怎样从脏乱差的医疗大数据中提取价值（一）

一、医疗大数据的背景

迫切的需求：

缺乏统一整体的顶层设计：以HIS为核心的堆叠式建设，医院整体信息化的扩展性较差，很难适应后续的信息化发展；

临床应用深度不够：实现医院以临床为中心、为患者提供优良的医疗服务，实现全面准确的临床医疗信息源，提高医疗质量和服务水平；

缺乏运营精细化的支撑：没有形成资源的集中统一管理，未建立医院人财物的一体化管理；

缺乏全院的数据整合、数据利用率较低：数据的利用率较低，没有对临床和管理起到支撑；

信息系统间交互耦合度过高：基于HIS系统的一体化设计，耦合度较高；数据集中存储，带来系统升级和数据安全等问题；

数据标准规范性问题：缺乏全院的数据标准规范，系统间数据共享率低。

二、医疗大数据的来源

1. 病人就医过程中产生的数据

从挂号开始便将个人姓名、年龄、住址、电话等信息输入系统；面诊过程中病患的身体状况、医疗影像等信息也会被录入系统；看病结束以后，费用信息、报销信息、医保使用情况等信息被添加到医院的系统里面。

这就是医疗大数据最基础、最庞大的原始数据资源。

2. 临床医疗研究和实验室数据

临床和实验室数据整合在一起，使得医疗机构面临的数据增长非常快，一张普通CT图像含有大约150 MB的数据，一个标准的病理图则接近5 GB。

如果将这些数据量乘以人口数量和平均寿命，仅一个社区医院累积的数据量就可达数万亿字节甚至数千万亿字节(PB)之多。

3. 制药企业和生命科学

药物研发所产生的数据是相当密集的，对于中小型的企业也在百亿字节（TB）以上的。

在生命科学领域，随着计算能力和基因测序能力逐步增加，美国哈佛医学院个人基因组项目负责人詹森·鲍比就认为，到2015年，将会有5000万人拥有个人基因图谱，而一个基因组序列文件大小约为750MB。

4. 智能穿戴设备带来的健康管理

随着移动设备和移动互联网的飞速发展，便携式的可穿戴医疗设备正在普及，个体健康信息都将可以直接连入互联网，由此将实现对个人健康数据随时随地的采集，而带来的数据信息量将更是不可估量的。

三、医疗大数据的价值

1. 服务居民

居民健康指导服务系统，提供精准医疗、个性化健康保健指导，使居民能在医院、社区及线上的服务保持连续性。妙健康提供了专业的医生团队，能够在线帮助用户解决各种病症，进行健康指导。

居民也可以在其掌上药房购买日常所需药品，方便快捷。

2. 服务医生

临床决策支持，如用药分析、药品不良反应、疾病并发症、治疗效果相关性分析、抗生素应用分析；或是制定个性化治疗方案。通过妙健康在线医生，医生可以在线进行相关的医疗指导，做出医疗诊断，还能够有效减少门诊量。

3. 服务科研

包括疾病诊断与预测、提高临床试验设计的统计工具和算法、临床实验数据的分析与处理等方面，如针对重大疾病识别疾病易感基因、极端表现人群、建立个人健康医疗档案等。

个人健康医疗档案的建立，能够让个人医疗信息共享，让医生能直接快捷地了解患者既往病史，避免了重复问诊的现象，使患者能够及时有效地接受治疗。

4. 服务管理机构

规范性用药评价；流行病、急病等预防干预及措施评价；公众健康监测，临床路径的优化等。

5. 公众健康服务

包括危及健康因素的监控与预警、网络平台、社区服务等方面。通过数据采集、风险评估、健康干预等方式来为客户提供健康管理等一系列服务服务。

四、医疗大数据的现状

1. 数据异构

多平台，多种接口，数据类型没有一个标准，只能是点对点的对接大量数据，内容冗杂、过程繁复、速度缓慢。

2. 主题分散性

就诊信息分布在不同的平台上，不能够形成以患者为中心的所有电子化就诊信息集成，不能提供完整、全面、准确、及时的患者临床信息。

3. 数据量大

在大数据背景下，行业应用的数据量通常都以亿级别计算，存储通常在TB/PB级别甚至更多。

4. 数据多态

数据模型在数据出现之后才能确定，数据模型随着数据量增长不断演变。

五、建立医疗大数据资产目录

依据卫生部信息化工作领导小组办公室卫生部统计信息中心2011年3月发布的《基于电子病历的医院信息平台建设技术解决方案——业务部分》所示：

1. 临床服务域

包含12个二级类目：患者标识、患者服务、入出转、医嘱、病历文书、护理文书、检验、检查、手术麻醉、治疗、输血、健康体检，业务子域共计26个。

2. 医院管理域

包含4个二级类目：医疗管理、人力资源管理、财务管理、物资及后勤服务管理。共有业务子域共26个。

3. 平台应用域

包含5个二级类目：区域医疗协同、管理决策、临床决策、公共卫生信息上报、患者公众服务。共有业务子域20个。

根据临床服务、医院管理、平台应用三域，梳理建设以业务活动为核心的数据资产目录，根据业务活动主题梳理数据元标识符，保证每一个数据元的标识符具有唯一性（基本数据集：城乡居民健康档案、疾病管理、医疗服务、电子病历等）。

1）数据元标识符“DE08.10.052.00”来源依据《TCHIA 7.3-2018 高血压专科电子病历数据集 第3部分：高血压门(急)诊处方》

2）数据允许值“WS218–2002”来源依据《WS 218-2002 卫生机构（组织）分类与代码》

六、从业务系统中抽取数据

关联映射业务系统表字段，并创建调度任务，如图五：

映射多表情况下，需要选择关联表主外键字段，如图六：

调度任务可支持针对单表、全表，历史数据抽取，实时数据监听抽取俩种模式，如果图七：

七、数据质量质控

具有对数据质量进行评估的完整的指标体系，至少应该有完整性（事件、表单、记录、表项）、一致性（主数据一致性、逻辑一致性）、唯一性（无二义冗余、指标及计算口径）、及时性、原始性、可溯源性及可测量性。

八、数据中台建设

根据数据资产目录快速定位业务主题，如图八：

根据不同业务场景，自定义勾选数据元名称，自动生成API或新的主题库（数据集市）。