【正文】 ，2 臺專用于 PACS，其中 HIS、 LIS、 EMR 等數(shù)據(jù) 3T，病案縮微數(shù)據(jù) 12T， PACS數(shù)據(jù) 120T 左右，每個月的數(shù)據(jù)增長為 2T 左右，每年產(chǎn)生的數(shù)據(jù)量： 24T/年。 國家醫(yī)療大數(shù)據(jù)的數(shù)據(jù)量估算： 6 萬 T/年至 100 萬 T/年。這些醫(yī)療機構(gòu)的數(shù)據(jù)存貯在數(shù)十萬個以上的文件夾中（存貯 XML、音像、文本等數(shù)據(jù)）。 當前的大多數(shù)醫(yī)療數(shù)據(jù)都是存貯在關(guān)系數(shù)據(jù)庫中，關(guān)系數(shù)據(jù)庫中的數(shù)據(jù) 與數(shù)據(jù)庫系統(tǒng)密切相關(guān)、與數(shù)據(jù)結(jié)構(gòu)密切相關(guān)、與應(yīng)用程序密切相關(guān)、數(shù)據(jù)不標準。要從國家醫(yī)療大數(shù)據(jù)中查詢患者病歷數(shù)據(jù)，必要首先搞清楚如下情況： ? 10 萬個以上的數(shù)據(jù)庫各用什么數(shù)據(jù)庫系統(tǒng)？ ? 10 萬個以上的數(shù)據(jù)庫的數(shù)據(jù)存貯在哪里？ IP？如何訪問數(shù)據(jù)庫（帳號）？ ? 100 萬張以上的表中的每張表的數(shù)據(jù)結(jié)構(gòu) ? 100 萬張以上的表中各表之間的關(guān)系 ? 100 萬張以上的表中的各個數(shù)據(jù)代碼的含義 ? 10 萬個以上的文件夾中存貯什么樣的數(shù)據(jù) 基礎(chǔ)醫(yī)療數(shù)據(jù)大多存在于 HIS、 LIS、 PACS、 EMR、手術(shù)麻醉、體檢、心電等多個子系統(tǒng)中。各自廠家研發(fā)人員除了對自家系統(tǒng)的數(shù)據(jù)結(jié)構(gòu)非常了解之外，缺乏對其他系統(tǒng)數(shù)據(jù)結(jié)構(gòu)的了解，整體數(shù)據(jù)分析能力較差。 18 僅患者與數(shù)據(jù)的對應(yīng)關(guān)系就是一個大問題 如果說要從國家醫(yī)療大數(shù)據(jù)中查詢患者影像數(shù)據(jù)，那么，該如何實現(xiàn)？ 在當前的醫(yī)療信息系統(tǒng)中，關(guān)于患者的編碼并不是唯一的，也不是全國統(tǒng)一的。由于目前國內(nèi)的各種醫(yī)療信息系統(tǒng)中的各個表中并不一定擁有患者身份證這一字段，從而使查詢變得非常繁瑣。此表中并沒有包含可以直接識別患者身份的數(shù)據(jù)。國內(nèi)同名的人非常多， 僅由姓名查義患者的數(shù)據(jù)是不行的。 19 在上面的 PACS 系統(tǒng)表中未包含患者身份證數(shù)據(jù)。 “患者與數(shù)據(jù)的對應(yīng)關(guān)系”這樣的問題其實是大數(shù)據(jù)中的一個非常突出的問題。但關(guān)系數(shù)據(jù)庫理論未考慮此問題。 對小數(shù)據(jù)而言，程序員知道相關(guān)的數(shù)據(jù)存貯在哪個表中，但在大數(shù)據(jù)環(huán)境中，程序員不知道想要查詢的數(shù)據(jù)存貯在哪里。 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) 如果在國家醫(yī)療大數(shù)據(jù)中心查詢到下表的數(shù)據(jù)，誰能看懂？ 該表中的數(shù)據(jù)是某家醫(yī)院的信息系統(tǒng)中的關(guān)系數(shù)據(jù)庫中的數(shù)據(jù)，普通人看不懂，醫(yī)生也只能靠猜測才能猜出部分內(nèi)容。 關(guān)系數(shù)據(jù)庫中的數(shù)據(jù)基本上都是不合格的失真數(shù)據(jù)，因為關(guān)系數(shù)據(jù)庫系統(tǒng)所面對的用戶只是熟悉關(guān)系數(shù)據(jù)庫理論的設(shè)計人員，而不是最終的用戶。最終用戶也看不懂關(guān)系數(shù)據(jù)庫中的數(shù)據(jù)。 關(guān)系數(shù)據(jù)理論的一個致命傷就是由設(shè)計人員隨意定義數(shù)據(jù)結(jié)構(gòu)（表結(jié)構(gòu)），關(guān)系數(shù)據(jù)庫理論中沒有定義數(shù)據(jù)結(jié)構(gòu)的國際標準。系統(tǒng)與系統(tǒng)之間不能互聯(lián)互通，用關(guān)系數(shù)據(jù)庫理論所設(shè)計出的信息 系統(tǒng)都是孤島型信息系統(tǒng)。然而在大數(shù)據(jù)環(huán)境中，面對數(shù)百萬張以上的表，就是災(zāi)難。而用關(guān)系數(shù)據(jù)庫理論所設(shè)計的每一個信息系統(tǒng)都有自己獨特的“方言”，任何兩個信息系統(tǒng)之間誰也聽不懂對方的“方言”。 在小數(shù)據(jù)時代，一個信息系統(tǒng)只應(yīng)用于一個單位，甚至只應(yīng)用于某個部門，例如醫(yī)院的 HIS 系統(tǒng)、 PACS 系統(tǒng)、 LIS 系統(tǒng)。此時人們才發(fā)現(xiàn)原來用關(guān)系數(shù)據(jù)庫理論所設(shè)計的信息系統(tǒng)不能互聯(lián)互通，用關(guān)系數(shù)據(jù)庫理論不能處理數(shù)百萬家單位所產(chǎn)生的大數(shù)據(jù)。在創(chuàng)立關(guān)系數(shù)據(jù)理論之初根本就沒有考慮系統(tǒng)之間的互聯(lián)互通、信息共享、大數(shù)據(jù)問題。 關(guān)系數(shù)據(jù)庫理論于 1970 年的 6 月由 IBM 公司的研究員埃德加 .考特 （ Edgar Frank Codd）創(chuàng)立【 論文名稱為《大型共享數(shù)據(jù)庫數(shù)據(jù)的關(guān)系模型》（ A Relational Model of Data for Large Shared Data Banks）】。 關(guān)系數(shù)據(jù)庫是信息化社會的功臣，也是當今嚴重的信息孤島的罪魁禍首！ 關(guān)系數(shù)據(jù)庫理論是單機時代、局域網(wǎng)時代的產(chǎn)物，是一種以自我為“中心”的孤島型理論，沒有與外界進行數(shù)據(jù)交換及數(shù)據(jù)共享的概念，也沒有數(shù)據(jù)接口及互聯(lián)互通的概念。用關(guān)系數(shù)據(jù)庫理論所建立的信息系統(tǒng)都是孤 島型的，不能互聯(lián)互通。我只處理我的系統(tǒng)中的數(shù)據(jù)，我不處理你的系統(tǒng)中的數(shù)據(jù)，你也不能處理我的系統(tǒng)中的數(shù)據(jù)。我的就是我的，你的就是你的，你我之間沒關(guān)系。我的數(shù)據(jù)只能在我的系統(tǒng)中生存，你的數(shù)據(jù)只能在你的系統(tǒng)中生存。 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 關(guān)系數(shù)據(jù)庫系統(tǒng)猶 如私人住宅，只有家庭成員才能入住，外人莫入。旅館向所有人開放，誰來了都可以入住，只要有房間。 23 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 關(guān)系數(shù)據(jù)庫有多種（ ORACLE、 SQLSERVER、 DB ACCESS 等等），每一種數(shù)據(jù)庫都有自己的特點，各種數(shù)據(jù)庫 系統(tǒng)只能處理自己的數(shù)據(jù)，不能處理其它系統(tǒng)的數(shù)據(jù)，例如由 ORACLE 所產(chǎn)生的數(shù)據(jù)只能由 ORACLE 系統(tǒng)處理，SQLSERVER 處理不了 ORACLE 所產(chǎn)生的數(shù)據(jù)。 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 關(guān)系數(shù)據(jù)庫中的每一個數(shù)據(jù)都是有數(shù)據(jù)結(jié)構(gòu)的，一旦失去相應(yīng)的數(shù)據(jù)結(jié)構(gòu)，就成了無意義的數(shù)據(jù)。而對大數(shù)據(jù)而言，例如國家醫(yī)療大數(shù)據(jù)，就會涉及到數(shù)十萬個信息系統(tǒng)中的數(shù)百萬張表。 對關(guān)系數(shù)據(jù)庫而言，它只能處理特定的數(shù)據(jù)，所謂特定的數(shù)據(jù)就是只有事先在關(guān)系數(shù)據(jù)庫定義了結(jié)構(gòu)的數(shù)據(jù)關(guān)系數(shù)據(jù)庫才能處理，不能處理事先未定義結(jié)構(gòu)的數(shù)據(jù)。 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(jié)構(gòu)，這是關(guān)系數(shù)據(jù)庫所不能解決的。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(yīng)該能夠其它各行各業(yè)的數(shù)據(jù)。 關(guān)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(yīng)的數(shù)據(jù)庫系統(tǒng)及相應(yīng)的 應(yīng)用程序就變成了無意義的數(shù)據(jù)。在醫(yī)院信息系統(tǒng)中，各個信息系統(tǒng)可由應(yīng)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(zāi)難！因為醫(yī)療大數(shù)據(jù)挖掘人員所面臨的是全國數(shù)萬家醫(yī)院的數(shù)十萬個信息系統(tǒng)。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。正因如此。 關(guān)系數(shù)據(jù)庫無法實現(xiàn)病歷信息的結(jié)構(gòu)化存貯 結(jié)構(gòu)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。 XML 雖說可以實現(xiàn)病歷信息的結(jié)構(gòu)化，然而要從全國每年所產(chǎn)生的幾十億份 25 電子病歷中查詢信息是非常困難的，查詢速度非常低。醫(yī)學(xué)信息的結(jié)構(gòu)化存貯方法可用于各行各業(yè)，最突出的應(yīng)用則是在醫(yī)療行業(yè)。關(guān)系數(shù)據(jù)庫理論中沒有“普通話”的概念，每設(shè)計一種信息系統(tǒng)，就產(chǎn)生一種方言。 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(nèi)部的信息系統(tǒng)之間也不能互聯(lián)互通。 在大數(shù)據(jù)時代，最需要的是各個機構(gòu)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(nèi)部使用，也要供單位外的人使用。 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。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?nèi)珖鴶?shù)十年內(nèi)所產(chǎn)生的國家醫(yī)療大數(shù)據(jù)。 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。 查詢患者的病史應(yīng)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(nèi)有很多同名同姓者。 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)。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(jié)構(gòu)各不相同。 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(yīng)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(yīng)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(yīng) PACS 數(shù)據(jù)。 這就是關(guān)系數(shù)據(jù)庫的先天不足。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。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(gòu)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。全年每年產(chǎn)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。 大數(shù)據(jù)不僅僅是數(shù)據(jù)問題，而是非常復(fù)雜的綜合問題。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(gòu)現(xiàn)有的信息系統(tǒng)進行全面整改。在 80 年代，關(guān)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(nóng)業(yè)自動化）。“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。 千年蟲問題的啟示 計算機 2020 年問題，又叫做“千年蟲”、“電腦千禧年千年蟲問題”或“千年危機”。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(jié)果，進而引發(fā)各種各樣的系統(tǒng)功 能紊亂甚至崩潰。 28 “千年蟲”問題的根源始于 60 年代。 隨著計算機技術(shù)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(fù)一年，直到新世紀即將來臨之際，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 2020 年及其以后的年份。 “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 2020 億美元（有的媒體報道為 3000 億美元，有的為 6000 億美元）。 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(wù)一片混亂。 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。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。若要對全國 萬家醫(yī)療機構(gòu)所產(chǎn)生的所有數(shù)據(jù)進行抽取，其工程量也是非常巨大的。 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(chǎn) 29 生標準化的數(shù)據(jù)，這樣才能適應(yīng)大數(shù)據(jù)的需要。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(yīng)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。 五年之內(nèi)（ 2020 年前）醫(yī)療大數(shù)據(jù)只是紙上談兵 五年之內(nèi)，醫(yī)療大數(shù)據(jù)還只是處于探索階段、發(fā)展階段。從某種方面而言，五年之內(nèi)（ 2020 年前）中國沒有真正合格的國家醫(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?！? 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(yīng)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(yīng)大數(shù)據(jù)時代的潮流。 人的大腦才是最好的數(shù)據(jù)處理工具。 在大數(shù)據(jù)的 4V 特性中，最關(guān)鍵的問題就是數(shù)據(jù)類型的“ 多樣性 (Variety)”。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。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 ）。 大腦通過聯(lián)想而實現(xiàn)對信號的處理。 同時聯(lián)想：在同一時間內(nèi)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(guān)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(guān)系。 大腦是以六列的二維表的形式來存貯信號。 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。 人的大腦只用“一張表“就可以存貯所有的信號，只用識別和聯(lián)想即可處理所有的信號。 在了解醫(yī)學(xué)信息的結(jié)構(gòu)化存貯方法時的注意事項 醫(yī)學(xué)信息的結(jié)構(gòu)化存貯方法的數(shù)據(jù)結(jié)構(gòu)是一種與關(guān)系數(shù)據(jù)庫中的二維數(shù)據(jù)結(jié)構(gòu)完全不同的一種新型數(shù)據(jù)結(jié)構(gòu)。醫(yī)學(xué)信息的結(jié)構(gòu)化存貯方法的一個最突出的特性就是非常適合處理病歷信息，可以使電子病歷完全結(jié)構(gòu)化，也可以很容易地解決信息孤島問題，也非常適合大數(shù)據(jù)存貯、 挖掘。 32 用關(guān)系數(shù)據(jù)庫理論的方法在進行大數(shù)據(jù)挖掘時會遇到很多困難，用醫(yī)學(xué)信息的結(jié)構(gòu)化存貯方法進行大數(shù)據(jù)挖掘時會使原來非常困難的問題變得非常簡單。要想真正理解醫(yī)學(xué)信息的結(jié)構(gòu)化存貯方法，需要先了解它真正優(yōu)于 關(guān)系數(shù)據(jù)庫的地方，即醫(yī)學(xué)信息的結(jié)構(gòu)化存貯方法非常適合處理病歷信息，可以使病歷信息結(jié)構(gòu)化，也可以很容易地解決信息孤島實現(xiàn)互聯(lián)互通，而關(guān)系數(shù)據(jù)庫則無法使病歷信息結(jié)構(gòu)化，也不能有效地解決信息孤島問題。 金庸的小說描寫到：游坦之之所以能練成易筋經(jīng)是因為他原來什么武功都不會。說道修煉少林諸門絕技，倘若心中不存慈悲之念，戾氣所鐘，奇禍難測。 學(xué)習(xí)“醫(yī)學(xué)信息的結(jié)構(gòu)化存貯方法”猶如修煉易筋經(jīng)，不懂關(guān)系數(shù)據(jù)庫理論的人反而更容易接受，而關(guān)系數(shù)據(jù)庫高手、專家反而比較難接受。小孩子之所以容易接受新理論、新觀念，就是因為他們的大腦中沒有舊觀念的束縛，就像一張白紙，你想在上面畫什么都可以。例如年輕人容易受西方的那種今天花明天的錢的超前消費觀念，但上年紀的人卻無論如何也接受不了超前消費的觀念，無論錢多錢少，總要先存一些錢。醫(yī)學(xué)信息的結(jié)構(gòu)化存貯方法中所用的表簡稱為“萬能數(shù)據(jù)結(jié)構(gòu)表”。要用醫(yī)學(xué)信息的結(jié) 構(gòu)化存貯方法而開發(fā)出一種概念全新的數(shù)據(jù)庫系