听诊器已经有200多年的历史。两百多年前，听诊器的出现重新改变了医疗史，它为医生了解病人病情提供了帮助，帮助医生做出有效的临床决策，直至今日它依然是医生最不可或缺的工具。最近，电子健康病历(EHR)的出现，以及不久之后数据分析平台和利用数据平台积累的大量数据也将为医生提供临床决策的支撑。

数据分析对于医生问诊的重要性很快可以媲美200年前的听诊器。随着数据库和分析平台的加速和改进，特别是通过自动化、机器学习和人工智能(AI)的飞速发展，这些系统将不仅能为医生提供个体患者的医疗决策支持，而且可以对患者群体的健康状况做出更加远期的预测。

数据分析现有和预期的进步，将为医疗机构及其他综合性卫生系统带来以下种种好处。数据分析能提供能做出有针对性的医疗和护理方案的临床结果。更重要的是，医护人员能够更好地管理有患病风险或接近患病风险的患者，预防发病后才进行抢救的不良事件。

大数据升级为广泛数据

医疗机构、医疗协会包括其他致力于打造人口健康信息平台的组织，现在才开始探索数据分析的可能性。因此，医护人员可能只能看到高危患者的临床数据趋势快照。虽然这种数据很有帮助，但它往往缺乏可操作性。这意味着提供商需要深入挖掘数据，开始更有针对性和更有效的干预措施，这会增加成本并会造成医疗服务到达的延迟。

不过，由于随着计算机处理速度和算法的复杂性的提高，复杂的数据分析平台可以更快速地提供更深入、可操作的信息。众所周知，大数据也正在变得越来越广泛，因为定义病人健康的记录内容正在超越电子病历所包括的内容。遗传，生活方式和社会经济数据集现在可以通过平台访问或与平台集成，使得平台、大数据分析的提供商通过数据获取了更准确和可靠的洞察力。

数据的广泛性有助于大数据平台的拥有者理解和管理社会健康决定因素(SDOH)，研究表明这些因素导致多达80%的患者结果。对于大数据平台来说，更为关键的是数据分析在这些临床和SDOH需要直接护理干预之前向患者提供深入的洞察。

另一方面，护理管理人员可以联系患者，帮助他们重新制定医疗计划，例如协助他们了解他们的治疗计划并协助他们克服其他不利于健康的因素。简而言之，医疗机构可以防止接近患病风险的人群成为高风险人群，并且可以更迅速地识别可能会需要医疗服务的人群的异常数据。

人工智能推进分析

随着人工智能以及机器自动化的发展，预测分析将在医疗行业中被运用得更加广泛。即使护理管理员没有直接提示预测分析，人口健康管理平台也将不断访问临床数据库和其他数据库以确定病人健康状况的发展趋势。

传统的数据分析研究可能需要几天，甚至几周，AI在几秒钟或几分钟内就可以完成。例如，人工智能可以分析组织内的成千上万的类似患者，比对患者中最佳临床治疗方式及提供相关医学文献。当发现类似案例时，人工智能平台将以对话格式为医护人员提供这些资料和建议。为医护人员的诊断提供更多临床决策的支持，但不会代替医护人员的判断。

摆在大数据平台开发商面前最紧迫的问题是，如何让AI和机器自动化按照可理解和有意义的方式向他们呈现他们想要的信息，以便使用者能够采取行动。在这种情况下，流程将会自动化，减少医护人员的工作和时间，同时也让医护人员可以提前展开工作，避免病人病情恶化后支付昂贵的护理费用;同时也可按照数据分析的结果提醒患者更好得遵守治疗计划。

让数据分析变得和听诊器一样不可或缺

大数据平台想要加速积累更多有效的数据需要从医疗机构产生有意识积累数据的文化开始。大数据平台的组织者需要向临床医生和员工强调患者护理只会变得更加以数据为导向。他们需要提醒利益相关者，尽管数据分析、人工智能和机器自动化绝无办法取代医生的经验和专业知识，但它们在医护人员能够提供最佳的诊疗方案上发挥了至关重要的作用。

同样，构建大数据平台的组织应该在扩展数据分析的使用时寻找有经验的合作伙伴。 ACOs，医院和卫生系统有太多优势来自行建立人口健康管理平台。大数据平台与已帮助提高美国类似综合性组织的绩效的公司合作更为高效，同时也使平台能够专注于其数据分析的核心重点——提供安全，优质的患者护理。

通过技术的发展，文化的变革，以及商业机构的共同努力。很快，数据分析在医疗行业将变得像听诊器一样不可或缺。