基于人工智能的醫(yī)療大數(shù)據(jù)中心設計與建設

朱伯堃 張教赟

關鍵詞：人工智能；醫(yī)療；大數(shù)據(jù)中心

1引言

隨著人工智能技術的飛速發(fā)展，其逐漸被應用到醫(yī)療健康領域，如智能診斷、影像識別等，實現(xiàn)了醫(yī)療診斷服務一體化建設，對于現(xiàn)代醫(yī)療事業(yè)的發(fā)展有著積極作用。在實際應用人工智能技術的過程中，為保障技術應用的有效性，以及診斷結果的準確性和可靠性，提高診斷速度，加強對基于人工智能的醫(yī)療大數(shù)據(jù)中心建設研究很有必要。

2基于人工智能的醫(yī)療大數(shù)據(jù)中心管理系統(tǒng)應用方向

2.1輔助臨床診療

輔助臨床診療是當前人工智能技術在醫(yī)療數(shù)據(jù)中心管理系統(tǒng)中的主要應用方向之一。通過對數(shù)據(jù)中心中患者的相應病癥資料、數(shù)據(jù)信息以及360°視圖的分析和挖掘，為臨床診斷、治療提供可靠數(shù)據(jù)支持，并輔助決策，不僅有助于減少單一人工診療過程中可能存在的誤診問題，而且有助于提高診療效率，對于降低醫(yī)療風險、保障醫(yī)療質量有著積極作用[1]。

2.2提升醫(yī)療質量

基于醫(yī)療大數(shù)據(jù)中心，構建醫(yī)療質量控制系統(tǒng)，能夠實現(xiàn)對醫(yī)療質量數(shù)據(jù)的高效提取和分析，并由此展開事前防范、事中提醒以及事后分析，有助于提高醫(yī)療質量水平，降低醫(yī)療事故發(fā)生概率。另外，相應醫(yī)療質量數(shù)據(jù)信息還能夠作為后續(xù)質量分析和評價的原始數(shù)據(jù)，形成質量控制閉環(huán)，為后續(xù)醫(yī)療質量的優(yōu)化管控提供可靠支持。而且，通過對床位周轉率、住院時長等相關指標和數(shù)據(jù)的分析，還能夠有針對性地進行醫(yī)療服務整改，對于提高醫(yī)院服務質量、提升患者滿意度等有著良好的效果。

2.3支持醫(yī)院運營

基于醫(yī)療大數(shù)據(jù)中心，能夠實現(xiàn)對醫(yī)院運營管理數(shù)據(jù)的高效整合和保存管理，其不僅包括醫(yī)護人員視圖信息，還包括績效管理數(shù)據(jù)信息、醫(yī)院設備資源消耗情況等，能夠幫助醫(yī)院管理人員更加直觀、準確地了解醫(yī)院運行情況，實現(xiàn)人員、資源以及資產(chǎn)的精細化管理，有助于提升醫(yī)院決策的可靠性以及運營管理水平。

2.4促進科研發(fā)展

醫(yī)療大數(shù)據(jù)還可以為醫(yī)療科研工作提供數(shù)據(jù)支持，實現(xiàn)臨床數(shù)據(jù)的高效整合和提取，有助于提高醫(yī)療及科研工作的效率和質量，對于醫(yī)療事業(yè)發(fā)展有著積極意義。同時，醫(yī)療大數(shù)據(jù)中心的建立還能夠實現(xiàn)對醫(yī)院數(shù)據(jù)信息的有效整合，提高數(shù)據(jù)利用率，促使數(shù)據(jù)價值得到充分挖掘和發(fā)揮，為智慧醫(yī)院建設提供良好支持。

3醫(yī)療大數(shù)據(jù)中心架構設計

基于醫(yī)療大數(shù)據(jù)中心的實際應用需求，要求該數(shù)據(jù)中心能夠對醫(yī)院系統(tǒng)后臺中的數(shù)據(jù)信息進行采集、存儲和處理，為醫(yī)療工作的開展以及醫(yī)院運營管理提供基礎數(shù)據(jù)支持[2]。為滿足上述要求，醫(yī)療大數(shù)據(jù)中心架構應主要包括門戶層、數(shù)據(jù)應用層、服務支持層、數(shù)據(jù)治理層、數(shù)據(jù)層以及業(yè)務系統(tǒng)層6個層次，如表1所列。

4醫(yī)療大數(shù)據(jù)中心模塊設計

4.1患者主索引模塊

患者信息和臨床數(shù)據(jù)是醫(yī)療大數(shù)據(jù)中心的主要組成部分，也是模塊設計中的重點內容。但由于各醫(yī)院系統(tǒng)之間存在壁壘，系統(tǒng)架構、數(shù)據(jù)格式等差異較大，因此不同醫(yī)院系統(tǒng)之間的患者以及臨床數(shù)據(jù)信息難以有效共享。另外，門診患者與住院患者之間的信息數(shù)據(jù)軸線不同，門診患者是以就診號為就診依據(jù)的，相應數(shù)據(jù)信息的存儲方式也是根據(jù)就診號進行歸類保存的，但住院處患者的信息保存是以住院號為基準的，二者互相割離，難以實現(xiàn)數(shù)據(jù)信息的有效整合。為解決此類問題，在醫(yī)療大數(shù)據(jù)中心模塊設計的過程中，應加強對患者主索引模塊的設計，以實現(xiàn)患者臨床信息之間的有效互通和共享。在實際進行模塊設計的過程中，應著重加強對以下幾個方面的重視。

（1）建立患者唯一識別性，針對患者住院號與門診號無法關聯(lián)的問題，將患者身份作為數(shù)據(jù)信息唯一識別參數(shù)，以對重復患者數(shù)據(jù)信息進行有效整合，形成最佳記錄，實現(xiàn)對患者就診、體檢以及住院等相關系統(tǒng)信息的共享，并在此基礎上生成唯一ID，用于患者信息識別和提取。

（2）針對患者信息建立獨立索引系統(tǒng)，以實現(xiàn)對患者信息的單獨管理和索引。

（3）確保系統(tǒng)模塊設計支持患者、員工多種類型信息的索引、管理以及操作。

（4）要求系統(tǒng)模塊設計提供批量化數(shù)據(jù)導人和導出功能，實現(xiàn)對原始數(shù)據(jù)信息的索引、提取和分析，并以此構建主索引原始庫。

4.2數(shù)據(jù)治理功能模塊

傳統(tǒng)臨床數(shù)據(jù)中心與醫(yī)療大數(shù)據(jù)中心之間存在明顯的差異，如表2所列，給實際人工智能技術的應用帶來了極大困難。而數(shù)據(jù)治理功能的主要作用在于實現(xiàn)對醫(yī)療數(shù)據(jù)信息的有效整合和處理，借助人工智能技術，提升數(shù)據(jù)集成度、強化數(shù)據(jù)收集的目的性，實現(xiàn)數(shù)據(jù)結構化、標準化以及規(guī)范化轉變，降低后續(xù)數(shù)據(jù)處理成本，為人工智能技術的應用以及數(shù)據(jù)價值挖掘提供便利[3]。

4.2.1自然語言處理

醫(yī)院運營過程中會生成大量的病歷，為確?；颊吣軌蛎鞔_就診結果以及后續(xù)治療方式，病歷中會包含大量文書內容，不利于醫(yī)療數(shù)據(jù)的提取，因此，需要對此類醫(yī)學自然語言進行處理，將其轉化為能夠統(tǒng)一管理、存儲的醫(yī)療數(shù)據(jù)信息。同時，需要利用人工智能技術，結合醫(yī)院文本以及醫(yī)學術語，借助機器學習方法，針對醫(yī)學文本，建立自然語言處理模型，以實現(xiàn)對病歷文本信息的有效提取和處理，提升醫(yī)學自然語言的標準化、規(guī)范化水平。在此過程中，可應用的人工智能技術包括監(jiān)督式、非監(jiān)督式以及遷移式機器學習方法，通過分詞、詞性標記、句法分析以及失序解析、變量匹配等方式，實現(xiàn)醫(yī)學自然語言的有效轉化。

4.2.2術語標準化治理

醫(yī)學術語內容廣泛、種類繁多，因此其標準化處理難度相對較高。因此，在實際進行醫(yī)療大數(shù)據(jù)中心建設的過程中，可通過智能算法建立醫(yī)學術語標準化治理模型，以實現(xiàn)診斷、藥品等醫(yī)學術語的歸一處理。醫(yī)學術語標準化治理系統(tǒng)應包含知識庫、找回層和排序層3個主要結構。值得注意的是，在實際進行標準化治理系統(tǒng)構建的過程中，應考慮到醫(yī)學術語中存在大量較高相似度的表達詞語，如哮喘、哮喘性等，為避免由此引發(fā)的醫(yī)學術語標準化治理效果不佳的問題，在實際進行系統(tǒng)設計的過程中，應在知識庫中設置自動知識沖突檢測功能，借助人工智能技術，實現(xiàn)對表達沖突詞匯的智能檢測，并自動選擇最佳表達方式。

4.2.3數(shù)據(jù)質量核查

為保障數(shù)據(jù)的時效性、完整性以及精準性，還需要對數(shù)據(jù)質量進行檢查，借助平臺數(shù)據(jù)質量監(jiān)控功能和規(guī)則庫，對數(shù)據(jù)質量進行檢驗，并根據(jù)問題程度和級別，進行預警，促使相關操作人員能夠及時進行數(shù)據(jù)處理和整改，以保障數(shù)據(jù)質量。數(shù)據(jù)質量核查需要融人數(shù)據(jù)治理全流程中，以更好地保障數(shù)據(jù)治理過程中數(shù)據(jù)信息的準確性。在治理前期，需要使用質量監(jiān)測工具，對數(shù)據(jù)進行初步分析：在治理過程中，應借助人工智能技術，對數(shù)據(jù)進行清洗，篩選出不符合條件要求的數(shù)據(jù)信息，并進行人工處置；在治理完成后，應對相應拆分字段進行質量校驗，確保數(shù)據(jù)信息的可應用性。

4.3智能化系統(tǒng)模塊

智能化數(shù)據(jù)系統(tǒng)模塊的主要功能為實現(xiàn)數(shù)據(jù)的抽取、轉換和加載。應充分結合醫(yī)療大數(shù)據(jù)中心實際情況、數(shù)據(jù)庫類型以及數(shù)據(jù)特點，開發(fā)相應數(shù)據(jù)庫引擎，以保障數(shù)據(jù)抽取處理的有效性。在此過程中，需要注意以下要點：（1）數(shù)據(jù)抽取組件的配置和設計，應根據(jù)數(shù)據(jù)抽取邏輯進行選取，以確保相應組件的選取能夠滿足不同業(yè)務需求，保障系統(tǒng)的智能化效果；（2）合理進行作業(yè)管理系統(tǒng)設計，根據(jù)不同數(shù)據(jù)處理功能的優(yōu)先級進行排布，科學設置作業(yè)日寸間，提升系統(tǒng)應用性能，保障系統(tǒng)運行的高效性和可靠性；（3）進行可視化模塊設計，將任務配置情況以可視化方式展示出來，以保障系統(tǒng)運行情況更加直觀；（4）最后進行日志跟蹤設計，確保數(shù)據(jù)抽取、轉換以及加載過程能夠得到全程跟蹤記錄，保障數(shù)據(jù)質量。

4.4元數(shù)據(jù)管理模塊

元數(shù)據(jù)主要用于體現(xiàn)數(shù)據(jù)信息基本情況或者某方面特征，對數(shù)據(jù)的準確性和完整性有著直接影響。設計元數(shù)據(jù)管理模塊的主要是為了明確數(shù)據(jù)來源，便于進行數(shù)據(jù)屬性的分析，一旦后續(xù)數(shù)據(jù)處理、治理流程出現(xiàn)問題，能夠及時找到元數(shù)據(jù)，并展開對比分析，明確問題所在，保障醫(yī)療大數(shù)據(jù)中心建設的可靠性[4]。

5結束語

基于人工智能的醫(yī)療大數(shù)據(jù)中心設計與建設，更加強調數(shù)據(jù)信息的準確性、完整性以及可靠性，有效提升了數(shù)據(jù)處理、應用的智能化水平和效率，也有效保障了數(shù)據(jù)的標準化和規(guī)范化。在實際進行大數(shù)據(jù)中心設計的過程中，應從數(shù)據(jù)中心應用需求角度，展開中心架構和模塊功能的設計，合理應用機器學習等人工智能技術，全面提升醫(yī)療大數(shù)據(jù)建設水平。