基于 ISM 方法的医疗行业大数据分析实施障碍识别、排序与分析：构建层级框架助力医疗决策

首页今日动态人才市场新技术专栏中国科学人云展台
BioHot
云讲堂直播会展中心特价专栏技术快讯免费试用

生物通官微
陪你抓住生命科技
跳动的脉搏

生物通首页 > 今日动态 > 正文

《Discover Health Systems》：Identifying, ranking and analyzing obstacles to big data analytics implementation in the healthcare industry using an ISM approach

【字体：大中小】 时间：2025年04月11日 来源：Discover Health Systems

编辑推荐：

　　在医疗行业，大数据分析（BDA）的实施面临诸多挑战。研究人员开展 “Identifying, ranking and analyzing obstacles to big data analytics implementation in the healthcare industry using an ISM approach” 主题研究，用 ISM 和 MICMAC 分析识别 13 个关键障碍并构建层级模型。这为医疗机构实施 BDA 提供指导，具有重要意义。

为了促进科学的传播，生物通采集了这篇文章，订阅Biohot解锁原文索取

　　在当今数字化时代，医疗行业正经历着一场数据驱动的变革。随着电子健康记录（EHRs）的普及、可穿戴设备的广泛应用以及基因组学研究的深入开展，医疗数据呈现出爆发式增长。从 2009 年的 0.8 ZB 到 2020 年的约 40 ZB，预计 2025 年医疗数据将占全球数据的 36% 。这些海量数据蕴含着巨大的价值，有望改善患者治疗效果、优化医疗运营流程，并支持数据驱动的决策制定。

然而，大数据分析（Big Data Analytics，BDA）在医疗领域的实施并非一帆风顺。一方面，医疗数据具有体量大、速度快、种类多和真实性要求高等特点，传统的分析系统难以处理。另一方面，数据隐私和安全问题、数据质量参差不齐、不同医疗系统间的互操作性差等障碍重重，严重阻碍了 BDA 在医疗行业的有效应用。例如，数据隐私泄露可能导致患者信息被滥用，数据质量不高会影响分析结果的准确性，而系统间无法顺畅交互数据则限制了数据的整合与利用。此前的研究虽从不同角度探讨了这些问题，但对于各障碍之间复杂的相互依存关系缺乏深入分析。为了解决这些问题，来自伊朗德黑兰大学（University of Tehran）和马什哈德菲尔多西大学（Ferdowsi University of Mashhad）的研究人员开展了一项研究，旨在识别、排序和分析医疗行业实施 BDA 的关键障碍，其研究成果发表在《Discover Health Systems》上。

研究人员采用了文献综述、专家咨询、解释结构模型（Interpretive Structural Modeling，ISM）和 MICMAC 分析等方法。首先，通过全面的文献综述，从谷歌学术（Google Scholar）、Scopus、PubMed 和 IEEE Xplore 等数据库中提取相关信息，识别出 13 个可能影响 BDA 实施的主要障碍。接着，运用雪球抽样法选取了 9 位来自学术界和工业界的专家，通过智囊团会议构建自结构交互矩阵（Self-Structural Interaction Matrix，SSIM），以此确定各障碍之间的相互关系。随后，利用 ISM 方法，将专家的定性判断转化为定量数据，构建可达性矩阵并进行层级划分，进而构建出层级模型。最后，运用 MICMAC 分析对障碍进行聚类，明确各障碍的驱动力量和依赖程度。

研究结果如下：

主要障碍识别：确定了 13 个主要障碍，包括数据隐私和安全问题、数据质量、医疗系统间的互操作性或数据碎片化、数据治理和所有权、数据标准化和共享、IT 基础设施、专业人员的可用性、成本和财务限制、监管和法律挑战、伦理考量、文化障碍和对变革的抵制、组织和领导支持、分析能力和决策支持。
层级模型构建：通过 ISM 分析，将这些障碍组织成一个层级模型。例如，数据隐私和安全问题（O1）、IT 基础设施（O6）和分析能力（O13）具有较高的驱动力量，处于模型的底层，对其他障碍产生重要影响；而数据质量（O2）等障碍依赖于其他因素，处于较高层级。
障碍聚类分析：MICMAC 分析将障碍分为四类。其中，没有障碍属于自主障碍；数据质量（O2）属于依赖障碍，其改善依赖于基础要素的提升；互操作性（O3）、数据治理（O4）等属于链接障碍，它们相互关联，对 BDA 的实施至关重要；数据隐私和安全（O1）、IT 基础设施（O6）和分析能力（O13）属于独立障碍，是 BDA 实施的基础，需要优先解决。

在研究结论与讨论部分，该研究具有多方面重要意义。理论上，MICMAC 分析揭示了 BDA 实施障碍间的复杂相互依存关系，为理解医疗领域系统性问题提供了新视角，其障碍分类系统可作为未来研究的参考框架，也凸显了 ISM 和 MICMAC 分析在识别系统障碍方面的价值。实践中，为医疗组织实施 BDA 提供了行动指南，如优先解决独立障碍可推动其他领域进步，新兴技术可助力克服障碍。同时，研究指出不同收入国家面临的障碍存在差异，需采取针对性策略，这有助于医疗组织合理分配资源，逐步整合 BDA 解决方案。

不过，该研究也存在一定局限性。研究中识别的障碍主要来源于研究期刊，可能遗漏其他重要障碍，且研究缺乏行业针对性，结果的普适性受到影响。未来研究可从区域差异、动态建模、新兴技术作用、组织文化因素以及经济政策影响等方面展开，进一步深化对 BDA 在医疗行业实施的理解，推动医疗行业更好地利用大数据提升服务质量和效率。

下载安捷伦电子书《通过细胞代谢揭示新的药物靶点》探索如何通过代谢分析促进您的药物发现研究

10x Genomics新品Visium HD 开启单细胞分辨率的全转录组空间分析！

欢迎下载Twist《不断变化的CRISPR筛选格局》电子书

单细胞测序入门大讲堂 - 深入了解从第一个单细胞实验设计到数据质控与可视化解析

下载《细胞内蛋白质互作分析方法电子书》