欧博ABG

“要不要做数据治理，需围绕详细营业场景和手艺条件来谈，不可仅寻常地谈一个看法。关于医疗数据相关的问题，要遵照基础的营业逻辑举行思索！！！

克日，在北京信息化协会信息手艺应用立异事情委员会与HIT专家网主理的“医疗数据治理要领与实践——2026年HIT专家网工程师讲坛”上，资深医疗信息化专家陈金雄从一系列问题切入，希望业界厘清对医疗数据治理相关看法的熟悉。

作甚医疗数据治理

“数据治理是伪命题吗？？回覆这一问题要从熟悉数据治理最先！！！背陆鹦劢樯，涉及医疗数据治理的营业场景主要有两类：

一是联机事务应用，也就是生工营业系统对数据治理的需求。若是没有患者主索引和药品主数据，医生无法汇聚各信息系统数据举行实时决议，临床营业在系统层面险些无法有用地开展。

二是联机剖析应用（面向临床、、科研和治理的剖析型应用）。围绕这类应用又是另一种治理方式。如数据是否一定要做结构化处理？？在AI时代，病历的前结构化与病历的后结构化哪种方式更好？？

陈金雄以为：“AI会为医疗数据治理带来重大的价值，AI数据治理不怕数据‘脏’，而是怕不真实、、不周全，‘缺胳膊少腿’的数据无法使用！！！蓖，医院信息部分也要熟悉到AI数据治理的局限性：关于需要实时驱动营业的数据（如检查、、磨练效果、、实时收罗的生命体征数据等）不可依赖AI治理再使用；；；AI数据治剖析爆发特另外本钱，在源头尽可能地规范医疗数据，对营业自己有较高的价值。

不过，数据治理能解决“数据脏”的问题，却未必能解决“应用难”的问题；；；医疗数据应用能否真正落地，需破解数据“叫好不叫座”的症结。陈金雄以为，目今医疗数据保存应用目的不明确、、基础数据不健全、、数据治理不到位、、医院加入不充分、、应用效果不显着等问题，使得医院端的数据没有施展应有的价值，工业端也没有降生有足够影响力的企业。

别的，治理的条件是建设对数据的准确熟悉。数据是产品照旧服务？？陈金雄以为：“数据的实质是服务，不是可以简朴采购的产品。它没有一劳永逸的解法，无法开箱即用，更多地是提供基于营业场景和治理偏向的个性化服务！！！币虼，医院需要掌握数据治理的自动权。

医疗数据治理需要“三层协同”，“前治理全量、、数据湖兜底、、后治理按需”

数据赋能的焦点是“数据-营业-场景”三者融合，数据治理也响应地分为三个层级，包括前治理、、后治理和应用。若是将数据治理比作做菜，“前治理”即营业数据化，就像准备食材；；；“后治理”即数据营业化，就像烹饪；；；“应用”即从营业场景需求出发，相识食客的喜欢。

“若是忽略食材品质和食客喜欢，就很难做出佳肴肴！！！背陆鹦垡晕，现在医院普遍看重“后治理”，对数据基础和应用场景不敷重视。可是，若是数据质量不高、、应用目的不明确，即便后治理“用出牛劲”，消耗了大宗的本钱，数据治理效果也很难提高。

“医院可接纳‘前治理全量、、数据湖兜底、、后治理按需’的治理战略，三层级协同释放数据价值！！！背陆鹦劢ㄒ，第一，医院应主导数据治理事情，以“前治理”为主，“后治理”承当须要的标准桥接与补齐事情。

第二，数据前治理尽可能全量，建设主数据、、修复系统、、规范营业、、夯实数据基础。前治理的目的是刷新系统与治理的源头工程，实时支持联机事务应用。在数据前治理的历程中，发明并修复生产系统的缺陷，规范营业流程、、数据标准，尽可能在源头消除主数据、、标准、、数据链等基础问题！！！扒爸卫碜龊，后治理才华将主要精神放在营业价值上，而不是重复处理基础性数据问题。就像生产矿泉水的第一步是找到优质水源！！！背陆鹦鬯。

第三，构建“三个1”治理系统，包括：一套治理标准，可参考DAMA治理系统等内容，制订可执行的质检规则，让数据质量可怀抱、、可治理。

一个质控平台，通过平台完成剧本治理、、准时盘问、、异常侦测等，实现自动化、、常态化治理，7×24小时在线值守。

一套运行机制，通过响应处理、、根因剖析和持续刷新形成闭环。

第四，建议有条件的医院打造数据湖，全量沉淀原始数据，包括结构化营业数据、、非结构化文档、、医学影像与信号、、多模态与外部数据等！！！笆菘梢韵炔槐，但不要容易丢！！！

第五，后治理围绕详细营业需求和营业场景建模，按需治理，不追谴责量治理。哪个场景需要数据，就为哪个场景建模，通过抽取、、转换、、加载等方法，知足数据可读性、、结构化等质量规范要求，产出临床、、科研、、运营等主题数据集。陈金雄强调：“后治理的目的是营业价值，不是重复处理基础问题！！！

将数据价值转化为营业能力

陈金雄介绍，医院数据治理的价值，首先体现在把重大资料转化为医生可快速明确的病情摘要，形成临床驾驶舱。例如，临床驾驶舱不但支持PDF、、图片、、Word及多语言OCR接入，将疏散资料合并为统一病例画像，集中呈现基本信息、、诊断、、风险标签和要害指标，还能将多份资料提炼成摘要，准时间轴与缺项提醒缺失的病历资料。这让医生在有限时间内更快看懂重大患者，施展稳固、、贴近临床的营业价值。

其次，数据治理可进一步沉淀为四类可复用能力。一是知识工程要领，将牢靠模板、、临床字段、、规则提醒词和专家反馈转化为可版本化、、可迭代的要领资产。二是相似患者推荐引擎，通过病种粗筛、、临床表型语义相似和差别较量，输出相似点与差别点。三是专家推荐引擎，连系病种专长、、历史履历和运营规则，给出专家偏向与推荐理由。四是起源形成临床数据底座，涵盖患者画像、、时间线、、缺失项等，同时支持人读与机械检索。这些能力已在营业中获得验证，使数据治理从一次性项目走向可持续复用的资产。

第三，将数据检索能力从“客服”延展至“临床场景”，将底座、、要领与引擎嵌入现有营业。如：在MDT会前准备中，可整理重大病例并标出要害缺项；；；在转诊与会诊中，快速形成统一病例视图；；；在专家推荐中，给出专家偏向与可诠释依据等。由此，医院数据治理的价值不再停留在后台支持，而是直接服务于临床协作与决议，形成从数据加入景的闭环。

展望数据治理的未来，陈金雄以为有须要举行“预治理”。一方面，在AI Coding时代，代码越来越不可见，无法像已往一样逐行阅读和验证。数据验证因此成为新的质量闸门。另一方面，预治理能在前治理之前解决数据质量问题，把不规范数据抹杀在萌芽状态，治理越早，本钱越低，效果越好！！！耙虼，基于AI Coding开发的系统不但要验证功效，还要把数据规范、、数据链和数据效果纳入测试标准！！！背陆鹦劢ㄒ。

泉源：HIT专家网