一個醫(yī)療科研大數(shù)據(jù)平臺的設(shè)計(jì)與實(shí)現(xiàn)

王銳 孫小梅 李鵬飛

摘要：為了挖掘和利用醫(yī)院信息系統(tǒng)中積累的醫(yī)療大數(shù)據(jù)中的有用信息，用以臨床輔助決策和基礎(chǔ)臨床科學(xué)研究，該文設(shè)計(jì)了醫(yī)療大數(shù)據(jù)研究平臺。通過對醫(yī)院現(xiàn)有信息系統(tǒng)的分析，結(jié)合臨床醫(yī)學(xué)和科研的具體需求，利用數(shù)據(jù)挖掘技術(shù)、深度學(xué)習(xí)技術(shù)、大數(shù)據(jù)可視化技術(shù)、自然語言處理技術(shù)等模型算法，對醫(yī)療大數(shù)據(jù)進(jìn)行集成和整合，構(gòu)建統(tǒng)一的大數(shù)據(jù)模型和標(biāo)準(zhǔn)，實(shí)現(xiàn)醫(yī)療大數(shù)據(jù)的智能應(yīng)用。在構(gòu)建的醫(yī)療大數(shù)據(jù)應(yīng)用平臺中，具體實(shí)現(xiàn)了病歷搜索、患者全景視圖、科研項(xiàng)目管理、疾病關(guān)系圖譜和特征分布等具體的應(yīng)用功能。該平臺的應(yīng)用，讓醫(yī)療大數(shù)據(jù)蘊(yùn)含的價值得以實(shí)現(xiàn)，不僅拉近了臨床醫(yī)療實(shí)踐與臨床基礎(chǔ)研究之間的距離，而且提高了醫(yī)院整體運(yùn)行的效率。

關(guān)鍵詞：醫(yī)療大數(shù)據(jù);數(shù)據(jù)挖掘;醫(yī)院信息系統(tǒng);深度學(xué)習(xí);臨床輔助

中圖分類號：R42;TP311? ? ? 文獻(xiàn)標(biāo)識碼：A

文章編號：1009-3044（2021）33-0055-03

開放科學(xué)（資源服務(wù)）標(biāo)識碼（OSID）：

1 研究背景及意義

隨著醫(yī)院信息化的不斷發(fā)展，在醫(yī)院業(yè)務(wù)數(shù)據(jù)庫中，積累了大量的患者醫(yī)療數(shù)據(jù)。這些數(shù)據(jù)中包含著各種各樣的有用信息，對這些數(shù)據(jù)加工處理，利用數(shù)據(jù)挖掘、深度學(xué)習(xí)等技術(shù)，可以實(shí)現(xiàn)對這些臨床積累醫(yī)療數(shù)據(jù)的挖掘和利用。構(gòu)建一個綜合前沿的醫(yī)療大數(shù)據(jù)應(yīng)用平臺，對醫(yī)院積累的醫(yī)療數(shù)據(jù)，以病人為中心進(jìn)行數(shù)據(jù)整合，建立統(tǒng)一的醫(yī)療大數(shù)據(jù)的數(shù)據(jù)標(biāo)準(zhǔn)，將不同廠商間的數(shù)據(jù)集成到一個統(tǒng)一的數(shù)據(jù)環(huán)境中。通過這種方式，不僅可以解決各個信息系統(tǒng)數(shù)據(jù)標(biāo)準(zhǔn)不統(tǒng)一的問題，消除信息孤島，還可以通過大數(shù)據(jù)平臺為醫(yī)院臨床輔助決策及醫(yī)學(xué)科研發(fā)展提供有力支持。

2 醫(yī)療大數(shù)據(jù)系統(tǒng)架構(gòu)

該平臺實(shí)現(xiàn)了醫(yī)療大數(shù)據(jù)的數(shù)據(jù)采集、數(shù)據(jù)集成和數(shù)據(jù)治理。在此基礎(chǔ)上，構(gòu)建適用于醫(yī)療大數(shù)據(jù)的數(shù)學(xué)模型，從而為醫(yī)院管理、教學(xué)、科研提供各種個性化的應(yīng)用。醫(yī)療大數(shù)據(jù)平臺的系統(tǒng)架構(gòu)如圖1所示。

在醫(yī)療大數(shù)據(jù)平臺架構(gòu)的底層，將醫(yī)院內(nèi)各個信息系統(tǒng)中的歷史數(shù)據(jù)及每天產(chǎn)生的增量數(shù)據(jù)進(jìn)行集成接入。對各個信息系統(tǒng)中集成接入的數(shù)據(jù)進(jìn)行整合，整合的基礎(chǔ)是建立統(tǒng)一的數(shù)學(xué)模型。在數(shù)據(jù)集成[1]和數(shù)據(jù)整合[2]過程中，由于醫(yī)療大數(shù)據(jù)的敏感性，一定要注意保護(hù)好病人的個人隱私，對醫(yī)療大數(shù)據(jù)進(jìn)行脫敏處理。

醫(yī)療大數(shù)據(jù)主要包含患者的基本信息、電子病歷、醫(yī)囑信息、護(hù)理記錄、檢查檢驗(yàn)結(jié)果以及治療過程等。這些醫(yī)療數(shù)據(jù)信息，主要是用自然語言的方式進(jìn)行記錄，信息結(jié)構(gòu)非常復(fù)雜，如何讓計(jì)算機(jī)識別和理解這些醫(yī)療數(shù)據(jù)中包含的信息，從而高效地對這些信息進(jìn)行存儲、分類、檢索、統(tǒng)計(jì)、分析和挖掘，是該醫(yī)療大數(shù)據(jù)平臺建設(shè)的重點(diǎn)。在本文構(gòu)建的醫(yī)療大數(shù)據(jù)平臺中，通過自然語言處理技術(shù)[3]，結(jié)合醫(yī)療專業(yè)術(shù)語名詞，將自然語言表達(dá)的語義，轉(zhuǎn)換成結(jié)構(gòu)化的鍵值對。

集成后的數(shù)據(jù)，還不能實(shí)現(xiàn)真正的具體應(yīng)用，醫(yī)療大數(shù)據(jù)還需要通過一些先進(jìn)的算法模型來具體實(shí)現(xiàn)。具體包括利用數(shù)據(jù)預(yù)處理、文本分析類、機(jī)器學(xué)習(xí)類、模型評估等算法模型實(shí)現(xiàn)醫(yī)療大數(shù)據(jù)的可視化展示[4]。利用統(tǒng)計(jì)分析、關(guān)聯(lián)規(guī)則、文本聚類、語義分析等技術(shù)構(gòu)造疾病關(guān)系圖譜、疾病演變等。利用貝葉斯算法、深度學(xué)等[5]技術(shù)構(gòu)建疾病診斷，治療等風(fēng)險評估模型[6]。

3 醫(yī)療大數(shù)據(jù)平臺技術(shù)架構(gòu)

對系統(tǒng)開發(fā)中多種技術(shù)架構(gòu)進(jìn)行對比評估，Hadoop是一個能對大量數(shù)據(jù)進(jìn)行分布式處理的系統(tǒng)。主要由HDFS（Hadoop Distributed File System），MapReduce，Spark和Hbase等組件組成?，F(xiàn)在Hadoop技術(shù)架構(gòu)設(shè)計(jì)[7]已經(jīng)成為大數(shù)據(jù)平臺做非結(jié)構(gòu)化數(shù)據(jù)處理的標(biāo)準(zhǔn)配置，為半結(jié)構(gòu)化和非結(jié)構(gòu)化的醫(yī)療大數(shù)據(jù)提供分布式數(shù)據(jù)存儲[8]資源。同時，也為自然語言處理，各種模型算法提供分布式計(jì)算資源。醫(yī)療大數(shù)據(jù)平臺的技術(shù)架構(gòu)如圖2所示。

Hadoop技術(shù)架構(gòu)設(shè)計(jì)，可以解決傳統(tǒng)信息化架構(gòu)中存儲，計(jì)算，運(yùn)維等多方面的效率和穩(wěn)定性問題。Hadoop技術(shù)架構(gòu)中，可以在不了解分布式底層細(xì)節(jié)的情況下，開發(fā)分布式程序，從而實(shí)現(xiàn)利用集群優(yōu)勢進(jìn)行高效運(yùn)算和存儲。其中HDFS為海量的數(shù)據(jù)提供了存儲，MapReduce則為海量的數(shù)據(jù)提供了計(jì)算。

4 醫(yī)療大數(shù)據(jù)平臺應(yīng)用場景

在醫(yī)療大數(shù)據(jù)平臺中，主要實(shí)現(xiàn)了病歷搜索、患者全景視圖、科研項(xiàng)目管理、疾病關(guān)系圖譜和特征分布、知識庫等主要幾個應(yīng)用模塊，為醫(yī)療大數(shù)據(jù)的應(yīng)用提供了有力支撐。

4.1 病例搜索

病歷搜索應(yīng)用模塊中，在基于醫(yī)療大數(shù)據(jù)清洗加工的基礎(chǔ)上，通過多種搜索方式，可以快速檢索出符合不同檢索需求的患者或者患者病歷。病歷搜索可以滿足臨床醫(yī)生各種查詢需求，也可以在科研項(xiàng)目中，快速檢索出符合特定檢索需求的患者病歷。病歷搜索應(yīng)用如圖3所示。

在病歷搜索應(yīng)用中，提供的功能包括關(guān)鍵詞搜索、高級搜索、條件樹搜索。通過這些不同的搜索方式，不僅能提高搜索效率，同時也可以為臨床應(yīng)用提供復(fù)雜條件的搜索。簡單的幾個搜索步驟，就能滿足科研項(xiàng)目立項(xiàng)的可行性分析。

4.2 患者全景視圖

患者全景視圖應(yīng)用中，整合了同一個患者當(dāng)前在該醫(yī)院的所有醫(yī)療信息。包括就診信息、檢查檢驗(yàn)結(jié)果等?？梢宰尀g覽者快速掌握患者醫(yī)療就診的全貌，以及病情的發(fā)展情況?；颊呷耙晥D如圖4所示。

在患者全景視圖中，有一條時間軸，是該患者所有醫(yī)療信息的圖形化總覽。通過滾動時間條可以調(diào)整數(shù)據(jù)的范圍。

4.3 科研項(xiàng)目管理

在該科研項(xiàng)目管理應(yīng)用中，可以進(jìn)行一站式在線科研項(xiàng)目管理。一鍵創(chuàng)建項(xiàng)目，實(shí)現(xiàn)回顧性研究的全程在線管理，極大地提高臨床科研的效率，是傳統(tǒng)科研項(xiàng)目數(shù)據(jù)收集效率的幾倍。在科研項(xiàng)目管理中，具體的項(xiàng)目管理流程是錄入項(xiàng)目基本信息，納排條件設(shè)置，研究指標(biāo)選擇，項(xiàng)目結(jié)果導(dǎo)出，統(tǒng)計(jì)分析研究，科研項(xiàng)目管理如圖5所示。

在已建立的科研項(xiàng)目中，還支持對導(dǎo)入的非平臺數(shù)據(jù)進(jìn)行結(jié)構(gòu)化。該醫(yī)療大數(shù)據(jù)平臺不僅體現(xiàn)了大數(shù)據(jù)技術(shù)優(yōu)勢，而且還能夠提高智能數(shù)據(jù)平臺科研場景的支持力度，靈活高效，擴(kuò)展性高。

4.4 疾病關(guān)系圖譜和特征分布

疾病關(guān)系圖譜應(yīng)用模塊中，可以查看與疾病關(guān)鍵詞相關(guān)聯(lián)的診療關(guān)鍵詞，以及關(guān)鍵詞間相互關(guān)聯(lián)的多層級關(guān)系網(wǎng)絡(luò)。每個節(jié)點(diǎn)的大小和統(tǒng)計(jì)類型的權(quán)重以及分布概率相關(guān)，疾病關(guān)系圖譜和特征分布如圖6所示。

在疾病關(guān)系圖譜中，包含診斷、用藥、手術(shù)、檢查檢驗(yàn)和癥狀五類關(guān)鍵詞。任意連線上的兩個節(jié)之間代表有數(shù)據(jù)關(guān)聯(lián)，鼠標(biāo)懸浮在節(jié)點(diǎn)上，可以查看節(jié)點(diǎn)間包含的數(shù)據(jù)信息，包括具體病歷的統(tǒng)計(jì)數(shù)據(jù)。每個節(jié)點(diǎn)允許再次點(diǎn)擊查看該節(jié)點(diǎn)的相關(guān)數(shù)據(jù)關(guān)系。

4.5 知識庫

在知識庫應(yīng)用模塊中，主要包括的知識內(nèi)容有中英文文獻(xiàn)、指南共識、臨床路徑、藥品說明書等。有些文獻(xiàn)可以下載原文，在知識庫首頁整合了所有知識內(nèi)容，可以根據(jù)用戶特征信息進(jìn)行智能推薦。并且平臺能夠?qū)W習(xí)用戶對于推薦內(nèi)容的喜好程度進(jìn)行深度學(xué)習(xí)，將更加有用的知識推薦給用戶，醫(yī)療大數(shù)據(jù)平臺知識全庫如圖7所示。

除了知識推薦，還有研究熱點(diǎn)趨勢圖、作者圖譜、臨床試驗(yàn)等知識內(nèi)容。

5 結(jié)束語

醫(yī)院信息化發(fā)展積累的醫(yī)療大數(shù)據(jù)，是醫(yī)院寶貴的財(cái)富。這些醫(yī)療大數(shù)據(jù)能夠有效地挖掘和利用，找出其中蘊(yùn)含的醫(yī)學(xué)價值，是極其必要的。本系統(tǒng)結(jié)合深度學(xué)習(xí)與數(shù)據(jù)挖掘技術(shù)，通過深度學(xué)習(xí)技術(shù)，可以智能輔助判斷一些醫(yī)療圖像數(shù)據(jù)和心電圖等檢查檢驗(yàn)結(jié)果數(shù)據(jù)。通過數(shù)據(jù)挖掘技術(shù)，可以對醫(yī)院積累的幾千萬份病歷數(shù)據(jù)進(jìn)行智能學(xué)習(xí)，挖掘出各種有用的信息知識。同時，本系統(tǒng)構(gòu)建的科研項(xiàng)目管理模塊，為醫(yī)學(xué)科研工作人員提供了人性化的操作界面，能夠快速高效地建立科研項(xiàng)目，并且通過平臺提取病歷數(shù)據(jù)，快速實(shí)施項(xiàng)目計(jì)劃。醫(yī)療大數(shù)據(jù)平臺的開發(fā)和應(yīng)用，為醫(yī)院建立一套完整的醫(yī)療大數(shù)據(jù)智能服務(wù)，挖掘了醫(yī)院的醫(yī)療數(shù)據(jù)資源，拉近了醫(yī)學(xué)基礎(chǔ)研究和臨床應(yīng)用的距離，對推進(jìn)診療水平發(fā)展都有重要意義。

參考文獻(xiàn)：

[1] Aponte C，Kasel S，Nitschke C R，et al.Structural diversity underpins carbon storage in Australian temperate forests[J].Global Ecology and Biogeography，2020，29（5）：789-802.

[2] Liu T，Chen H Q，Hetz G，et al.Integration of time-lapse seismic data using the onset time approach：The impact of seismic survey frequency[J].Journal of Petroleum Science and Engineering，2020（189）：106989.

[3] 李舟軍，范宇，吳賢杰.面向自然語言處理的預(yù)訓(xùn)練技術(shù)研究綜述[J].計(jì)算機(jī)科學(xué)，2020，47（3）：162-173.

[4] 邵全勇.基于數(shù)據(jù)可視化技術(shù)平臺的開發(fā)[J].微型電腦應(yīng)用，2020，36（1）：144-148.

[5] 余傳明，王峰，安璐.基于深度學(xué)習(xí)的跨語言詞匯對齊模型研究[J].情報理論與實(shí)踐，2020，43（9）：150-158.

[6] 祁長紅，金濤，曹久敬.集體風(fēng)險評估模型在醫(yī)療設(shè)備風(fēng)險評估中的應(yīng)用與探討[J].中國醫(yī)療設(shè)備，2020，35（3）：149-151，159.

[7] 梁林森.基于hadoop技術(shù)的信息系統(tǒng)用戶體驗(yàn)智能識別與分析研究[J].中國信息化，2018（1）：93-95.

[8] 馮志杰.基于HDStore模型的混合分布式大數(shù)據(jù)存儲技術(shù)[J].無線電工程，2020，50（4）：335-342.

【通聯(lián)編輯：謝媛媛】