,单纯的学科能力已不能够满足实际需求,还需要多学科人员共同参与,如需要临床医学、临床研究管理学、生物信息学、IT业务人员和统计人员等共同努力。最后,陈赛娟院士建议探索重大疾病专病数据共享机制,完善相关政策支持。
05
目前我国农村信息化建设基层设施与城市差距大,因此国家及地方应当加强这方面的投入及建设。因为互联网远程医疗对提高乡村医疗水平及促进公共卫生事业的发展均有重要意义。通过乡村卫生信息平台与相关上级医疗机构达成远程医疗协作,实现以患者为中心的医疗资源互补、协同与高效运行。按照常见慢性病的双向诊疗标准,根据各级卫生医疗机构的实际情况,由村卫生室、乡镇卫生院、县医院与其对口支援的上级医疗机构制定双向转诊流程,以确保危重症患者的及时、高效诊疗,实现“健康中国”的战略目标。
06
县域医院承担重大疾病诊疗重要任务,院前急救是急危重症救治的关键环节,建立高效、快速的急救体系是缩短救治时间、改善患者预后的重要抓手,现阶段我国县域急救体系不成熟,在制度流程、资源配置上仍需改进,存在院前急救时间长、救治流程不规范等问题。因此完善我国县域急救体系建设,是进一步提升医疗服务体系建设水平,实现“健康中国”、“乡村振兴”中“全面健康”要求的工作重点之一。全国政协委员、北京大学第一医院霍勇教授建议利用信息化手段,搭建远程信息传输平台,实时共享检测数据及救治情况,便于院内医院人员为120院前人员提供诊断信息与救治干预指导,提升患者救治效率。
07
全国政协委员赵家军表示:“随着科技进步和医疗水平的提升,应通过信息化、专业化、标准化,给病人和基层医生提供一个专业的、标准的治疗规范,包括糖尿病治疗规范和日常注意事项等。不止是糖尿病,其他慢性病也是如此,通过信息化、人工智能,让医生从繁重的工作中得到一定释放,这样的话糖尿病监测工作就会得到更大提升。”
08
全国人大代表庹勤慧建议,加快数据集相关基础设施规划建设,由政府组织建设医疗健康AI计算中心和数据集共享服务平台,通过完善AI计算中心基础软硬件布局,加快收集科研、医疗、药物筛选以及智能设备等健康医疗相关数据,吸引企业和AI开发者开展相关研究和创新应用,以高质量数据集赋能医院、药企、健康服务等领域的高质量发展。庹勤慧建议政府相关部委牵头,联合医院、药企、AI公司,就数据流通及AI技术应用制定相关标准规范体系,包括数据采集、归集、流通和计算环节的标准。同时,庹勤慧建议国家设立医疗健康领域公共数据集专项,鼓励社会资源牵头或者参与建设科研、医疗等多领域公共数据集,加快AI技术在医疗领域的落地。