基于新型慢病管理模式的醫(yī)療數(shù)據(jù)分析模型的構(gòu)建

谷靜怡+程建峰

一、檢+療+管理+反饋為一體的慢病管理模式

國(guó)內(nèi)慢病管理的領(lǐng)域內(nèi)教新的一種慢病管理模式即為慢病管理生態(tài)圈的構(gòu)建，其具有：互動(dòng)、大數(shù)據(jù)、人工智能、移動(dòng)檢測(cè)、社群管理、公共服務(wù)、公益、資源共享等鮮明的特點(diǎn)，基于這些特色功能，使得慢病可防可控成為可能。在國(guó)家慢病防控體系的基礎(chǔ)上，將以各級(jí)綜合醫(yī)院、社區(qū)醫(yī)院為主，體檢機(jī)構(gòu)、移動(dòng)醫(yī)療廠商為輔的“檢+療+管理+反饋”的慢病服務(wù)體系。結(jié)合云服務(wù)綜合整理分析各環(huán)節(jié)醫(yī)療數(shù)據(jù)，與各環(huán)節(jié)共同構(gòu)建可持續(xù)的慢病管理生態(tài)網(wǎng)。本模式的第一特色是“寓樂(lè)于醫(yī)”的設(shè)計(jì)理念，旨在讓患者在輕松愉快的狀態(tài)下進(jìn)行自身的健康管理。第二特色是全面系統(tǒng)的健康管理，我們通過(guò)對(duì)合作醫(yī)院方提供的大數(shù)據(jù)進(jìn)行縝密分析并且結(jié)合專家團(tuán)隊(duì)的意見(jiàn)，制定了針對(duì)不同的年齡層健康管理方案，主要包括針對(duì)年輕用戶的習(xí)慣養(yǎng)成方案和針對(duì)中老年用戶的健康管理方案。第三特色是認(rèn)知計(jì)算的切入點(diǎn)，本團(tuán)隊(duì)通過(guò)終端平臺(tái)收集精準(zhǔn)的人體數(shù)據(jù)，通過(guò)選取準(zhǔn)確的數(shù)據(jù)挖掘工具和數(shù)據(jù)分析方法，對(duì)用戶的體征和行為習(xí)慣進(jìn)行分析，并為之匹配相應(yīng)的服務(wù)。本項(xiàng)目的終端目標(biāo)是打造多種資源聚合，多重服務(wù)融合的app：疾病相關(guān)資訊+慢病管理+第三方硬件病情監(jiān)測(cè)+醫(yī)院干預(yù)+公益服務(wù)。

二、慢病醫(yī)療數(shù)據(jù)的處理

海量醫(yī)療數(shù)據(jù)服務(wù)中存在大量的數(shù)據(jù)統(tǒng)計(jì)以及基于數(shù)據(jù)統(tǒng)計(jì)構(gòu)建的功能服務(wù)，隨著服務(wù)需求的不斷提高，對(duì)統(tǒng)計(jì)的查詢響應(yīng)時(shí)間提出了較高要求。同時(shí)，醫(yī)療數(shù)據(jù)數(shù)據(jù)量大、關(guān)聯(lián)性強(qiáng)、不同用戶對(duì)相同數(shù)據(jù)的請(qǐng)求不盡相同，這些都對(duì)存儲(chǔ)模型提出了很大的挑戰(zhàn)。本文提出了一種基于統(tǒng)計(jì)樹(shù)的海量醫(yī)療數(shù)據(jù)的快速統(tǒng)計(jì)方法，優(yōu)化存儲(chǔ)模型，提升計(jì)算效率，高效的支持多樣化的醫(yī)療數(shù)據(jù)服務(wù)。

海量醫(yī)療數(shù)據(jù)挖掘平臺(tái)具有以下三個(gè)特點(diǎn)：第一，靈活性?；颊叩牟v檔案中新增檢測(cè)項(xiàng)，或增加新的醫(yī)療服務(wù)需求，無(wú)需大規(guī)模變動(dòng)原有業(yè)務(wù)，造成系統(tǒng)重構(gòu)。第二，可擴(kuò)展性。平臺(tái)基于云計(jì)算架構(gòu)，彈性存儲(chǔ)，綠色節(jié)能，具有較強(qiáng)的存儲(chǔ)可擴(kuò)展性；同時(shí)，該架構(gòu)靈活性強(qiáng)，層與層之間相對(duì)獨(dú)立，增強(qiáng)了其計(jì)算的可擴(kuò)展性。第三，重用性。該架構(gòu)將實(shí)時(shí)數(shù)據(jù)處理與批量數(shù)據(jù)處理有機(jī)結(jié)合，不僅適用于海量醫(yī)療數(shù)據(jù)的挖掘處理，同時(shí)可用于海量交通數(shù)據(jù)處理、海量物流數(shù)據(jù)處理等行業(yè)。

行政數(shù)據(jù)，主要包括從醫(yī)療支付方（醫(yī)療保險(xiǎn)機(jī)構(gòu)）或者醫(yī)療機(jī)構(gòu)獲得的理賠信息等，通常涉及病人所使用的醫(yī)療服務(wù)、相關(guān)診斷信息、提供服務(wù)的醫(yī)療機(jī)構(gòu)及時(shí)間地點(diǎn)、以及費(fèi)用明細(xì)與支付情況。

臨床數(shù)據(jù)，包括從醫(yī)療機(jī)構(gòu)獲得的電子病歷（EMR）、醫(yī)療影像數(shù)據(jù)、處方信息等。

體征數(shù)據(jù)，例如由檢測(cè)儀器測(cè)量所得的體重、血壓、血糖水平等信，以及飲食、運(yùn)動(dòng)、睡眠等自我跟蹤信息。隨著可穿戴設(shè)備及相關(guān)手機(jī)軟件的廣泛應(yīng)用，此類數(shù)據(jù)量越來(lái)越大也越來(lái)越多元化。

個(gè)人及偏好數(shù)據(jù)，例如性別、年齡、職業(yè)等基本信息以及個(gè)人偏好、對(duì)產(chǎn)品和服務(wù)滿意度等主觀信息。

由于數(shù)據(jù)量大、種類繁雜，不同類型的數(shù)據(jù)之間會(huì)有交叉或者交集。例如處方數(shù)據(jù)，既可以從醫(yī)療機(jī)構(gòu)的信息系統(tǒng)中獲得——即臨床數(shù)據(jù)的一種，也可以從醫(yī)療保險(xiǎn)機(jī)構(gòu)的理賠數(shù)據(jù)庫(kù)中找到——即理賠信息的一部分；又如血壓等信息既可以從隨身攜帶的便攜血壓計(jì)測(cè)量得到（體征數(shù)據(jù)），也可以在醫(yī)療機(jī)構(gòu)的電子病歷中發(fā)現(xiàn)（臨床數(shù)據(jù)）。

綜合所構(gòu)建的海量醫(yī)療數(shù)據(jù)挖掘平臺(tái)的層次模型、平臺(tái)系統(tǒng)的服務(wù)特點(diǎn)、數(shù)據(jù)存儲(chǔ)策略、數(shù)據(jù)處理流程各部分的設(shè)計(jì)原則，繪制出海量醫(yī)療數(shù)據(jù)挖掘平臺(tái)的設(shè)計(jì)框架如上圖所示。

業(yè)務(wù)層：業(yè)務(wù)層位于最上層。通過(guò)調(diào)用功能層單一服務(wù)接口，或多種服務(wù)接口組合，形成針對(duì)于患者、醫(yī)生、醫(yī)療機(jī)構(gòu)、管理部門(mén)等不同對(duì)象的多樣化服務(wù)。其包括但不限于報(bào)表統(tǒng)計(jì)、實(shí)時(shí)在線查詢、臨床決策、疾控預(yù)警、患者行為分析等服務(wù)。

功能層：功能層位于服務(wù)層下面。其主要作用是作為服務(wù)接口層，平臺(tái)層通過(guò)多種處理方式計(jì)算所得的結(jié)果形成多樣化的服務(wù)接口，供業(yè)務(wù)層進(jìn)行調(diào)用。其主要包括機(jī)器學(xué)習(xí)、深度挖掘、分析統(tǒng)計(jì)、實(shí)時(shí)查詢等功能。

平臺(tái)層：平臺(tái)層位于功能層之下，基礎(chǔ)層之上。主要功能是計(jì)算處理各種醫(yī)療和健康數(shù)據(jù)。包括原有系統(tǒng)數(shù)據(jù)的導(dǎo)入，實(shí)時(shí)數(shù)據(jù)流處理，批量數(shù)據(jù)處理系統(tǒng)以及用于數(shù)據(jù)挖掘的算法庫(kù)。能夠高效支撐實(shí)時(shí)離線多種數(shù)據(jù)處理需求。

基礎(chǔ)層：基礎(chǔ)層是平臺(tái)的最底層，提供海量醫(yī)療數(shù)據(jù)挖掘平臺(tái)運(yùn)行的支撐平臺(tái)。其采用云計(jì)算架構(gòu)，彈性存儲(chǔ)，靈活可擴(kuò)展，便于對(duì)海量異構(gòu)的醫(yī)療數(shù)據(jù)進(jìn)行分布式存儲(chǔ)。在云平臺(tái)上部署有分布式文件系統(tǒng)HDFS，NoSQL 數(shù)據(jù)庫(kù)HBase以及MySQL數(shù)據(jù)庫(kù)等多種類型數(shù)據(jù)庫(kù)，保證復(fù)雜多樣的醫(yī)療數(shù)據(jù)存儲(chǔ)?；A(chǔ)層的主要工作是管理和維護(hù)基礎(chǔ)硬件設(shè)備及數(shù)據(jù)存儲(chǔ)，保證平臺(tái)的高性能、高可用和高擴(kuò)展。

異構(gòu)復(fù)雜的海量醫(yī)療數(shù)據(jù)，實(shí)時(shí)接入Storm流數(shù)據(jù)處理系統(tǒng)，結(jié)合基于統(tǒng)計(jì)樹(shù)及增量計(jì)算的動(dòng)態(tài)統(tǒng)計(jì)策略，實(shí)現(xiàn)數(shù)據(jù)融合并匯入基于云計(jì)算搭建的海量醫(yī)療數(shù)據(jù)挖掘平臺(tái)得到整合信息，通過(guò)深度學(xué)習(xí)、貝葉斯網(wǎng)絡(luò)、關(guān)聯(lián)規(guī)則等數(shù)據(jù)挖掘算法將信息轉(zhuǎn)化為知識(shí)，進(jìn)而為不同對(duì)象提供實(shí)時(shí)精準(zhǔn)的個(gè)性化數(shù)據(jù)服務(wù)。

實(shí)時(shí)數(shù)據(jù)的存儲(chǔ)和處理過(guò)程運(yùn)用了統(tǒng)計(jì)樹(shù)的方法，使得后續(xù)基于統(tǒng)計(jì)的數(shù)據(jù)挖掘變得更為高效。

經(jīng)存儲(chǔ)、處理后的數(shù)據(jù)形成了便于挖掘的整合信息，根據(jù)不同的醫(yī)療數(shù)據(jù)服務(wù)需求，選取適當(dāng)?shù)臄?shù)據(jù)挖掘算法，本文選取了貝葉斯網(wǎng)絡(luò)及關(guān)聯(lián)規(guī)則算法分別實(shí)現(xiàn)了疾病與檢測(cè)參數(shù)的關(guān)聯(lián)性挖掘、疾病與疾病之間的關(guān)聯(lián)性挖掘。