【文章內容簡介】 是用關系數(shù)據(jù)庫系統(tǒng)而建立的。在設計數(shù)據(jù)庫系醫(yī)療大數(shù)據(jù) 10 統(tǒng)時，設計人員習慣于用代碼來表示各種數(shù)據(jù)，例如 一些 設計人員 人用數(shù)字“ 0”來代表女性 、 用 “ 1” 代表男性）， 有的用“ M” 來代表男性 、“ F”來 代表女性 。全國 各行各業(yè) 擁有數(shù)千萬個信息系統(tǒng)，其中的數(shù)千萬張表中擁有人的性別這種字段。 在當前的情況下，人們是用數(shù)據(jù)抽取的方法來而使性別這種字段中的數(shù)據(jù)全部轉換為統(tǒng)一的、標準的數(shù)據(jù)，例如統(tǒng)一為“男”、“女” 。要把全國 數(shù)千萬張表中的性別數(shù)據(jù)全部轉換為統(tǒng)一的數(shù)據(jù)，就是一項非常艱巨的系統(tǒng)工程。 要真正建立起國家醫(yī)療大數(shù)據(jù)，要解決很多個數(shù)量十分龐大的小問題。 大數(shù)據(jù)一般比小數(shù)據(jù)大數(shù) 萬倍、數(shù) 十 萬倍，小數(shù)據(jù)中的小問題一旦放大 數(shù)萬倍、數(shù)十萬倍 就會大的嚇人！ 在小 數(shù)據(jù)時代，人們所設計的信息系統(tǒng)只是用來處理某個機構、某個部門內部 的某個局部問題進行統(tǒng)計、分析 ，一個信息系統(tǒng)中只有幾張表、幾十張表 。 在大數(shù)據(jù)時代，人們更關注全國，甚至全球范圍內的對所有事物進行統(tǒng)計、分析 ，涉及到數(shù)百萬、數(shù)千萬個信息系統(tǒng)、數(shù)億張表 。 小數(shù)據(jù)是為機構內部的人員所使用， 是從機構的角度看問題，而大數(shù)據(jù)而是從全國，甚至全球來考慮問題。 對醫(yī)療行業(yè)而言，全國擁有近 萬家醫(yī)療機構，數(shù)百萬從業(yè)人員，為全國 13 億人服務。 目前商業(yè)智能所處理 的 還只是一家企業(yè)內部 的 數(shù)據(jù)，人們已感到對企業(yè)內部的 數(shù)十個信息系統(tǒng)中的數(shù)據(jù)進行處理已非常困難，而大數(shù)據(jù)所要處理的是整個行業(yè)的數(shù)據(jù)，比商業(yè)智能復雜數(shù)萬倍。 ? 大數(shù)據(jù) =價值大 =困難大 =問題大 =代價大 醫(yī) 療大數(shù)據(jù)面臨八大難題 當前國內的各家醫(yī)院的各種信息系統(tǒng)都是為了滿足自己的需求 而開發(fā)的，可以比較好 地滿足各家醫(yī)院自己的各種需求，并發(fā)揮 出 了重要的作用。然而， 當人們從 國家 醫(yī)療大數(shù)據(jù)的角度來考慮問題時，就會發(fā)現(xiàn)要從全國的所有醫(yī)療機構 的所有信息系統(tǒng)中挖掘出有價值的信息實在是大難了！主要有下述 八大難題。 各自為政：各家醫(yī)療機構各自為政，都想要別人的的數(shù)據(jù) ，都不 希望 自己的數(shù)據(jù) 共享給他人。 到目前為止，醫(yī)療數(shù)據(jù)都存貯在各家醫(yī)療機構內部，從各醫(yī)療大數(shù)據(jù) 11 家醫(yī)療機構獲得數(shù)據(jù)非常難。 數(shù)據(jù)不標準：醫(yī)療行業(yè)還未建立全國統(tǒng)一的、標準化 、規(guī)范 的數(shù)據(jù)，各家醫(yī)院的醫(yī)療 數(shù)據(jù)各不相同。數(shù)據(jù)不標準問題是影響大數(shù)據(jù)處理的一個重大問題，在大數(shù)據(jù)時代，各行各業(yè)的數(shù)據(jù)標準化工作是大數(shù)據(jù)的一項非常重要的基礎工作，這項基礎工作搞不好，大數(shù)據(jù)挖掘工作不可能搞好。醫(yī)療行業(yè)的數(shù)據(jù)標準化工作也是一項工程量巨大的系統(tǒng)工程，需要大量的醫(yī)務人員共同參與才能完成。國內還未做好這項基礎工作。數(shù)據(jù)不標準、不規(guī)范，會嚴重影響數(shù)據(jù)挖掘的結果。 【 數(shù)據(jù)不一致可以有多種情況，如數(shù)據(jù)類型不一致，隨意縮寫造成的不一致，計量單位不一致等。當從多個不同的數(shù)據(jù)源整合數(shù)據(jù)時，由于定義的不同，更容易產生數(shù)據(jù)不 一致問題。在不同的數(shù)據(jù)源中，相同類型的信息可能表現(xiàn)為不同的格式。例如，電話號碼通常定義為字符型數(shù)據(jù)，但在有些數(shù)據(jù)源中可能將定義數(shù)值型數(shù)據(jù)，因此應將其標準化。典型的例子是字段“性別”，一些人用數(shù)字“ 0” 、“ 1” 、“ 2” 來表示“不清”、“男”、“女”。而在其它數(shù)據(jù)庫中，可能直接用“不清”、“男”、“女”來描述。另一種情況是字段值在不同的數(shù)據(jù)源中不一致，如“出生地”可能分別使用“上海”、“滬”、“上海市”、“滬市”、“ SHANGHAI” 、“ SH” 等表示上海市出生的人。解決這一問題首先應該進行標準化，然后根據(jù)標準逐步消除數(shù)據(jù)不一致的問題。 】 業(yè)務及業(yè)務流程不標準：要對全國的某個行業(yè)的大數(shù)據(jù)進行分析統(tǒng)一，行業(yè)內的 業(yè)務及 業(yè)務流程的標準化工作也是一項非常重要的工作，否則，各個機構的數(shù)據(jù)也就會百花齊放、各不相同，不利于分析統(tǒng)計。 數(shù)據(jù)多樣性 (Variety)【 數(shù)據(jù)結構不標準、不統(tǒng)一 】 ：全國有 萬家 醫(yī)療機構，這些機構的全部信息系統(tǒng)有數(shù)十萬個，這些系統(tǒng)由不同的開發(fā)商所開發(fā)，各系統(tǒng)的數(shù)據(jù)結構不盡相同?！久考裔t(yī)院的信息化工作都涉及幾十個廠家，每個廠家的數(shù)據(jù)、標 準、采集、存儲都不一樣。因此，即便是在一家醫(yī)院，都會出現(xiàn)很多孤島，更別說整個醫(yī)療行業(yè)了。各家醫(yī)院信息系統(tǒng)的標準、接口都不同，這成為利用率低、共享難的 原因之一。 】 數(shù)據(jù)與數(shù)據(jù)庫系統(tǒng)、應用系統(tǒng)密切不可分： 關系數(shù)據(jù)庫系統(tǒng)中的每一 個數(shù)據(jù)都要先定義數(shù)據(jù)結構才能入住數(shù)據(jù)庫。 信息系統(tǒng)的最終用戶所看到的數(shù)據(jù)都需要應用程序的解讀，最終用戶看不懂關系數(shù)據(jù)庫中的數(shù)據(jù) 。 不能實現(xiàn)醫(yī)學信息的結構化存貯：醫(yī)學信息非常復雜，醫(yī)務人員習慣于醫(yī)療大數(shù)據(jù) 12 用自然語言編寫各種醫(yī)學檔案，例如醫(yī)生都是用自然語言編寫病歷。然而，計算機很笨，不能理解自然語言，因此只有把醫(yī)學信息結構化之后進行存貯，才能用計算機進行處理。而當前的眾多醫(yī)學信息都未能很好地進行結構化存貯。 信息孤島 ：各家醫(yī)院的各個信息系統(tǒng)不能實現(xiàn)全國互聯(lián)互通。 老系統(tǒng)升級改造難題：當前的信息系統(tǒng) 都是小數(shù)據(jù)系統(tǒng)，不適應大數(shù)據(jù)時代的需求，然而要對現(xiàn)有的信息系統(tǒng)進行全面改造也是非常困難 的 ，其代價也是非常高昂的。【為什么要升級改造？因 為當前的各家醫(yī)院的信息系統(tǒng)所產生的數(shù)據(jù)各不相同， 數(shù)據(jù)不標準 、不規(guī)范。要對大數(shù)據(jù)進行 處理 ， 必須確保 全國 各家醫(yī)療機構的信息系統(tǒng)所產生的數(shù)據(jù)是 統(tǒng)一的、標準的、規(guī)范的醫(yī)學標準數(shù)據(jù)。只有這樣， 才 能高效處理大數(shù)據(jù)。 】 從理論上而言，醫(yī)療大數(shù)據(jù)挖掘很簡單，只要懂關系數(shù)據(jù)庫，基本上就能對醫(yī)療大數(shù)據(jù)進行挖掘。然而，要想對全國近百萬個醫(yī)療機構、數(shù)十萬個信息系統(tǒng)的全部數(shù)據(jù)進行高效地挖掘，所面臨的挑戰(zhàn)是非常嚴重的。 如何解決八大難題 ? 各自為政： 這個問題必須國家衛(wèi)生和計劃生育委員會以行政命令的方式來解決， 強制 要求 各醫(yī)療單位實時地把各種醫(yī)療信息上傳到國家醫(yī)療大數(shù)據(jù)中心 。若沒有強制的行政命令，不可能建立起合格的國家醫(yī)療大數(shù)據(jù) 。 數(shù)據(jù)不標準 難題 ： 此難題 涉及到的數(shù)據(jù)量太大、工程量太大。國家衛(wèi)計委及很多人士雖說早就注意到此問題的存在，然而直到目前還未從根本上解決醫(yī)療行業(yè)的數(shù)據(jù)標準化問題。此問題不從根本上解決，那么醫(yī)療大數(shù)據(jù)的挖掘就等于說大話。醫(yī)療行業(yè)數(shù)據(jù)標準化工作是大數(shù)據(jù)挖掘的基礎工作。此問題應該由國家衛(wèi)計委組織業(yè)內外力量來解決，解決此問題需要 3 至 5 年的時間。有了國家醫(yī)療大數(shù)據(jù)標準之后，還需要用標準的醫(yī)療數(shù)據(jù)去代替現(xiàn)有的不標準的醫(yī)療數(shù)據(jù)，而此項工作的工作量也是非常 巨大的。標準化工 作是不賺錢的基礎性工作，商業(yè)機構沒有從事這項工作的動力， 應該由國家衛(wèi)計委來解決。 業(yè)務、 業(yè)務流程不標準：目前全國各醫(yī)療機構的 業(yè)務及 業(yè)務流程并不標準，因此，各醫(yī)療機構所產生的數(shù)據(jù)也各不一樣。要建立國家醫(yī)療大數(shù)據(jù)，就必醫(yī)療大數(shù)據(jù) 13 須道先對全國醫(yī)療機構的業(yè)務流程進行標準化處理，這也是一項工程量巨大的基礎性系統(tǒng)工程。這項工作也應該由國家衛(wèi)計委來解決。 此項工作 最快 需要三至五年的時間才能完成。 ? 只有解決了上 述三項基礎性問題，才能夠建立起國家醫(yī)療大數(shù)據(jù)這個大廈的堅實地基，否則醫(yī)療大數(shù)據(jù)只能是空中樓閣。由于上述三個因素 牽涉到全國各個醫(yī)療機構的方方面面，非常復雜，十年之內很難看到真正的國家醫(yī)療大數(shù)據(jù)的曙光。 下述 4 個問題屬于技術問題，關系數(shù)據(jù)庫理論解決不了這 4 個問題， 可由發(fā)明專利技術“醫(yī)學信息的結構化存貯方法”從技術 上 加以徹底解決： 數(shù)據(jù)多樣性 (Variety)【 數(shù)據(jù)結構不標準、不統(tǒng)一 】：目前關系數(shù)據(jù)庫占據(jù)統(tǒng)治地位，絕大多數(shù)信息系統(tǒng)都是用關系數(shù)據(jù)庫而建立的。醫(yī)院的各種信息系統(tǒng)中，多數(shù)也是用關系數(shù)據(jù)庫系統(tǒng)而建立。例如，目前國內醫(yī)療行業(yè)的 HIS 系統(tǒng)是由多個開發(fā)商所開發(fā)，各家開發(fā)商所用的數(shù)據(jù)庫系統(tǒng)不一樣，所用的數(shù)據(jù)結構結構及數(shù) 據(jù)類型也不一樣。因此，如果要對全國各家醫(yī)療機構的 HIS 系統(tǒng)中的數(shù)據(jù)進行分析，那么首先就要把各種數(shù)據(jù)全部轉換為同一的數(shù)據(jù)結構，然后才能對數(shù)據(jù)進行分析統(tǒng)計。然而要對全國近百萬個醫(yī)療機構的數(shù)十萬個、數(shù)百萬個信息系統(tǒng)中的數(shù)據(jù)進行轉換，也是一項工程量巨大的系統(tǒng)工程。另一外很重要的問題是，所有這些信息系統(tǒng)中的數(shù)據(jù)要轉換為哪一種統(tǒng)一的、標準的數(shù)據(jù)結構，也是需要國家衛(wèi)計委制定相應的標準、規(guī)范。 數(shù)據(jù)與數(shù)據(jù)庫系統(tǒng)、應用系統(tǒng)密不可分。 不能實現(xiàn)醫(yī)學信息的結構化存貯 ： 醫(yī)學信息非常復雜 ，用關系數(shù)據(jù)庫不能實現(xiàn)病歷信息的結構化存貯。有 人用 XML 實現(xiàn)病歷信息的結構化存貯，然而XML 只適合處于少量數(shù)據(jù)，不適合對全國的病歷信息的處理。 信息孤島 。 信息系統(tǒng)改造： 現(xiàn)有的醫(yī)療信息系統(tǒng)就猶如廣州的城中村，廣州的城中村雖有一定的作用，然而城中村與廣州這樣的國際化大都市非常不協(xié)調。改造廣州城中村的最佳方案就是推倒重建，局部的修補是沒用的。然而醫(yī)療大數(shù)據(jù) 14 要全部推倒重建，所花費的資金是非常巨大的。 國家大數(shù)據(jù)標準工 程 堪比“兩彈一星” 大數(shù)據(jù)工程，標準先行。 國家大數(shù)據(jù)標準的工程的工程量要比“兩彈一星”的工程量 大 。 國家大數(shù)據(jù)標準涉及到每一個行業(yè)，也涉及到各種各樣的業(yè)務。大數(shù)據(jù)標準涉及數(shù)據(jù)的標準化、數(shù)據(jù)結構的標準化、業(yè)務的標準化、業(yè)務流程的標準化。 大數(shù)據(jù)標準化工作完成之后還要對現(xiàn)有的信息系統(tǒng)進行改造，這種改造的工程量及代價也是非常高昂的。 目前的信息系統(tǒng)所產生的數(shù)據(jù)不適應大數(shù)據(jù)的需求 。 歷史對秦始皇統(tǒng)一文字、統(tǒng)一度量衡、統(tǒng)一貨幣的評價非常高：功惠千秋。大數(shù)據(jù)所面臨的問題也猶如秦始皇時代所面臨的“文字不統(tǒng)一、度量衡不統(tǒng)一、貨幣 不統(tǒng)一”問題 。因此，要解決大數(shù)據(jù)所面臨的問題，也需要由秦國、秦始皇那樣強大的機構、領袖人物以行政命令的形式強制推行，才能從根本上解決問題。 大數(shù)據(jù) 八 大難題中的五大難題（ 各自為政 、 數(shù)據(jù)不標準 、業(yè)務流程不標準、數(shù)據(jù)多樣性 (Variety)【 數(shù)據(jù)結構不標準、不統(tǒng)一】 、信息孤島）與秦始皇曾經遇到的問題有些類似。 為解決千年蟲問題，全球花費了超千億美元的資金。徹底砸爛小數(shù)據(jù)而建立大數(shù)據(jù)新環(huán)境的代價遠遠超過千年蟲問題。千年蟲只是解決一個時間數(shù)據(jù)的問題，而徹底砸爛小數(shù)據(jù)建立大數(shù)據(jù)新環(huán)境則涉及到幾乎所有信息系統(tǒng)的所有數(shù)據(jù)！ 小數(shù)據(jù)：只 要能滿足自己需求，能解決自己的問題即可。 大數(shù)據(jù)：不只是滿足自己的需求、解決自己的問題，還要考慮他人的需求。重點是如何讓他人能夠找到所需要的數(shù)據(jù)。 要 讓他人、大家找到所需要的數(shù)據(jù)，最重要的是大家都要遵循相同的標準，大家都講普通話，而不是方言 ，這 猶如泰始皇統(tǒng)一六國后的“書同文”的標準化改革。 當前在處理大數(shù)據(jù)時的首要工作就是數(shù)據(jù)抽?。?ETL： “ Extract”、“ Transform” 、“ Load”， “抽取”、“轉換”、“裝載” ），其實數(shù)據(jù)抽取工作也類似“秦始皇的書同文”，只是數(shù)據(jù)抽取并未能真正象秦始那樣 從根本上解決書同文問題。要 使 大數(shù)據(jù)真正做到“書同文”，需要象秦始皇那樣從根本上醫(yī)療大數(shù)據(jù) 15 解決問題。而真正實現(xiàn)大數(shù)據(jù)“書同文”時，就不再需要數(shù)據(jù)抽取。 與當前人們所提到的大數(shù)據(jù)相比，關系數(shù)據(jù)庫所處理的數(shù)據(jù)則是小數(shù)據(jù)。大數(shù)據(jù)中的數(shù)據(jù)是數(shù)萬家、數(shù)十萬家以上的各中機構中各種數(shù)據(jù)的總和。而關系數(shù)據(jù)庫所處理的小數(shù)據(jù)則是一家機構或幾家機構中的部分數(shù)據(jù)。 當我們面對數(shù)十萬個、數(shù)百萬個以上的信息系統(tǒng)中的數(shù)據(jù)（大數(shù)據(jù)）時，就會發(fā)現(xiàn)，我們面臨很多挑戰(zhàn)：“（維基百科對大數(shù)據(jù)的定義） 無法在 可承受的時間范圍內用常規(guī)軟件工具進行捕捉、管理和處理”。也就說 明 用關系數(shù)據(jù)庫系統(tǒng)已“ 無法在 可承受的時間范圍內用常規(guī)軟件工具進行捕捉、管理和處理” 大數(shù)據(jù) 。 在小數(shù)據(jù)時代，信息系統(tǒng)的用戶是通過應用程序而查到自己所需要的數(shù)據(jù)，而信息系統(tǒng)對關系數(shù)據(jù)庫中的數(shù)據(jù)進行處理后而以用戶能夠理解的形式展現(xiàn)給用戶。然而，在大數(shù)據(jù)時代，這種方法行不通了。因為在小數(shù)據(jù)時代，我們所要處理的數(shù)據(jù)是有 限的、可確定的，而在大數(shù)據(jù)時代，我們所要處理的數(shù)據(jù)是無限的，不確 定的 數(shù)據(jù) 。 秦始皇之所以能使“書同文”成為現(xiàn)實，是因為他擁有至高無上的權威； “兩彈一星”之所以能成功，關鍵在于“兩彈一星”關系到國家的生死存亡，國家大力支持。大數(shù)據(jù)的成敗與國家的支持是分不開的。 醫(yī)療行業(yè)的信息系統(tǒng)頂層設計為何難產 國家衛(wèi) 生和 計 劃生育 委 員會 幾年前 就注意到了 醫(yī)療行業(yè)信息系統(tǒng)頂層設計的重要性 ，并希望從根本上解決此問題，但至今未 能從根本上實現(xiàn)醫(yī)療行業(yè)信息系統(tǒng)的頂層設計 。 為什么要進行頂層設計？因為當前的各種醫(yī)院信息系統(tǒng)存在嚴重的問題，信息孤島問題嚴重，不能互聯(lián)互通。 頂層設計建立在醫(yī)療數(shù)據(jù)標準化、醫(yī)療業(yè)務流程標準化的基礎之上。而如今醫(yī)療數(shù)據(jù)標準化、醫(yī)療業(yè)務流程標準化這兩 個基礎工作還未做好，因此頂層設計就不可能有結果。 技術上的原因 ：關系數(shù)據(jù)庫理論的先天不足。 客觀原因：問題非常復雜、牽涉面太廣、所需資金非常巨大。 頂層設計非常難，比頂層設計更難的是 有了頂層設計之后再 對全國的醫(yī)療信醫(yī)療大數(shù)據(jù) 16 息系統(tǒng)進行全面更新?lián)Q代。 大數(shù)據(jù)挖掘中的問題 ：大數(shù)據(jù)的關鍵不在于大而在于如何挖掘 如果把全國 萬個醫(yī)療衛(wèi)生機構所產生的數(shù)據(jù)全部