复旦大学附属中山医院:一个自主研发信息系统的样本

本文主要是介绍复旦大学附属中山医院:一个自主研发信息系统的样本,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

资料显示,截至2016年底,中国大陆共有23家医疗机构通过HIMSS EMRAM 6级(含)以上认证。而复旦大学附属中山医院(下称中山医院),是唯一一家自主研发信息系统的医院。

自主研发,不仅需要耗费更多的精力和时间成本,还需要较高的技术开发能力,以及承担更多的运维风险。正因为如此,绝大多数医院拒绝这种方式,而选择与IT服务商合作。

中山医院何以选择自主研发?其信息化建设水平取得骄绩的背后有何经验和心得,能给同业带来哪些启发?日前,健康界走访中山医院,探访信息化建设的来龙去脉。

自主开发满足个性化需求

中山医院的信息化建设始于上世纪九十年代。

2003年,该院依托自身技术团队自主开发HIS系统,随后开发药房、血库、门急诊系统;2006年,他们又开发电子病历系统。此外,医院还自主开发影像管理系统,实现与多家国内外厂商的PACS系统对接;在全院基于Wi-Fi技术的移动查房推车基础上,部署3G网络和Android操作系统的移动电子病历,实现临床医生在院外也能实时查看患者的电子病历。开发基于Wi-Fi技术的移动护理终端及APP系统,在信息系统移动化上做出探索。

中山医院为何选择自主研发信息系统?

计算机网络中心副主任张伟从技术角度给予解释:外包公司研发软件是将其看做一个产品,这固然符合大多数医疗机构的普遍需求,但医院特别是三级甲等医院,总有一些个性化需求,即便采用外包公司的产品,也要进行二次修改。随着流程优化,产生新的需求,再在原有系统基础上进行二次开发或改造。从某种程度上说,不是很便于工作的开展。

是不是所有信息系统都是自主开发?

当然不是。“事关全局的核心系统由医院自主研发,专业性很强的外围系统由厂商协助”是中山医院在自主研发信息系统上秉承的一个原则。据张伟介绍,HIS、EMR等核心的医疗流程控制和数据管理等系统都是自主开发,而与硬件密切相关的系统,则靠外购。比如,PACS系统是采购的,然后将自主开发的RIS系统与之集成;麻醉机和监护仪的接口是采购的,手术麻醉系统却选择自主开发。

从需求中来 到需求中去

从需求中来,到需求中去,这是信息化建设的一个闭环。在医院,需求主要包括医护人员需求和患者需求。

怎样获取需求?中山医院计算机网络中心原主任阴忆青是普外科临床博士,而且具备深厚的技术基础和极强的开发能力,客观上推动了临床需求的技术实现,医务处处长孙湛特别提到这一点。

除管理者有临床经验外,计算机网络中心工作人员每天“浸”在医院,了解医护人员需求也是他们工作的一部分。“我们会划分模块,每个人负责不同的模块,如有人负责药房,有人负责门诊,每个人都要通过做运维熟悉自己的模块后,再进行开发。”张伟说道。

中山医院每年还会布置需求“作业”,全院需求汇总、统筹,这一举措也有利于了解临床需求。

健康界了解到,该院在开发信息系统之初,就秉承“以患者为中心”的初衷,而且不局限于此。怎样获取更多患者的需求便是考量之一,“我们不少信息化需求来自患者各种各样的投诉。”孙湛调侃。

当然,中山医院还会主动出击,向信息化建设先进医院学习,“每家医院的信息系统都有各自的优势和特点,我们去学习和借鉴,然后融入到自己的信息系统里。”张伟说。随着临床业务的深入和患者对医疗服务要求的提高,需求越来越多,在满足“客户”需求方面,中山医院的原则是分轻重缓急、按等级管理。

当一段时期的需求汇总完毕,再归类和列表,做好预算后,计算机网络中心在各部门配合下,按照等级管理原则逐个解决。当然,计划永远赶不上变化,在解决过程中,会发现新的需求,相关人员会把新需求添加到列表中,对于突发或急需解决的需求提前解决。

比如,医院门诊患者排队时间长,改善患者服务体验成为紧迫之事。鉴于此,中山医院迅速组织开发医院APP,目前正在推广中。患者通过登陆APP,可以预约挂号,约号完成后何时来医院检查等信息都一清二楚,将有效缓解患者长时间排队等候的现象。

重头戏:数据挖掘和应用

数据挖掘和应用是信息化建设的一个重要课题,正因为如此,中山医院正想方设法实现突破。“我们在十三五时期,会重点建设大数据分析平台。”中山医院副院长顾建英向健康界介绍道。

目前,中山医院的信息系统已与上海申康医院发展中心的区域医疗信息化平台对接,各种数据也会在该平台呈现。申康中心每季度都会向各医院公布横向对比的数据,指标包括病种费用、病种结构、耗材使用情况等,这些做法也为中山医院分析数据奠定了基础。

顾建英指出,中山医院在十三五时期的大数据挖掘和使用,将从以下方面展开:

首先,针对临床,尤其是围绕精准医疗,制定适合中国临床特色的指南;其次,辅助做好临床科研,通过数据分析,与国内外大型医疗机构联手开展临床科研;最后,将把数据作为管理决策的依据,改变管理者“拍脑门”决策的局面。

这篇关于复旦大学附属中山医院:一个自主研发信息系统的样本的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/479664

相关文章

大模型研发全揭秘:客服工单数据标注的完整攻略

在人工智能(AI)领域,数据标注是模型训练过程中至关重要的一步。无论你是新手还是有经验的从业者,掌握数据标注的技术细节和常见问题的解决方案都能为你的AI项目增添不少价值。在电信运营商的客服系统中,工单数据是客户问题和解决方案的重要记录。通过对这些工单数据进行有效标注,不仅能够帮助提升客服自动化系统的智能化水平,还能优化客户服务流程,提高客户满意度。本文将详细介绍如何在电信运营商客服工单的背景下进行

跨国公司撤出在华研发中心的启示:中国IT产业的挑战与机遇

近日,IBM中国宣布撤出在华的两大研发中心,这一决定在IT行业引发了广泛的讨论和关注。跨国公司在华研发中心的撤出,不仅对众多IT从业者的职业发展带来了直接的冲击,也引发了人们对全球化背景下中国IT产业竞争力和未来发展方向的深思。面对这一突如其来的变化,我们应如何看待跨国公司的决策?中国IT人才又该如何应对?中国IT产业将何去何从?本文将围绕这些问题展开探讨。 跨国公司撤出的背景与

【信创建设】信息系统信创建设整体技方案(word原件完整版)

信创,即“信息技术应用创新”。我国自主信息产业聚焦信息技术应用创新,旨在通过对IT硬件、软件等各个环节的重构,基于我国自有IT底层架构和标准,形成自有开放生态,从根本上解决本质安全问题,实现信息技术可掌控、可研究、可发展、可生产。信创发展是一项国家战略,也是当今形势下国家经济发展的新功能。信创产业发展已经成为各行各业数字化转型、提升产业链发展的关键。 软件全套资料部分文档清单: 工作安排任

医院检验系统LIS源码,LIS系统的定义、功能结构以及样本管理的操作流程

本文将对医院检验系统LIS进行介绍,包括LIS系统的定义、功能结构以及样本管理的操作流程方面。 LIS系统定义 LIS系统(Laboratory Information System)是一种专门为临床检验实验室开发的信息管理系统,其主要功能包括实验室信息管理、样本管理、检验结果管理、质量控制管理、数据分析等。其主要作用是管理医院实验室的各项业务,包括样本采集、检验、结果录入和报告生成等。Li

【秋招笔试】9.07美团秋招改编题(研发岗)

🍭 大家好这里是 春秋招笔试突围,一起备战大厂笔试 💻 ACM金牌团队🏅️ | 多次AK大厂笔试 | 大厂实习经历 ✨ 本系列打算持续跟新 春秋招笔试题 👏 感谢大家的订阅➕ 和 喜欢💗 和 手里的小花花🌸 ✨ 笔试合集传送们 -> 🧷春秋招笔试合集 🍒 本专栏已收集 100+ 套笔试题,笔试真题 会在第一时间跟新 🍄 题面描述等均已改编,如果和你笔试题看到的题面描述

PDF样本图册转换为一个二维码,随时扫码打开无需印刷

在这个数字化时代,纸质样本图册已成为过去。如今,一切都变得触手可及,包括我们的PDF样本图册。想象一下,将这些图册转换为一个二维码,让客户随时扫码打开,无需印刷,这将带来多大的便利和环保效益!接下来就让我来教你如何轻松实现PDF样本图册到二维码的转换,让您与时俱进,走在环保科技的前沿吧。 1. 准备好制作工具:FLBOOK在线制作电子杂志平台 2. 转换文档:点击开始

论文速读|利用局部性提高机器人操作的样本效率

项目地址:SGRv2  本文提出了SGRv2,一个系统的视觉运动政策框架,通过整合动作局部性提高了样本效率。在多个模拟和真实世界环境中进行的广泛评估表明,SGRv2在数据有限的情况下表现出色,并且在不同的控制模式下保持一致的性能。未来的工作可以进一步探索将扩散政策与局部性框架结合,以增强在现实世界中的性能,并扩展泛化测试的范围。 论文初读:

【2025】公司仓库管理系统的设计与实现(公司仓库信息管理系统,仓库信息系统,管理系统,信息管理系统,货物仓管系统)

博主介绍:     ✌我是阿龙,一名专注于Java技术领域的程序员,全网拥有10W+粉丝。作为CSDN特邀作者、博客专家、新星计划导师,我在计算机毕业设计开发方面积累了丰富的经验。同时,我也是掘金、华为云、阿里云、InfoQ等平台的优质作者。通过长期分享和实战指导,我致力于帮助更多学生完成毕业项目和技术提升。 技术范围:     我熟悉的技术领域涵盖SpringBoot、Vue、SSM、HLMT

在目标检测模型中使用正样本和负样本组成的损失函数。

文章目录 背景例子说明1. **样本和标签分配**2. **计算损失函数**3. **组合损失函数** 总结 背景 在目标检测模型中,损失函数通常包含两个主要部分: 分类损失(Classification Loss):用于评估模型对目标类别的预测能力。定位损失(Localization Loss):用于评估模型对目标位置的预测准确性。 例子说明 假设我们有一个目标检测模

R-Adapter:零样本模型微调新突破,提升鲁棒性与泛化能力 | ECCV 2024

大规模图像-文本预训练模型实现了零样本分类,并在不同数据分布下提供了一致的准确性。然而,这些模型在下游任务中通常需要微调优化,这会降低对于超出分布范围的数据的泛化能力,并需要大量的计算资源。论文提出新颖的Robust Adapter(R-Adapter),可以在微调零样本模型用于下游任务的同时解决这两个问题。该方法将轻量级模块集成到预训练模型中,并采用新颖的自我集成技术以提高超出分布范围的鲁棒性