不同規(guī)模醫(yī)療機構開放云服務模型及效益評估＊

魏 明，賈 亮

（連云港市東方醫(yī)院 信息處，江蘇 連云港 222042）

一、引 言

作為一個醫(yī)療機構，業(yè)務十分繁雜，各類管理信息系統(tǒng)明目繁多、異構性強，建設和維護強度大，傳統(tǒng)信息系統(tǒng)架構技術已對我國醫(yī)療機構特別是基層醫(yī)療機構信息化發(fā)展產(chǎn)生了制約和阻礙。隨著我國衛(wèi)生信息化的不斷發(fā)展、深入，衛(wèi)生醫(yī)療機構對信息化建設提出了更高的要求。

隨著移動通信技術和云技術的發(fā)展日趨成熟，醫(yī)療工作人員和管理者可以通過移動終端隨時隨地訪問存儲在云端的醫(yī)療數(shù)據(jù)。使用云技術不僅可以大幅度提升病例電子數(shù)據(jù)庫的存儲容量與數(shù)據(jù)處理的性能，而且能夠使醫(yī)療保健服務變得方便快捷，提高其服務質量。通常地，云服務依靠第三方來提供數(shù)據(jù)存儲和系統(tǒng)維護，用戶可以根據(jù)自身需求，選擇購買最合適的服務，從而節(jié)省開支、簡化管理、提高效率。

本文探討不同規(guī)模醫(yī)療機構建設基于云平臺服務對其高效率高質量系統(tǒng)管理所起的重要作用。研究部署醫(yī)療云平臺時所需的條件、面臨的問題，對并解決方案進行優(yōu)劣勢分析。

云計算技術為信息系統(tǒng)建設帶來了新的思路，并在西方發(fā)達國家得到了成功的應用。2011年7月，英國切爾西西倫敦健康中心建立了云平臺來管理和存儲電子健康檔案，患者可以完全控制自己檔案的訪問權限。云服務提供商為了保證系統(tǒng)的安全性，設置了多重身份驗證，以防止病人的隱私數(shù)據(jù)泄露或遭受非法訪問。意大利羅馬巴比諾隔宿兒科醫(yī)院也采用了基于云技術的電子醫(yī)療服務，使用電子醫(yī)療系統(tǒng)讓醫(yī)務工作人員之間的合作更加協(xié)調高效，與患者的關系也更加親密，并且還節(jié)約了寶貴的IT資源。在西班牙，一個名為“AVANZA計劃”的醫(yī)院放射治療項目就是利用云計算技術實現(xiàn)的；而在南美洲的一些不發(fā)達國家，基于云的電子健康系統(tǒng)也得以投入實踐。

隨著電子信息技術和網(wǎng)絡的發(fā)展，各種結合移動設備和云計算技術的應用也越來越多地出現(xiàn)在人們的視野中。比較常見的諸如將家用測量設備收集到的健康數(shù)據(jù)，如心電圖、血壓數(shù)據(jù)等，上傳至云端進行存儲和分析，然后追蹤健康狀態(tài)并得到分析報告的應用。

與西方國家一樣，我國國內多家知名專業(yè)軟件研發(fā)機構針對各類醫(yī)療機構提出了相應的云平臺解決方案。如曙光與萬達攜手推出“醫(yī)療云”為成都市衛(wèi)生局和基層醫(yī)療機構提供動態(tài)彈性數(shù)據(jù)中心，能夠按照業(yè)務的特性提供可定制的解決方案，對于大訪問的需求通過負載均衡有效承載百萬級的網(wǎng)絡訪問，通過并行數(shù)據(jù)庫確保系統(tǒng)提供安全和數(shù)據(jù)處理能力。

近年來，國內諸如百度、華為等信息服務提供商紛紛推出了各自的開放云服務方案，其中最具吸引力的即所謂彈性計算云（ELASTIC COMPUTING CLOUD，ECC）。彈性計算云是整合計算、存儲與網(wǎng)絡資源的一站式自助計算資源租用服務，其基本運用模式是按需使用、按需付費，包含云主機、云硬盤、鏡像、彈性帶寬、IP地址各種能力部件，能夠支撐企業(yè)快速啟動信息化項目、快速部署、簡化運維，從而聚焦自身的業(yè)務發(fā)展。

基于彈性計算云的醫(yī)療云服務能夠有效推進區(qū)域醫(yī)療業(yè)務信息共享，包括臨床診斷、臨床檢驗、臨床檢查、醫(yī)療業(yè)務等各類信息的互聯(lián)互通，醫(yī)療云應用價值歸納起來為4點。

（1）降低成本投入：應用云計算，通過支付少量的租用費用，基層醫(yī)療機構就可獲得云數(shù)據(jù)中心提供的存儲與計算服務，從而使基層醫(yī)療機構以較低的成本獲得較高的效益。

（2）信息資源共享：通過云計算模式，醫(yī)療機構間可以共同構筑醫(yī)療資源的信息共享空間，分享由大量系統(tǒng)連接在一起而形成的基礎設施。

（3）降低運維費用：云計算模式對用戶終端的配置沒有限制，技術人員不必在升級基層內部硬件環(huán)境上煞費苦心，服務器日常維護也由云服務提供商來提供，從而降低工作強度。

（4）更加安全可靠?！霸啤敝械姆掌骺煽焖倮每寺〖夹g將某臺服務器中的數(shù)據(jù)完全拷貝到別的服務器上，并啟動新的服務器來提供服務，從而使醫(yī)院真正實現(xiàn)無間斷的安全服務。

二、醫(yī)療云平臺模型

為對比分析云計算技術在各種不同規(guī)模的醫(yī)療機構中的應用可行性，本文假設某城市設有若干個具有30萬患者年接診能力的大型醫(yī)院和多個可以年接納3萬名患者的社區(qū)醫(yī)療中心。所購置的開放云服務為電子病歷資料的存儲和授權訪問。在保證數(shù)據(jù)服務與患者隱私保護安全性的前提下，為節(jié)約開支，兩類醫(yī)療機構都需要精確估算租用云環(huán)境進行數(shù)據(jù)存儲和處理的數(shù)據(jù)量，適度購買符合自身業(yè)務需求的服務，減少因使用云計算而產(chǎn)生的開銷。在這一過程中，醫(yī)療機構相關患者有權知道自己的個人數(shù)據(jù)將被遷移到云端，并授權第三方服務商對其數(shù)據(jù)處理。

表1總結了基于云技術的電子病例系統(tǒng)所具有的優(yōu)劣勢、面臨的問題，搭建云計算平臺系統(tǒng)所必要的條件。

表1 基于云技術的電子病例系統(tǒng)比較Table1 Comparison of cloud technology－based digital clinical cases systems

假設大型醫(yī)院每年接診量為30萬名就診者，而各社區(qū)醫(yī)院年接診3萬名，且各醫(yī)院要求將電子病歷全部上傳至云端系統(tǒng)，那么有必要知道所上傳的總體數(shù)據(jù)量。

大型醫(yī)療機構獨立云平臺架構方案見圖1。

圖1 大型醫(yī)療機構獨立云平臺架構方案Fig.1 Independent cloud platform architecture plan for large hospitals

如圖1所示，對于使用云計算系統(tǒng)的大型醫(yī)院來說，電子病歷被存儲在云端，醫(yī)務工作人員可以通過醫(yī)院的網(wǎng)絡對其進行訪問。這種部署需要醫(yī)院的網(wǎng)絡連接速度足夠快，以保證醫(yī)務人員能及時獲取患者的電子病歷。

圖1還表明醫(yī)務人員可以通過兩種渠道訪問患者的電子病歷，即醫(yī)院內部網(wǎng)絡或聯(lián)網(wǎng)移動設備?；颊邉t可根據(jù)被授權的訪問設備信息來查看自己的醫(yī)療記錄。

圖2顯示的是多個社區(qū)醫(yī)院聯(lián)合共享醫(yī)療云部署方案。

在圖2這一部署模式下，各社區(qū)醫(yī)院共享同一個云服務，并可以通過醫(yī)院內部網(wǎng)絡對各自患者的電子病歷進行訪問。就訪問模式而言，社區(qū)醫(yī)院訪問電子病歷的途徑與大型醫(yī)院是一致的。采用這種云解決方案的原因在于，每個社區(qū)醫(yī)院僅需承載較少的網(wǎng)絡資源，共享云服務，從而提高服務利用率和經(jīng)濟效益。由于云服務的可拓展性，通過吸引更多的社區(qū)醫(yī)院加盟，可以擴大共享網(wǎng)絡和云服務增值功能，因此進一步提高每個社區(qū)醫(yī)院的服務質量。

圖2 基層醫(yī)療機構共享云平臺架構方案Fig.2 Public cloud platform architecture plan for community hospitals

由于帶有圖片信息的電子病歷數(shù)據(jù)量較大，在使用云服務時應部署混合解決方案，含有較大圖片數(shù)據(jù)的電子病歷只能存放在醫(yī)療機構本地的服務器中。為了更好地部署混合解決方案，需要將能使用云服務的電子病歷進行分類，盡量地精確計算出適合上傳的最大數(shù)據(jù)量，并在能保證訪問云端數(shù)據(jù)速度的情況下選擇合適的云服務。上傳的電子病歷數(shù)據(jù)量越多，使用的云服務越多，開銷越大，對醫(yī)院自身網(wǎng)絡設備的帶寬要求也越高。在采用混合解決方案時，需要將云平臺和本地存儲平臺有效、無縫地結合起來，以保證醫(yī)務工作者訪問電子病歷資源的服務質量和速度。

三、云服務開支估算

根據(jù)不同規(guī)模醫(yī)療機構云服務數(shù)據(jù)存儲和傳輸量，筆者采用華為云服務價格測算器對醫(yī)療機構月開支賬單進行評估，華為云服務工具能對電子病歷系統(tǒng)的傳輸數(shù)據(jù)量進行統(tǒng)計，通過ECC服務，醫(yī)療機構可以將自己的電子病歷數(shù)據(jù)存儲在彈性存儲塊（EBS）中。由于華為云 WEB服務接口簡單，用戶可以輕松獲取和配置容量，在存儲和計算需求發(fā)生變化時，可以快速擴展計算容量，并按實際使用資源量計算費用，這種服務模式改變了計算經(jīng)濟理論。

根據(jù)經(jīng)驗，每個不含圖片數(shù)據(jù)的電子病歷大小一般在20～100KB之間。而含有圖片信息的電子病歷一般可達1～20MB之大，要上傳這種數(shù)據(jù)對于醫(yī)療機構的網(wǎng)絡帶寬要求比較高，所以將這種電子病歷部署到云端的可操作性比較小。在此，筆者假設每個電子病歷大小統(tǒng)一為60KB。由于圖片信息的數(shù)據(jù)量比較大，因此假設電子病歷系統(tǒng)不包括圖片數(shù)據(jù)。

表2展示了兩種部署架構的實際需求。據(jù)此，一個大型醫(yī)院電子病歷數(shù)據(jù)所需EBS存儲塊約為20GB，而每個社區(qū)醫(yī)院的數(shù)據(jù)約為2GB。

表2 兩種部署架構的實際需求Table2 Demand for the two architecture plans

為了計算云服務下的數(shù)據(jù)傳輸量，假設醫(yī)務人員會對每一起診斷進行數(shù)據(jù)查詢和結果更新，且每個電子病歷每個月被訪問量平均為10次。評估結果顯示，大型醫(yī)院的傳輸數(shù)據(jù)量約為40GB，每月賬單為3 770元；3個共享云服務的社區(qū)醫(yī)院每月傳輸數(shù)據(jù)量約為4GB，月賬單為1 194元。

四 、結論

本研究中使用的經(jīng)濟效益估算依據(jù)華為當前提供的彈性云服務價格估算。華為云估算工具可以為客戶根據(jù)其業(yè)務量評估出月賬單，以幫助客戶決定購買何種服務。為了更精準地確定每個月使用云服務的數(shù)據(jù)傳輸量，未來研究可以對業(yè)務數(shù)據(jù)進行更細的劃分和假設。另外，醫(yī)療機構可以對解決方案的時間段利用率進行探究，討論是否有必要全天候24小時地使用云服務。

盡管本文中提到了云技術服務的很多局限性和缺陷性，需要注意的是云技術模式仍然在不斷發(fā)展，并且必將在更多科學領域引領革新。筆者相信，在不久的將來，云技術將會帶來為公共事業(yè)的發(fā)展帶來更多改變和進步。

［1］ LINDE Y，BUZO A，GRAY R M.An algorithm for vector quantizer design［J］.IEEE Transactions on Communications，1980（1）：702－710.

［2］ KAUKORANTA T，F(xiàn)RANTI P，NEVALAINEM.Vector quantization by lazy pairwise nearest neighbormethod［J］.Opt.Eng，1999（11）：1862－1868.

［3］ MA C K，CHAN C K，Maximum descent method for image vector quantization［J］.Electron Letter，1991（12）：1772－1773.

［4］ KOHONEN T.The self organizing map［J］.Proceedings of IEEE，1990（9）：1464－1480.

［5］ HAWKINS D.Identification of Outliers［M］.London：Chapman and Hall，1980.

［6］ KNORR E M.Algorithms for Mining Distance－Based Outliers in Large Datasets［C］／／GUPTA A.Proc 24th Int Conf on Very Large Data Bases.New York：NY，1998.

［7］ JOHNSON T，KWOK I.Fast computation of 2－dimensional depth contours［C］／／PIATETSKY－SHAPIRO G.Proc 4th Int Conf on Knowledge Discovery and Data Mining.New York：ACM Press，1998.

［8］ YU D，SHEIKHOLESLAMI G，ZHANG A.Findout：Finding outliers in very large datasets［EB／OL］.（2002－09－01）［2014－02－01］.http：／／www.springerlink.com／...x／NTM59P9DB1AADH03.pdf－2002－9－1.

［9］ BREUNIG M M，KRIEGEL H，SANDERJ.LOF：Identifying Density－based Local Outliers［C］／／DUNHAM M，NAUGHTON J，CHEN W.Proc of the 2000 ACM SIGMOD Int’l Conf on Management of Data Dallas：ACM Press，2000.

［10］ HE Z Y，XU X F，DENG S C.Squeezer：an efficient algorithm for clustering categorical data［J］.Journal of Computer Science and Technology，2002（5）：611－624.

［11］ TAMHANE A C.A note on the use of residuals for detecting an outlier in linear regression［J］.Biometrika，1982（2）：488－489.