在不同系统间核对和链接个人记录

人工智能及其他

在医疗保健领域，正确识别身份不仅重要，而且至关重要。 完整、准确和最新的身份数据对于确保护理质量和患者安全、优化收入周期管理、保持合规性以及推进基于价值的护理至关重要。 在公共部门，人员匹配在精简业务和加快福利交付方面发挥着关键作用。 对于任何正在实施人工智能（AI）和机器学习（ML）计划的组织而言，准确的身份数据是生成可操作见解、改进决策制定以及实现更个性化、更高效护理的基础。

识别并匹配患者、会员和客户记录并非易事。 在医疗保健领域，身份数据往往分散在不同的电子病历系统、实验室和药房解决方案、客户关系管理平台以及计费、支付和日程安排应用程序中。 在公共部门，每个项目通常都独立维护自己的数据。 即使是同一机构内为同一客户提供服务的项目数据，也可能是毫无希望的孤立数据。 姓名变更、地址更新、拼写错误和其他差异往往会导致信息重复、不一致、不完整或过时。

错误的代价是高昂的。 身份数据错误和漏洞会影响临床、运营和业务绩效，损害企业声誉，并导致高昂的监管罚款和法律赔偿。

• 35% 的拒赔是由于患者身份或信息不准确造成的¹
• 每次急诊室就诊和每次住院的平均重复治疗费用分别超过 1,700 美元和 1,950 美元¹。

企业级主身份索引²（EMPIs）能够整合不同系统中的患者、会员和客户记录，消除数据缺口和不一致的情况。 它们可识别和连接不同来源的记录，为每个人提供统一、唯一的识别记录。 它们有助于医疗机构简化并购（M&A）整合以及人工智能（AI）创新计划。 而且它们还能帮助公共部门组织提高效率并协调项目交付。

传统的企业级主身份索引（EMPI）采用两种不同类型的算法来识别属于同一人的记录。

• 确定性算法可查找与姓名、出生日期或社会保险号等特定数据元素完全匹配的数据。 如果所有标准都匹配，则认为这些记录属于同一个人。
• 概率算法使用统计分析来确定两条记录属于同一个人的可能性。 它们根据多个属性的相似性给出一个分数，表示匹配的概率。

新一代 EMPI 支持先进的算法，可进一步提高身份数据的准确性和完整性。

InterSystems EMPI™ 是新一代 EMPI，可轻松链接不同系统中的个人记录。 它可与InterSystems统一健康档案（Unified Care Record）无缝集成，将来自不同来源的身份数据整合为一份单一、准确、 纵向的健康记录。

InterSystems EMPI的关键功能包括：

• 完全可定制的链接引擎 利用机器学习和自定义规则自动匹配个人记录
• 用于查看记录、分析数据质量和确定趋势的综合仪表板和报告
• 内置API适用于HL7 FHIR®、HL7® v2 和 IHE 等流行医疗数据标准
• 可选择本地部署或托管服务部署