醫療大數據解決方案

與醫療大數據分析應用平臺

醫療大數據分析應用平臺產品解決方案

(初稿)

本應用平臺產品的總體方案思路是：基于目前醫療服務機構及相關機構已有

的HLI、NHLI、HIS等有關系統形成并積累的醫藥醫療大數據和信息，采用最新

的大數據技術、云計算技術、BT和數據挖掘技術，形成對醫療行業具有新視角、

全方位、智能性、預測性、可視性的深層次展示分析效果(Insight),揭示醫療

行業整體規律和內在發展趨勢，揭示患者個體的獨有特質并形成個性醫療，將醫

療行業的宏觀大勢與每個患者的微觀個體定性定量描述有機結合，達到支撐和形

成醫療行業新應用場景和新服務模式?！贬t藥醫療大數據”是具有更強的決策力、

洞察發現力和流程優化能力的海量、高增長率和多樣化的信息資產，但需要新計

算處理模式。

1.背景介紹

根據國際著名分析機構Gartner給出的定義：大數據就是那些具有規模大、

速度快、種類多三大特征的數據資產。大數據分析從海量數據中篩選出有用的信

息，然后通過各種手段將信息轉化為洞察力，從而做出正確戾策，并最終推動業

務發展。通過一系列分析處理，大數據可以幫助企業制定明智且切實可行的戰略，

獲取前所未有的客戶洞察，支持客戶購買行為，并構建新的業務模式，進而贏得

競爭優勢。

隨著人們的生活水平不斷提高，健康也越來越受到家庭的關注"2009年2

月27日，我國衛生部公布的第四次國家衛生服務調查結果顯示，截止至2008年,

我國居民腦血栓，糖尿病，高血壓等慢性病病例數達到2.6億，占全國總人數的

20%,其中高血壓病人對自身疾病的知曉率只有30%,同時這些病人中的治療率

只有25%,控制率僅為6%,糖尿病病人中，能堅持做到規范治療的也只有33%。

由此我們可以看出，建立科學、規范、高質量的慢性病管理策略，實現對人體慢

性病的監護具有重大的意義。通過慢性病的早期診斷和監護，不僅能提前預防和

控制各種疾病，還能幫助他們合理用藥，減少醫藥開支。另一方面，我國公共醫

療衛生資源緊缺，城鄉醫療衛生資源的差距比較大，城市人口平均擁有■的醫療衛

生資源是農村人口的2.5倍以上，比如，占全國總人口近70%的農村擁有全國醫

療衛生資源的30%,而占全國息人口30%的城市卻占有全國醫療衛生資源的70%,

優質的醫療衛生資源集中分布在城市，尤其是大城市。因此，實現城鄉之間的醫

療衛生資源共享成為丞待解決的重要問題。

同時，隨著國家積極倡導“3521”醫療系統建設，我國醫療領域信息化程度

得到了很大的提高，預計在全國會出現上百個醫療數據中心，每個數據中心都將

承載近1000萬人口的醫療數據，數量多、更新快且類型繁雜，使醫院數據庫的

信息容量不斷膨脹，這就產生了醫療大數據。醫療大數據通常具有以下特征：

(1)數據巨量化：區域醫療數據通常是來自于擁有上百萬人口和上百家醫

療機構的區域，并且數據呈持續增長的趨勢。依照醫療行業的相關規定，患者的

數據通常至少需要保留50年。

(2)服務實時性：醫療信息服務中會存在大量在線或實時數據分析處理的

需求。例如：臨床中的診斷和用藥建議、健康指標預警等。

(3)存儲形式多樣化：醫療數據的存儲形式多種多樣，例如各種結構化數據

表、非(半)結構化文本文檔、醫療影像等。

(4)高價值性：醫療數據對國家乃至全球的疾病防控、新藥研發和頑疾攻克

都有著巨大的作用。

因此，如何在海量的醫療大數據中提取信息的能力正快速成為戰略性發展的

方向，通過大數據分析挖掘出有價值的信息，將對疾病的管理、控制和醫療研究

都有著非常高的價值。

目前，大數據、云計算是已經普及并成為IT行業的主流技術。國內外都已

經進入了大數據、云計算的研究熱潮，同時大數據、云計算技術也逐漸成熟，大

大數據將給醫療衛生帶來的益處

規模區域醫療信息系統和大型數據中心的建立也在同時進行,而云計算是大數據

成長的驅動力，與此同時，由于醫藥醫療大數據越來越多，對云計算的需求日益

增長，所以二者是相輔相成的。隨著醫療數據的急劇增長，如何充分利用這些數

據，運用大數據、云計算技術，搭建合理先進的數據云服務平臺，為廣大患者、

醫務人員、科研人員提供服務和協助，必將成為未來信息化工作的重要方向。

“大數據時代”已經降臨，“大數據”正在對每個領域都造成影響。在商業、

經濟及其他領域中，決策行為將日益基于數據和分析的結果，而非基于經驗和直

覺；而在公共衛生、經濟發展和經濟預測等領域中，“大數據”的預見能力也已

經嶄露頭角。2012年3月，美國政府公布了“大數據研發計劃”(BigDataResearch

andDevelopmentInitiative)。該計劃的目標是改進人們從現有的海量和復雜

的數據中獲取知識的能力。其中，與醫療衛生領域相關的有生物傳感2.0、虛擬

實驗室環境(VLE)、癌癥基因組圖譜(TCGA)、神經科學信息框架(NIF)、患者報

告結果測量信息系統(PROMIS)等10余項。2014年美國的公共數據開放項目

OpenFDA上線之后，先導項目開放了“300萬份藥物不良反應報告”，這些數據

是2004至2013年間被提交給FDA的藥物不良反應和醫療過失記錄。對醫療機構

來說，不良反應和醫療過失記錄起到的是長遠的貢獻作用，能減少醫療悲劇的重

現。

根據我國居民第三次死因調查報告顯示，腦血管病己成為居民的第一死因。

腦卒中發病率正以每年8.7%的速率上升，我國每年用于治療腦血管病的費用約

在100億元以上。2014年，GE醫療中國聯合國家衛生計生委腦卒中防治工程委

員會(腦防委)啟動了“腦卒中行動”合作戰略。GE醫療“腦卒中行動”的法寶

之一就是大數據。尤其是GE構建的三級篩查網絡，對雙側內膜增厚的高危人群

檢出率提升了近10%oGE搭建為腦卒中信息管理系統可以與醫院Lis和His系統

全面對接，記錄患者的基本信息、初篩信息、復篩信息、用藥信息、實驗室檢查、

體格檢查信息及其隨訪信息等，全面跟蹤患者的診治流程。還可以與PACS系統

對接，全面記錄患者的影像學信息，實現患者影像信息的共享。同時，可對患者

全流程疾病影像信息回顧，減少患者重復檢查的負擔，協助醫生對患者疾病信息

的全面判斷。

在上述這些大背景下，木公司提出并計劃研發“醫療大數據分析應用平臺”

（以下簡稱“本平臺”）產品，以期為我國醫療衛生實現數字醫療、智慧醫療、

健康醫療發揮重要作用.從而達到：服務模式（以患者為中心，形成居民健康全

過程服務），從被動到主動；醫療模式（以預防為主，人人享有基本醫療衛生服

務，將醫療衛生工作重點由后治前移到預防保健），從治病到防病；診療模式（避

免各自為政，實行上下聯合，專業分工），從排斥到聯動；數據模式（從業務系

統數據向整體數據轉變，改變過去的數據不統一、不互通、不共享），從隔離到

整體；技術模式（采用各種新技術手段，包括大數據、云計算、物聯網、移動互

聯等，形成技術合力），從簡單到綜合的轉變。

2.產品愿景

形成充分發揮大數據技術的，針對醫療醫藥行業的，能充分適應醫療衛生信

息特征的大數據分析應用支撐平臺，通過大數據分析,達到發現知識、發現規律、

預測未來，將醫療衛生行業推進進入大數據時代提供技術可行性。

3.產品定位

本平臺以醫療衛生行業的整體數據架構（數據模型、數據構成、數據關系）

為基礎和標準，以對應的醫療衛生業務數據為輸入，通過大數據技術，形成針對

醫療衛生行業中不同機構、角色和業務活動的智能化應用，因此本平臺不是代替

己有醫療衛生信息化系統，而是在多個方面強化已有醫療衛生信息化系統，包括

任意查詢、即興分析、業務增強、規則約束、預測未來、發現知識，并提供互動

性、及時性、預知性、洞察性，從而達到實現智慧醫療的目標。

3.1解決的問題

當前醫療衛生信息化建設的主要問題是各個區域內不同醫療機構中患者的

基礎信息和各種臨床信息資源分散、重復、孤立，導致有效信息閑置.、信息重復

或不一致，很難得到有效利用。

通過本平臺實現國家醫療衛生信息化規劃中“4631-2〃的三大基礎數據庫，

即電子健康檔案數據庫、電子病歷數據庫和全員人口個案數據庫的應用落地；

通過本平臺實現智慧醫療的核心部分，即醫療衛生服務體系的智能化，使醫

療衛生的各種應用提升水平;

通過木平臺為“看病難、看病貴”的解決提供科學定量判斷依據、對比分析

依據和方案效果評價依據；

3.2達到的效果

本平臺預期部署到云平臺上運行，采用SOA的理念進行契構開發，通過分層

將公共大數據算法模型封裝為服務，對業務應用提供服務，同時平臺業務應用也

是服務的形式存在，即應用單位不再需要購買部署自己的服務器硬軟件環境，只

需要開通相應服務就可以了。各個應用單位根據自己的業務需要定制服務，平臺

支持“開通即用”服務模式,為實現業務應用集成，本平臺將對外支持WebService

方式的接口服務。

本平臺希望將醫療衛生的智慧功能應用普及到業務角色和過程的方方面面,

包括醫生（包括?？漆t生、全科醫生、保健醫生等）、患者（包括慢性病患者、

潛在患者等）、管理者（包括醫療管理者、醫療保險管理者、醫藥監管管理者、

公共衛生管理者等）、醫藥經營者（藥品研發、藥品生產、藥品物流、藥品零售

等）以及商業醫療保險經營者（健康險、大病險、醫療意外險等）。

4.產品理念

醫療衛生、健康保健、醫藥器械形成的海量數據就象一座待開發的金礦，利

用大數據技術、云計算技術、物聯網技術和便攜設備技術的最新成果，將給醫療

衛生事業帶來全新革命性的改變，明顯解決看病難和看病貴的問題，到醫療衛

生資源配置分布合理、大病小病治療各司其職、疾病預防治療有機結合、公民健

康保健全過程覆蓋。

5.總體思路

通過建立醫療衛生大數據的統一標準和規范，形成可被相關業務應用所利用

的醫療衛生大數據源和交互機制，在此基礎上，首先形成專題大數據應用，這些

應用具有跨部門和組織機構的通用性，并具有良好的穩定性，因為這些應用是面

向醫療衛生專題的；基于專題大數據應用，根據醫療衛生相關部門和組織機構的

業務要求，可開發形成各種業務大數據應用，并且隨著平臺的推廣，積累的醫療

衛生業務大數據應用的實例將會越來越多，并最終形成不同方向的最佳應用樣例。

5.1對接數據源，獲取醫療衛生大數據

醫療衛生大數據中心為本平臺進行醫療衛生大數據分析提供數據源，但不在

本平臺范圍內，并平臺只是開發提供一套與該數據中心的數據讀取接口，并具有

監控數據讀取情況匯總統計和異常提示功能。

該數據中心的定位：整合區域內不同醫療機構中患者/健康人群的各種臨床

診療數據、健康數據，在相對集中的邏輯/物理環境中，構建一個以存儲和處理

患者/健康人群診療信息為核心，覆蓋多學科、多專業的面向區域內主要衛生行

政主管部門、臨床醫療機構和社會公眾的醫學（醫藥、醫療、健康）信息資源共

享機制一一區域性醫學數據中心。區域性醫學數據中心的建女以行政業務處理、

醫療、預防、保健、康復為服務主線，以健康人群和患者的醫療活動需求為基礎。

區域衛生數據中心通過制定標準的數據接口，建立基于廣域網的信息交換、數據

采集和傳輸機制，對區域內醫療衛生信息數據進行采集、傳輸、清洗和匯總，將

醫院、社區、醫藥企業以及公共衛生機構的各類數據、系統有機地整合起來，生

成區域的衛生大數據。

5.2對獲取的醫療衛生大數據預處理機制

醫療衛生大數據預處理主要完成對已接收數據的辨析、油取、清洗等操作,

目的是將數據按統一的格式提取出來，然后再轉化，集成，載入數據倉庫的工具

(ETL)包括：抽?。阂颢@取的數據可能具有多種結構和類型，數據抽取過程可

以幫助我們將這些復雜的數據轉化為單一的或者便于處理的構型，以達到快速分

析處理的目的；清洗：對于大數據，并不全是有價值的，有些數據并不是我們所

關心的內容，而另一些數據則是完全錯誤的干擾項。因此要對數據通過過濾“去

噪”從而提取出有效數據。

5.3建立醫療衛生大數據的存儲機制

雖然關系型數據庫系統(RDBMS)在安裝和使用上仍然占有主要地位，但毋庸

置疑，非關系型數據庫NoSQL技術已經成為今天發展最快的數據庫技術。NoSQL

是對數據庫系統的總稱，在某種程度上，它的性能和用途可能完全不同。

目前除了關系型數據庫外，還主要存在有以下四種NoSQL數據管理系統：

鍵值數據庫：當數據以鍵的形式訪問時，比如通過國際標準書號ISBN找一

本書，鍵值數據庫是最理想的。在這里，ISBN是鍵，書籍的其他信息就是值。

必須知道鍵才能查詢，不過佳是一堆無意義的數據，讀取之后必須經過翻譯。

文檔數據庫：該數據庫以文檔的形式管理和存儲數據。有點類似于鍵值數據

庫，但文檔數據庫中的數據有結構。與鍵值數據庫中值是一堆無意義的數據不同,

文檔數據庫中數據以文檔的結構被描述，典型的是JavaScriptObjectNotation

(JSON)或XML。文檔存儲數據庫中的數據可以通過定義的任何模式進行查詢，但

鍵值數據庫只能通過它的鍵進行查詢。

列式數據庫；也被稱為死式存儲或寬列存儲，一改之前行式存儲的方式，對

數據進行列式存儲。在傳統關系型數據庫中，數據經常以行來訪問。以列式管理

記錄的NoSQL數據庫可以管理大規模的動態列。因為沒有固定的模式，所以列

名和鍵可以變換。列式數據庫適用于不經常寫的情況，要滿足ACID(原子性、

一致性、隔離性和持久性)的要求并不難，而且模式是變化的。

圖型數據庫：圖型數據庫關注值與值之間的關系，用圖型的數學概念存儲數

據。圖型數據庫用帶有點、邊緣和屬性的圖的結構表示和存儲數據。在圖型數據

庫中，每一個元素都包含一個直接的指向它毗鄰元素的點，所以也就不需要索引

查找。

每個種類的NoSQL數據庫都有適用的不同類型的應用程序和用例，這就涉及

到一個NoSQL社區常用的一個話題，即多樣持久性，或者說根據數據庫處理應用

程序需求的不同，使用不同的數據庫系統，用于不同的應用程序和用例。

5.4醫療衛生大數據的處理和分析算法分類和形成

?技術分類方法

,根據挖掘任務：分為分類或預測模型發現、數據總結、聚類、關聯規則發

現、序列模式發現、依賴關系或依賴模型發現、異常和趨勢發現等等；

/根據挖掘對象：可分為關系數據庫、面向對象數據庫、空間數據庫、時態

數據庫、文本數據源、多媒體數據庫、異質數據庫、遺產數據庫以及環球

網Web；

,根據挖掘方法：可分為:機器學習方法、統計方法、神經網絡方法和數據庫

方法。

?主要處理和分析技術

/預言處理：用歷史預測未來；

/挖掘規律處理：了解數據中潛在的規律；

/關聯分析：查找存在于項目集合或對象集合之間的頻繁模式、關聯、相關

性、或因果結構；

,序列模式處理：給定一個由不同序列組成的集合，其中，每個序列由不同

的元素按順序有序排列，每個元素由不同項目組成，同時給定一個用戶指

定的最小支持度閾值，序列模式挖掘就是找出所有的頻繁子序列，即該子

序列在序列集中的出現頻率不低于用戶指定的最小支持度閾值；

/分類（預言）分析：預測分類標號（或離散值），根據訓練數據集和類標號

屬性，構建模型來分類現有數據，并用來分類新數據。建立連續函數值模

型，比如預測空缺值；

/聚類分析：聚類是一種無監督分類法：沒有預先指定的類別。在同一個類

中，對象之間具有相似性；不同類的對象之間是相異度分析；把一個給定

的數據對象集合分成不同的簇。將物理或抽象對象的集合分組成為由類似

的對象組成的多個類；聚類在不同的應用領域，用作描述數據，衡量不同

數據源間的相似性，以及把數據源分類到不同的簇中；聚類是將數據分類

到不同的類或者簇這樣的一個過程，所以同一個簇中的對象有很大的相似

性，而不同簇間的對象有很大的相異性；聚類與分類不同，聚類所要求劃

分的類是未知的；

/異常檢測分析：異常檢測是數據挖掘中一個重要方面，用來發現”小的模

式”（相對于聚類），即數據集中間顯著不同于其它數據的對象；

/可視化分析。數據可視化可以讓數據自己說話，讓用戶直觀的感受到結果；

/數據挖掘算法。分割、集群、孤立點分析還有各種算法讓我們精煉數據，

挖掘價值。這些算法要能夠應付大數據的量，同時還具有很高的處理速度；

/語義引擎。人工智能從數據中主動地提取信息。包括機器翻譯、情感分析、

輿情分析、智能輸入、問答系統等；

/數據質量和數據管理。透過標準化流程和機器對數據進行處理可以確保獲

得一個預設質量的分析結果。

5.5開發專題大數據分析，形成專題大數據應用

面向醫療衛生專業所特有的專題，開發形成一系列的專題大數據應用。在充

分調研和分析醫療衛生行業的業務特性基礎上，研發形成具有我國醫療衛生行業

特征的分類專題大數據分析，并根據專題組成和業務功能要求形成滿足該業務專

題的大數據應用，如心臟病專題的大數據應用，包括其成因的大數據分析、其日

常行為對病情影響的大數據分析等，為有關機構進行心臟病的有關活動（預測、

預防、治療、恢復）提供支撐。

5.6開發機構大數據分析，建立機構大數據應用

面向不同的醫療衛生機構和部門及其相關企業機構，開發形成針對不同機構

和部門業務的機構大數據應用，如醫療衛生機構應用、醫療衛生管理機構應用等。

在上述專題大數據應用基礎上，結合所承擔的相關醫療衛生及其相關機構項目，

進行機構大數據應用定制開發。

5.7建立平臺應用實施推廣組織機制

在本平臺開發和部署基礎上，逐步形成基于本平臺開發應用項目的實施推廣

組織機制，包括市場宣傳、營銷推廣、實施維護和售后服務等。

5.8建立平臺產品優化升級服務組織機制

本平臺作為公司的主打產品系列，要建立嚴格的版本控制，并根據市場反饋

和內部技術發展，進行有計劃的平臺版本升級，并將新版本升級信息和文檔，按

規定要求通知己有用戶，并及時進行產品升級，并提供維護服務。

6.醫療衛生信息的大數據建模描述和分析

伴隨著中國醫療衛生服務的信息化進程推進，將產生大量的數據。這些數據

主要來源于醫療業務活動、健康體檢、公共衛生等9項醫療衛生服務。數據內容

包括來自醫院的大量電子病歷、區域衛生信息平臺采集的居民健康檔案等。其中

大量充斥著非結構化/半結構化的數據，包括圖像，。ffice文檔，以及XML結構

文檔等。醫療大數據的應用，關鍵是整合所有可能得到的這些數據，為機構和政

策制定者來找到如何刺激經濟并降低共享數據的技術門檻。

病人行為

和情緒數據

臨床數據

6.1我們給出的相關數據模型

我國醫療衛生行業涉及的數據實體對象種類非常眾多，包括醫療機構一科室

一醫生（門診、住院）、大眾群體一患者、醫療管理部門一衛生局一疾控中心一

醫保中心一發改委一中醫藥管理局、醫藥管理部門一藥監局、醫藥研發一醫藥生

產一醫藥經營一藥品（處方藥、ODC藥）、醫療器械研發一醫療器械生產一醫療

器械經營一醫療器械、商業醫療保險公司、體檢中心一體檢醫生、APP服務等。

如下圖所示。

衛生局醫院

6.2衛計委給出的相關數據模型

2010年底，原衛生部完成了“十二五”衛生信息化建設工程規劃編制工作，

初步確定了我國衛生信息化建設路線圖，簡稱“3521-2工程”，即建設國家級、

省級和地市級3級衛生信息平臺，加強公共衛生、醫療服務、新農合、基本藥物

制度、綜合管理等5項業務應用，建設健康檔案和電子病歷2個基礎數據庫和1

個專用網絡建設，進行醫療衛生信息標準化體系和安全保障體系2個體系建設。

2013年11月，衛生部和計生委合并后，信息化建設工程規劃的頂層設計規

劃又調整為“463L2工程”，其中，“4”代表4級衛生信息平臺，分別是：國家

級人口健康管理平臺，省級人口健康信息平臺、地市級人口健康區域信息平臺及

區縣級人口健康區域信息平臺；“6”代表6項業務應用，分別是：公共衛生、醫

療服務、醫療保障、藥品管理、計劃生育、綜合管理;“3”代表3個基礎數據庫，

分別是：電子健康檔案數據庫、電子病歷數據庫和全員人口個案數據庫;“1”

代表1個融合網絡，即人口健康統一網絡;最后一個“2”是人口健康信息標準體

系和信息安全防護體系。依托中西醫協同公共衛生信息系統、基層醫療衛生管理

信息系統、醫療健康公共服務系統打造全方位、立體化的國家衛生計生資源體系。

衛計委規劃的三大基礎數據庫相互關系和包括的主要數據如下圖所示。

1、病歷#包括患者翦本信息等四項內宿、

2,n（A）修診療記錄，包括門（急》診病歷、

處方等六項內容，

3、住院診療記錄：包括住院病案首頁、住院志等

力丸內容.

4、健康體檢記錄：一般常規佬康體檢記錄，

5,轉診（院）記錄：患者轉診的主要工作記錄.

6,法定醫學證明及報告,包括出生醫學證明等.

7,醫療機構信息：醫療機構法人佶息.

電子病歷數據犀

1、個人基本信息：包括姓名、性別、照片、英麻

1、個人基本信息：包括人口學信息、社侖經濟.瞥用幺、身份五號碼、年齡.證件類型、i￡件號瑪、18

學侑豆、親屬信息、社會保障信息、基本健索信息熨.國籍、戶籍類型'戶籍地及'政治面貌、他便狀況、

、建檔信息。助期狀況，宗教信仰.兵役狀況、文化程度,專業，學位

2、主要衛生服務記錄：包括兒童保健佰息、婦、職稱、從業狀上、工作年也、工作單位通訊地址、社保

號.民政優助對象類型，聯靠電話.手機號碼、電子郵件

女保健信息、疾病預防信息、疾病管理：高m壓、

、現居住抱址.居住奧里、死亡標識伯息等.

糖尿病、腫痛?派癥精神疾病等病例管理信息，老

年人健束管理信息、醫療蜃務信息等。2、個人擴展信息：包括工作、教白、家庭、住

房、社保、公積金,計劃生苜、衛生健康、犯罪記

*、死亡信息等。J

電子健康檔案數據陣全員人口個案數據庫

電子健康檔案的數據架構是以人的健康為中心，以生命階段、健康和疾病問

題、衛生服務活動（或干預措施）作為三個緯度構建的一個邏輯架構，用于全面、

有效、多視角地描述健康檔案的組成結構以及復雜信息間的內在聯系。通過一定

的時序性、層次性和邏輯性，將人一生中面臨的健康和疾病問題、針對性的衛生

服務活動（或干預措施）以及所記錄的相關信息有機地關聯起來，并對所記錄的

海量信息進行科學分類和抽象描述，使之系統化、條理化和結構化。

侑視角

Z軸衛生服務活動

主

角

網

老

年

中

期

年

青

期

年

青

期

學

春

主

要

學

齡

期

康

健

齡

期

幼

題

問

主

要

前

兒

嬰

健

N康

主

期

要

期

問

題

兒

健

康

二

二

期

問

整

個人健康檔案的三維概念模型，可以清晰地反映出每個個人不同生命階段、

主要疾病和健康問題、主要衛生服務活動三者之間的相互聯系。同時，坐標軸上

的三維坐標連線交叉所圈定的空間位置（域），表示了人在特定生命時期、因特

定健康問題而發生的特定衛生服務活動所需記錄的特定記錄項集。由于三維空間

中的任意一個空間位置都對應著某個特定的健康記錄，從而構成了一個完整、立

體的健康記錄，這些健康記錄全面地反映了個人健康檔案內容的全貌。

?第一維（X軸）：生命階段

按照不同生理年齡可將人的整個生命進程劃分為連續的若干生命階段，如:

嬰兒期（0-1歲）、幼兒期（1?3歲）、學齡前期（3?6歲）、學齡期（6-12

歲）、青春期（12?20歲）、青年期（21?45歲）、中年期（46?60歲）、老年期

（60歲以上）等八個生命階段。也可以根據基層實際工作的需要，將人群化分

為：兒童、青少年、育齡婦女、中年和老年人。

?第二維（Y軸）：健康和疾病問題

每一個人在不同生命階段所面臨的健康和疾病問題不盡相同。確定不同生命

階段的主要健康和疾病問題及其優先領域，是客觀反映居民衛生服務需求、進行

健康管理的重要環節。

?第三維（Z軸）：衛生服務活動（或干預措施）

針對特定的健康和疾病問題，醫療衛生機構開展一系列預防、醫療、保健、

康復、健康教育等衛生服務活動（或干預措施），這些活動反映了居民健康需求

的滿足程度和衛生服務利用情況。

中止

兒

Q貝貝II甘日

居民健康檔案

U.II甘日童

五歲以下兒童個人基本信息

呼“前甘日

呼昧甘日主要疾病和

事存甘日

婦

主要衛生

計劃生育醫

女

孕產期保健服名療

疾.

多■Hk/件由筠工由

病

萬口產

個人健康檔案（EHR）基本結構

6.3相關數據特征對比分析

從醫藥醫療健康大數據分析應用角度，本平臺需要一個盡可能全和細的數據

集合，所以理想狀態是結合上兩部分數據內容形成的超集集合，甚至包括一些非

醫療健康數據，如考察研究某種藥對某種疾病的醫療效果時，如果能獲得當地的

氣象天氣信息，可能分析出的結果將明顯不同。另外可以看出目前所給數據都是

結構化數據，如果從大數據分析應用角度，理想的數據還應該包括圖像、圖形、

文本等半結構和非結構數據，以及非關系數據（多維數據），才能構成滿足醫藥

醫療健康大數據分析應用的需求。

2000年以來,我國的醫療數據的生成和采集主要局限于各大醫院。近幾年，

隨著社區系統、新農合系統、村衛生室系統等基層醫療衛生信息系統逐步上線，

醫療衛生數據源頭也越來越多，數據量越來越人。從衛生服務的類型看，區域衛

生信息的類型主要有：醫療服務類、公共衛生服務類、社區衛生服務類、衛生業

務類、衛生管理服務類數據。根據估算，中國一個中等城市（1千萬人口規模）

50年所積累的醫療衛生數據量就會達到10PB級。隨著各地區域衛生信息平臺的

建設，存儲于各醫療衛生機構的數據將逐步通過各種方式實現整合與共享。

多維數據由于醫療數據是多種數據源數據的匯總，數據之間的關系非常復雜。

如下圖所示：以患者為中心的服務需要把一個患者的全周期數據按照時間軸排列,

并分析診斷、用藥和患者生命體征、檢驗檢測值之間的關聯；以醫生為中心的服

務又需要把與醫生相關的患者數據挑揀出來，并進行分類；以科室為中心的服務

可能需要既從科室所屬醫生的角度，又要從在該科室就診患者的角度進行分析；

針對社區的服務可能需要統計整個社區居民某項指標（比如血壓、血糖）的達標

率。醫療數據的多維度、多粒度為各種信息服務的多角度、多層次分析提供了可

能，但同時也為大數據分析帶來了挑戰。因為不可能為每一種信息服務存儲一份

特定的優化模式的數據，況且也無法枚舉出所有可能的信息服務需求。這就需要

醫療數據的存儲模型能夠適應靈活多變的多維統計分析需求C

7.大數據分析應用平臺支持的業務主題場景

本平臺支持的業務主題應用場景將盡量以國務院發布的《全國醫療衛生服務

體系規劃綱要（2015^2020年）》內容和目標為依據，即“優化醫療衛生資源配

置，構建與國民經濟和社會發展水平相適應、與居民健康需求相匹配、體系完整、

分工明確、功能互補、密切協作的整合型醫療衛生服務體系，為實現2020年基

本建立覆蓋城鄉居民的基本醫療衛生制度和人民健康水平持續提升奠定堅實的

醫療衛生資源基礎」最終形成我國醫療衛生服務體系的總體布局，如下圖。

本平臺將以患者個人生命全周期、個人疾病全周期、醫療衛生服務、醫藥供

應鏈所產生的大數據源為主，以支持個人、醫療衛生服務機構、醫藥生產經營企

業、醫療衛生管理機構、醫療保險機構、公共衛生服務機構、醫藥監管機構等的

業務大數據應用為主要應用場景。

醫療衛生大數據源專題大數據應用業務大數據應用

醫嶷者分析

生U二二醫療衛生服務二^疾病分析

用藥分析

費用分析K

健康分析

藥品分析

安全風險分析

資源分析

品二二二I一醫藥供應鏈二效果分析

以個人為中心全生命周期的階段劃分，如下圖:

醫療衛生服務也從局限于醫院內部的檢查、診斷和治療，擴展到未病、病前

和病后的全過程醫療衛生活動。這些活動如下圖：

患者/消費者醫院內部

教育預防體檢/監控也查診斷其他

t

X容

醫患環境基因類信息立狀疾患饞*保險

5美

健

理flirt

醫醫EHR影像心

生亳體格耨因診斷咨詢

之

養

SS鈦食CIS影像物理檢態管斫?務

應訪

家庭實驗定位饞*

運動物理白我診防

將因實整翦因試驗饞?的驗提升

曲床試驗

套別法斷

心理堊因數據分析

免疫心理晨小呈現

生化

7.1醫療衛生服務機構應用

醫療衛生服務機構要實現業務信息智慧洞察的目標，必須使用適當的技術架

構平臺來支持業務數據分析系統。方法包括應用大數據、數據倉庫和商業智能技

術，集成醫院各類數據資源，實現醫療服務機構各類管理指標的預警監控，并提

供多維綜合分析平臺。從而應用大數據處理和商業智能技術，分析挖掘醫院運營

各個方面的信息數據，通過預警監控、多維聯機分析等技術手段，能夠有效地提

升醫院的醫療質量，提高醫院科學管理水平，輔助管理層決策。

7.1.1各級醫院自身應用

醫院核心業務每天產生大量的醫療數據，具有豐富的價值，通過數據挖掘等

手段的分析，構成指導決策的數據，這對醫院的發展、決策非常重要。”現在的

一個醫生，最多能管理30個糖尿病患者，但是大數據研究一做出來，一個醫生

能管理200個糖尿病患者，光這一個應用，我們就可以增加七倍的生產力?！?/p>

通過全面分析患者特征數據和療效數據，然后比較多種干預措施的有效性，

可以找到針對特定患者的最佳治療途徑。通過對在患者檔案方面的大數據分析，

可以確定哪些人是某類疾病的易感人群，使他們盡早接受預防性干預。這些方法

也可以幫助患者選擇恰當的治療方案。

＞臨床決策支持分析：大數據分析將使臨床決策支持系統更智能，這得益于對

非結構化數據分析能力的日益加強.例如:可以使用圖像分析和識別技術，識

別醫療影像數據，或者挖掘醫療文獻數據建立醫療專家數據庫，從而給醫生

提出診療建議”此外，臨床決策支持系統還可以使醫療流程中大部分的工作

流向護理人員和助理醫生，使醫生從耗時過長的簡單咨詢工作中解脫出來，

從而提高診療效率。

?就診人數及走勢分析，使醫院管理人員及時準確地了解各科室的工作量,

有效地指導計劃、人員計劃及藥品材料計劃，大大增進對未來工作量的

把握度；

?藥品材料消耗及供應商分析，指導醫院的采購行為：

?醫療能力分析：醫院各級領導及時準確地了解各科室的醫療能力情況，

治愈率和好轉率；

?醫療效率分析，分析人均住院時間、人均治療時間等，對各科室的效率

進行分析；

?庫存分析，用于了解西藥、中藥、材料的庫存情況，指導資源使用；

?醫療質量分析，包括對門診質量、住院質量、檢驗質量等的分析。

＞醫療數據可視化分析：根據醫療服務提供方設置的操作和績效數據集，可以

進行數據分析并創建可視化的流程圖和儀表盤，促進信息透明“流程圖的目

標是識別和分析臨床變異和醫療廢物的來源，然后優化流程。僅僅發布成本！

質量和績效數據，即使沒有與之相應的物質獎勵，往往也可以促進績效的提

高，使醫療服務機構提供更好的服務，從而更有競爭力。公開發布醫療質量

和績效數據還可以幫助病人做出更明智的健康護理決定，這也將幫助醫療服

務提供方提高總體績效，從而更具競爭力。

全院績效分析***效的

住院壕合分析

年住院手術分.

?

?

?

?

?

?

?

?

?

?

?

?

?

■

?

…:J藥占比分析

醫學圖像挖掘分析：醫學圖像（如CT,!MRI,PET等）是利用人體內不同器官

和組織對X射線！超聲波！光線等的散射、透射、反射和吸收的不同特性而

形成的”它為對人體骨骼、內臟器官疾病和損傷進行診斷！定位提供了有效的

手段”醫學領域中越來越多地使用圖像作為疾病診斷的工具。

DNA分析：隨著人類基因組計劃的開展產生了巨量的基因組信息，區分DNA

序列上的外顯子和內含子成為基因工程中對基因進行識別和鑒定的關鍵環

節之一。使用有效的數據挖掘方法從大量的生物數據中挖掘有價值的知識,

提供決策支持”目前已有大量研究者努力對DNA數據分析進行定量研究，從

已經存在的基因數據庫中得到導致各種疾病的特定基因序列模式。一些DNA

分析研究的成果己經得到許多疾病和殘疾基因，以及新藥物！新方法的發現。

合理用藥應用分析：為臨床醫藥衛生技術人員提供了一個有效掌握、方便查

詢、可利用價值高的權威信息源，為臨床醫藥衛生技術人員節省大量時間、

實現醫療專業人員對臨床藥物信息的有效掌握和利用、提高臨床人員的合理

用藥專業水平、減少用藥差錯，避免醫療糾紛。

醫藥藥品分析：分析醫院用藥情況，包括稅金占比、處方用藥、大處方（500

元-1000元的處方、1000元以上的處方）、抗生素使用、醫囑用藥等詳盡的分

析，可以具體查到每個醫生每張處方的用藥情況，以及醫院的藥品使用排名、

醫生的用藥排名信息。為醫院的合理用藥、抗生素濫用管理、藥商促銷控制

等提供直接有效的管理數據。

醫療質量/效率分析：分析全院醫療質量、醫療效率的完成情況。包括各項

指標的同比、環比、差異值等完成情況及趨勢情況的對比分析，通過智能下

鉆分析，可以詳細查看每個科室、每個員工各項指標的同比、環比、差異率、

增長率等完成情況。讓院領導了解每個科室、每個員工的工作完成情況，加

強管理，推動醫療質量與醫療安全工作的穩步提升，為患者提供優質、滿意

的醫療服務。

不同病種分析：分析醫院某個病種治療的各項指標信息，包括治療人次、治

療人次占比、總費用、藥品費用、人均費用、藥占比、平均住院天數等信息。

為醫院學科研究、臨床路徑優化等提供詳細的數據。

臨床路徑優化分析：利用大數據分析手段對醫院自身的臨床路徑進行優化分

析，對醫院常見的疾病建立一套標準化治療模式與治療程序，對疾病治療、

檢驗檢查項目、順序和時限等進行規范。簡單來說就是同一種診斷相關分類

病人均按同樣的標準付費，這不僅能夠給患者提供最新的治療手段與最優化

的治療方案，同時又能保證治療的精細化、標準化、程序化，減少治療過程

的隨意化，規范醫療行為、服務；避免過度醫療，降低醫療費用。

7.1.2基層醫療機構自身應用

目前社區醫療服務中心的一個醫生，最多能管理30個糖尿病患者，但是大

數據研究一做出來，一個醫生能管理200個糖尿病患者，光這一個應用，就可以

增加七倍的生產力。

通過全面分析患者特征數據和療效數據，然后比較多種干預措施的有效性,

可以找到針對特定患者的最佳治療途徑。通過對在患者檔案方面的大數據分析,

可以確定哪些人是某類疾病的易感人群，使他們盡早接受預防性干預。這些方法

也可以幫助患者選擇恰當的治療方案。電子病歷系統以電子化方式記錄患者就診

的信息，包括病程記錄、檢查檢驗結果、醫囑、手術記錄、護理記錄等，可以將

患者歷次在醫院診療過程的信息全部記錄下來。當數百萬、千萬的病歷匯集在一

起，利用大數據進行挖掘后，其應用前景十分驚人。

7.1.3區域衛生醫療聯合體應用

對于醫療衛生行業，醫療衛生的改革與創新將進入深水區，一方面是由于社

會的發展，另一方面來自民眾的新需求，再有一個，疾病譜的改變也迫使我們必

須做出改革和調整。過去醫院和醫生看的病都是疾病，是以烈性傳染病為主，而

現在的疾病譜則以慢性疾病為主，其特點是終身疾病，一輩子都需要治療。一輩

子都需要治療的病人，誰不希望找一個自己信任、并且熟悉自己病情的醫生，一

輩子老找他（她）。慢性疾病又叫生活方式疾病，治療糖尿病這樣的病，光吃藥

是治不好的，必須干預病人的生活方式。慢性疾病是基因把，子彈推上膛，生活方

式控制扳機，所以慢性疾病的治療首先應由管理生活方式開始，這就要求我們的

醫生不僅能夠開藥物處方，還要學會開飲食處方、運動處方，減壓助眠心理調試

綜合治療，才能把慢性病控制好，才能完成時代賦予我們的這種新使命，即狙擊

不良生活方式，這也是世界衛生組織向全球發出的號召，世界衛生組織明確指出，

世界正經歷從急性疾病向慢性健康問題轉型的時代，而我們的醫護人員還依賴

20世紀初的模式，把精力集中在急性疾病的診斷和治療上。

大數據助力區域醫療聯合體服務模式創新，一方面要把信息技術用于慢性病

人的跟蹤管理服務，另一方面要利用信息技術對疾病預防提供有效的幫助，對疾

病管理與健康管理提供豐富的手段和方法。把先進的理念，先進的理論模式和先

進的技術手段方法三位一體地融合，幫助國民不生病、少生病、晚生病。在目前

的醫學條件下大多數疾病都是可防可控的，完全可以通過醫療技術手段避免或減

緩糖尿病、高血壓、腫瘤這些疾病。區域醫療聯合體的健康管理和疾病管理應該

涵蓋人類生命周期從生到死無縫隙的健康，大醫院只做疾病診斷治療是不夠的，

必須進行醫療服務模式創新。

區域醫療聯合體是實現《全國醫療衛生服務體系規劃綱要（2015-2020年）》

（以下簡稱《規劃綱要》）中建立分級診療模式的重要形式，醫聯體是指區域醫

療聯合體，是將同一區域內的醫療資源整合在一起，通常由一個區域內的三級醫

院與二級醫院、社區醫院、村醫院組成的一個醫療聯合體。目的是小病在一二級

醫院解決，大病能夠及時轉往三級醫院。

＞建立區域統一的醫療衛生資源：信息化的醫療模式以病患為中心，使不同層

級醫院、醫療管理部門以及患者之間能夠在信息資源共享的條件下，實現跨

組織、高效率的網絡交流和協調配合。通過統一的信息化平臺，消費者、醫

療服務提供者和政府管理機構可以逐步建立起相互信賴的關系，進而降低成

本，優化醫療服務資源配置。

＞實現區域信息協作與多方共贏：通過信息服務平臺，各衛生機構可以更加便

利地進行信息共享和分工協作。對醫療機構而言，方便了醫生診療，有利于

提高醫療質量；對科研機構而言，對醫學科學專題研究等提供了有效的信息

獲取來源；對于衛生管理機構而言，在降低市民醫療支出的同時也減少了大

型檢查設備重復投資造成的浪費；對公共衛生應急保障機構，由于系統能及

時監控到異常及突發病歷情況，使得衛生管理機構能對類似情況進行預防與

管理。

＞減少重復投資和建設成本：通過區域醫療信息共享打破了傳統的條塊分割,

為醫療衛生資源共享開辟一條新路。經過授權的各醫院及衛生機構可以從統

一的平臺提取、更新、保存信息。這種以“區域政府主導、第三方平臺共享

式”的醫療協同模式的好處是以區域為中心，直接共享，影響范圍大，減少

了重復投資和建設成本。

＞提高醫療機構的服務質量：區域醫療信息信息化的深入人心，必將醫療機構

業務流程信息化、醫療機構業務管理信息化、患者服務信息化三條線滿足醫

療機構業務的發展需求。第一，提升醫療機構業務的整體形；第二，開源節

流，查漏補缺，實現人、財、物規范化管理；第三，提供輔助決策支持，降

低管理成本；第四，醫療行為得到規范，在加速培養高水平醫務人員上起到

了極大的作用；第五，使業務更加透明化，從而杜絕許多管理中的“貓膩”

現象，減少了醫療糾紛。

＞解決區域內看病難和貴：遠程會診、遠程預約掛號、遠程代理檢驗、遠程查

詢、遠程醫療咨詢等可為百姓就醫大大提供方便，從而緩解“難”的問題；

對市民來說，可以對自己的健康檔窠進行管理與利用，為市民自我保健提供

了強有力的支持，可有效避免重復檢查治療，從而有效緩解“貴”的問題；

雙向轉診、信息共享給患者帶來更多的便利和實惠，把醫護人員更多的時間

還給了病人。

大數據解決方案在區域醫療平臺中主要的定位在于對健康檔案的管理和服

務，它將伴隨著區域醫療平臺的建設而實施。一方面采集來自基層的醫療相關數

據，另一方面又為基層醫療機構提供全局的數據服務，這些服務的內容經過整合

到醫生，管理人員及病患的業務系統的界面中，使得用戶在日常操作中平滑的獲

得數據服務。

大數據解決方案在區域醫療中的功能包括基本服務，數據分析及依從性管理

三個層次?；痉諆热莅ㄌ峁┗镜拇鎯?，查詢，瀏覽。分析服務將針對

主題，對臨床數據，公共衛生管理數據，績效考核數據以及農合付費管理等不同

領域進行分析，在海量的不同結構的數據中找到可能的趨勢和風險。依從性管

理應該是大數據服務的高級階段，它利用業務系統中的業務活動，觸發數據服務

請求，數據服務經過對大數據集的調閱，分析給出特定性結果。從而控制和導引

業務操作的路徑。

建立并完善分級診療模式，建立不同級別醫院之間，醫院與基層醫療衛生機

構、接續性醫療機構之間的分工協作機制，健全網絡化城鄉基層醫療衛生服務運

行機制，逐步實現基層首診、雙向轉診、上下聯動、急慢分治。以形成分級診療

秩序為目標，積極探索科學有效的醫聯體和遠程醫療等多種方式。

智慧分級診療作為智慧醫療的重要組成，將充分利用信息化手段，促進優質

醫療資源縱向流動，建立醫院與基層醫療衛生機構之