基于區(qū)塊鏈技術(shù)的缺血性卒中醫(yī)療質(zhì)量評價應(yīng)用初探

李子孝，劉翔宇，朱皞罡，王孟，楊昕，王春娟，姜勇，林琳，王韜，趙性泉1，，王擁軍1，（*第一作者）

作者單位

1100070 北京首都醫(yī)科大學附屬北京天壇醫(yī)院神經(jīng)病學中心2國家神經(jīng)系統(tǒng)疾病臨床醫(yī)學研究中心

3國家神經(jīng)系統(tǒng)疾病醫(yī)療質(zhì)量控制中心

4北京航空航天大學生物與醫(yī)學工程學院

5軟件開發(fā)環(huán)境國家重點實驗室

6北京大數(shù)據(jù)精準醫(yī)療高精尖創(chuàng)新中心（北京航空航天大學&首都醫(yī)科大學）

7首都醫(yī)科大學附屬北京天壇醫(yī)院信息中心

健康醫(yī)療大數(shù)據(jù)作為我國國家戰(zhàn)略資源，助力《“健康中國2030”規(guī)劃綱要》和人工智能發(fā)展戰(zhàn)略的實施[1]。來自醫(yī)院信息系統(tǒng)的數(shù)據(jù)，如電子病歷、檢驗報告、影像資源、醫(yī)囑和病案首頁成為健康醫(yī)療大數(shù)據(jù)主要來源之一[2]，應(yīng)用于醫(yī)療質(zhì)量過程評價的數(shù)據(jù)來源[3]。如何實現(xiàn)醫(yī)院間的數(shù)據(jù)可信、安全和持續(xù)的互聯(lián)互通是開展基于數(shù)據(jù)決策的醫(yī)療質(zhì)量評價和改進的基礎(chǔ)。

醫(yī)療質(zhì)量評價和改進是提高缺血性卒中醫(yī)療服務(wù)質(zhì)量和降低患者卒中復發(fā)的有效途徑之一[4-5]。持續(xù)地獲得患者診療過程數(shù)據(jù)是開展醫(yī)療質(zhì)量評價和改進的基石[6]?；谌斯ざ武浫氲淖渲性\療過程醫(yī)療質(zhì)量數(shù)據(jù)采集和上報是目前國內(nèi)外常用的數(shù)據(jù)采集模式[7-8]。然而，這種數(shù)據(jù)采集模式存在數(shù)據(jù)質(zhì)量準確性、連續(xù)性、人工成本、時效性等問題，以及參與醫(yī)院對數(shù)據(jù)安全性和分享性的疑慮，制約對醫(yī)療數(shù)據(jù)溯源性、可持續(xù)、及時性、可及性的缺血性卒中醫(yī)療質(zhì)量評價和改進[9]。基于電子病歷、實驗室檢測、影像報告和醫(yī)囑等醫(yī)院信息系統(tǒng)的數(shù)據(jù)進行結(jié)構(gòu)化和匯交并形成醫(yī)院診療數(shù)據(jù)庫成為開展缺血性卒中醫(yī)療質(zhì)量過程評價的新的數(shù)據(jù)來源[3]。但是為了確保信息安全，傳統(tǒng)的數(shù)據(jù)庫形成以醫(yī)院、科室，甚至是設(shè)備為單位的“信息孤島”[10]，這種傳統(tǒng)的數(shù)據(jù)中心化聚合分析思路制約多中心遠程調(diào)用計算和評價，成為阻礙醫(yī)療大數(shù)據(jù)、人工智能等新興技術(shù)應(yīng)用于醫(yī)療質(zhì)量評價和改進的重要因素之一[11]。

基于智能合約區(qū)塊鏈的醫(yī)院信息系統(tǒng)數(shù)據(jù)平臺建設(shè)已逐步在國內(nèi)開展[12-13]。區(qū)塊鏈（block chain）采用分布式的數(shù)據(jù)存儲、點對點傳輸、共識機制、加密算法等計算機技術(shù)，實現(xiàn)去中心化的分布式結(jié)構(gòu)的醫(yī)療數(shù)據(jù)共享，為數(shù)據(jù)存儲傳輸、溯源性、安全性等提供了良好的解決方案。在醫(yī)院間，實現(xiàn)去中心化并最終形成統(tǒng)一標準的數(shù)據(jù)分中心，為進一步醫(yī)療數(shù)據(jù)分析和開展人工智能應(yīng)用奠定堅實基礎(chǔ)[14]。

本文介紹了探索采用“模型投放”，即算法流替代數(shù)據(jù)傳輸?shù)乃枷?，以區(qū)塊鏈[15]和智能合約[16]技術(shù)為依托，整合安全沙箱[17]、密碼學、摘要生成等關(guān)鍵技術(shù)，開展基于醫(yī)院信息系統(tǒng)數(shù)據(jù)的缺血性卒中醫(yī)療質(zhì)量過程指標評價體系。

1 平臺模型和技術(shù)

1.1 基于區(qū)塊鏈的技術(shù)模型和架構(gòu) 缺血性卒中醫(yī)療質(zhì)量評價應(yīng)用基于區(qū)塊鏈及相關(guān)技術(shù)，構(gòu)建醫(yī)療指標評價共享的實施方案，完成相關(guān)的信息交換指標。該場景中的研究對象主要有3類：①醫(yī)院：選擇前期已完成缺血性卒中醫(yī)療信息系統(tǒng)相關(guān)數(shù)據(jù)結(jié)構(gòu)化的醫(yī)院。②患者：采用ICD-10編碼確定的主診斷為缺血性卒中患者（I63）。③缺血性卒中醫(yī)療質(zhì)量控制指標：采用國家衛(wèi)生健康委頒布的缺血性卒中醫(yī)療質(zhì)量控制指標中用藥相關(guān)指標。

缺血性卒中醫(yī)療質(zhì)量評價整體應(yīng)用場景分為敏感域和公共域兩個部分。敏感域?qū)儆诟麽t(yī)院自有和相互隔離，內(nèi)部存放用于進行缺血性卒中醫(yī)療質(zhì)量指標評價的基礎(chǔ)醫(yī)療信息，禁止外部網(wǎng)絡(luò)訪問個案數(shù)據(jù)。公共域作為開放環(huán)境，負責提供用于進行缺血性卒中醫(yī)療質(zhì)量指標評價的數(shù)據(jù)分析算法，可對算法進行迭代更新。算法以“算法流”方式進行投放，隨用隨取。

技術(shù)架構(gòu)采用軟硬件混合搭建，主要硬件以“數(shù)據(jù)網(wǎng)關(guān)”作為前置機；軟件則以區(qū)塊鏈、智能合約以及安全沙箱等技術(shù)為基礎(chǔ)進行開發(fā)。架構(gòu)分為基礎(chǔ)層、管理層和操作層三層（圖1）。基礎(chǔ)層為嵌入式操作系統(tǒng)，提供基礎(chǔ)的硬件接口訪問能力；管理層以Docker沙箱技術(shù)[18]為藍本，針對沙箱的創(chuàng)建、管理、維護、清除等生命周期管理以及數(shù)據(jù)安全擦寫等功能進行了針對性的補充和增強；操作層則在沙箱內(nèi)部提供對算法的基礎(chǔ)環(huán)境支持。

1.1.1 執(zhí)行方法 在已完成缺血性卒中醫(yī)療質(zhì)量數(shù)據(jù)結(jié)構(gòu)化的醫(yī)院部署數(shù)據(jù)網(wǎng)關(guān)，完成“敏感域-公開域”隔離帶的搭建。執(zhí)行過程中，智能合約依據(jù)各醫(yī)院審閱授權(quán)，并記錄在區(qū)塊鏈上的操作主體，負責整體控制；數(shù)據(jù)網(wǎng)關(guān)中的安全沙箱作為授權(quán)執(zhí)行機構(gòu)，具體協(xié)調(diào)算法流、數(shù)據(jù)流，并輸出分析結(jié)果和運行日志。

在具體執(zhí)行時，用于評價缺血性卒中醫(yī)療質(zhì)量的智能合約根據(jù)實際操作醫(yī)院的情況，在數(shù)據(jù)網(wǎng)關(guān)生成安全沙箱，并將算法流從公共域引入。此后，可能包含敏感信息的患者數(shù)據(jù)（如患者隱私信息、人口學特征等）以加密方式通過私有域進入安全沙箱。在沙箱內(nèi)部，數(shù)據(jù)完成解密后，算法完成數(shù)據(jù)分析并輸出結(jié)果，反饋給預(yù)先指定的用戶。并將操作流程記錄在區(qū)塊鏈上。沙箱管理系統(tǒng)在捕獲完成信號后，對沙箱進行銷毀，保障敏感數(shù)據(jù)安全無泄露，整個流程如圖2。

圖1 區(qū)塊鏈系統(tǒng)架構(gòu)

圖2 區(qū)塊鏈系統(tǒng)中數(shù)據(jù)和算法的流程

1.1.2 關(guān)鍵技術(shù)

（1）敏感數(shù)據(jù)的跟蹤保護

從需求產(chǎn)生并準備執(zhí)行開始，區(qū)塊鏈系統(tǒng)對數(shù)據(jù)調(diào)取、算法分析、結(jié)果輸出、沙箱銷毀等全部操作進行共識和記錄，其不可篡改的特點保障數(shù)據(jù)的安全，同時也記錄了數(shù)據(jù)與結(jié)論之間的關(guān)聯(lián)關(guān)系。采用了基于微實數(shù)并行排序思想的微誤差共識協(xié)議（?-differential agreement，EDA）[19]。通過搶占式排序和并發(fā)共識，以提供適合業(yè)務(wù)場景的系統(tǒng)性能。

（2）基于智能合約的算法調(diào)用機制

區(qū)塊鏈系統(tǒng)在完成數(shù)據(jù)跟蹤保護的同時，對醫(yī)療質(zhì)量評價算法的調(diào)用情況進行記錄，以統(tǒng)計算法運行效率、準確率等參數(shù)。采用智能合約技術(shù)對算法進行整合，使每一個算法成為一個獨立的智能合約，通過調(diào)用智能合約，獲得算法的運行權(quán)限，并將算法流投入安全沙箱，對沙箱內(nèi)的數(shù)據(jù)進行分析。智能合約的每次調(diào)用和運行記錄同樣會被區(qū)塊鏈系統(tǒng)記錄，并與安全沙箱的輸出日志一一對應(yīng)。

（3）基于元數(shù)據(jù)鏈的跨中心檢索機制

采用目錄鏈共享檢索機制，應(yīng)用摘要生成算法，將醫(yī)療信息非敏感的元標簽存放于公開的元數(shù)據(jù)鏈上。采用基于局部敏感哈希[20]的特征檢索系統(tǒng)，生成特征區(qū)域的局部敏感哈希字符串并建立映射關(guān)系。因為哈希值與原始數(shù)據(jù)為單向映射，可以實現(xiàn)保護原始數(shù)據(jù)的同時，完成數(shù)據(jù)的“以圖檢圖”。通過特征檢索，找到目標數(shù)據(jù)后，調(diào)用預(yù)先簽署的智能合約或采用文件交換途徑，向醫(yī)院的數(shù)據(jù)庫借取對應(yīng)的資料，并完成統(tǒng)計分析。

1.2 形式化語言和工作流建模工具 眾多的研究表明臨床指南和臨床決策路徑可以被計算機程序解釋執(zhí)行[21]。其中有代表性的工作流建模語言和工具會嵌入邏輯規(guī)則來表示任務(wù)的結(jié)構(gòu)，如計劃、決策和動作。這些任務(wù)組成面向時間的流程來代表臨床決策路徑和指南，例如Asbru、EON、GLIF、GUIDE、PRODIGY與PROforma[22]。

本文提出一種去中心化的工作流建模語言和引擎工具，該工具通過認知計算模型引入工作流建模過程，使用認知分析出的本體及其關(guān)聯(lián)規(guī)則并封裝成要素構(gòu)件，以構(gòu)件拖拽方式實現(xiàn)工作流的可視化設(shè)計，創(chuàng)建后的工作流程可以在區(qū)塊鏈上運行。此工作流建模語言和引擎工具可以替代以代碼形式建立的智能合約，用于構(gòu)建并部署一系列決策支持系統(tǒng)、指南和其他臨床應(yīng)用程序。

通過工作流引擎，可以將臨床指南和醫(yī)療準則建模為任務(wù)和數(shù)據(jù)項的組合。其中任務(wù)模型分為4類：“動作”表示需要在外部環(huán)境中執(zhí)行的過程，“查詢”是指需要從外部系統(tǒng)獲取信息和讀取數(shù)據(jù)過程，“決策”是必須做出選擇的過程，“計劃”是按照規(guī)則和分類組合在一起的任務(wù)集合。工作流引擎形式化過程可以用有向圖來表示，其中節(jié)點表示任務(wù)，連線表示調(diào)度關(guān)系?！皠幼鳌北槐硎緸檎叫危安樵儭北槐硎緸榱庑?，“決策”被表示為圓形，“計劃”被表示為平行四邊形。模型本身包含一個根計劃，根計劃可以遞歸地劃分為子計劃（圖3）。

圖3展示了工作流引擎的技術(shù)架構(gòu)圖。Web應(yīng)用端是工作流創(chuàng)建的編輯器、狀態(tài)跟蹤器和查詢器，提供工作流設(shè)計、創(chuàng)建、狀態(tài)監(jiān)視、校驗、查詢功能。在應(yīng)用端界面存儲了工作流的任務(wù)基礎(chǔ)模塊：“動作”“查詢”“決策”和“計劃”。通過拖拽任務(wù)模塊和組合資源庫模板庫，可以定義出新的資源庫模塊以及更復雜的工作流程序。資源庫以本體資源庫、合約模板庫、語法語義庫為基礎(chǔ)，支持上層可視化合約的構(gòu)建。服務(wù)與組件主要有兩個部分，一是合約虛擬機（smart contract virtual machine，SCVM），負責測試和執(zhí)行構(gòu)建的合約，二是服務(wù)模塊，完成工作流、資源定位、遠程調(diào)用等服務(wù)。存儲與查詢應(yīng)用程序接口（application programming interface，API），以標準化API的方式對合約的執(zhí)行過程及結(jié)果進行存取。持久化存儲與索引，以區(qū)塊鏈的方式進行存儲，建立資源和合約的索引，便于存取。

圖4演示了一個通過工作流引擎創(chuàng)建的智能合約。從開始節(jié)點開始執(zhí)行后面接兩個“計劃”——分別通過沙箱提取“抗血小板藥物治療率分子統(tǒng)計”和“抗血小板藥物治療率單項藥物統(tǒng)計”數(shù)據(jù)，然后連接一個決策——“抗血小板藥物治療醫(yī)療質(zhì)量指標算法1”，用來評估缺血性卒中患者抗血小板藥物治療率，從而明確需要改進的指標。最后，沙箱在通過數(shù)據(jù)網(wǎng)管輸出計算結(jié)果后，完成自銷毀。

圖5 基于醫(yī)院信息系統(tǒng)的缺血性卒中醫(yī)療質(zhì)量評價平臺

2 運行及測試結(jié)果

2.1 系統(tǒng)運行結(jié)果 采用上述思路和方法，搭建了基于醫(yī)院信息系統(tǒng)的缺血性卒中醫(yī)療質(zhì)量評價平臺（圖5），選擇三家已完成缺血性卒中醫(yī)療質(zhì)量數(shù)據(jù)結(jié)構(gòu)化的試點醫(yī)院的數(shù)據(jù)庫參與醫(yī)療質(zhì)量評估工作。通過合約創(chuàng)建工具，研究人員在系統(tǒng)中以圖形化流程的方式創(chuàng)建、校驗和發(fā)布智能合約。

用戶通過調(diào)用相應(yīng)的智能合約，自動對醫(yī)院的數(shù)據(jù)進行分析評估，并生成分析結(jié)果。在驗證中，系統(tǒng)對各參與醫(yī)院的病案記錄、檢驗信息和醫(yī)囑信息等數(shù)據(jù)進行分析，完成缺血性卒中住院日、費用、死亡率等效率、負擔、結(jié)局指標的測算。分析過程中，智能合約通過調(diào)用外部測算方法，對院內(nèi)醫(yī)療信息摘要進行檢索，并對需要分析的內(nèi)容進行提取。整個過程中，全部計算發(fā)生在數(shù)據(jù)網(wǎng)關(guān)根據(jù)智能合約創(chuàng)建安全沙箱中。分析結(jié)束后，沙箱對醫(yī)院輸出分析結(jié)果，并完成自我銷毀，受保護的醫(yī)療數(shù)據(jù)未離開醫(yī)院私有域，安全性得到了有效驗證。

系統(tǒng)在三家醫(yī)療機構(gòu)的數(shù)據(jù)中完成初步驗證，并獲得了良好的系統(tǒng)性能（表1），區(qū)塊鏈秒平均寫入通量達到9000條記錄，特征檢索時間不高于10 ms，能夠在多中心協(xié)作和敏感信息受控場景中，開展缺血性卒中醫(yī)療質(zhì)量藥物相關(guān)過程指標評價，具體結(jié)果見表2。

表2 缺血性卒中醫(yī)療質(zhì)量過程指標評價

2.2 系統(tǒng)測試結(jié)果

（1）沙箱測試結(jié)果

功能性：實現(xiàn)沙箱創(chuàng)建、沙箱銷毀、沙箱單次執(zhí)行、沙箱多請求執(zhí)行、沙箱超時控制、沙箱數(shù)量控制、沙箱內(nèi)禁止訪問外網(wǎng)域名控制、沙箱內(nèi)禁止訪問外網(wǎng)IP加端口控制、沙箱內(nèi)存監(jiān)控、沙箱內(nèi)禁止文件寫入磁盤和沙箱中禁用linux系統(tǒng)中/usr/sbin下相關(guān)指令等功能。

性能效率：支持沙箱單次執(zhí)行，超時設(shè)置為9 s、算法延時設(shè)置為5 s時，沙箱支持合約算法執(zhí)行完成運行時間為5.146 s；支持沙箱多請求執(zhí)行，超時設(shè)置為29 s，在沙箱數(shù)為3，隊列數(shù)為3的情況下，共執(zhí)行727次算法合約，沙箱支持合約執(zhí)行完成的平均運行時間為16.603 s。

（2）合約測試結(jié)果

在單用戶場景下，數(shù)據(jù)目錄寫入事務(wù)平均響應(yīng)時間為1.58 s，查看事務(wù)平均響應(yīng)時間為0.08 s，提交事務(wù)平均響應(yīng)時間為1.59 s；在10 654條分布式數(shù)據(jù)中進行數(shù)據(jù)目錄查詢，事務(wù)平均響應(yīng)時間為0.13 s；進行數(shù)據(jù)目錄詳情查看，事務(wù)平均響應(yīng)時間為0.11 s；提交數(shù)據(jù)庫事務(wù)平均響應(yīng)時間為1.30 s；加載全部庫目錄事務(wù)平均響應(yīng)時間為0.07 s；進行庫目錄詳情查看事務(wù)平均響應(yīng)時間為0.73 s；提交表目錄事務(wù)平均響應(yīng)時間為0.99 s；在10 703條數(shù)據(jù)中進行表目錄查詢事務(wù)平均響應(yīng)時間為0.15 s；表目錄詳情查看事務(wù)平均響應(yīng)時間為0.11 s；在遠程源數(shù)據(jù)庫中對己上鏈的庫表字段進行修改，操作結(jié)果同步到系統(tǒng)中時延為10 s；在遠程源數(shù)據(jù)庫中對已上鏈的庫表字段進行刪除，操作結(jié)果同步到系統(tǒng)中時延為10 s；在遠程源數(shù)據(jù)庫中對已上鏈的庫表字段進行新增，操作結(jié)果同步到系統(tǒng)中時延為5 s；通過可視化方式創(chuàng)建不帶算法的數(shù)據(jù)合約，事務(wù)平均響應(yīng)時間為0.72 s；通過本地上傳方式創(chuàng)建不帶算法的數(shù)據(jù)合約，事務(wù)平均響應(yīng)時間為0.29 s。

10個用戶并發(fā)場景：調(diào)用數(shù)據(jù)目錄上鏈接口，事務(wù)平均響應(yīng)時間為0.17 s；調(diào)用庫目錄上鏈接口，事務(wù)平均響應(yīng)時間為0.36 s；調(diào)用表目錄上鏈接口，事務(wù)平均響應(yīng)時間為0.17 s；可視化創(chuàng)建合約接口，創(chuàng)建不帶算法的數(shù)據(jù)合約，事務(wù)平均響應(yīng)時間為1.41 s；本地上傳創(chuàng)建接口，創(chuàng)建不帶算法的數(shù)據(jù)合約，事務(wù)平均響應(yīng)時間為0.83 s；帶數(shù)組去重算法的數(shù)據(jù)合約執(zhí)行接口，事務(wù)平均響應(yīng)時間為0.68 s。

20個用戶并發(fā)場景：調(diào)用查看職責目錄詳情接口，事務(wù)平均響應(yīng)時間為0.06 s；調(diào)用數(shù)據(jù)目錄查詢接口，在10 654條數(shù)據(jù)中進行數(shù)據(jù)目錄查詢，事務(wù)平均響應(yīng)時間為0.18 s；調(diào)用查看數(shù)據(jù)目錄詳情接口，事務(wù)平均響應(yīng)時間為0.07 s；調(diào)用庫目錄查詢接口，返回全部庫目錄數(shù)據(jù)，事務(wù)平均響應(yīng)時間為0.08 s；調(diào)用查看庫目錄詳情接口，事務(wù)平均響應(yīng)時間為0.08 s；調(diào)用查詢表目錄接口，在10 703條數(shù)據(jù)中進行表目錄查詢，事務(wù)平均響應(yīng)時間為0.10 s；調(diào)用查看表目錄詳情接口，事務(wù)平均響應(yīng)時間為0.30 s；調(diào)用不帶算法的數(shù)據(jù)合約執(zhí)行接口，事務(wù)平均響應(yīng)時間為1.01 s；調(diào)用帶數(shù)組去重算法的數(shù)據(jù)合約執(zhí)行接口，事務(wù)平均響應(yīng)時間為1.26 s。

50個用戶并發(fā)場景：調(diào)用不帶算法的數(shù)據(jù)合約執(zhí)行接口，事務(wù)平均響應(yīng)時間為3.01 s。

3 討論

本文初步探索了區(qū)塊鏈技術(shù)在缺血性卒中醫(yī)療質(zhì)量評價體系中的應(yīng)用，其中融合智能合約、安全沙箱、摘要生成等區(qū)塊鏈技術(shù)手段，建立了缺血性卒中醫(yī)療質(zhì)量評價平臺。在三家已完成缺血性卒中醫(yī)療質(zhì)量數(shù)據(jù)結(jié)構(gòu)化的醫(yī)院的數(shù)據(jù)庫架構(gòu)上，有效實現(xiàn)了缺血性卒中醫(yī)療質(zhì)量指標評價。進一步應(yīng)用數(shù)據(jù)信息提取、數(shù)字化追溯和跨域投放，為開展基于醫(yī)院信息系統(tǒng)的醫(yī)療質(zhì)量評價和持續(xù)改進奠定了技術(shù)基礎(chǔ)。

這種醫(yī)療質(zhì)量評價體系基于區(qū)塊鏈技術(shù)實現(xiàn)了數(shù)據(jù)不易篡改、很難偽造、可追溯、分布式基礎(chǔ)機構(gòu)，與計算范式的醫(yī)院信息互聯(lián)互通信息平臺建設(shè)。平臺利用分布的區(qū)塊鏈式數(shù)據(jù)結(jié)構(gòu)來驗證與存儲腦血管病質(zhì)控醫(yī)院臨床數(shù)據(jù)，采用分布式節(jié)點共識算法來生成和更新醫(yī)院的臨床數(shù)據(jù)，應(yīng)用密碼學方式保證臨床數(shù)據(jù)傳輸和訪問的安全，利用由自動化腳本代碼組成的質(zhì)控醫(yī)院間智能合約來編程和操作臨床數(shù)據(jù)。

平臺基于區(qū)塊鏈技術(shù)的關(guān)鍵環(huán)節(jié)如下：

（1）對質(zhì)控醫(yī)院的腦血管病臨床數(shù)據(jù)資源和結(jié)構(gòu)進行評估，形成詳細的臨床數(shù)據(jù)目錄鏈系統(tǒng)，覆蓋臨床數(shù)據(jù)結(jié)構(gòu)和內(nèi)容。之后對臨床數(shù)據(jù)資源進一步進行規(guī)范化完善，逐步達到有價值臨床數(shù)據(jù)的目標。

（2）項目醫(yī)院有價值臨床數(shù)據(jù)證明的發(fā)放，這個過程主要針對有價值臨床數(shù)據(jù)證明本身文件實現(xiàn)防偽，利用區(qū)塊鏈可以做到電子權(quán)益證明去中心化發(fā)放，并且保證不可篡改。

（3）項目醫(yī)院有價值臨床數(shù)據(jù)的流通，這個環(huán)節(jié)反映有價值臨床數(shù)據(jù)的流動性?；趨^(qū)塊鏈，這個有價值臨床數(shù)據(jù)資產(chǎn)可以實現(xiàn)點對點流通，并可以再切分，促進流動性的增強。

綜合上述三個環(huán)節(jié)，平臺在醫(yī)療領(lǐng)域中可將臨床數(shù)據(jù)轉(zhuǎn)變?yōu)橛袃r值的臨床數(shù)據(jù)，這種權(quán)威而專業(yè)的評估有著非常重要的作用，可以提供評估、風控、增值等服務(wù)。

本探索研究是在區(qū)塊鏈系統(tǒng)的基礎(chǔ)上，采用基于智能合約的缺血性卒中醫(yī)療質(zhì)控指標算法整合和調(diào)用機制，使每一個算法成為一個獨立的智能合約，通過調(diào)用智能合約，獲得算法的運行權(quán)限，并將算法流投入安全沙箱，對沙箱內(nèi)的數(shù)據(jù)進行分析。智能合約的每次調(diào)用和運行記錄同樣會被區(qū)塊鏈系統(tǒng)記錄，并與安全沙箱的輸出日志一一對應(yīng)。在完成數(shù)據(jù)跟蹤保護的同時，對質(zhì)控指標的算法的調(diào)用情況進行記錄，以統(tǒng)計算法運行效率、準確率等參數(shù)，便于總結(jié)算法瓶頸，為后續(xù)升級提供方向。

在利用醫(yī)療數(shù)據(jù)開展質(zhì)控評價工作中，經(jīng)常需要進行跨醫(yī)院協(xié)調(diào)支持。然而，傳統(tǒng)的檢索是建立在對數(shù)據(jù)庫的直接訪問基礎(chǔ)上，這在多中心醫(yī)院協(xié)同中存在數(shù)據(jù)管理和安全等的屏障，而應(yīng)用區(qū)塊鏈技術(shù)的優(yōu)勢實現(xiàn)了基于元數(shù)據(jù)鏈的跨中心檢索機制，采用目錄鏈共享檢索機制，應(yīng)用摘要生成算法，將醫(yī)療信息非敏感的元標簽存放于公開的元數(shù)據(jù)鏈上。醫(yī)院通過特征檢索，找到目標數(shù)據(jù)后，調(diào)用預(yù)先簽署的智能合約或采用文件交換途徑，向原始醫(yī)院借取對應(yīng)的資料，并完成統(tǒng)計分析。

在數(shù)據(jù)安全方面，數(shù)字化信息具有易復制、難追蹤等特性，很難做到有效保護。本研究通過引入?yún)^(qū)塊鏈的數(shù)字資產(chǎn)化思想，將數(shù)據(jù)作為特殊資產(chǎn)，在區(qū)塊鏈上進行管理，明確權(quán)屬并跟蹤記錄其流動，同時，結(jié)合安全沙箱和加密技術(shù)，做到使用留痕、用后銷毀，保障原始數(shù)據(jù)的安全性和唯一性，從而使得數(shù)據(jù)的管理和保護成為可能。從需求產(chǎn)生并準備執(zhí)行開始，區(qū)塊鏈系統(tǒng)對數(shù)據(jù)調(diào)取、算法分析、結(jié)果輸出、沙箱銷毀等全部操作進行共識和記錄，其不可篡改的特點保障了數(shù)據(jù)的安全，同時也記錄了數(shù)據(jù)與結(jié)論之間的關(guān)聯(lián)關(guān)系，使之可以在不獲取原始數(shù)據(jù)的情況下，證明結(jié)論的有效性和可重復性。

醫(yī)療行業(yè)是典型的高通量并發(fā)場景，全流程的記錄需求會對區(qū)塊鏈系統(tǒng)產(chǎn)生巨大的壓力，傳統(tǒng)的公有鏈系統(tǒng)共識協(xié)議[如工作量證明算法（proof of work，PoW）、股權(quán)證明（proof of stake，PoS）等]無法提供足夠的并發(fā)性能[21]。本研究采用了基于微實數(shù)并行排序思想的EDA共識協(xié)議[19]，通過搶占式排序和并發(fā)共識，以提供適合業(yè)務(wù)場景的系統(tǒng)性能。

本研究的快速實施依托“十三五”國家重點研發(fā)計劃正在開展的基于醫(yī)院信息系統(tǒng)的腦血管病大數(shù)據(jù)平臺建設(shè)，根據(jù)卒中醫(yī)療質(zhì)量評價的需要變量進行結(jié)構(gòu)化和標準化的處理，建立醫(yī)院卒中質(zhì)控專用的數(shù)據(jù)庫，這為開展基于區(qū)塊鏈的缺血性卒中質(zhì)控平臺建設(shè)、數(shù)據(jù)調(diào)取和分析奠定了堅實的基礎(chǔ)。目前已完成如下工作：設(shè)計信息系統(tǒng)標準數(shù)據(jù)接口，規(guī)范數(shù)據(jù)字典；收集各醫(yī)院的接口數(shù)據(jù)，校驗上報數(shù)據(jù)，對整體性、種類完整性、數(shù)據(jù)項完整性等進行檢查；數(shù)據(jù)清洗，處理問題數(shù)據(jù)，收集原始資料，保障數(shù)據(jù)溯源；組織醫(yī)療專業(yè)人員進行業(yè)務(wù)邏輯核查和數(shù)據(jù)修正，并對數(shù)據(jù)字典和采集規(guī)范進行補充、完善等。

本研究主要為解決如何在非本地中心開展缺血性卒中醫(yī)療質(zhì)量指標的評價，即在不暴露醫(yī)療信息等敏感數(shù)據(jù)的條件下，基于“模型投放”架構(gòu)，解決醫(yī)療質(zhì)量指標算法的推送、應(yīng)用、迭代以及后評估問題。在數(shù)據(jù)分析及評估應(yīng)用的完整流程中，算法需要在運算平臺上調(diào)用數(shù)據(jù)，并形成運算結(jié)果對外輸出。在上述生態(tài)內(nèi)，算法、數(shù)據(jù)與運算平臺三者缺一不可。而傳統(tǒng)的以保護敏感信息為目的的“信息孤島”則徹底將數(shù)據(jù)從生態(tài)中割離開，形成了巨大空洞，阻礙了未來“人工智能+醫(yī)療”的深入結(jié)合與推進[11]。未來將區(qū)塊鏈和人工智能相結(jié)合，基于深度學習的醫(yī)療人工智能分析技術(shù)，是一種以數(shù)據(jù)基礎(chǔ)與應(yīng)用效果直接正相關(guān)的統(tǒng)計分析方法。隨著目前醫(yī)療數(shù)據(jù)的使用途徑縮窄，未來這種技術(shù)的發(fā)展方向也正被社會各界廣泛關(guān)注[14]。對于人工智能這種嚴重依賴數(shù)據(jù)迭代和更新的應(yīng)用，“一次成型”的部署方式難以發(fā)揮其功能和價值。目前系統(tǒng)已經(jīng)具備了算法的投放能力，下一步將與多中心數(shù)據(jù)統(tǒng)計，特別是聯(lián)邦學習、多方安全計算相結(jié)合，解決應(yīng)用算法在敏感信息環(huán)境中的投放問題，打通數(shù)據(jù)交匯渠道，探索并推動形成醫(yī)療數(shù)據(jù)模型設(shè)計開發(fā)的新模式，即醫(yī)療機構(gòu)提供數(shù)據(jù)基礎(chǔ)、醫(yī)療知識和應(yīng)用渠道，科研機構(gòu)提供模型的智力支持，整體環(huán)境將從現(xiàn)在的以科研機構(gòu)或企業(yè)為中心，調(diào)整為以醫(yī)療機構(gòu)為中心，將為醫(yī)療行業(yè)與信息技術(shù)融合提供更堅實的發(fā)展基礎(chǔ)和廣闊前景。

致謝：北京嘉和美康信息技術(shù)有限公司張雷、郭偉光，張義超、郝昌龍、王濤、邵義工程師對結(jié)構(gòu)化數(shù)據(jù)庫建設(shè)的技術(shù)支撐。