随着人工智能整合与互操作性提升进程的推进，临床架构公司认为亟需开发能够评估医疗数据质量的工具。低质量数据可能导致错误结论和资源浪费，阻碍医学研究进展、误导政策决策与投资方向，并使支付方、医疗服务提供者、投资者及政府提供低效且不平等的医疗服务。
尽管通过TEFCA等倡议支持互操作性的基础设施以及合格健康信息网络（QHINs）数量持续增长，但数据质量（即使是结构化数据）差异显著。必须建立方法评估流经这些系统的数据质量。在医疗领域， stakes（利害关系）极高——人工智能工具若要在医疗领域广泛采用，生成人工智能驱动临床决策支持软件所需的数据池必须反映高质量、可靠的数据，才能真正改善患者预后。若因低质量数据导致错误结论并引发不良事件，医疗行业向人工智能工具全面应用的进程将受挫。
在采访中，临床架构公司创始人兼首席执行官查理·哈普解释了其开发的患者信息质量改进（PIQI）框架如何作为医疗数据质量分类体系解决这些问题。凭借深耕生命科学和医疗软件领域的职业生涯，哈普于2007年在印第安纳州创立该公司，旨在专注数据质量、数据交换能力以及数据时效性与可移植性。
患者信息质量改进（PIQI）框架提供了一种统一客观的方法，依据选定评分标准评估数据质量，并揭示问题根源以便修复。临床架构公司与利维特伙伴公司合作创建了PIQI联盟，该联盟包含工作组共同设计这一开源框架，供整个医疗行业使用。目前PIQI正通过HL7的投票流程，有望成为行业标准。哈普为USCDI第3版创建了评分标准，明确了数据质量应达到的水平。
“医疗领域正处于关键转折点，”哈普表示，“老年患者数量持续增加，伴随多重合并症且服用多种药物的人群规模扩大。我们在基因组学和药物基因组学领域不断推进，人类与世界的交互方式正达到新的精细程度，这为精准医疗提供了更好基础。然而医疗服务提供者数量几乎每年都在下降，意味着医患互动时间持续减少。此时我们必须依靠技术来保障全民健康，但若不提升数据质量，技术将难以发挥应有作用。”
PIQI聚焦于评估组织发送数据的质量。哈普将该框架比作数据的标准化测试，它能在细粒度层面评估数据质量，并依据数据可用性、准确性、合规性和合理性进行评分。有时问题根源在于数据收集方式本身，这类问题更难解决。
医院或医疗系统内部的电子病历（EMR）数据通常能满足该应用需求，但要实现跨系统共享则需进行数据互操作性处理。当这项工作未完成或完成不佳时，数据质量便大打折扣。哈普指出，医生书写临床笔记的方式往往仅符合个人习惯，评估提供者共享数据质量时，数据背后的语义和意图至关重要。另一挑战在于各电子病历系统拥有独立术语库，即便使用ICD-10代码和FHIR标准，临床数据仍因系统差异而显著不同，众多数据变量使临床数据传输复杂度倍增。
“作为医疗领域患者数据的主要来源，就数据质量而言，医疗服务提供者领域比任何其他细分市场都更复杂且更具挑战性，”哈普强调。
支付方等多类机构依赖医疗服务提供者的数据构建自身数据库，例如支付方需用临床数据支撑医疗效果数据与信息集（HEDIS）指标和星级评分。当社会保障局、疾病控制中心等政府机构因获取低质量或不完整数据而无法准确掌握公共卫生状况时，其决策将失去可靠依据。
医疗健康领域存在贯穿全行业的价值链。任何接收临床数据的机构——无论是用于研究、理赔处理、人群健康管理还是公共卫生——都应具备验证数据可信度的机制。“PIQI联盟的特别之处在于汇集了价值链各环节的参与者，”哈普说，“成员包括支付方、社会保障局和医疗保险与医疗补助服务中心（CMS）的代表，目前也开始有医疗服务提供者加入。”
临床架构公司正寻求早期采用者伙伴，在真实环境中测试并优化PIQI框架。通过将框架设为开源，哈普希望鼓励各方使用该方法论，依据共享评分标准评估和评分数据消息。采用标准框架客观测量数据将有助于全面提升医疗行业数据质量。
该公司正与多家健康信息交换机构（HIEs）进行测试。哈普举例说明了PIQI框架的实际应用：某医院过敏数据得分为41%，疾病数据得分为52%，人口统计数据75%，免疫数据77%。用户可进一步深挖细节——人口统计数据仅75%的原因在于2,761条消息的出生性别信息不符合SNOMED标准，根据PIQI框架判定为无效数据。药物数据通常得分较低，因89%的情况下缺失用药指征信息，而USCDI第3版明确要求包含此项。
若需支持基于价值的医疗服务，例如寻找使用二甲双胍治疗2型糖尿病的患者，缺失用药指征将导致无法确认用药原因。补充缺失信息可显著提升评分——对购买患者数据的机构而言，将70%的评分提升至95%意义重大。
哈普将PIQI框架及联盟视为对医疗行业的警示，强调必须识别并修正分散的临床数据以提升质量。谈及生命科学数据质量时，采用观察性医疗结果伙伴关系（OMOP）标准的数据通常经过人工整理，多人参与转化为OMOP格式并完成标准化。生命科学用例范围更窄，通常聚焦特定患者队列。
“推动医疗数据质量提升的理由众多，但最终经济驱动力才是关键。若CMS等支付方推动数据质量评估并设定强制要求，将有效促进框架 adoption（采用），”哈普指出，“若能确立最低数据质量阈值，我将非常期待见证后续发展。”
Charlie Harp
【全文结束】
