【導讀】{ "error_code": 17, "error_msg": "Open api daily request limit reached" }

　　

【正文】 確定的數(shù)據(jù)、不確定的數(shù)據(jù)結構，關系數(shù)據(jù)庫無能為力。大數(shù)據(jù)的特點：大數(shù)據(jù)所面臨的是無窮的數(shù)據(jù)、無窮的數(shù)據(jù)結構，這是關系數(shù)據(jù)庫所不能解決的。因此，要處理大數(shù)據(jù)，必須從根本上解決大數(shù)據(jù)所涉及到的“無窮的數(shù)據(jù)、無窮的數(shù)據(jù)結構”問題。 例如，真正合格的大數(shù)據(jù)處理軟件工具，不但能夠處理國家醫(yī)療大數(shù)據(jù)，也應該能夠其它各行各業(yè)的數(shù)據(jù)。 關系數(shù)據(jù)庫中的數(shù)據(jù)與應用程序密不可分 目前的信息系統(tǒng)都是通過應用程序來解讀 關系數(shù)據(jù)庫中的數(shù)據(jù)，而每個應用程序只能解讀自己的系統(tǒng)中的數(shù)據(jù)而無法解讀其它系統(tǒng)中的數(shù)據(jù)。 關系數(shù)據(jù)庫中的數(shù)據(jù)不具獨立性、完整性，數(shù)據(jù)一旦脫離相應的數(shù)據(jù)庫系統(tǒng)及相應的應用程序就變成了無意義的數(shù)據(jù)。例如，程序員在設計信息系統(tǒng)時習慣用代碼來表達數(shù)據(jù)，例如有的用“ 1”代表男性，用“ 0”代表女生，而另一些人則用“ M”代表男性，用“ W”代表女性。在醫(yī)院信息系統(tǒng)中，各個信息系統(tǒng)可由應用程序來解讀各個代碼，然而，在醫(yī)療大數(shù)據(jù)挖掘中，這種不規(guī)范、不標準、不統(tǒng)一的代碼帶給數(shù)據(jù)挖掘人員的將是災難！因為醫(yī)療大數(shù)據(jù)挖掘人員所面臨的醫(yī)療大數(shù)據(jù) 24 是 全國數(shù)萬家醫(yī)院的數(shù)十萬個信息系統(tǒng)。若要對數(shù)十萬個信息系統(tǒng)的數(shù)據(jù)中的代碼進行分析、轉換，將是一項工程量非常巨在的工程。因此，對大數(shù)據(jù)而言，盡量不要在數(shù)據(jù)庫中采用代碼。 例如下表中的“性別碼” 、“婚否碼”： 關系數(shù)據(jù)庫中的數(shù)據(jù)一旦脫離相應的系統(tǒng)就成了無意義的數(shù)據(jù) 關系數(shù)據(jù)庫中的數(shù)據(jù) 只有在某個特定的系統(tǒng)中才有意義 ，一旦脫離了這個系統(tǒng)就成了無意義的數(shù)據(jù)。 正因如此。也可以認為 關系數(shù)據(jù)庫中所存貯的根本就不是最終用戶所能讀懂的數(shù)據(jù)，而是只是專業(yè)的設計人員自己才能懂的“代碼”。 關系數(shù)據(jù)庫無法實現(xiàn)病歷信息的結構化存貯 結構化電子病歷系統(tǒng)是醫(yī)院信息系統(tǒng)的核心，這是國際上公認的。 關系數(shù)據(jù)庫可以應用于各行各業(yè)，然而在醫(yī)療行業(yè)關系數(shù)據(jù)庫遇到了巨大挑戰(zhàn)，準確地說是束手無策，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。 XML 雖說可以實現(xiàn)病歷信息的結構化，然而要從全國每年所產生的幾十億份電子病歷中查詢信息是非常困難的，查詢速度非常低。 用醫(yī)學信息的結構化存貯方法可以在關系數(shù)據(jù)庫中實現(xiàn)電子病歷信息及醫(yī)學知識庫信息的結構化存貯，查詢速度遠遠超過從 XML 電子病歷中查詢信息的速度。醫(yī)學信息的結構化存貯方法可用于各行各業(yè)，最突出的應用則是在醫(yī)療行業(yè)。 醫(yī)療大數(shù)據(jù) 25 關系數(shù)據(jù)庫中的數(shù)據(jù)都是“方言”，大數(shù)據(jù)需要的是“普通話” 用關系數(shù)據(jù)庫所設計出的每一個信息系統(tǒng)都有自己特定的“方言”。關系數(shù)據(jù)庫理論中沒有“普通話”的概念，每設計一種信息系統(tǒng)，就產生一種方言。系統(tǒng)之間誰也聽不懂對方所講的話，必須翻譯才行。 醫(yī)療行業(yè)的現(xiàn)狀：相當于每個 醫(yī)療 信息 系統(tǒng)講一種方言，各醫(yī)院之間不能互聯(lián)互通，甚至同一家醫(yī)院內部的信息系統(tǒng)之間也不能互聯(lián)互通。 在小數(shù)據(jù)時代，數(shù)據(jù)只是在一個單位內部使用，甚至只是在一個單位的某個部門使用。 在大數(shù)據(jù)時代，最需要的是各個機構之間、各個系統(tǒng)之間 的 數(shù)據(jù) 的 互聯(lián)互通，數(shù)據(jù)不只是在單位內部使用，也要供單位外的人使用。 小數(shù)據(jù)系統(tǒng)只處理自己的數(shù)據(jù)，大數(shù)據(jù)系統(tǒng)要可以處理來自各種各樣的小數(shù)據(jù)系統(tǒng)中的所有數(shù)據(jù)。 大數(shù)據(jù)最需要的就是普通話，一種可以讓各個信息系統(tǒng)都能聽懂的語言。 關系數(shù)據(jù)庫 如何處理 國家醫(yī)療大數(shù)據(jù)中 數(shù)萬個數(shù)據(jù)庫、數(shù)千萬張表 例子：如果說全國的各家醫(yī)療機構的數(shù)據(jù)以鏡像的方式全部上傳到國家醫(yī)療大數(shù)據(jù)中心，那么，國家醫(yī)療大數(shù)據(jù)中就擁有 10 萬個以上的醫(yī)療信息系統(tǒng)所產生的數(shù)據(jù)庫，這些數(shù)據(jù)庫中共含有數(shù)千萬張表，該如何編寫一個通用的查詢患者病史的通用應用軟件？ 患者病史數(shù)據(jù)有可能包含在 10 萬個以上的數(shù)據(jù)庫中的數(shù)千萬張以上的表中，所有數(shù)據(jù)庫、所有表中的數(shù)據(jù)都有可能涉及到。要在國家醫(yī)療大數(shù)據(jù)中查詢患者的病史數(shù)據(jù)，需要查詢全國數(shù)十年內所產生的國家醫(yī)療大數(shù)據(jù)。 首先需要搞清楚國家醫(yī)療大數(shù)據(jù)中的 10 萬個以上的信息系統(tǒng)所產生的數(shù)據(jù)存貯在哪些數(shù)據(jù)庫中，這 些數(shù)據(jù)庫的地址、是什么數(shù)據(jù)庫系統(tǒng)所產生的數(shù)據(jù)，各數(shù)據(jù)庫中含有哪些表，這些表（數(shù)千萬張表）的數(shù)據(jù)結構是什么、這些表之間的關系。 其次是數(shù)據(jù)抽?。?ETL），然而要對數(shù)十萬個數(shù)據(jù)庫中的數(shù)千萬張表中的數(shù)據(jù)進行抽取的確是一項工程量浩大的工程。 醫(yī)療大數(shù)據(jù) 26 ? 為了說明問題的簡單化，下面 以查詢 PACS 中的數(shù)據(jù)為例來說明問題 。 查詢患者的病史應該以患者的身份證號作為查詢條件，而不能以患者的姓名作為查詢條件，因為國內有很多同名同姓者。 如果某些醫(yī)療信息系統(tǒng)中未能使用患者的身份證號，那么，在大數(shù)據(jù)環(huán)境中，患者的病史數(shù)據(jù)基本上是查不到的 ，或者說查起來非常困難。 查詢過程如下： 以身份證號為查詢條件而查詢患者曾經(jīng)在哪家醫(yī)院就醫(yī)。一般是從 HIS系統(tǒng)查詢患者身份證號。 面對 數(shù)萬個 HIS 系統(tǒng)， 各 由不同的開發(fā)商所開發(fā)，數(shù)據(jù)結構各不相同。要搞清楚對應的數(shù)據(jù)庫及對應的表，也是一項大工程。 從數(shù)萬個 HIS 系統(tǒng)中的數(shù)十萬個表中查詢是否有對應的身份證號 再以身份證號從數(shù)萬個 HIS 系統(tǒng)中查詢出相應的住院號、門診號 以住院號、門診號而從數(shù)萬個 PACS 系統(tǒng)中查詢相應 PACS 數(shù)據(jù)。 如果說哪家醫(yī)院的信息系統(tǒng)的數(shù)據(jù)結構有變化，那么相關的程序都要進行修改。 這就是關系數(shù)據(jù)庫的先天不足。而醫(yī)院的信息系統(tǒng)的升級改造是非常普遍的。這種升級改造對國家醫(yī)療大數(shù)據(jù)的通用查詢軟件工具也是一項大考驗。 上述例子表明，查詢任何一個病史數(shù)據(jù)都要編寫大量的程序。如果對全國每年的某種疾病進行統(tǒng)計，那么會因為各家醫(yī)療機構的信息系統(tǒng)所用的疾病名不標準、不規(guī)范、不統(tǒng)一而帶來很大的麻煩。 病歷數(shù)據(jù)存貯在 XML 文件中。全年每年產生 76 億份病歷，從 76 億份病因中快速地查詢數(shù)據(jù)也是很困難的。 結論：處理數(shù)十萬個關系數(shù)據(jù)庫系統(tǒng)所產生的大數(shù)據(jù)是非常困難的！ 大數(shù)據(jù)之夢十年后成真 由于醫(yī)療大數(shù)據(jù)面臨 八 大難題以及對全國各家醫(yī)療醫(yī)療機構現(xiàn)有的信息系統(tǒng)進行全面改造非常困難，國家醫(yī)療大數(shù)據(jù)之夢十年后才能成真。 醫(yī)療大數(shù)據(jù) 27 大數(shù)據(jù)不僅僅是數(shù)據(jù)問題，而是非常復雜的綜合問題。 國家醫(yī)療大數(shù)據(jù)并不是把各家醫(yī)療機構的數(shù)據(jù)全部存貯到一個云平臺就能稱作是合格的國家醫(yī)療大數(shù)據(jù)。要建立合格的國家醫(yī)療大數(shù)據(jù)， 需要對 原有 數(shù)據(jù) 進行 抽取，更需要對全國各家醫(yī)療機構現(xiàn)有的信息系統(tǒng)進行全面整改。 信息化社會由概念到比較 成熟用了 30多年時間 “ 信息化 ”的概念是 上世紀 60 年代初提出的。 在 80 年代，關于 “ 信息社會 ”的較為流行的說法是 “ 3C” 社會（通訊化、計算機化和自動控制化）， “ 3A”社會（工廠自動化、 辦公室自動化 、家庭自動化）和 “ 4A” 社會（ “ 3A” 加農業(yè)自動化）。到了 90 年代，關于信息社會的說法又加上 多媒體技術 和信息高速公路 。 “信息化社會”的概念從提出到比效成熟用了 30 多年，而時 至今日，“信化社會”之夢還沒有全部成真。 大數(shù)據(jù)的概念是 2021 年提出的，根據(jù)以往的經(jīng)驗，要創(chuàng)造一個時代，最起碼以也十年以上的時間。 千年蟲 問題的啟示 計算機 2021 年問題，又叫做“千年蟲”、“電腦千禧年千年蟲問題”或“千年危機”。縮寫為“ Y2K”。是指在某些使用了計算機程序的智能系統(tǒng)（包括計算機系統(tǒng)、自動控制芯片等）中，由于其中的年份只使用兩位十進制數(shù)來表示，因此當系統(tǒng)進行（或涉及到）跨世紀的日期處理運 算時（如多個日期之間的計算或比較等），就會出現(xiàn)錯誤的結果，進而引發(fā)各種各樣的系統(tǒng)功 能紊亂甚至崩潰。因此從根本上說千年蟲是一種程序處理日期上的 BUG，而非病毒。 “千年蟲”問題的根源始于 60 年代。當時計算機存儲器的成本很高，如果用四位數(shù)字表示年份，就要多占用存儲器空間，就會使成本增加，因此為了節(jié)省存儲空間，計算機系統(tǒng)的編程人員采用兩位數(shù)字表示年份。隨著計算機技術的迅猛發(fā)展，雖然后來存儲器的價格降低了，但在計算機系統(tǒng)中使用兩位數(shù)字來表示年份的做法卻由于思維上的慣性勢力而被沿襲下來，年復一年，直到新世紀即將醫(yī)療大數(shù)據(jù) 28 來臨之際，大家才突然意識到用兩位數(shù)字表示年份將無法正確辨識公元 2021 年及其以后的年份。 1997 年，信息界開始拉起了“千年蟲”警鐘，并很快引起了全球關注。 “千年蟲”是人類不經(jīng)意造成的失誤，為了抓住這只“蟲”，全球至少已花費 2021 億美元（有的媒體報道為 3000 億美元，有的為 6000 億美元）。 新年伊始，聯(lián)合國“國際 2021 年問題協(xié)調中心”、美國的“國際‘千年蟲’監(jiān)控中心”等機構先后宣布， 133 個國家的能源、通訊等十幾個對“千年蟲”敏感行業(yè)都順利過渡，僅十多個國家出現(xiàn)一些輕微案例，但均及時糾正，未造成嚴重后果。 全球唯一受“千年蟲”嚴重影響的國家只有非洲的贊比亞，其政府、金融、電力、航空、服務 一片混亂。政府宣布放假 3 日，避免社會功能癱瘓殃及其他系統(tǒng)。 有人稱“千年蟲”工程是 人類最大 的 信息工程 、 人類最龐大的搶救工程 。 大數(shù)據(jù)工程遠比千年蟲問題復雜 若用當前的技術如何處理國家醫(yī)療大數(shù)據(jù)？ 首先是 制訂數(shù)據(jù) 標準 、數(shù)據(jù)結構標準，以及業(yè)務和業(yè)務流程的標準 ： 這些 工作的工程量非常大，需要五年左右的時間才能完成。目前雖說大家已認識到了標準化工作的重要性，但在實際行動上的力度還不夠。 其次是數(shù)據(jù)抽取 ：對原有的數(shù)據(jù)進行抽取。 若要對全國 萬家醫(yī)療機構所產生的所有數(shù)據(jù)進行抽取，其工程量也是非常巨大的。這個抽取工作需要以國家醫(yī)療數(shù)據(jù)標準為基礎。 第三是對 現(xiàn)有信息系統(tǒng)的改造 ：只有對現(xiàn)有的信息系統(tǒng)進行 徹底 改造才能產生標準化的數(shù)據(jù)，這樣才能適應大數(shù)據(jù)的需要。然而對全國各家醫(yī)院的信息系統(tǒng)進行全面改造，所花費的代價是非常高的。 到目前為止， 各行各業(yè)的信息系統(tǒng)基本上都不標準，都不適應大數(shù)據(jù)的需求 ，對現(xiàn)有信息系統(tǒng)的改造的代價遠遠超對千年蟲問題的處理 。 第四是 數(shù)據(jù)同步 ：對現(xiàn)有信息系統(tǒng)進行改造之后，數(shù)據(jù)要實時地同步到國家醫(yī)療大數(shù)據(jù) 29 醫(yī)療大數(shù)據(jù)中心。 五年之內（ 2020年前） 醫(yī)療大數(shù)據(jù) 只是紙上談兵 五年之內，醫(yī)療大數(shù)據(jù)還只是處于探索階段、發(fā)展階段。五年之后醫(yī)療大數(shù)據(jù)才能逐步變成現(xiàn)實。 從某種方面而言，五年之內（ 2020 年前）中國沒有真正合格 的 國家 醫(yī)療大數(shù)據(jù)。真正的 合格的國家 醫(yī)療大數(shù)據(jù)是可以進行高效挖掘的數(shù)據(jù)，并不是把所有的數(shù)據(jù)堆集在一起就能稱 為醫(yī)療大數(shù)據(jù)。不能進行高效處理、挖掘的數(shù)據(jù)只能稱為“數(shù)據(jù)垃圾”， 五年之后才能將“數(shù)據(jù)垃圾”變成寶。 必須開發(fā)新型的軟件工具才能對醫(yī)療大數(shù)據(jù)進行高效挖掘 維基百科對大數(shù)據(jù)的定義：“大數(shù)據(jù)是指所涉及的 數(shù)據(jù) 量規(guī)模 巨大到無法通過目前主流軟件工具，在合理時間內達到獲取、處理的數(shù)據(jù) ?！? 維基百科對大數(shù)據(jù)的定義也意味著當前的主流軟件工具已不能滿足時代發(fā)展的要求，需要開發(fā)新軟件工具來處理大數(shù)據(jù)，也意味著 當前的醫(yī)療信息系統(tǒng)不能適應醫(yī)療大數(shù)據(jù)的實際需求， 需要對現(xiàn)有的信息系統(tǒng)進行徹底的改造才能適應大數(shù)據(jù)時代的潮流。 醫(yī)療大數(shù)據(jù) 30 第 3章 發(fā)明專利：醫(yī)學信息的結構化存貯方法 維基百科關于大數(shù)據(jù)的定義已明確指出，目前的主流軟件工具已 不 適合處理大數(shù)據(jù)，其言外之意就是要高效處理大數(shù)據(jù)，必須創(chuàng)造發(fā)明新的軟件工具。 人的大腦才是最好的數(shù)據(jù)處理工具。最好的大數(shù)據(jù)的處理工具應該在模仿大腦的記憶、思維方式的基礎上而開發(fā)出來的軟件工具。 在 大數(shù)據(jù)的 4V 特性 中，最關鍵的問題就是數(shù)據(jù)類型的“ 多樣性 (Variety)”。人的大腦是如何處理數(shù)據(jù)的多樣性的？ 對人的大腦而言， 沒有數(shù)據(jù)類型的概念。人的大腦通過視覺、聽覺、觸覺、嗅覺、味覺、痛覺等感覺器官而接收信號。對于同一感覺器官所接收的信號而言，它們的類型都是一樣的 。如果說大腦中的數(shù)據(jù) 有數(shù)據(jù)類型，也只有六種類型 （視覺型、聽覺型、觸覺型、 嗅覺型、味覺型、痛覺型 ） 。 從某種方面而言，大腦中的數(shù)據(jù)只有一種類型，即模擬型數(shù)據(jù)。 大腦通過聯(lián)想而實現(xiàn)對信號的處理。聯(lián)想共有三種：同時聯(lián)想、相似聯(lián)想、接近聯(lián)想。 同時聯(lián)想：在同一時間內由不同的感覺器官所接收的信號同時輸入大腦時，這些信號之間就可以形成聯(lián)想關系。 醫(yī)療大數(shù)據(jù) 31 相似聯(lián)想：同一感覺器官所接收到的信號相似時就可以形成聯(lián)想關系。 接近聯(lián)想：在空間和時間上相互接近的事物 的信號輸入到大腦之中時，這些事物 之間可以開成聯(lián)想關系。 大腦是以“穿糖葫蘆” 的形式 存貯信號：當人的大腦接收第一個視覺信號時，大腦是從最接近視覺的存貯區(qū)域開始存貯信號，并以 “穿糖葫蘆”的形式逐 一存貯所接收到的視覺信號。 大腦是以六列的二維表的形式來存貯信號。 對于同一存貯區(qū)域的信號，例如視覺存貯區(qū)域的信號，大腦是以相似聯(lián)想、接近聯(lián)想的形式而處理信號。 對于不同存貯區(qū)載的信號，例如視覺存貯區(qū)域的信號與聽覺存貯區(qū)域的信號，大腦是以同時聯(lián)想的形式處理信號。 大腦以同時聯(lián)想、相似聯(lián)想、接近聯(lián)想的方式就可以聯(lián)想（猶如計算機中的查詢、檢索）到大腦中的所有信號。