醫(yī)療大數(shù)據(jù)搜索系統(tǒng)的建設(shè)與應(yīng)用

1、醫(yī)療大數(shù)據(jù)搜索系統(tǒng)的建設(shè)與應(yīng)用摘要：醫(yī)院信息化的建設(shè)過程中，各個系統(tǒng)圍繞業(yè)務(wù)應(yīng)用分批分期建立，逐步 覆蓋業(yè)務(wù)全流程的同時，積累了大量醫(yī)療數(shù)據(jù)，這些數(shù)據(jù)均具有多源異構(gòu)、分布 式、碎片化等特點。為有效整合分散于各獨立系統(tǒng)中的數(shù)據(jù)，并利用這些數(shù)據(jù)更 好地為臨床科研服務(wù)，以滿足日益增長的臨床科研數(shù)據(jù)服務(wù)需求。本文對醫(yī)療大 數(shù)據(jù)搜索系統(tǒng)的建設(shè)與應(yīng)用進行探討。關(guān)鍵詞：醫(yī)療大數(shù)據(jù)；搜索系統(tǒng)；建設(shè)應(yīng)用1功能實現(xiàn)1.1科研數(shù)據(jù)中心科研數(shù)據(jù)中心按照人數(shù)和人次維度建立索引以滿足不同科研的查詢需求，并 以ElasticSearch專用格式建立索引文檔。索引文檔設(shè)計時需保留數(shù)據(jù)間的業(yè)務(wù)關(guān) 系，這不僅可實現(xiàn)搜索內(nèi)容的秒級

2、呈現(xiàn)，還支持組合、多級條件查詢。另外索引 項目的建立也結(jié)合了臨床業(yè)務(wù)常用查詢需求，確保符合用戶科研搜索使用習慣。 1.2數(shù)據(jù)搜索及導出在對數(shù)據(jù)庫存儲結(jié)構(gòu)非常熟悉的情況下，基于傳統(tǒng)關(guān)系型數(shù)據(jù)庫的復(fù)雜檢索 可能需要耗費幾個甚至十幾個小時。本文提出的醫(yī)療大數(shù)據(jù)搜索系統(tǒng)通過大數(shù)據(jù) 搜索引擎技術(shù)，可實現(xiàn)互聯(lián)網(wǎng)的快速交互響應(yīng)，支持用戶對搜索內(nèi)容的秒級呈現(xiàn)， 同時還結(jié)合了臨床業(yè)務(wù)建立常用查詢、導出項目，方便醫(yī)生的快速學習和使用。 1.3數(shù)據(jù)管理及隱私保護考慮到醫(yī)療數(shù)據(jù)的患者隱私保護與保留數(shù)據(jù)的研究規(guī)律，在數(shù)據(jù)脫敏設(shè)計上 去除單一粗暴的隱私數(shù)據(jù)替換功能，采用當前主流的脫敏技術(shù)，提供多種脫敏方 式，包括全部替換

3、、局部替換、日期偏移、數(shù)據(jù)映射、截斷、遮罩、數(shù)值取整和 自動編號等。另外，基于科研機構(gòu)對數(shù)據(jù)的審計需求，系統(tǒng)對用戶導出的查詢數(shù) 據(jù)進行副本留痕，并對留痕文件進行加密處理，降低服務(wù)器被攻擊后數(shù)據(jù)泄露的 風險。1.4醫(yī)學文本后結(jié)構(gòu)化處理除眾多的結(jié)構(gòu)化數(shù)據(jù)外，醫(yī)學文本類數(shù)據(jù)（如患者的現(xiàn)病史、既往史、病程 記錄、影像學報告等）也含有十分重要的信息。文本后結(jié)構(gòu)化處理結(jié)合了 NLP、 語義語法規(guī)則庫等人工智能技術(shù)，能夠?qū)⑨t(yī)學文本中的信息進行結(jié)構(gòu)化提取，方 便醫(yī)生利用。由于病種特點和個人書寫習慣等問題，結(jié)構(gòu)化的算法需要不斷學習 以達到更高的準確率。為提高用戶科研效率，減少結(jié)構(gòu)化數(shù)據(jù)的迭代周期，系統(tǒng) 提供可視

4、的后結(jié)構(gòu)化配置界面和實時結(jié)構(gòu)化應(yīng)用程序編程接口（applicationprogramminginterface，API），保證調(diào)整規(guī)則及算法后可及時看到效 果。1.5統(tǒng)計分析功能在臨床醫(yī)生的科研工作中通過統(tǒng)計分析的方法挖掘臨床數(shù)據(jù)中的規(guī)律是一個 必不可少的環(huán)節(jié)。目前，臨床醫(yī)生大多將數(shù)據(jù)導出后，使用通用的統(tǒng)計分析軟件 進行數(shù)據(jù)分析。但這種方法存在幾個問題：（1）導出數(shù)據(jù)的安全性較難保證；（2）通用的統(tǒng)計分析軟件功能強大但操 作復(fù)雜，對使用者的統(tǒng)計學知識要求較高；（3）部分功能未針對醫(yī)療行業(yè)進行 細化。因此，系統(tǒng)在主流的R語言算法基礎(chǔ)上構(gòu)建了專業(yè)的統(tǒng)計分析工具，通過 瀏覽器端在線分析、增加智能化推

5、薦算法功能等方式解決上述問題。同時，系統(tǒng) 不僅提供了數(shù)據(jù)預(yù)處理功能，還提供了對研究變量可根據(jù)醫(yī)學統(tǒng)計學方法進行缺 失值分析填補、離散化處理等功能，為數(shù)據(jù)分析的全流程提供幫助。2應(yīng)用效果2.1數(shù)據(jù)規(guī)模科研數(shù)據(jù)中心包括院內(nèi)自信息化以來的存量數(shù)據(jù)，收錄有效就診患者 31748245人次，其中門診就診30849299人次，住院就診898946人次，詳細數(shù)據(jù) 時間周期如圖1所示。據(jù)統(tǒng)計，科研數(shù)據(jù)中心已提供了 41017個科研變量，共計 9億多條數(shù)據(jù)。同時，數(shù)據(jù)中心支持以增量方式接入院內(nèi)新產(chǎn)生的業(yè)務(wù)數(shù)據(jù)，提 供實時的數(shù)據(jù)利用服務(wù)能力。圖1科研數(shù)據(jù)中心數(shù)據(jù)時間周期2.2科研查詢服務(wù)目前，醫(yī)療大數(shù)據(jù)搜索系統(tǒng)已

6、為婦科、腎內(nèi)科、耳鼻喉科、肝病科、血液科、風濕免疫 科等十幾個科室的科研課題提供了數(shù)據(jù)查詢服務(wù)。醫(yī)療大數(shù)據(jù)搜索系統(tǒng)改變了跨系統(tǒng)查詢耗 費時間長的問題，實現(xiàn)了醫(yī)生對于權(quán)限內(nèi)的數(shù)據(jù)自行創(chuàng)建、查詢，秒級顯示查詢結(jié)果，且與 CDR進行集成以輔助醫(yī)生對患者歷次就診結(jié)果進行查看與分析等功能。2.3數(shù)據(jù)安全保障按照醫(yī)院管理流程對檢索條件進行逐級審批管理，保證了數(shù)據(jù)安全。審批時可顯示審批 履歷、標識檢索條件和結(jié)果涉及的敏感項，并設(shè)置過期時間。醫(yī)療大數(shù)據(jù)搜索系統(tǒng)參考 HIPAA法案定義的18項身份識別信息進行數(shù)據(jù)脫敏設(shè)置，并根據(jù)醫(yī)院自身情況設(shè)置隱私患者 及隱私病區(qū)。2.4提高運行效率醫(yī)療大數(shù)據(jù)搜索系統(tǒng)采用醫(yī)學N

7、LP和機器學習技術(shù)處理通用后結(jié)構(gòu)化變量30個、?？坪?結(jié)構(gòu)化歸一變量44個，提供了醫(yī)生可設(shè)置的后結(jié)構(gòu)化配置界面，實現(xiàn)了醫(yī)生修改規(guī)則后可 實時通過系統(tǒng)看到后結(jié)構(gòu)化的效果。通過提高后結(jié)構(gòu)化效率，縮短了醫(yī)生數(shù)據(jù)分析時間，進 而提高了科研效率。2.5數(shù)據(jù)統(tǒng)計分析系統(tǒng)基于主流的R語言統(tǒng)計分析工具包構(gòu)建統(tǒng)計分析方法庫，保證了結(jié)果的準確性；聚 焦于醫(yī)療常用的分析方法（如各類假設(shè)檢驗、生存分析等）提高了行業(yè)的專業(yè)度；將數(shù)據(jù)查 詢結(jié)果與統(tǒng)計分析集成，保證了數(shù)據(jù)的保密性和安全性；納入了智能分析模塊，可以根據(jù)數(shù) 據(jù)的類型（離散型、連續(xù)型）、分布情況（是否正態(tài)）等幫助用戶推薦分析方法，提升了系 統(tǒng)的易用性。3討論醫(yī)療

8、大數(shù)據(jù)搜索系統(tǒng)有效整合了分散于各獨立系統(tǒng)間的數(shù)據(jù)，提高了臨床科研數(shù)據(jù)查詢 的質(zhì)量和效率。但其建設(shè)仍處于摸索過程中，需要反思與持續(xù)改進。3.1產(chǎn)品選型目前，醫(yī)院尚缺乏自主研發(fā)能力，這就必然涉及產(chǎn)品選型。傳統(tǒng)HIT公司雖熟悉醫(yī)院的 業(yè)務(wù)場景、工作流程和醫(yī)療業(yè)務(wù)系統(tǒng)架構(gòu)，在系統(tǒng)的對接方面具有一定的優(yōu)勢。但大數(shù)據(jù)往 往僅是傳統(tǒng)HIT公司的方向之一，因此在技術(shù)更新、人才吸納、市場推廣等方面很難有突破。 而大數(shù)據(jù)公司由于其應(yīng)用場景的不斷拓展、技術(shù)研發(fā)的深入，在團隊、人才和市場占有率方 面有顯著優(yōu)勢。但大數(shù)據(jù)公司對醫(yī)院業(yè)務(wù)了解較少，切入時間可能較長。因此，醫(yī)院在產(chǎn)品 選型時，要結(jié)合實際，兼顧近期、遠期目標，

9、選擇適合的產(chǎn)品。3.2適度原則大數(shù)據(jù)搜索平臺的建設(shè)勢必涉及對前端系統(tǒng)的改造。就電子病歷系統(tǒng)而言：一方面，需 要對病歷模板進行標準化改造，規(guī)范數(shù)據(jù)來源；另一方面，不能限制醫(yī)生的思路，保留其自 由發(fā)揮的空間，病程記錄等自由文本的結(jié)構(gòu)化用后結(jié)構(gòu)化方法來實現(xiàn)。因此，需要把握好適 度原則。3.3數(shù)據(jù)安全在系統(tǒng)的建設(shè)和實施過程中，要確保數(shù)據(jù)的安全，不被外界竊取和篡改，不予非授權(quán)方 使用。因此，亟須建立相應(yīng)的管理制度，采用數(shù)據(jù)加密技術(shù)和數(shù)據(jù)訪問授權(quán)機制等方法，避 免“一鍋端”，保障數(shù)據(jù)的安全性。3.4患者隱私應(yīng)建立規(guī)范的數(shù)據(jù)查詢流程，保證各環(huán)節(jié)正常、有序地運轉(zhuǎn)，使數(shù)據(jù)利用真正落地。同 時，在數(shù)據(jù)利用過程中，

10、要妥善處理好患者隱私，嚴格按照倫理委員會的倫理批件提供相應(yīng) 的數(shù)據(jù)，保護患者的人格和尊嚴。3.5人才培養(yǎng)由于大數(shù)據(jù)的迅猛發(fā)展，需要一批了解醫(yī)療業(yè)務(wù)和信息技術(shù)的復(fù)合型人才。麥肯錫研究 報告指出，美國等信息發(fā)達的國家中大數(shù)據(jù)領(lǐng)域相關(guān)人才的缺失于2018年達到1419萬。 而我國的大數(shù)據(jù)發(fā)展才剛剛起步，培養(yǎng)一批雙料”復(fù)合型人才是當前和今后很長一段時間內(nèi) 生物醫(yī)學大數(shù)據(jù)發(fā)展的重要工作。結(jié)束語：醫(yī)療大數(shù)據(jù)搜索系統(tǒng)改變了傳統(tǒng)人工翻閱紙質(zhì)病歷的模式，具有省時、省力、高效的優(yōu) 勢，實現(xiàn)了從既定思維到創(chuàng)新性思維的轉(zhuǎn)變，可從海量原始數(shù)據(jù)中發(fā)現(xiàn)規(guī)律，為臨床科研提 供了更多思路，對回顧性研究和前瞻性探索都具有重大意義。但是，利用醫(yī)療大數(shù)據(jù)搜索系 統(tǒng)為臨床科研提供服務(wù)還處于起步階段，缺乏成熟的產(chǎn)品與案例，建設(shè)過程必然是逐步探索 的過程，需要臨床科研人員的積極配合和深度參與，并且在使用過程中不斷積累經(jīng)驗完善系 統(tǒng)，以吸引更多的臨床科研人員參與，形成良性循環(huán)并