【正文】 方法包括應(yīng)用大數(shù)據(jù)、數(shù)據(jù)倉庫和商業(yè)智能技術(shù)，集成醫(yī)院各類數(shù)據(jù)資源，實現(xiàn)醫(yī)療服務(wù)機構(gòu)各類管理指標(biāo)的預(yù)警監(jiān)控，并提供多維綜合分析平臺。 個人 個 人 生 命 全 周 期個 人 疾 病 全 周 期 個 人 健 康 全 周 期醫(yī)生醫(yī) 療 衛(wèi) 生 服 務(wù)藥品醫(yī) 藥 供 應(yīng) 鏈診 斷處 方治 療招 投 標(biāo)采 購物 流支 付個 人 （ 患 者 、 亞 健 康 ）醫(yī) 療 衛(wèi) 生 服 務(wù) 機 構(gòu)醫(yī) 藥 生 產(chǎn) 經(jīng) 營 企 業(yè)醫(yī) 療 衛(wèi) 生 管 理 機 構(gòu)醫(yī) 療 保 險 機 構(gòu)公 共 衛(wèi) 生 服 務(wù) 機 構(gòu)醫(yī) 藥 監(jiān) 管 機 構(gòu)患 者 分 析疾 病 分 析用 藥 分 析費 用 分 析健 康 分 析藥 品 分 析安 全 風(fēng) 險 分 析資 源 分 析效 果 分 析醫(yī) 療 衛(wèi) 生 大 數(shù) 據(jù) 源 專 題 大 數(shù) 據(jù) 應(yīng) 用 業(yè) 務(wù) 大 數(shù) 據(jù) 應(yīng) 用 以個人為中心全生命周期的階段劃分，如下圖： 醫(yī)療衛(wèi)生服務(wù)也從局限于醫(yī)院內(nèi)部的檢查、診斷和治療，擴展到未病、病前和病后的全過程醫(yī)療衛(wèi)生活動?！弊罱K 形成我國醫(yī)療衛(wèi)生服務(wù)體系的總體布局，如下圖。這就需要醫(yī)療數(shù)據(jù)的存儲模型能夠適應(yīng)靈活多變的多維統(tǒng)計分析需求。醫(yī)療數(shù)據(jù)的多維度、多粒度為各種信息服務(wù)的多角度、多層次分析提供了可能，但同時也為大數(shù)據(jù)分析帶來了挑戰(zhàn)。 多維數(shù)據(jù)由于醫(yī)療數(shù)據(jù)是多種數(shù)據(jù)源數(shù)據(jù)的匯總，數(shù)據(jù)之間的關(guān)系非常復(fù)雜。根據(jù)估算，中國一個中等城市（ 1 千萬人口規(guī)模）50 年所積累的醫(yī)療衛(wèi)生數(shù)據(jù)量就會達到 10PB 級。 近幾年，隨著社區(qū)系統(tǒng)、新農(nóng)合系統(tǒng)、村衛(wèi)生室系統(tǒng)等基層醫(yī)療衛(wèi)生信息系統(tǒng)逐步上線，醫(yī)療衛(wèi)生數(shù)據(jù)源頭也越來越多，數(shù)據(jù)量越來越大。另外可以看出目前所給數(shù)據(jù)都是結(jié)構(gòu)化數(shù)據(jù)，如果從大數(shù)據(jù)分析應(yīng)用角度，理想的數(shù)據(jù)還應(yīng)該包括圖像、圖形、文本等半結(jié)構(gòu)和非結(jié)構(gòu)數(shù)據(jù)，以及非關(guān)系數(shù)據(jù)（多維數(shù)據(jù)），才能構(gòu)成滿足醫(yī)藥醫(yī)療健康大數(shù)據(jù)分析應(yīng)用的需求。 ? 第三維（ Z 軸）：衛(wèi)生服務(wù)活動（或干預(yù)措施） 針對特定的健康和疾病問題，醫(yī)療衛(wèi)生機構(gòu)開展一系列預(yù)防、醫(yī)療、保健、康復(fù)、健康教育等衛(wèi)生服務(wù)活動（或干預(yù)措施），這些活動反映了居民健康需求的滿足程度和衛(wèi)生服務(wù)利用情況。 ? 第二維（ Y 軸）： 健康和疾病問題 每一個人在不同生命階段所面臨的健康和疾病問題不盡相同。 ? 第一維（ X 軸）：生命階段 按照不同生理年齡可將人的整個生命進程劃分為連續(xù)的若干生命階段，如：嬰兒期（ 0～ 1 歲）、幼兒期（ 1～ 3 歲）、學(xué)齡前期（ 3～ 6 歲）、學(xué)齡期（ 6～ 12歲）、青春期（ 12～ 20 歲）、青年期（ 21～ 45 歲）、中年期（ 46～ 60 歲）、老年期（ 60 歲以上）等八個生命階段。同時，坐標(biāo)軸上的三維坐標(biāo)連線交叉所圈定的空間位置（域），表示了人在特定生命時期、因特定健康問題而發(fā)生的特定衛(wèi)生服務(wù)活動所需記錄的特定記錄項集。通過一定的時序性、層次性和邏輯性，將人一生中面臨的健康和疾病問題、針對性的衛(wèi)生服務(wù)活動（或干預(yù)措施）以及所記錄的相關(guān)信息有機地關(guān)聯(lián)起來，并對所記錄的海量信息進行科學(xué)分類和抽象描述，使之系統(tǒng)化、條理化和結(jié)構(gòu)化。2 、 個 人 擴 展 信 息 ： 包 括 工 作 、 教 育 、 家 庭 、 住房 、 社 保 、 公 積 金 、 計 劃 生 育 、 衛(wèi) 生 健 康 、 犯 罪 記錄 、 死 亡 信 息 等 。2 、 主 要 衛(wèi) 生 服 務(wù) 記 錄 ： 包 括 兒 童 保 健 信 息 、 婦女 保 健 信 息 、 疾 病 預(yù) 防 信 息 、 疾 病 管 理 ： 高 血 壓 、糖 尿 病 、 腫 瘤 、 重 癥 精 神 疾 病 等 病 例 管 理 信 息 ， 老年 人 健 康 管 理 信 息 、 醫(yī) 療 服 務(wù) 信 息 等 。7 、 醫(yī) 療 機 構(gòu) 信 息 ： 醫(yī) 療 機 構(gòu) 法 人 信 息 。5 、 轉(zhuǎn) 診 （ 院 ） 記 錄 ： 患 者 轉(zhuǎn) 診 的 主 要 工 作 記 錄 。3 、 住 院 診 療 記 錄 ： 包 括 住 院 病 案 首 頁 、 住 院 志 等九 項 內(nèi) 容 。 電 子 病 歷 數(shù) 據(jù) 庫１ 、 病 歷 概 要 ： 包 括 患 者 基 本 信 息 等 四 項 內(nèi) 容 。依托中西醫(yī)協(xié)同公共衛(wèi)生信息系統(tǒng)、基層醫(yī)療衛(wèi)生管理信息系統(tǒng)、醫(yī)療健康公共服務(wù)系統(tǒng)打造全方位、立體化的國家衛(wèi)生計生資源體系?！?1”代表 1 個 融合網(wǎng)絡(luò)，即人口健康統(tǒng)一網(wǎng)絡(luò) ?！?6”代表 6 項業(yè)務(wù)應(yīng)用，分別是：公共衛(wèi)生、醫(yī)療服務(wù)、醫(yī)療保障、藥品管理、計劃生育、綜合管理 。 醫(yī) 生患 者藥 品醫(yī) 療 器 械處 方檢 查 結(jié) 果P體 檢 結(jié) 果大 眾 群 體體 檢 中 心體 檢 報 告醫(yī) 療 保 險商 業(yè) 保 險A P P 服 務(wù)健 康 報 告藥 監(jiān) 局醫(yī) 院醫(yī) 保 中 心衛(wèi) 生 局疾 控 中 心保 險 公 司體 檢 醫(yī) 生醫(yī) 藥 生 產(chǎn)銷 售 零 售企 業(yè)醫(yī) 療 器 械生 產(chǎn) 銷 售企 業(yè)體 征 數(shù) 據(jù)藥 品 招 采藥 品 運 輸與 庫 存 衛(wèi)計委給出的相關(guān)數(shù)據(jù)模型 2020 年底，原衛(wèi)生部完成了“十二五”衛(wèi)生信息化建設(shè)工程規(guī)劃編制工作，初步確定了我國衛(wèi)生信息化建設(shè)路線圖，簡稱“ 35212 工程”，即建設(shè)國家級、省級和地市級 3 級衛(wèi)生信息平臺，加強公共衛(wèi)生、醫(yī)療服務(wù)、新農(nóng)合、基本藥物制度、綜合管理等 5 項業(yè)務(wù)應(yīng)用，建設(shè)健康檔案和電子病歷 2 個基礎(chǔ)數(shù)據(jù)庫和 1 個專用網(wǎng)絡(luò)建設(shè)，進行醫(yī)療衛(wèi)生信息標(biāo)準(zhǔn)化體系和安全保障體系 2 個體系建設(shè)。 我們給出的相關(guān)數(shù)據(jù)模 型 我國醫(yī)療衛(wèi)生行業(yè)涉及的數(shù)據(jù)實體對象種類非常眾多，包括醫(yī)療機構(gòu)－科室－醫(yī)生（門診、住院）、大眾群體－患者、醫(yī)療管理部門－衛(wèi)生局－疾控中心－醫(yī)保中心－發(fā)改委－中醫(yī)藥管理局、醫(yī)藥管理部門－藥監(jiān)局、醫(yī)藥研發(fā)－醫(yī)藥生產(chǎn)－醫(yī)藥經(jīng)營－藥品（處方藥、 ODC 藥）、醫(yī)療器械研發(fā)－醫(yī)療器械生產(chǎn)－醫(yī)療器械經(jīng)營－醫(yī)療器械、商業(yè)醫(yī)療保險公司、體檢中心－體檢醫(yī)生、 APP 服務(wù)等。其中大量充斥著非結(jié)構(gòu)化 /半結(jié)構(gòu)化的數(shù)據(jù)，包括圖像， office 文檔，以及 XML 結(jié)構(gòu)文檔等。這些數(shù)據(jù)主要來源于醫(yī)療業(yè)務(wù)活動、健康體檢、公共衛(wèi)生等 9 項醫(yī)療衛(wèi)生服務(wù)。 建立平臺產(chǎn)品優(yōu)化升級服務(wù)組織機制 本平臺作為公司的主打產(chǎn)品系列，要建立嚴(yán)格的版本控制，并根據(jù)市場反饋和內(nèi)部技術(shù)發(fā)展，進行有計劃的平臺版本升級，并將新版本升級信息和文檔，按規(guī)定要求通知已有用戶，并及時 進行產(chǎn)品升級，并提供維護服務(wù)。在上述專題大數(shù)據(jù)應(yīng)用基礎(chǔ)上，結(jié)合所承擔(dān)的相關(guān)醫(yī)療衛(wèi)生及其相關(guān)機構(gòu)項目，進行機構(gòu)大數(shù)據(jù)應(yīng)用定制開發(fā)。在充分調(diào)研和分析醫(yī)療衛(wèi)生行業(yè)的業(yè)務(wù)特性基礎(chǔ)上，研發(fā)形成具有我國醫(yī)療衛(wèi)生行業(yè)特征的分類專題大數(shù)據(jù)分析，并根據(jù)專題組成和業(yè)務(wù)功能要求形成滿足該業(yè)務(wù)專題的大數(shù)據(jù)應(yīng)用，如心臟病專題的大數(shù)據(jù)應(yīng)用，包括其成因的大數(shù)據(jù)分析、其日常行為對病情影響的大數(shù)據(jù)分析等，為有關(guān)機構(gòu)進行心臟病的有關(guān)活動（預(yù)測、預(yù)防、治療、恢復(fù)）提供支撐。透過標(biāo)準(zhǔn)化流程和機器對數(shù)據(jù)進行處理可以確保獲得一個預(yù)設(shè)質(zhì)量的分析結(jié)果。人工智能從數(shù)據(jù)中主動地提取信息。分割、集群、孤立點分析還有各種算法讓我們精煉數(shù)據(jù)，挖掘價值。將物理或抽象對象的集合分組成為由類似的對象組成的多個類；聚類在不同的應(yīng)用領(lǐng)域，用作描述數(shù)據(jù)，衡量不同數(shù)據(jù)源間的相似性，以及把數(shù)據(jù)源分類到不同的簇中；聚類是將數(shù)據(jù)分類到不同的類或者簇這樣的一個過程，所以同一個簇中的對象有很大的相似性，而不同簇間的對象有很大的相異性；聚類與分類不同，聚類所要求劃分的類是未知的； ? 異常檢測分析：異常檢測是數(shù)據(jù)挖掘中一個重要方面，用來發(fā)現(xiàn)”小的模式” (相對于聚類 )，即數(shù)據(jù)集中間顯著不同于其它數(shù)據(jù)的對象； ? 可視化分析。建立連續(xù)函數(shù)值模型，比如預(yù)測空缺值； ? 聚類分析：聚類是一種無監(jiān)督分類法 : 沒有預(yù)先指定的類別。 醫(yī)療衛(wèi)生大數(shù)據(jù)的處理和分析算法分類和形成 ? 技術(shù)分類方法 ? 根據(jù)挖掘任務(wù)：分為分類或預(yù)測模型發(fā)現(xiàn)、數(shù)據(jù)總結(jié)、聚類、關(guān)聯(lián)規(guī)則發(fā)現(xiàn)、序列模式發(fā)現(xiàn)、依賴關(guān)系或依賴模型發(fā)現(xiàn)、異常和趨勢發(fā)現(xiàn)等等； ? 根據(jù)挖掘?qū)ο螅嚎煞譃殛P(guān)系數(shù)據(jù)庫、面 向?qū)ο髷?shù)據(jù)庫、空間數(shù)據(jù)庫、時態(tài)數(shù)據(jù)庫、文本數(shù)據(jù)源、多媒體數(shù)據(jù)庫、異質(zhì)數(shù)據(jù)庫、遺產(chǎn)數(shù)據(jù)庫以及環(huán)球網(wǎng) Web； ? 根據(jù)挖掘方法：可分為 :機器學(xué)習(xí)方法、統(tǒng)計方法、神經(jīng)網(wǎng)絡(luò)方法和數(shù)據(jù)庫方法。在圖型數(shù)據(jù)庫 中，每一個元素都包含一個直接的指向它毗鄰元素的點，所以也就不需要索引查找。 圖型數(shù)據(jù)庫： 圖型數(shù)據(jù)庫關(guān)注值與值之間的關(guān)系，用圖型的數(shù)學(xué)概念存儲數(shù)據(jù)。因為沒有固定的模式，所以列名和鍵可以變換。在傳統(tǒng)關(guān)系型數(shù)據(jù)庫中，數(shù)據(jù)經(jīng)常以行來訪問。文檔存儲數(shù)據(jù)庫中的數(shù)據(jù)可以通過定義的任何模式進行查詢，但鍵值數(shù)據(jù)庫只能通過它的鍵進行查詢。有點類似于鍵值數(shù)據(jù)庫，但文檔數(shù)據(jù)庫中的數(shù)據(jù)有結(jié)構(gòu)。必須知道鍵才能查詢，不過值是一堆無意義的數(shù)據(jù)，讀取之后必須經(jīng)過翻譯。 目前除了關(guān)系型數(shù)據(jù)庫外，還主要存在有以下四種 NoSQL 數(shù)據(jù)管理系統(tǒng)： 鍵值數(shù)據(jù)庫： 當(dāng)數(shù)據(jù)以鍵的形式訪問時，比如通過國際標(biāo)準(zhǔn)書號 ISBN 找一本書，鍵值數(shù)據(jù)庫是最理想的。 建立醫(yī)療衛(wèi)生大數(shù)據(jù)的存儲機制 雖然關(guān)系型數(shù)據(jù)庫系統(tǒng) (RDBMS)在安裝和使用上仍然占有主要地位，但毋庸置疑，非關(guān)系型數(shù)據(jù)庫 NoSQL 技術(shù)已經(jīng)成為今天發(fā)展最快的數(shù)據(jù)庫技術(shù)。 對獲取的醫(yī)療衛(wèi)生大數(shù)據(jù)預(yù)處理機制 醫(yī)療衛(wèi)生大數(shù)據(jù)預(yù)處理主要完成對已接收數(shù)據(jù)的辨析、抽取、清洗等操作，目的是將數(shù)據(jù)按統(tǒng)一的格式提取出來，然后再轉(zhuǎn)化，集成，載入數(shù)據(jù)倉庫的工具 （ ETL） 包括：抽?。阂颢@取的數(shù)據(jù)可能具有多種結(jié)構(gòu)和類型，數(shù)據(jù)抽取過程可以幫助我們將這些復(fù)雜的數(shù)據(jù)轉(zhuǎn)化為單一的或者便于處理的構(gòu)型，以達到快速分析處理的目的；清洗：對于大數(shù)據(jù)，并不全是有價值的，有些數(shù)據(jù)并不是我們所關(guān) 心的內(nèi)容，而另一些數(shù)據(jù)則是完全錯誤的干擾項。區(qū)域性醫(yī)學(xué)數(shù)據(jù)中心的建設(shè)以行政業(yè)務(wù)處理、醫(yī)療、預(yù)防、保健、康復(fù)為服務(wù)主線，以健康人群和患者的醫(yī)療活動需求為基礎(chǔ)。 個人 個 人 生 命 全 周 期個 人 疾 病 全 周 期 個 人 健 康 全 周 期醫(yī)生醫(yī) 療 衛(wèi) 生 服 務(wù)藥品醫(yī) 藥 供 應(yīng) 鏈診 斷處 方治 療招 投 標(biāo)采 購物 流支 付個 人 （ 患 者 、 亞 健 康 ）醫(yī) 療 衛(wèi) 生 服 務(wù) 機 構(gòu)醫(yī) 藥 生 產(chǎn) 經(jīng) 營 企 業(yè)醫(yī) 療 衛(wèi) 生 管 理 機 構(gòu)醫(yī) 療 保 險 機 構(gòu)公 共 衛(wèi) 生 服 務(wù) 機 構(gòu)醫(yī) 藥 監(jiān) 管 機 構(gòu)患 者 分 析疾 病 分 析用 藥 分 析費 用 分 析健 康 分 析藥 品 分 析安 全 風(fēng) 險 分 析資 源 分 析效 果 分 析醫(yī) 療 衛(wèi) 生 大 數(shù) 據(jù) 源 專 題 大 數(shù) 據(jù) 應(yīng) 用 業(yè) 務(wù) 大 數(shù) 據(jù) 應(yīng) 用 對接數(shù)據(jù)源，獲取醫(yī)療衛(wèi)生大數(shù)據(jù) 醫(yī)療衛(wèi)生大數(shù)據(jù)中心為本平臺進行醫(yī)療衛(wèi)生大數(shù)據(jù)分析提供數(shù)據(jù)源，但不在本平臺范圍內(nèi)，并平臺只是開發(fā)提供一套與該數(shù)據(jù)中心的數(shù)據(jù)讀取接口，并具有監(jiān)控數(shù)據(jù)讀取情況匯總統(tǒng)計和異常提示功能。 4. 產(chǎn)品理念 醫(yī)療衛(wèi)生、健康保健、醫(yī)藥器械形成的海量數(shù)據(jù)就象一座待開發(fā)的金礦，利用大數(shù)據(jù)技術(shù)、云計算技術(shù)、物聯(lián)網(wǎng)技術(shù)和便攜設(shè)備技術(shù)的最新成果，將給醫(yī)療衛(wèi)生事業(yè)帶來全新革命性的改變，明顯解決看病難和看病貴的問題，達到醫(yī)療衛(wèi)生資源配置分布合理、大病小病治療各司其職、疾病預(yù)防治療有機結(jié)合、公民健康保健全過程覆蓋。各個應(yīng)用單位根據(jù)自己的業(yè)務(wù)需要定制服務(wù)，平臺支持“開通即用”服務(wù)模式，為實現(xiàn)業(yè)務(wù)應(yīng)用集成，本平臺將對外支持 Web Service方式的接口服務(wù) 。 解決的問題 當(dāng)前醫(yī)療衛(wèi)生信息化建設(shè)的主要問題是各個區(qū)域內(nèi)不同醫(yī)療機構(gòu)中患者的基礎(chǔ)信息和各種臨床信息資源 分散、重復(fù)、孤立，導(dǎo)致有效信息閑置、信息重復(fù)或不一致，很難得到有效利用。 2. 產(chǎn)品愿景 形成充分發(fā)揮大數(shù)據(jù)技術(shù)的，針對醫(yī)療醫(yī)藥行業(yè)的，能充分適應(yīng)醫(yī)療衛(wèi)生信息特征的大數(shù)據(jù)分析應(yīng)用支撐平臺，通過大數(shù)據(jù)分析，達到發(fā)現(xiàn)知識、發(fā)現(xiàn)規(guī)律、預(yù)測未來，將醫(yī)療衛(wèi)生行業(yè)推進進入大數(shù)據(jù)時代提供技術(shù)可行性。 在上述這些大背景下，本公司提出并計劃研發(fā)“醫(yī)療大數(shù)據(jù)分析應(yīng)用平臺”（以下簡稱“本平臺”）產(chǎn)品，以期為我國醫(yī)療衛(wèi)生實現(xiàn)數(shù)字醫(yī)療、智慧醫(yī)療、健康醫(yī)療發(fā)揮重要作用。還可以與 PACS 系統(tǒng)對接，全面記錄患者的影像學(xué)信息，實現(xiàn)患者影像信息的共享。尤其是 GE 構(gòu)建的三級篩查網(wǎng)絡(luò)，對雙側(cè)內(nèi)膜增厚的高危人群檢出率提升了近 10%。 2020 年， GE醫(yī)療中國聯(lián)合國家衛(wèi)生計生委腦卒中防治工程委員會 (腦防委 )啟動了 “ 腦卒中行動 ” 合作戰(zhàn)略。 根據(jù)我國居民第三次死因調(diào)查報告顯示，腦血管病已成為居民的第一死因。 2020 年美國的公共數(shù)據(jù)開放項目OpenFDA 上線之后，先導(dǎo)項目開放了 “300 萬份藥物不良反應(yīng)報告 ” ，這些數(shù)據(jù)是 2020 至 2020 年間被提交給 FDA 的藥物不良反應(yīng)和醫(yī)療過失記錄。該計劃的目標(biāo)是改進人們從現(xiàn)有的海量和復(fù)雜的數(shù)據(jù)中獲取知識的能力。在商業(yè) 、經(jīng)濟及其他領(lǐng)域中，決策行為將日益基于數(shù)據(jù)和分析的結(jié)果，而非基于經(jīng)驗和直覺；而在公共衛(wèi)生、經(jīng)濟發(fā)展和經(jīng)濟預(yù)測等領(lǐng)域中，“大數(shù)據(jù)”的預(yù)見能力也已經(jīng)嶄露頭角。隨著醫(yī)療數(shù)據(jù)的急劇增長，如何充分利用