谁都知道医疗数据是一个宝藏，却苦于找不到合适的使用方法，也许美国医疗集团Sanford健康的三个做法可供借鉴。

Sanford健康是一个价值45亿美金的乡村综合医疗系统，为300多个社区的近250万人提供医疗服务，覆盖面积达25万平方英里。在这期间，Sanford健康收集了大量的病人健康资料，包括从入院、诊断、治疗到出院的全过程，甚至连一些医患之间的网络交流信息和医院自身的信息也都收入囊中。这些信息无疑将成为医院未来发展一笔财富，但是关于如何使用这些医疗信息，任然没有统一的答案。

尽管Sanford拥有良好的信息硬件设施，包括一支优秀的信息汇总及分析团队，强大的独立虚拟数据可连接所有数据竖井，以及严格的信息管理，但该集团还是决定和其他专业数据公司合作来解决这一难题。

Sanford直接从学术界选择合作伙伴，如大学的数学、科学、信息技术学院和医学院等，并同他们一起寻求改善医疗服务和降低医疗成本的方案。作为交换，Sanford为这些合作伙伴提供大量因为隐私保护和同业竞争协议等原先不予公开的医疗数据。大学科研机构可以通过这些数据进一步加深对医疗数据的研究并同时为医疗服务提供现实的解决方案。

Sanford和合作机构对医疗数据的研究已经进入第二年，其成效吸引了越来越多的区域和国家的机构加入其中。通过对医疗数据不断地研究和摸索，Sanford逐渐发现了可以改善医疗服务、患者参与度和诊疗过程的数据驱动创新方法，其中有三个创新应用极有潜力：

发展“规范计算机算法”

对于慢性疾病，疏于治疗和反馈迟缓都会导致急诊风险增大或是增加可避免的住院数。一线医疗工作人员可以通过辨识具有潜在此类风险的病人，了解他们就医和行为特点，从而提供更有针对性的医疗服务。

Sanford携手北达科他州立大学医学院的人口健康部，共同研发出一个旨在预估糖尿病患者紧急就医风险的新型计算机算法。此算法基于前沿的机器学习分析，可以以 80%的准确率预测任何一个给定的糖尿病人需要紧急医疗服务的可能性。算法借助病人大量的医疗数据，包括吸烟情况、身体质量指数、既往诊断治疗史等作出判断。该算法已被用于试点医疗机构，有望在不久将来被大规模推广使用。