基于Hadoop大數(shù)據(jù)技術(shù)的腦卒中智能診療平臺研發(fā)要點

1、基于hadoop大數(shù)據(jù)技術(shù)的腦卒中智能診療平臺研發(fā)可行性報告和經(jīng)費概算項目可行性報告1.（1） 項目實施的意義1.（2） 現(xiàn)有基礎(chǔ)條件 2.（3） 技術(shù)解決方案4.3.1 研究內(nèi)容以及相應(yīng)的解決方案 43.1.1 構(gòu)建腦卒中醫(yī)療數(shù)據(jù)倉庫 43.1.2 建立單病種電子病歷 .6.3.1.3 構(gòu)建柔性臨床路徑 9.3.1.4 對海量腦卒中醫(yī)療數(shù)據(jù)進(jìn)行數(shù)據(jù)挖掘 錯誤！未定義書簽。3.2 關(guān)鍵技術(shù)1.13.3 主要創(chuàng)新點1.2（四）項目實施目標(biāo)和市場分析 124.1 主要技術(shù)指標(biāo) 1.24.2 主要經(jīng)濟(jì)指標(biāo)1.34.3 知識產(chǎn)權(quán)1.4經(jīng)費概算15（一）經(jīng)費概算列表1.5（二）經(jīng)費概算說明1.6基于ha

2、doop大數(shù)據(jù)技術(shù)的腦卒中智能診療 平臺研發(fā)一、項目可行性報告（一）項目實施的意義腦卒中是一種以腦部缺血及出血性損傷癥狀為主要臨床表現(xiàn)的疾病，又稱 作腦中風(fēng)或腦血管意外，具有極高的病死率和致殘率，主要分為出血性腦卒中 （腦出血或蛛網(wǎng)膜下腔出血）和缺血性腦卒中（腦梗塞、腦血栓形成）兩大類，以腦 梗塞最為常見。腦卒中發(fā)病急，病死率高，是世界上最重要的致死性疾病之一。 據(jù)世界衛(wèi)生組織（who）公布的數(shù)據(jù)，全世界每年有 1600萬人死于心腦血管 疾病，占總死亡率的60.7%。根據(jù)我國衛(wèi)生部最新統(tǒng)計數(shù)據(jù)顯示，我國每年發(fā) 生腦卒中達(dá)200萬，現(xiàn)幸存腦卒中病人700萬，其中450萬病人不同程度喪失 勞動力和

3、生活不能自理，致殘率高達(dá) 75%o正是由于這種疾病的高致死率，引 起了各大醫(yī)療機構(gòu)的重視。以往的醫(yī)療系統(tǒng)，存在著幾大問題：一、只是對腦卒中病人數(shù)據(jù)單純的記 錄，無法將這些記錄的數(shù)據(jù)轉(zhuǎn)化為有用的信息，為醫(yī)院治療腦卒中病人提供必 要的數(shù)據(jù)基礎(chǔ)。醫(yī)院對于數(shù)據(jù)的處理，僅限于錄入、修改、刪除、統(tǒng)計和查詢 等數(shù)據(jù)庫的低層次應(yīng)用，缺乏對數(shù)據(jù)的集成和分析，更談不上在這大量的數(shù)據(jù) 資源中挖掘深層次的、隱含的、有價值的知識；二、各大醫(yī)院使用各自的醫(yī)療 系統(tǒng)，同樣的病人數(shù)據(jù)采用不同的記錄規(guī)則， 導(dǎo)致了腦卒中病人信息無法集成， 例如浙一醫(yī)院和它的各個附屬醫(yī)院，因為使用的電子病歷系統(tǒng)的差異，各個附 屬醫(yī)院的腦卒中病人數(shù)

4、據(jù)無法被浙一醫(yī)院使用， 大量的病人數(shù)據(jù)只是成了擺設(shè)， 出現(xiàn)了數(shù)據(jù)豐富，無法統(tǒng)一 ”的現(xiàn)象。因此如何充分利用這些寶貴的信息資源 來為疾病的診斷和治療提供科學(xué)的指導(dǎo)、為醫(yī)院領(lǐng)導(dǎo)決策提供科學(xué)依據(jù)，已經(jīng) 成為迫切需要解決的問題。三、目前各大醫(yī)院的醫(yī)療系統(tǒng)只是針對普通疾病， 而腦卒中病人信息的記錄方式，診療方式無法在現(xiàn)有醫(yī)療系統(tǒng)中體現(xiàn)，無法為 腦卒中病人提供更高效，更高質(zhì)量的治療?；谝陨洗嬖诘膯栴}，腦卒中智能診療平臺研發(fā)已經(jīng)迫在眉睫。首先，診療平臺運用人工智能領(lǐng)域的知識，將案例推理、數(shù)據(jù)挖掘技術(shù)等應(yīng)用到腦卒中 診療中，設(shè)計腦卒中臨床路徑，協(xié)助醫(yī)生治療，提高診斷的效率和準(zhǔn)確度。其 次，使用診療平臺的各大

5、醫(yī)療機構(gòu)，在平臺的統(tǒng)一數(shù)據(jù)格式下可以實現(xiàn)最大化 的數(shù)據(jù)共享和使用，將各大醫(yī)療機構(gòu)的腦卒中病人數(shù)據(jù)集中，為將來的數(shù)據(jù)挖 掘提供強大的基礎(chǔ)。在腦卒中智能診療平臺的幫助下，將極大程度的幫助醫(yī)生 治療腦卒中病人，提高治療的效率和質(zhì)量，從而降低腦卒中病人的致死率。（二）現(xiàn)有基礎(chǔ)條件項目團(tuán)隊由浙江愛達(dá)公司、浙江工業(yè)大學(xué)、浙江大學(xué)醫(yī)學(xué)院附屬第一醫(yī)院聯(lián) 合組成。在醫(yī)療信息系統(tǒng)的理論和應(yīng)用研究上已有一定積累。浙江愛達(dá)科技有限公司開發(fā)了電子病歷系統(tǒng)、pacs系統(tǒng)、住院病人隨訪系 統(tǒng)等醫(yī)院關(guān)鍵信息系統(tǒng)，已經(jīng)在多家醫(yī)院投入使用，在醫(yī)療系統(tǒng)方面有著大量的 技術(shù)人員和技術(shù)經(jīng)驗。在國內(nèi)率先提出了柔性臨床路徑，獲得了衛(wèi)生管理

6、部門的 高度重視?，F(xiàn)在已有的電子病歷系統(tǒng)、pacs系統(tǒng)、住院病人隨訪系統(tǒng)都可以移 植到腦卒中智能診療平臺中，為平臺的成功構(gòu)建提供了良好的技術(shù)基礎(chǔ)。浙江工業(yè)大學(xué)在數(shù)據(jù)庫技術(shù)、數(shù)據(jù)挖掘技術(shù)、信息安全技術(shù)、圖論與 petri 網(wǎng)技術(shù)等領(lǐng)域發(fā)表論文100余篇，其中sci收錄28篇，ei收錄50余篇。為本 項目的順利進(jìn)行提供了有力的科研和技術(shù)保障以及學(xué)術(shù)理論上的支持。浙一醫(yī)院神經(jīng)外科為國家重點學(xué)科，外科中心擁有獨立的神經(jīng)外科實驗室， 可進(jìn)行顯微神經(jīng)外科操作培訓(xùn)、顱底外科解剖訓(xùn)練及神經(jīng)干細(xì)胞培養(yǎng)和腦組織移 植的相關(guān)基礎(chǔ)和臨床科研工作。該中心還擁有西門子pet/ct、西門子回旋加速器、瓦里安直線加速器、飛利

7、浦 3.0t磁共振、多排螺旋 ct、三維腦血管dsa 系統(tǒng)、手術(shù)顯微鏡、術(shù)中多普勒超聲儀、超聲手術(shù)刀、四合一yag激光、神經(jīng)內(nèi)鏡、面神經(jīng)監(jiān)護(hù)儀、神經(jīng)刺激儀、術(shù)中腦電圖監(jiān)測系統(tǒng)、開顱高速氣鉆及微型 磨鉆等一系列先進(jìn)設(shè)備。開展重癥監(jiān)護(hù)、顱腦創(chuàng)傷、腦血管疾病、小兒神經(jīng)外科、 腦月中瘤及脊髓脊柱等神經(jīng)外科疾病的診治， 并積極籌建功能神經(jīng)外科與伽瑪?shù)吨?心。因此，該醫(yī)院在腦中風(fēng)領(lǐng)域上有很豐富的治療經(jīng)驗和先進(jìn)的醫(yī)療設(shè)施，能夠為平臺的搭建提供足夠的數(shù)據(jù)支持和有關(guān)腦中風(fēng)專業(yè)知識的指導(dǎo)，也為平臺的前期推廣提供有效的途徑。項目團(tuán)隊大部分成員通過合理組織， 包含了所需的各方面專業(yè)技術(shù)和管理人 員，包括了由博士和高級

8、職稱人員組成，具有相關(guān)的技術(shù)知識和經(jīng)驗的研究人員； 包括了具有幾十年醫(yī)院臨床經(jīng)驗和管理經(jīng)驗的高級醫(yī)務(wù)人員； 也包括了具有豐富 醫(yī)院信息系統(tǒng)開發(fā)經(jīng)驗和技術(shù)的計算機開發(fā)人員。 項目團(tuán)隊主要成員和骨干成員 介紹如下：項目負(fù)責(zé)人：張端，男，博士，副教授，碩導(dǎo)，1972年生。他主要從事信 息系統(tǒng)和控制工程的研究。迄今為止，他承擔(dān)和參與了多項國家基金、863、省部級項目以及多項企業(yè)合作項目；申請和授權(quán)發(fā)明專利8項；發(fā)表論文20與篇， 其中sci收錄7篇，ei收錄10篇，并在圖論與petri網(wǎng)技術(shù)領(lǐng)域發(fā)表了 3篇sci 論文，為本項目的研發(fā)打下了堅實的理論基礎(chǔ)。目前主要研究方向為：智能醫(yī)療信息系統(tǒng)。主要項目

9、：1 .負(fù)責(zé)國家自然科學(xué)基金項目，研究內(nèi)容：復(fù)雜動態(tài)過程的控制和優(yōu)化， 2007.12009.122 .作為副組長共同負(fù)責(zé)863計劃項目，研究內(nèi)容：復(fù)雜生產(chǎn)過程的策略 研究，2006.122008.123 .參與863計劃項目，研究內(nèi)容：復(fù)雜生產(chǎn)過程的集成建模與協(xié)調(diào)優(yōu)化 控制技術(shù)研究，2009.44 .負(fù)責(zé)企業(yè)合作項目，研究內(nèi)容：智能外貿(mào)信息系統(tǒng)，時間：2010.62011.6;5 .負(fù)責(zé)企業(yè)合作項目，研究內(nèi)容：醫(yī)療用品包裝圖像檢測系統(tǒng)，時間： 2011.6- 2011.12;6 .參與企業(yè)合作項目，研究內(nèi)容：海南rfid智能卡一國！系統(tǒng)的研發(fā)， 2010.3- 2011.12;7 .參與企業(yè)

10、合作項目，研究內(nèi)容：供電局機房監(jiān)控系統(tǒng)，2006.12008.12;承擔(dān)工作：作為項目負(fù)責(zé)人，負(fù)責(zé)項目的關(guān)鍵技術(shù)研究和任務(wù)分工，并管理經(jīng)費的合理使用，保障項目質(zhì)量和時間進(jìn)度，同時，負(fù)責(zé)與合作單位的協(xié)調(diào)和溝 通。項目主要成員：潘劍威，男，浙江大學(xué)醫(yī)學(xué)院附屬第一醫(yī)院神經(jīng)外科副主任 醫(yī)師，從事神經(jīng)外科工作10年，主攻腦血管外科，擅長腦動脈瘤、動靜脈畸形、 腦動脈狹窄等腦血管疾病的介入手術(shù)治療。承擔(dān)工作：負(fù)責(zé)與合作單位的協(xié)調(diào)和溝通，并承擔(dān)部分需求分析工作。項目主要成員：莊華亮，男，博士，歸國留學(xué)人員，1967年生。分別于1994 和1997年在浙江工業(yè)大學(xué)獲得工學(xué)學(xué)士和工學(xué)碩士學(xué)位。1998年赴新加坡

11、南洋理工大學(xué)電氣工程學(xué)院，2000年獲碩士學(xué)位。2000年至2002年，新加坡國立 大學(xué)化學(xué)與環(huán)境工程系擔(dān)任科研工程師。2002年至2003年，在新加坡策技系統(tǒng)公司擔(dān)任研發(fā)工程師。2004年至2009年，新加坡南洋理工大學(xué)電氣工程學(xué)院 自動控制與儀器儀表系學(xué)習(xí)，獲博士學(xué)位。2009年至2011年，新加坡南洋理工大 學(xué)電氣工程學(xué)院衛(wèi)星研發(fā)中心擔(dān)任研究員(research associate)。2012年起浙江琴江科技有限公司從事智能系統(tǒng)和模式識別領(lǐng)域的研發(fā)工作。主要項目：1 .參與新加坡環(huán)境部委托項目“ modeling and optiml control of pulse-jetfabric

12、 filters , 2009.12011.62 .參與新加坡國防部委托項目“ multispectral satellite image analysis andobject detection ” , 202007.倫承擔(dān)工作：負(fù)責(zé)柔性臨床路徑系統(tǒng)的軟件項目管理和數(shù)據(jù)挖掘算法開發(fā)。(三)技術(shù)解決方案3.1 研究內(nèi)容以及相應(yīng)的解決方案3.1.1 構(gòu)建腦卒中醫(yī)療數(shù)據(jù)倉庫目前浙一醫(yī)院及其附屬醫(yī)院都有自己的數(shù)據(jù)庫，腦卒中電子病歷數(shù)據(jù)處于分散狀態(tài)，而且由于采用不同的數(shù)據(jù)庫技術(shù)，各種病歷之間的格式也不統(tǒng)一。因此， 需要對這些數(shù)據(jù)進(jìn)行整合，以 hadoop的分布式數(shù)據(jù)倉庫hive為技術(shù)平臺建立 一個完整

13、的醫(yī)療數(shù)據(jù)倉庫，以備數(shù)據(jù)挖掘之需。數(shù)據(jù)倉庫構(gòu)建的整個過程包括數(shù) 據(jù)抽取，數(shù)據(jù)轉(zhuǎn)換和數(shù)據(jù)加載，即 etl。1）數(shù)據(jù)抽取本研究需要從各家醫(yī)院的數(shù)據(jù)庫中抽取有關(guān)腦卒中的電子病歷數(shù)據(jù)，所以需 要利用數(shù)抽取工具sqoop,從腦卒中電子病歷所用的各種傳統(tǒng)關(guān)系型數(shù)據(jù)庫中抽 取數(shù)據(jù)。然后在hadoop平臺上建立hive臨時數(shù)據(jù)庫，用于存儲抽取到的腦卒 中數(shù)據(jù)。2）數(shù)據(jù)轉(zhuǎn)換由于各家醫(yī)院的電子病歷系統(tǒng)建立方式不同，所以其數(shù)據(jù)存儲的模式也有差 距，這就導(dǎo)致了格式上的差異。而且腦卒中有很多分支，包括缺血性和出血性的， 再往下還可以細(xì)分出很多病種，比如腦梗死，腦栓塞，顱內(nèi)出血，蛛網(wǎng)膜下出血 等。各醫(yī)院之間對這些病又都有

14、自己的治療方式和流程。因此，這會導(dǎo)致抽取過來的數(shù)據(jù)格式多樣和混亂。本研究需要對這些數(shù)據(jù)進(jìn)行格式的轉(zhuǎn)換和統(tǒng)一。由于該數(shù)據(jù)倉庫最終目的是用于數(shù)據(jù)挖掘， 所以我們可以刪除一些不重要的信息， 比 如病人的姓名，證件號碼以及家庭住址等。一些電子病歷會有數(shù)據(jù)不全的現(xiàn)象， 比如病人的其他相關(guān)癥狀等信息，我們采用缺省值方式對這些字段進(jìn)行補齊。最 終保留病人的臨床表現(xiàn)（口眼歪斜，半身不遂，老年癡呆等） ，相應(yīng)的診斷結(jié)果 （出血性中風(fēng)或缺血性中風(fēng)），治療手段，所用的藥物，治療結(jié)果以及后遺癥等 信息。然后對這些數(shù)據(jù)進(jìn)行重組，再建立一個新的hive數(shù)據(jù)庫，保存重組信息。3）數(shù)據(jù)加載由于原先的重組數(shù)據(jù)庫都是針對每家醫(yī)院

15、的電子病歷系統(tǒng)分別建立的， 因此, 我們需要將這些分散的數(shù)據(jù)庫整合到一起。第三次建立 hive數(shù)據(jù)庫，作為最終 的數(shù)據(jù)倉庫，將各個重組數(shù)據(jù)庫數(shù)據(jù)加載到數(shù)據(jù)倉庫中，完成整個數(shù)據(jù)倉庫的建 立。整個數(shù)據(jù)倉庫的etl過程如圖3-1所示：將胭中風(fēng)超子病歷數(shù)據(jù)從新-據(jù)窿及其附屬醫(yī)院的善自數(shù)據(jù)庫中抽取國來，移到hadoop平臺hadocip分布式數(shù)據(jù)倉庫hiv電腦中？歌腿h吐心,用 ”加 1tlj!腦卒中電sqocp子病歷腦神電子芾比腦卒m甩.產(chǎn)痛坦腑卒中電于病歷漸醫(yī)院及其附植醫(yī)院的電子病歷過據(jù)庫 coradt.mysqd腦中風(fēng)原始數(shù)據(jù) 層（qds）hive曲時鍬 據(jù)庫hive臨時數(shù) 狷件hive岫時敬_h

16、j|j據(jù)庫,西hive臨時裊裾庫l行除全ffltu 進(jìn)去補w* 據(jù)；癥 對濟(jì)第u和北缺施以marriux為推攀，湍寫件打執(zhí)行胤用程序.對h加e&中的褪數(shù)據(jù)避行相應(yīng)的謫理酈轉(zhuǎn)換.然后再去也立甘的het奏作內(nèi)地鼻數(shù)據(jù)倉庫，存儲圖3-1基于hive的分布式腦卒中醫(yī)療數(shù)據(jù)倉庫etl過程3.1.2 對海量腦卒中醫(yī)療數(shù)據(jù)進(jìn)行數(shù)據(jù)挖掘目前，醫(yī)生對腦卒中的臨床分類診斷的正確率只有70%左右；以頭顱ct和核磁共振檢查診斷較為可靠，但其價格昂貴；且因 ct和核磁共振檢查需搬動病 人，易加重病情；尤其是ct和核磁共振檢查對早期腦缺血常出現(xiàn)假陰性。尋求 對腦卒中作早期分類診斷的正確適用方法，一直成為醫(yī)學(xué)研究中的重要課

17、題。因 此，本研究利用決策樹算法分析海量腦卒中電子病歷中的臨床癥狀指標(biāo)和診斷結(jié) 果進(jìn)行分析，生成一套精確而且通用的判別標(biāo)準(zhǔn)。當(dāng)醫(yī)生輸入病人的臨床指標(biāo)后， 系統(tǒng)會根據(jù)先前制定的標(biāo)準(zhǔn)對這些指標(biāo)進(jìn)行分析，得出正確的診斷結(jié)果。止匕外，當(dāng)前各醫(yī)院對腦卒中的治療方式和手段都不統(tǒng)一，而且用的藥也不一 樣，當(dāng)病人在治療過程中更換醫(yī)院時，就會產(chǎn)生治療的不規(guī)律。因此，本研究將 會利用關(guān)聯(lián)規(guī)則算法apriori對腦卒中病歷數(shù)據(jù)中各種癥狀和治療手段以及用藥 之間的分析，導(dǎo)出一系列的關(guān)聯(lián)規(guī)則作為醫(yī)生制定治療方案以及用藥的參考標(biāo) 準(zhǔn)。目前，對于醫(yī)療數(shù)據(jù)挖掘算法用的比較多的是apriori ,而傳統(tǒng)apriori算法最大的

18、不足就是每次尋找頻繁項目集都需要掃描整個數(shù)據(jù)集，當(dāng)項目數(shù)較多時， 就要花大量的時間去掃面數(shù)據(jù)集，從而嚴(yán)重影響了算法的效率，這成為了 apriori算法的瓶頸。因此，我們采取將掃描數(shù)據(jù)集的過程并行化的方法。由于 hadoop 使用的分布式存儲和分布式運算模式，將整個腦中風(fēng)數(shù)據(jù)平均地分成若干個數(shù)據(jù) 塊，分配到各集群中的各個 datanode中，當(dāng)執(zhí)行任務(wù)時，每個節(jié)點會掃描各自的數(shù)據(jù)塊，從而達(dá)到并行掃描的目的。這樣可以大大縮短算法執(zhí)行的時間。 具體實現(xiàn)如圖3-2所示:數(shù)據(jù)從分布式 數(shù)據(jù)倉庫hive 中按字段進(jìn)行 抽取vhadoop利用分 片工具以記錄 為單位對數(shù)據(jù) 塊迸行分片處 理map將相應(yīng)的分片

19、處 理成v kql v司lue 形式，作為map的輸入 鍵值對根據(jù)k項頻繁集.生成k+1項候選集,并與原始數(shù)據(jù)集迸行比對分k項候選 集進(jìn)行統(tǒng) 計wap以項目，口的鍵值對形式輸 出所有項目，reduce再對項廿數(shù) 進(jìn)行統(tǒng)計，輸出部分k項候選集圖3-2 apriori算法map/reduce并行化流程圖3.1.3 建立腦卒中單病種電子病歷(1)電子病歷框架單病種電子病歷分為客戶端和 wcf服務(wù)端2個部分?？蛻舳吮话惭b在各科 室或護(hù)士站電腦上；wcf服務(wù)端將運行于醫(yī)院機房的1臺服務(wù)器上?？蛻舳嗽?被安裝前需要設(shè)置好程序的配置文件， wcf服務(wù)端路由所在ip地址和端口等 信息。17圖3-3是客戶端和服

20、務(wù)端的分層架構(gòu)示意圖:wcf宿主fcpemr客戶端客戶端更新框架控制層表現(xiàn)層自定義控件層權(quán)限控制心跳層服務(wù)倉庫層datastore脫機層errors用 戶 數(shù) sysdata層邏輯控制層 bllwcf服務(wù)工廠 wcfproxyfactorywcf服務(wù)工廠文件控制層資源轉(zhuǎn)換層效驗層錯誤管理層路由層fe服務(wù)層 何以多個監(jiān)控層更新控制層消息層錯誤管理層 f -數(shù)據(jù)庫訪問層圖3-3框架圖(2)系統(tǒng)主要功能針對腦卒中病人數(shù)據(jù)的查看頁面(包括病案首頁、病程記錄、檢查檢驗結(jié)果、 醫(yī)囑、手術(shù)記錄、護(hù)理記錄等等)，其中既有結(jié)構(gòu)化信息，也有非結(jié)構(gòu)化的 自由文本，還有圖形圖像信息。涉及病人信息的采集、存儲、傳輸、質(zhì)

21、量控 制、統(tǒng)計和利用?？梢跃庉嬙\療平臺中來源于不同醫(yī)院以及不同醫(yī)療系統(tǒng)的 腦卒中病人數(shù)據(jù)，并且將編輯后的數(shù)據(jù)經(jīng)過規(guī)則轉(zhuǎn)換后傳輸給來源方，實現(xiàn) 腦卒中病人數(shù)據(jù)的雙向傳輸。統(tǒng)計分析診療平臺的病人數(shù)據(jù)，提供分析結(jié)果。系統(tǒng)常規(guī)功能，包括公告維護(hù)，用戶信息維護(hù)等功能；隨訪功能(3)腦卒中醫(yī)療數(shù)據(jù)倉庫與腦卒中單病種電子病歷的交互腦卒中單病種電子病歷可以從醫(yī)療數(shù)據(jù)倉庫中查詢提取病人的各種醫(yī)療數(shù)據(jù)，或者編輯這些病人數(shù)據(jù)并傳回。 并且可以以醫(yī)療數(shù)據(jù)倉庫為數(shù)據(jù)源， 根據(jù)對 病人信息的需求對數(shù)據(jù)源進(jìn)行挖掘， 挖掘分析出針對腦卒中病人的治療信息， 病 情數(shù)據(jù)等，為醫(yī)院治療腦卒中病人提供幫助。3.1.4構(gòu)建柔性臨床路徑

22、所謂的臨床路徑是指針對某種疾病(或手術(shù))以遵循醫(yī)學(xué)為原則建立的一套 標(biāo)準(zhǔn)化照顧模式，使病人從入院到出院都按照一種固定模式接受治療和護(hù)理，最終起到規(guī)范臨床診療行為，減少變異，降低成本，提高醫(yī)療質(zhì)量的作用。臨床路 徑和電子病歷的使用是相輔相成的， 電子病歷中各種病歷記錄、護(hù)理記錄以及檢 驗檢查等數(shù)據(jù)有利于臨床路徑的優(yōu)化和選擇、變異處理及分析。在腦卒中發(fā)病時，常會并發(fā)身體其他臟器的疾病，常見的有急性消化道出血、 鬧心綜合癥、肺部感染和急性肺水月中、褥瘡、中樞性呼吸性呃逆等。在引入傳統(tǒng) 的臨床路徑時，變異率大，對患者差異的適應(yīng)性差，束縛了醫(yī)生的臨床診療能力， 實用性不強。為了解決現(xiàn)有臨床路徑存在的不足

23、，我們提出一種新型的臨床路徑 解決方案，即柔性臨床路徑(flexible clinical pathway, fcp)。它是對現(xiàn)有臨床路 徑的提升，在使用過程中對于患者執(zhí)行醫(yī)囑之后的不同反應(yīng)做出判斷，并且引導(dǎo)醫(yī)護(hù)人員進(jìn)入下一步工作。柔性臨床路徑系統(tǒng)是真正的學(xué)習(xí)型路徑，我們采用有向圖的思想控制病種的 診療過程，如圖3-4。以時間為橫軸，完成一個診療過程后，根據(jù)病癥的不同和 對診療行為的不同反應(yīng)羅列出對應(yīng)的下一個或多個診療過程，依此類推直到出 徑。每一個診療過程可以看作一個節(jié)點，每個診療節(jié)點的時間周期可以是幾個小 時、幾天、或者更長時間，這個完全由實際的診療情況而定。一個節(jié)點過度到下 個一個節(jié)點的

24、時候是有判別條件的， 我們把這個叫做有向孤。醫(yī)生可以根據(jù)自己 的行醫(yī)經(jīng)驗通過有向孤上的判別條件手動選擇下一步的診療節(jié)點，也可以利用柔性臨床路徑數(shù)據(jù)分析功能，根據(jù)病人現(xiàn)在的診療狀況自行選擇最佳的下一步診療 節(jié)點，如果現(xiàn)在的病人狀況不符合所有下一個節(jié)點的判別條件時就變異終止路 徑。因此，醫(yī)生根據(jù)腦卒中治療過程中遇到的狀況， 重新設(shè)計修改臨床路徑內(nèi)容， 形成文檔保存。 埒止避人時點條性.圖3-4有向圖臨床路徑設(shè)計模式在柔性臨床路徑的每個診療過程都包含若干個診療行為，這些診療行為之間存在著順序、并發(fā)、選擇等不同的關(guān)系，我們對病種的業(yè)務(wù)流程進(jìn)行詳盡的調(diào)研 分析和優(yōu)化，設(shè)計一個工作流引擎來控制這些診療行為

25、的觸發(fā)流轉(zhuǎn)（如圖3-5）柔性臨床路徑依賴于單病種電子病歷。它在單病種電子病歷中被觸發(fā)啟動， 讀取腦卒中病人診斷信息，然后醫(yī)生手動選擇路徑或自動進(jìn)入推薦路徑進(jìn)行治 療。圖3-5基于工作流的診療行為控件3.2 關(guān)鍵技術(shù)以上研究將涉及到以下關(guān)鍵技術(shù)：(1)云集群的搭建。選用若干臺服務(wù)器，將每臺服務(wù)器裝上linux操作系統(tǒng)和 hadoop平臺，并進(jìn)行相應(yīng)的配置，組成一個云計算服務(wù)器集群。然后再 進(jìn)行hive的安裝和部署，作為醫(yī)療數(shù)據(jù)倉庫。(2)數(shù)據(jù)倉庫的構(gòu)建，將分散在浙一醫(yī)院及其附屬醫(yī)院的腦卒中電子病歷數(shù)據(jù) 抽取出來，進(jìn)行相應(yīng)的清理和轉(zhuǎn)換，存入基于 hive的醫(yī)療數(shù)據(jù)倉庫。(3)將傳統(tǒng)的串行算法進(jìn)行改

26、進(jìn)，實現(xiàn)基于map/reduce的分布式和并行算法， 用于對海量腦卒中數(shù)據(jù)的分析。(4)使用最新的wcf服務(wù)技術(shù)實現(xiàn)數(shù)據(jù)通信，解決腦卒中電子病歷中包括安 全、可信賴、互操作、跨平臺通信等等需求。(5)腦卒中病種單獨采用基于 xml描述病歷結(jié)構(gòu)。實現(xiàn)xml描述病歷內(nèi)容， 定義病歷內(nèi)容的結(jié)構(gòu)(dtd)。使用xml結(jié)構(gòu)使得平臺能夠集成來自各個 系統(tǒng)的腦卒中病歷信息，實現(xiàn)業(yè)務(wù)數(shù)據(jù)庫中病人信息到病歷結(jié)構(gòu)的轉(zhuǎn)換、 從而實現(xiàn)由以類型為中心的數(shù)據(jù)庫描述到以人為中動的描述。(6)柔性臨床路徑采用有向圖方式顯示路徑信息，與單病種電子病歷、his、lis和pacs做接口，實現(xiàn)病人信息交互。3.3 主要創(chuàng)新點該研究的

27、主要創(chuàng)新點是：(1)提出基于hadoop大數(shù)據(jù)技術(shù)的腦卒中智能診療平臺，集中腦卒中病人 數(shù)據(jù)建立腦卒中區(qū)域醫(yī)療數(shù)據(jù)倉庫，并對這些病人數(shù)據(jù)進(jìn)行檢測和挖掘。(2)在數(shù)據(jù)存儲方面，本研究采用了 hadoop的分布式文件系統(tǒng)技術(shù)，將數(shù) 據(jù)存儲在集群中的各個 datanode中，并由namenode對這些數(shù)據(jù)進(jìn)行統(tǒng)一的管 理。在算法方面，使用了 map/reduce的編程模型，將傳統(tǒng)的數(shù)據(jù)挖掘算法并行 化，大大提高了數(shù)據(jù)處理的速度，處理大數(shù)據(jù)時，該優(yōu)點更加顯著。(3)數(shù)據(jù)挖掘算法上的改進(jìn)。為了能最大限度發(fā)揮hadoop的分布式并行的 優(yōu)勢，需要對原先的數(shù)據(jù)挖掘算法進(jìn)行改進(jìn)， 從而實現(xiàn)對腦卒中數(shù)據(jù)的高效處

28、理 和分析，得出有價值的決策和關(guān)聯(lián)信息。(4)率先應(yīng)用智能化模擬到腦卒中電子病歷中，智能模擬臨床醫(yī)師臨診思 路，集腦卒中醫(yī)療數(shù)據(jù)倉庫應(yīng)用于腦卒中病人的治療當(dāng)中。(5)使用基于 wcfe務(wù)的c/s電子病歷框架，在系統(tǒng)效率和功能上比起以 往的醫(yī)療系統(tǒng)有質(zhì)的飛躍。(6)有別于傳統(tǒng)的直線型臨床路徑，柔性臨床路徑以有向圖的形式控制診 療過程流轉(zhuǎn)，以工作流的形式控制腦卒中診療過程中所包含的診療行為的執(zhí)行。 柔性臨床路徑對腦卒中診療過程中的并發(fā)癥有很強的適應(yīng)性。與電子病歷的無縫連接，規(guī)范并簡化診療工作，而且有助于醫(yī)生不斷總結(jié)醫(yī)療經(jīng)驗、積累和驗證醫(yī)療知識，提高醫(yī)生的專業(yè)水平。(四)項目實施目標(biāo)和市場分析4.1

29、 主要技術(shù)指標(biāo)1)申請發(fā)明專利2項，軟件著作權(quán)3項；發(fā)表論文3篇以上；2)掌握醫(yī)療信息化的相關(guān)知識，對醫(yī)療過程中產(chǎn)生的數(shù)據(jù)和信息做出全面的了 解；3)掌握hadoop云平臺的搭建和維護(hù)，結(jié)合現(xiàn)有腦卒中病歷數(shù)據(jù)，并設(shè)計出基 于hive的腦卒中專用數(shù)據(jù)倉庫；4）結(jié)合相關(guān)的算法和hadoop平臺，設(shè)計分布式并行計算的醫(yī)療信息數(shù)據(jù)挖掘模式的具體實現(xiàn)方案；5）完成腦卒中單病種電子病歷主要功能的設(shè)計與開發(fā)，并實現(xiàn)與醫(yī)療數(shù)據(jù)倉庫的交互；6）實現(xiàn)柔性臨床系統(tǒng)與單病種電子病歷、當(dāng)前醫(yī)院 his、lis、ris、pacs等 第三方系統(tǒng)的無縫對接，開發(fā)完備的報表系統(tǒng)如住院費用統(tǒng)計、臨床路徑完 成率統(tǒng)計、病種費用統(tǒng)計

30、、臨床路徑變異統(tǒng)計、住院天數(shù)統(tǒng)計等等。4.2 主要經(jīng)濟(jì)指標(biāo)由于中風(fēng)病治療時間很短，要求臨床醫(yī)生、專家具有豐富的臨床經(jīng)驗，能迅 速對疾病做出診斷和治療。運用人工智能領(lǐng)域的知識，將案例推理、數(shù)據(jù)挖掘技 術(shù)等應(yīng)用到中風(fēng)診療中，設(shè)計出腦卒中智能診療系統(tǒng)，協(xié)助醫(yī)生診斷治療，對提 高診斷的效率、準(zhǔn)確度將會有積極意義。因此，該系統(tǒng)可以在治療腦卒中上給醫(yī) 生提供強大的決策支持，使病人能夠接受最合適有效的治療， 這樣不僅可以減輕 病人的痛苦，也可以降低醫(yī)院的醫(yī)療成本和支出。國內(nèi)還幾乎沒有集成腦中風(fēng)病人數(shù)據(jù)的平臺， 本平臺研發(fā)成功后將以浙江大 學(xué)醫(yī)學(xué)院附屬第一醫(yī)院為中心，在各個浙一醫(yī)院的附屬醫(yī)院上部署腦中風(fēng)智能診

31、 療平臺。由于浙一醫(yī)院為合作單位，將減少或者減免平臺應(yīng)用費用。目前浙一醫(yī) 院已擁有1家托管醫(yī)院，3家合作醫(yī)院，89家協(xié)作醫(yī)院及網(wǎng)絡(luò)服務(wù)單位，1家對 口基層醫(yī)院，按照平均一家醫(yī)院 5萬的平臺應(yīng)用費用以及每年10%的服務(wù)費用 5000元，以浙一醫(yī)院為平臺中心，兩年內(nèi)推廣到 30家與浙一醫(yī)院的合作和協(xié)作 醫(yī)院，診療平臺收益將近200萬。完成以浙一醫(yī)院為中心的推廣后， 以浙一醫(yī)院 為一個區(qū)域智能診療平臺范例，將平臺逐步推廣到整個浙江省， 預(yù)計5年內(nèi)，推 廣150家醫(yī)院，預(yù)計收益為900萬。浙一醫(yī)院區(qū)域的平臺一旦成功， 作為典型案 例推廣到全國，在未來的幾年收益將不可估計。不僅在收益上，一旦完成平臺的

32、腦中風(fēng)數(shù)據(jù)集成，并且通過對這些數(shù)據(jù)的深度挖掘，對腦中風(fēng)病人的治療將是無 法用金額來衡量，將為醫(yī)院和病人減輕不少的負(fù)擔(dān)，促進(jìn)醫(yī)療和社會的發(fā)展和進(jìn) 步。當(dāng)醫(yī)生要對腦中風(fēng)進(jìn)行相應(yīng)的研究時，該系統(tǒng)又可以給醫(yī)生提供很多信息支 持，對于提高醫(yī)生在腦中風(fēng)方面的醫(yī)療技術(shù)水平有很大幫助。后期，我們將創(chuàng)建智能診療平臺門戶網(wǎng)站。門戶提供知識庫共享，用戶可以登錄該網(wǎng)站注冊會員，上傳新型的路徑或其他資料；如果資料被其他用戶下載，上傳會員可以獲取相應(yīng)的下載積分， 積分兌換成人民幣，網(wǎng)站從中抽成分紅。另 外，在該網(wǎng)站上還設(shè)有討論區(qū)，便于不同醫(yī)院的醫(yī)生進(jìn)行交流。 門戶也提供知識 庫以及科研教學(xué)、柔性臨床路徑共享等服務(wù)，而且網(wǎng)站可以獲得持續(xù)增長的訪問 量，并取得豐厚的管理收入。綜上所述，該項目具有很大的經(jīng)濟(jì)潛力，市場前景十分樂觀。4.3 知識產(chǎn)權(quán)本項目的研發(fā)成果將具有完全的自主知識產(chǎn)權(quán)， 項目的研發(fā)成果將申請發(fā)明 專利和軟件著作權(quán)，以保障項目成果的知識產(chǎn)權(quán)。經(jīng)費概算(一)經(jīng)費概算列表省級科技計劃項目經(jīng)費概算表項目名稱：基于hadoop大數(shù)據(jù)技術(shù)的腦卒中智能診療平臺研發(fā)金額單位：萬元概算科目名稱合計省財政撥款 經(jīng)費自籌和配 套經(jīng)費(1)(2)(4)一、經(jīng)費支出(合計)80100(一)直接費用1、設(shè)備費11(1)購置設(shè)備費(2)試制設(shè)備費(3)設(shè)備租賃費2、材料費53、測試化驗加工費104、燃料動力費