【正文】 數(shù)據(jù)則是一家機構(gòu)或幾家機構(gòu)中的部分?jǐn)?shù)據(jù)。 與當(dāng)前人們所提到的大數(shù)據(jù)相比，關(guān)系數(shù)據(jù)庫所處理的數(shù)據(jù)則是小數(shù)據(jù)。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。 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(biāo)準(zhǔn)，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(biāo)準(zhǔn)化改革。 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。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(yuǎn)遠(yuǎn)超過千年蟲問題。 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(biāo)準(zhǔn) 、業(yè)務(wù)流程不標(biāo)準(zhǔn)、數(shù)據(jù)多樣性 (Variety)【 數(shù)據(jù)結(jié)構(gòu)不標(biāo)準(zhǔn)、不統(tǒng)一】 、信息孤島）與秦始皇曾經(jīng)遇到的問題有些類似。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 。 目前的信息系統(tǒng)所產(chǎn)生的數(shù)據(jù)不適應(yīng)大數(shù)據(jù)的需求 。大數(shù)據(jù)標(biāo)準(zhǔn)涉及數(shù)據(jù)的標(biāo)準(zhǔn)化、數(shù)據(jù)結(jié)構(gòu)的標(biāo)準(zhǔn)化、業(yè)務(wù)的標(biāo)準(zhǔn)化、業(yè)務(wù)流程的標(biāo)準(zhǔn)化。 國家大數(shù)據(jù)標(biāo)準(zhǔn)的工程的工程量要比“兩彈一星”的工程量 大 。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。 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(diào)。有 人用 XML 實現(xiàn)病歷信息的結(jié)構(gòu)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。 數(shù)據(jù)與數(shù)據(jù)庫系統(tǒng)、應(yīng)用系統(tǒng)密不可分。然而要對全國近百萬個醫(yī)療機構(gòu)的數(shù)十萬個、數(shù)百萬個信息系統(tǒng)中的數(shù)據(jù)進(jìn)行轉(zhuǎn)換，也是一項工程量巨大的系統(tǒng)工程。例如，目前國內(nèi)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(jié)構(gòu)結(jié)構(gòu)及數(shù) 據(jù)類型也不一樣。 下述 4 個問題屬于技術(shù)問題，關(guān)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(shù)“醫(yī)學(xué)信息的結(jié)構(gòu)化存貯方法”從技術(shù) 上 加以徹底解決： 數(shù)據(jù)多樣性 (Variety)【 數(shù)據(jù)結(jié)構(gòu)不標(biāo)準(zhǔn)、不統(tǒng)一 】：目前關(guān)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(guān)系數(shù)據(jù)庫而建立的。 ? 只有解決了上 述三項基礎(chǔ)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。這項工作也應(yīng)該由國家衛(wèi)計委來解決。 業(yè)務(wù)、 業(yè)務(wù)流程不標(biāo)準(zhǔn)：目前全國各醫(yī)療機構(gòu)的 業(yè)務(wù)及 業(yè)務(wù)流程并不標(biāo)準(zhǔn)，因此，各醫(yī)療機構(gòu)所產(chǎn)生的數(shù)據(jù)也各不一樣。有了國家醫(yī)療大數(shù)據(jù)標(biāo)準(zhǔn)之后，還需要用標(biāo)準(zhǔn)的醫(yī)療數(shù)據(jù)去代替現(xiàn)有的不標(biāo)準(zhǔn)的醫(yī)療數(shù)據(jù)，而此項工作的工作量也是非常 巨大的。醫(yī)療行業(yè)數(shù)據(jù)標(biāo)準(zhǔn)化工作是大數(shù)據(jù)挖掘的基礎(chǔ)工作。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(biāo)準(zhǔn)化問題。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) 。然而，要想對全國近百萬個醫(yī)療機構(gòu)、數(shù)十萬個信息系統(tǒng)的全部數(shù)據(jù)進(jìn)行高效地挖掘，所面臨的挑戰(zhàn)是非常嚴(yán)重的。只有這樣， 才 能高效處理大數(shù)據(jù)?！緸槭裁匆壐脑?？因 為當(dāng)前的各家醫(yī)院的信息系統(tǒng)所產(chǎn)生的數(shù)據(jù)各不相同， 數(shù)據(jù)不標(biāo)準(zhǔn) 、不規(guī)范。 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。然而，計算機很笨，不能理解自然語言，因此只有把醫(yī)學(xué)信息結(jié)構(gòu)化之后進(jìn)行存貯，才能用計算機進(jìn)行處理。 信息系統(tǒng)的最終用戶所看到的數(shù)據(jù)都需要應(yīng)用程序的解讀，最終用戶看不懂關(guān)系數(shù)據(jù)庫中的數(shù)據(jù) 。各家醫(yī)院信息系統(tǒng)的標(biāo)準(zhǔn)、接口都不同，這成為利用率低、共享難的 原因之一?！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(biāo) 準(zhǔn)、采集、存儲都不一樣。 】 業(yè)務(wù)及業(yè)務(wù)流程不標(biāo)準(zhǔn)：要對全國的某個行業(yè)的大數(shù)據(jù)進(jìn)行分析統(tǒng)一，行業(yè)內(nèi)的 業(yè)務(wù)及 業(yè)務(wù)流程的標(biāo)準(zhǔn)化工作也是一項非常重要的工作，否則，各個機構(gòu)的數(shù)據(jù)也就會百花齊放、各不相同，不利于分析統(tǒng)計。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?！薄ⅰ皽?、“上海市”、“滬市”、“ SHANGHAI” 、“ SH” 等表示上海市出生的人。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”。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。 【 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。國內(nèi)還未做好這項基礎(chǔ)工作。數(shù)據(jù)不標(biāo)準(zhǔn)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(biāo)準(zhǔn)化工作是大數(shù)據(jù)的一項非常重要的基礎(chǔ)工作，這項基礎(chǔ)工作搞不好，大數(shù)據(jù)挖掘工作不可能搞好。 到目前為止，醫(yī)療數(shù)據(jù)都存貯在各家醫(yī)療機構(gòu)內(nèi)部，從各醫(yī)療大數(shù)據(jù) 11 家醫(yī)療機構(gòu)獲得數(shù)據(jù)非常難。然而， 當(dāng)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(gòu) 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。 目前商業(yè)智能所處理 的 還只是一家企業(yè)內(nèi)部 的 數(shù)據(jù)，人們已感到對企業(yè)內(nèi)部的 數(shù)十個信息系統(tǒng)中的數(shù)據(jù)進(jìn)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(fù)雜數(shù)萬倍。 小數(shù)據(jù)是為機構(gòu)內(nèi)部的人員所使用， 是從機構(gòu)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。 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(shè)計的信息系統(tǒng)只是用來處理某個機構(gòu)、某個部門內(nèi)部 的某個局部問題進(jìn)行統(tǒng)計、分析 ，一個信息系統(tǒng)中只有幾張表、幾十張表 。要把全國 數(shù)千萬張表中的性別數(shù)據(jù)全部轉(zhuǎn)換為統(tǒng)一的數(shù)據(jù)，就是一項非常艱巨的系統(tǒng)工程。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。 當(dāng)前的絕大多數(shù)信息系統(tǒng)都是用關(guān)系數(shù)據(jù)庫系統(tǒng)而建立的。 小數(shù)據(jù)所處理的數(shù)據(jù)猶如小朋友數(shù)家里的人數(shù)，大數(shù)據(jù) 所處理的數(shù)據(jù)猶如全國人口普查。 宇宙之中有多少個星球體？誰也數(shù)不清，因為整個宇宙實在是太大了，宇宙中的星球數(shù)量實在是太多了，誰也數(shù)不清，永遠(yuǎn)也數(shù)不清。大家都認(rèn)為當(dāng)今的計算機技術(shù)已非常先進(jìn)，然而時至今日，全球、全國的人口普查都做不到百分之百準(zhǔn)確。 3 歲小朋友都可以數(shù)清楚自已家里有幾口人，然而全國有多少人？由于人數(shù)十分龐大，全國人口普查就成了一項十分艱巨的大工程。 大數(shù)據(jù)的大表現(xiàn)在：一是數(shù)據(jù)量大 （是小數(shù)據(jù)“萬倍以上” ） ，二是數(shù)據(jù)類型多 （是小數(shù)據(jù)“萬倍以上”） ，三是所涉及到的單位多 （是小數(shù)據(jù)“萬倍以上”） ，四是所涉及到的用戶多種多樣 （是小數(shù)據(jù)“萬倍以上”） ，五是對數(shù)據(jù)的需求多種多樣而且不確定 （是小數(shù)據(jù)“萬倍以上”） 。 到目前為止，還沒有成功處理上萬 家醫(yī)療 機構(gòu) 所產(chǎn)生的醫(yī)療大數(shù)據(jù)的成功案例。 如果僅是把全國各家醫(yī)院所產(chǎn)生的數(shù)據(jù)全部集中在一起，而沒有處理這些數(shù)據(jù)的應(yīng)用程序，那么，這些數(shù)據(jù)也沒什么用處。 處理小數(shù)據(jù)時并未感到關(guān)系數(shù)據(jù)庫有什么不足之處，在大數(shù)據(jù)時代人們已認(rèn)識到關(guān)系數(shù)據(jù)庫系統(tǒng)不適合處理大數(shù)據(jù)。 面對全國 萬家醫(yī)療機構(gòu)， 2 萬多家有一定規(guī)模的醫(yī)院，數(shù)萬個醫(yī)院信息系統(tǒng)， 數(shù)千萬張表，程序 員 在一周的時間內(nèi)肯定搞不清楚上述問題。了解關(guān)系數(shù)據(jù)庫理論者都 知道，如果說僅有表中的數(shù)據(jù)，沒有相應(yīng)的軟件工具，那么，從 數(shù)千萬張表中查詢數(shù)據(jù)， 即使最優(yōu)秀的程序員， 在目前的技術(shù)條件下， 一 周 的時間內(nèi) 肯定 查不出來 患者的所有病史數(shù)據(jù) 。國家醫(yī)療大數(shù)據(jù)所涉及的信息量是一般的醫(yī)院信息系統(tǒng)的數(shù)據(jù)量的數(shù) 萬倍、數(shù) 十 萬倍以上。 醫(yī)療大數(shù)據(jù)應(yīng)該說是永久有用的，可用來研究人類疾病的歷史變化情況。 截至 2021 年 3 月底，全國醫(yī)療衛(wèi)生機構(gòu)數(shù)達(dá) 萬個，其中：醫(yī)院 萬個，基層醫(yī)療衛(wèi)生機構(gòu) 萬個，專業(yè)公共衛(wèi)生機構(gòu) 萬個，其他機構(gòu) 醫(yī)療大數(shù)據(jù) 8 萬個 。為什么不能處理呢？ 例如，患者就醫(yī)時，醫(yī)生 非常關(guān)心患者的病史?！边@些數(shù)據(jù)可以稱為國家醫(yī)療大數(shù)據(jù)。關(guān)系數(shù)據(jù)庫中的數(shù)據(jù)的一大特點 （或者說一大問題） 就是“ 數(shù)據(jù) 嚴(yán)重依賴于數(shù)據(jù)庫系統(tǒng)及應(yīng)用程序” ， 當(dāng)關(guān)系數(shù)據(jù)庫系統(tǒng)中 的數(shù)據(jù)脫離了相應(yīng)的數(shù)據(jù)庫系統(tǒng)及應(yīng)用程序后，這些數(shù)據(jù)基本上就成了難以閱讀的無用數(shù)據(jù)。維基百科關(guān)于大數(shù)據(jù)的定義也明確指出當(dāng)前的主流軟件工具不能高效地處理大數(shù)據(jù)，要高效處理大數(shù)據(jù)必須開發(fā)新的軟件工具。用關(guān)系數(shù)據(jù) 庫 來處理大數(shù)據(jù)時會遇到很多 難以 克 服的困難。 醫(yī)療大數(shù)據(jù) 7 第 2章 醫(yī)療大數(shù)據(jù) 面臨的挑戰(zhàn) 本章內(nèi)容提要： 大數(shù)據(jù)并不是小數(shù)據(jù)之和， 大數(shù)據(jù)與小數(shù)據(jù)有本質(zhì)的差異。 在大數(shù)據(jù)時代，大數(shù)據(jù)中包含成千上萬家機構(gòu)的數(shù)據(jù)，因此，大數(shù)據(jù)中的每一個數(shù)據(jù)庫是由哪家機構(gòu)所產(chǎn)生，數(shù)據(jù)庫中各表中所存貯的數(shù)據(jù)是什么等等都是非常重要的信息，只有搞清楚這些信息，才能正常解讀各數(shù)據(jù)的真實含義。 ? 事物分類 ： 事物分類 是 由發(fā)明專利技術(shù)“醫(yī)學(xué)信息的結(jié)構(gòu)化存貯方法”所提出的概念。在大數(shù)據(jù)時代，大數(shù)據(jù)中的各個數(shù)據(jù)是由成千上萬個機構(gòu)所產(chǎn)生的數(shù)據(jù)，因此就非常有必要標(biāo)識清楚各個數(shù)據(jù)是哪個機構(gòu)所產(chǎn)生的，是哪個機構(gòu)所擁有的。 ? 數(shù)據(jù)擁有者 ： 是 由發(fā)明專利技術(shù)“醫(yī)學(xué)信息的結(jié)構(gòu)化存貯方法” 所提出的概念 。 大數(shù)據(jù)時代以前的關(guān)系數(shù)據(jù)庫中的數(shù)據(jù)只是應(yīng)用于某個機構(gòu)內(nèi)部，因此各個數(shù)據(jù)就容易識別，然而如果把關(guān)系數(shù)據(jù)庫中的數(shù)據(jù)放到大數(shù)據(jù)環(huán)境中，那么這些數(shù)據(jù)就成了不可識別的數(shù)據(jù)。 關(guān)系數(shù)據(jù)庫中的數(shù)據(jù)不具有完整性，需要借助于注釋、數(shù)據(jù)結(jié)構(gòu)、應(yīng)用程序才能解讀數(shù)據(jù)的含義。關(guān)系數(shù)據(jù)庫中的數(shù)據(jù)不具有獨立性，需要借助于注釋、數(shù)據(jù)結(jié)構(gòu)、應(yīng)用程序才能解讀數(shù)據(jù)的含義。獨立數(shù)據(jù)庫與關(guān)系數(shù)據(jù)庫有本質(zhì)的差異。 ? 萬能數(shù)據(jù)結(jié)構(gòu)表：由發(fā)明專利技術(shù)“醫(yī)學(xué)信息的結(jié)構(gòu)化存貯方法”在模仿大腦記憶、聯(lián)想的基礎(chǔ)上而所提出的一種新型數(shù)據(jù)結(jié)構(gòu) ，可以在同一張表中存貯各種各樣的數(shù)據(jù) 。當(dāng)數(shù)據(jù)對系統(tǒng)的依賴程度比較高時，數(shù)據(jù)一旦脫離了原有的系統(tǒng)就變成了無 意義的數(shù)據(jù)。 然而，要徹底改造全國現(xiàn)的醫(yī)療信息系統(tǒng)，所花費的代價是非常高昂的！ 關(guān)鍵詞： 數(shù)據(jù)與系統(tǒng)的耦合度、 萬能數(shù)據(jù)結(jié)構(gòu) 表 、獨立數(shù)據(jù)庫、醫(yī)療大數(shù)據(jù)、數(shù)據(jù)的獨立性、數(shù)據(jù)的完整性 、數(shù)據(jù)的可識別性 、數(shù)據(jù)擁有者、事物分類 。大數(shù)據(jù)夢想將在 10 年 后 夢想成真， 5 年之內(nèi)，難有突破性進(jìn)展。現(xiàn)有的各種信息系統(tǒng)所處理的數(shù)據(jù)都是小數(shù)據(jù)。目前關(guān)系數(shù)據(jù)庫在數(shù)據(jù)處理中占據(jù)統(tǒng)治地位，而關(guān)系數(shù)據(jù)庫在處理數(shù)據(jù)時事先要確定數(shù)據(jù)的類型，因此，在處理數(shù)據(jù)類型不能事先確定的大數(shù)據(jù)時，關(guān)系數(shù)據(jù)庫就遇到了難以逾越的障礙。 小數(shù)據(jù)的特點是數(shù)據(jù)的類型和數(shù)據(jù)都是有限的，在處理數(shù)據(jù)前能事先確定數(shù)據(jù)的類型。各家醫(yī)院信息系統(tǒng)的標(biāo)準(zhǔn)、接口都不同，這成為利用率低、共享難的原因之一。 每家醫(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(biāo)準(zhǔn)、采集 、存儲都不一樣。 醫(yī)院信息系統(tǒng)所處理的 數(shù)據(jù) 只是某家醫(yī)院所產(chǎn)生的某些特定的數(shù)據(jù)（可稱作小數(shù)據(jù)）。《醫(yī)學(xué)信息的結(jié)構(gòu)化存貯方法》中的“萬能數(shù)據(jù)結(jié)構(gòu)表”可以存貯各種各樣的數(shù)據(jù)，也可說用《醫(yī)學(xué)信息的結(jié)構(gòu)化存貯方法》所設(shè)計出的信息系統(tǒng)所產(chǎn)生的數(shù)據(jù)都是“同構(gòu)”的，不存在“異構(gòu)數(shù)據(jù)”的問題。 國家大數(shù)據(jù)標(biāo)準(zhǔn)工程堪比 “兩彈一星 ”.....................................................................................14 醫(yī)療行業(yè)的信息系統(tǒng)頂層設(shè)計為何難產(chǎn) ................................................................................15 大數(shù) 據(jù)挖掘中的問題：大數(shù)據(jù)的關(guān)鍵不在于大而在于如何挖掘 ......................................16 我國醫(yī)療行業(yè)每年產(chǎn)生多少數(shù)據(jù) ....................................................................................16 挖掘關(guān)系數(shù)據(jù)庫系統(tǒng)所產(chǎn)生的醫(yī)療數(shù)據(jù)非常困難 ......................................................17 僅患者與數(shù)據(jù)的對應(yīng)關(guān)系就是一個大問題 ...................................................................18 關(guān)系數(shù)據(jù)庫理論的致命傷 .........................................................................................................19 關(guān)系數(shù)據(jù)庫中的數(shù)據(jù)在大數(shù)據(jù)環(huán)境中為何變成無意義的數(shù)據(jù) ..................................19 關(guān)系數(shù)據(jù)庫系統(tǒng)是一種完全封閉的系統(tǒng)：外來數(shù)據(jù)無法入住 ..................................22 關(guān)系數(shù)據(jù)庫中的數(shù)據(jù)與數(shù)據(jù)系統(tǒng)密不可分 ...................................................................22 關(guān)系數(shù)據(jù)庫中的數(shù)據(jù)與數(shù)據(jù)結(jié)構(gòu)密不可分 ...................................................................23 關(guān)系數(shù)據(jù)庫中的數(shù)據(jù)與應(yīng)用程序