美国有意义使用极大地推动了电子病历的使用，人们对于信息交互愈发关注，要准确对接患者医疗信息比过去更为重要和复杂。与此同时，区域医疗联合体的模式在中美两国广泛落地，成百上千家医疗机构的患者数据对接，引发了更大的数据匹配“灾难”。

去年2月，国家医疗信息技术协调办公室发布的一份报告，对目前行业能力、最佳实践和患者身份匹配等文献综述进行了环境扫描。然而，该机构仍在制定战略，不断更新观点。

印第安纳州的成功案例

美国有很多机构成功完成了患者数据匹配工作，印第安纳州医疗信息交互平台就是一个成功案例。Regenstrief研究院是一家位于印第安纳州的信息学与医疗研究机构。依托该研究院，创立了印第安纳州医疗信息交互平台。

印第安纳州医疗信息交互平台的患者身份匹配是存储库(资源库)系统工作的一部分。自上世纪九十年代以来，印第安纳州的存储库系统一直在运转。“从一开始，我们就开展了患者身份匹配工作，”代理总裁兼首席执行官John Kansky说，“目前，我们的患者身份匹配算法是由Regenstrief研究员设计的，并由Regenstrief的信息学家会不断对算法进行调整。”他强调，各地机构一直在讨论患者身份匹配的最佳方法，而多年来，印第安纳州医疗信息交互平台一直在默默无闻地开展此项工作。

印第安纳州100多家医院和数据资源平台参与了患者身份匹配工作，各个新机构也已成为患者身份匹配系统不可或缺的一部分。“我们在印第安纳州的存储库所做的工作可以使患者受益。这非常公平，如果你参与了交互，那么你的数据就能匹配。这不仅仅是在一家医疗机构的内部与业务伙伴的合作，在医疗信息交互层面上来做这件事具有价值。”

Regenstrief研究院发布的一份报告对匹配算法的敏感性和特异性进行了研究。因为准确性和私密性方面的原因，算法常常遗漏误报。“每天我们在采集患者数据时，都能肯定有信息被遗漏了，”Kansky说。

Kansky解释说，目前对于印第安纳州医疗信息交互平台的参与者来说，患者身份匹配主要是在患者进急诊室时使用。另外，也在其它情况中使用。在急诊室中，患者会看到的是以前从未见过的分诊护士，得到的可能是从未见过的医生的治疗。

“患者在急诊室登记时，我们的实时界面将提供该患者的详细信息，我们可以通过这些信息查询存储库。存储库中包含所有参与机构的数据，我们将患者的数据与各个机构的数据进行比对，汇总成他们的个人资料汇总表。”通过收集来自影像科、医生和检验科的信息，急诊医生可以获得大量的临床信息。

患者身份匹配算法在检验各个存储库时，偶尔会出现数据与患者不对应的情况。在这种情况下，算法会删除数据。Kansky说：“虽然没有发生过因错误匹配数据而导致的医疗事故，但是我相信，我们并没有让数据匹配发挥巨大作用，因为我们过于保守。”

他表示，其它地区的市场未开展合作，所以在这方面没有获得成功。“技术并不是困难的部分。难点是让各个医疗服务竞争者认识到，如果大家能共同合作，那么就会同舟共济，临床质量和安全性就会提高。”

Kansky强调，医保报销制度的变化将有助于推动竞争者的合作。“具备在多个系统匹配患者数据的能力将为全新的大众医疗管理提供机遇。这不再只是用于急诊室场景下。人们将会更积极主动地破解难题，因为大家需要进行大众医疗管理。”

Regenstrief研究院医疗信息学研究员、外科硕士、医学博士Shaun Grannis表示，患者身份匹配的另一个挑战是精确评估问题。“没有人在记录对接领域做到了精确评估。厂商没有去做，而其他人也无法获得大量的、异构的患者数据表现形式。”他表示，在这方面，印第安纳州很幸运，因为该州有来自多种环境的2600多个病例。

有人认为，记录对接是一个黑匣子。Grannis表示，“我们能了解的细节越多越好。”他与一家医疗系统就匹配算法开展了合作。“一旦我们看见里面有什么，我们就会用五个变量进行精确匹配，这太简单了。我认为，很多人要么缺乏意愿要么缺乏能力来研究这件事。在深入研究患者身份匹配的复杂性问题前，人们去做其它自己认为更重要的事情了。”

如何应对挑战？

美国山间医疗保健公司(Intermountain Healthcare)既有意愿又有能力来做这件事。盐湖城荷马华纳信息学研究中心医疗信息官Sid Thornton博士表示，他们每年斥资200万美元来处理、纠正身份错误问题。“这是一个持续的挑战，我们必须长时间地应对，直到问题得以解决。”

山间医疗保健公司致力于投身患者身份匹配工作，旨在通过计算机辅助决策策略，以最低的成本为患者提供最佳的服务。“计算机可以减少医疗服务的差异，我们可以了解和解释什么是错误的，从错误中更正变量。”

要做到这点，需要计算机之间可以进行对话。他说：“计算机确认对话身份唯一性的效率决定了这一工作的风险与责任。”

Thornton解释说，目前山间医疗保健公司患者在信息系统中是以实时变化的人口数据群落来表示。很多时候，这些变化是根据信息采集的情况或当前的环境而定的。

山间医疗保健公司有八位纠错专员。他们正在对员工进行培训，让员工核对政府颁发的身份证信息，来减少差错。他建议，“医疗机构应该对患者的个人信息进行补充，即便你很确信对患者们非常了解。”

对这个问题的认识是另一个考虑因素。临床医生可能认为，如果错误与终身记录有关，查看检验科样本或查看摘要并不是什么大问题。

人们可能认为只有大型医疗机构才会解决这个问题，事实情况并非如此。“我们发现，大大小小的机构都对身份问题感兴趣，身份问题的解决与短暂垂直服务密切相关。小诊所同样非常关心这个问题。”

当一切以机构为中心时，主要问题就是误报信息的对接。“尽管使用了调度登记的最佳算法和实践，但由于人口表示法存在缺陷，我们仍然必须另外聘用人员修复错误”。

以社区为基础的医疗服务模式需要依托于多源数据，来自多家医疗机构的数据使人们将注意力由错误匹配转向数据漏报。Thornton表示，这也会造成同样糟糕的结果。“遗漏数据或未查找数据，与错误匹配的信息一样具有风险性且成本高昂。”

他表示，山间医疗保健公司要有一番作为，就要降低漏报错误的门槛，并且同时不会影响误报。“我们需要更敏捷的思考。”他开始采取全国性的活动，例如推行Healtheway协议。然而，这也带来了问题。例如，他们需要保证计算机在提高效率和质量的同时，不再增加医疗机构人工纠错的工作量。

山间医疗保健公司正在开展一个试点项目，让合作伙伴提供什么样的信息是定性信息。“过去的计算机做的是二元决策，判断你是否是这个人，你是否与这个身份标识有关，”Thornton说。到底这是否是正确的患者，有75%或51%的可能，这更多的是一个概率问题。“如果仅仅跨过门槛，我们的任务就完成了，”Thornton说。“对接30年得到认证的链接信息与对接无任何相关临床信息的新记录虽然看上去有密切联系，实则有着本质区别。”

今天的计算机非常智能，可产生重大的影响。他强调，谷歌和其它搜索引擎都在使用排名机制整理数百亿的记录并提炼最相关的信息。“我们可以利用这种技术来对接和改变人口数据状况。”这样的话，医疗行业可以来检验定性信息是否为计算机辅助还是人工信息。“如果我们能有方法构建和维持长期对接定性评分机制，那么你可以加以改进和重新使用。这就是这些服务的哲学基础。”

作为一项试点项目，山间医疗保健公司正在积极研究了解一个实体如何与其他实体产生联系的定性影响力，是否为医疗服务提供者-医疗服务提供者，患者-医疗服务提供者，或者患者-患者。“由主动和被动使用产生的模型，使我们深入了解这些难以发现的统计难题，而不幸的是，这正是我们今天使用的不完美的人口表示法。”

Thornton有意在标准和开放源码上进行投入，开发一个人人都可以访问的通信工具集。他表示将集中资源、使用案例和构建服务将优化整个生态系统，尤其是信息交互。

【独家】 医联体崛起，患者数据匹配成了大麻烦（下）