客户案例 / 医疗保健

2023 年
Rush 徽标

Rush 大学健康系统基于 AWS 创建民众健康状况分析平台

了解 Rush 大学健康系统如何运用 AWS 找出医疗待遇方面存在的不平等现象,然后相应提升医疗待遇公平性。

汇总数据

利用 HIPAA 合规服务汇总多个来源的数据

构建信息完整的患者资料

使用临床、社会和患者生成的数据记录信息完整的患者资料

风险评分

指导临床和社区干预措施

提升医疗卫生待遇平等性

帮助少数以及得不到足够医疗服务的患者人群

概览

Rush 大学健康系统(RUSH)在高质量与医疗卫生待遇平等性方面,全美知名,占据医疗系统领导地位。该医院网络致力于根除芝加哥西部医疗条件方面所存在的根本问题——芝加哥西部的少数族裔和低收入居民的预期寿命和其他区域的居民存在 16 岁之差。RUSH 寻求在临床、心血管代谢和社会需求的基础上,构建出一套全方位的数据分析方案,由此确定并提供可扩展的干预措施,从而实现医疗条件平等。

RUSH 立足于其极为成功的 COVID-19 分析中心,并且在 Amazon Web Services(AWS)的支持下,开发出了医疗卫生平等护理与分析平台(HECAP)。此平台能够转换、聚合、协调来自不同来源的数据,进而揭示影响患者健康的临床和社会因素之间复杂的相互作用。HECAP 平台利用先进分析功能,为患者和医护人员提供可行动的洞察,然后由 RUSH 使用这些洞察来提升治疗效果,缩小芝加哥西部存在的医疗条件不平等差距。

vital signs in tablet screen, medical technology concept, various medical equipments

机会 | 利用 AWS 服务找出医疗保健待遇条件不平等的现象,并相应提升医疗待遇条件的平等性

RUSH 成立于 1837 年,是一个包括三家主要医院和众多门诊设施的领先学术性医疗系统。该系统主要为芝加哥西部的居民提供服务,他们的预期寿命均短于这座城市其他更富裕区域的居民。“在我们的患者中,来自贫困街区的患者比来自富裕区域的患者少活 16 年”,Michael Cui 医生说道,他是 RUSH 的内科医师和副首席医学信息官。“我们使用 HECAP 平台的目标是,改善这些长期存在的医疗条件不平等情况。”

除了自身的健康问题和生活方式以外,住房、交通、食物等特定因素(又被称作影响健康的社会因素)将有助于医护人员更深入地了解这种健康状况差距。患者数据可能难以获取,因为它们常存在于不同医疗服务提供者和服务组织的数据孤岛当中。有些数据通常是非结构化的,例如患者生成的数据;还有一些数据有时无法获取,例如病患就职情况和街区安全数据等。RUSH 的临床医生希望确定造成这种预期寿命差距的问题广度,他们将借此启动项目以便使患者数据变得更准确,而且还需更便于采取相关的行动。“首先,我们在 AWS 云端构建了一套方案,将多个来源的数据整合到单一窗格中。我们成功优化了针对新冠疫情响应的全市范围协调”,RUSH 的首席创新官 Anil Saldanha 说道:“当 Robert Wood Johnson Foundation 为我们提供额外的补助金时,我们在 AWS 及其公平卫生服务计划的支持下,对平台功能进行了扩展,开发并推出了 HECAP 平台。”

kr_quotemark

我们抓住了一次难得的机会,开始整合更多不同来源的数据,并借助 AWS 的力量在我们的系统中进行大规模扩展,从而显著改善我们在芝加哥的患者护理质量。”

Anil Saldanha
首席创新官,Rush 大学健康系统

解决方案 | 利用 Amazon HealthLake 制作全方位的患者风险图

凭借 HECAP,RUSH 就能汇总所有关于患者的可用数据,还能运行分析模型和工具来引导医疗保健决策的制定。该解决方案收集来自多个来源的数据,包括 Epic 电子病历(EHR)、血压计读数、影响健康的社会因素调查,以及索赔历史记录等。平台采用 Amazon HealthLake,这项 HIPAA 合规的服务让医疗和生命科学公司能够一览有关个人和民众整体数据的统一视图,以便大规模分析和干预。Amazon HealthLake 还支持 Amazon Comprehend Medical,后者是一项 HIPAA 合规的自然语言处理服务,可从文本中提取关键信息,例如 EHR 中的医师备注和出院摘要等。RUSH 利用这项服务,进行转录,并将重要的数据(如用药和手术信息)关联到标准化的医学术语,如 ICD-10-CM 和 RxNorm 等。然后,HECAP 就能从这些数据中提取相关的信息,以便进一步生成洞察。“在成功整合不同来源的数据并确定适当的机器学习模型以后,我们执行了所谓的风险分层”,Saldanha 说道:“利用这些结果,我们就能找准可行的干预手段,从而提高医疗卫生待遇平等性。我们的临床医生和相关支持团队都可以实施干预,同时调整护理方式以及其他服务,这样我们就能改善患者的疗效。”

RUSH 使用 Amazon SageMaker 来运行分析模型,该服务支持用户针对任何应用场景构建、训练和部署机器学习模型。借助 Amazon SageMaker,RUSH 得以识别出可能影响治疗效果的不同因素,还生成出了风险分层评分,进而锁定风险最高的患者。RUSH 采用 Amazon Athena 查询数据,这是一种交互式查询服务,方便您直接分析 Amazon HealthLake 中的数据。Amazon Athena 还与 Amazon SageMaker 集成,因此数据科学家可以为机器学习准备数据。“数据科学家所面对的最艰巨挑战之一就是,这些模型都十分复杂,合并不同来源的数据也非常麻烦”,Saldanha 表示。“通过使用 Amazon SageMaker 上的低代码环境,我们可以简化医疗数据分析并最大限度减少错误,这一点特别重要。” 随后,RUSH 得以在 Amazon QuickSight 的控制面板上为医护人员提供这些数据。这项技术能够帮助数据驱动型组织以超大规模的方式,呈现出统一的商业智能情报。医护人员可以使用这些信息做出有关每位患者护理的关键决定,为他们联系重要的资源,例如食物银行、水电费缴纳支持以及交通等等。

利用 AWS 云端 HECAP,RUSH 得以为其临床医生提供关于患者的完整信息,并且为患者提供相关工具以改善健康状况。“作为一名临床医生,能够看到不同来源的患者数据无比重要”,Cui 医生说道:“而使用 AWS 提供的机器学习工具来分析这些数据是一次彻底的革新。对于像我们这样的医疗系统,我们可以比现在更好地照顾我们的患者,并且访问全新的更丰富的数据来源。”

架构图

RUSH HECAP 架构

单击放大后可全屏观看。

成果 | 利用数据互操作性和先进分析,提升美国的医疗待遇平等性

RUSH 正继续扩展 HECAP,在医护人员控制面板中不断新增更多功能,例如增强风险预测模型、实施额外工具等,从而优化为得不到足够医疗服务的人群所提供的护理。采用其在 AWS 云端开发出来的方法和架构,RUSH 希望能够扩展该解决方案,以支持其他医疗组织,改善其他地方的患者治疗。

“我们抓住了一次难得的机会,开始整合更多不同来源的数据,并借助 AWS 的力量在我们的系统中进行大规模扩展,从而显著改善我们在芝加哥的患者护理质量”,Saldanha 说道:“我们希望 HECAP 能够成为一张蓝图,而其他组织可以用这个平台来提升美国各地的医疗平等性。”

关于 Rush 大学健康系统

Rush 大学健康系统(RUSH)是一个学术性医疗系统,位于伊利诺斯州的芝加哥市。RUSH 由三家主要医院、一张广泛的医疗提供者网络以及众多门诊设施组成。

所使用的 AWS 服务

Amazon HealthLake

Amazon HealthLake 是一项符合 HIPAA 要求的服务,可为医疗保健和生命科学公司提供按时间顺序排列的个人或患者群体健康数据视图,用于大规模查询和分析。

了解详情 »

Amazon Comprehend Medical

Amazon Comprehend Medical 是一项符合 HIPAA 要求的自然语言处理(NLP)服务,所使用的是经过预先训练的机器学习来理解和提取医学文本中的健康数据,如处方、程序或诊断。

了解详情 »

Amazon QuickSight

Amazon QuickSight 为数据驱动型组织提供超大规模的统一商业智能(BI)。

了解详情 »

Amazon SageMaker

Amazon SageMaker 建立在 Amazon 二十年来开发现实世界 ML 应用程序的经验之上,这些应用程序包括产品推荐、个性化、智能购物、机器人技术和语音辅助设备。

了解详情 »

行动起来

无论行业无论规模,每天都有各种机构在使用 AWS 实现自身业务转型、实现企业愿景。欢迎您联系我们的专家,立即踏上您的 AWS 之旅。