基于Spring Cloud 的分布式醫(yī)療數(shù)據(jù)平臺建設(shè)

汪 睿，胡珊珊，陳敏蓮，徐 驍

（湖南省兒童醫(yī)院數(shù)據(jù)信息管理中心，湖南長沙 410007）

0 引言

伴隨互聯(lián)網(wǎng)技術(shù)的進(jìn)一步發(fā)展，海量數(shù)據(jù)和多源異構(gòu)數(shù)據(jù)不斷增加，大數(shù)據(jù)時代已經(jīng)來臨，其中在醫(yī)療領(lǐng)域更是如此。在醫(yī)療領(lǐng)域中，醫(yī)療數(shù)據(jù)來自多種來源，如電子檔案、生物特征數(shù)據(jù)、門診登記、住院記錄、患者報告、B 超和CT 圖片等。以數(shù)字方式收集和存儲的數(shù)據(jù)量呈指數(shù)級增長，數(shù)據(jù)類型也逐漸變得復(fù)雜多樣。

醫(yī)療數(shù)據(jù)通常具有半結(jié)構(gòu)化、高數(shù)據(jù)量、數(shù)據(jù)格式復(fù)雜、不完整、更新速度快等特點。因此，傳統(tǒng)的信息技術(shù)無法有效處理海量的醫(yī)療數(shù)據(jù)，同時也因為缺少相應(yīng)的規(guī)范，海量的醫(yī)療數(shù)據(jù)也處于不同的系統(tǒng)或者平臺之中，彼此互不聯(lián)通，難以挖掘和使用[1]。

針對這些現(xiàn)狀，在整個醫(yī)療行業(yè)中，醫(yī)療大數(shù)據(jù)的研究與應(yīng)用已經(jīng)越來越多，各類機(jī)器學(xué)習(xí)與人工智能算法在醫(yī)療領(lǐng)域被廣泛的使用和研究，這些研究與應(yīng)用明顯改善了醫(yī)療實踐與患者護(hù)理，同時也優(yōu)化了醫(yī)療流程。然而復(fù)雜的疾病也使得臨床數(shù)據(jù)變得多樣，不同醫(yī)療系統(tǒng)里面的數(shù)據(jù)也呈現(xiàn)出無法聯(lián)通的景象，特別是一些非結(jié)構(gòu)化數(shù)據(jù)，更是加強(qiáng)了醫(yī)療數(shù)據(jù)挖掘和分析的難度。而在大數(shù)據(jù)方面，具體技術(shù)落地較少，大部分還停留在理論和概念階段，阻礙了醫(yī)療大數(shù)據(jù)的潛在價值的發(fā)揮與挖掘。因此，醫(yī)療數(shù)據(jù)方向的研究與應(yīng)用仍然是一個具有挑戰(zhàn)性的課題。

在大數(shù)據(jù)時代，海量的數(shù)據(jù)使得傳統(tǒng)信息化平臺在各個領(lǐng)域不再適用，而繁雜的數(shù)據(jù)格式和內(nèi)容也使得經(jīng)典的關(guān)系型數(shù)據(jù)庫在數(shù)據(jù)存儲和檢索方面捉襟見肘。因此，為了解決醫(yī)療大數(shù)據(jù)的可靠存儲問題，有效的處理多源異構(gòu)數(shù)據(jù)，加強(qiáng)醫(yī)療數(shù)據(jù)的檢索能力，充分發(fā)揮大數(shù)據(jù)時代醫(yī)療信息化的潛力，提出了一種基于Spring Cloud 的分布式醫(yī)療數(shù)據(jù)平臺建設(shè)方案，該方案通過Spring Cloud 技術(shù)來構(gòu)建分布式架構(gòu)，選取MongoDB 非關(guān)系型數(shù)據(jù)庫作為分布式存儲，同時對數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化、分詞等操作，從而實現(xiàn)一個異構(gòu)數(shù)據(jù)可存儲、系統(tǒng)高可用、規(guī)模易擴(kuò)展、檢索高效率的醫(yī)療數(shù)據(jù)平臺。

1 技術(shù)選型設(shè)計

1.1 Spring Cloud

Spring Cloud 是一系列框架的有序集合，是在Spring Boot 基礎(chǔ)上的分布式系統(tǒng)開發(fā)。Spring Cloud 將經(jīng)過驗證的、成熟的組件或框架整合起來，進(jìn)行再封裝，屏蔽其內(nèi)部復(fù)雜的實現(xiàn)和配置，最終形成一套易開發(fā)、易部署的開發(fā)工具。其中常用的功能模塊有鏈路追蹤、服務(wù)注冊與發(fā)現(xiàn)、服務(wù)路由、服務(wù)網(wǎng)關(guān)等，這些功能模塊的實現(xiàn)大都是整合優(yōu)秀的開源組件，如feign 組件用于服務(wù)間調(diào)用；ribbon 組件用于負(fù)載均衡；config 組件用作配置中心；zuul 組件用作服務(wù)網(wǎng)關(guān)等[2]。此外，Spring Cloud 本身就是分布式架構(gòu)的集大成者，在進(jìn)行分布式應(yīng)用開發(fā)時，具有相當(dāng)大的便利，并且Spring Cloud具有約定優(yōu)于配置的特性，可以基于注解來開發(fā)。同時，對大量的組件進(jìn)行了封裝，簡化了開發(fā)難度，使組件與組件之間，具有強(qiáng)解耦性，從而在開發(fā)時更加靈活，可以實現(xiàn)盡可能輕量的系統(tǒng)而又能最大限度的滿足實際需求的開發(fā)。

在分布式醫(yī)療數(shù)據(jù)平臺開發(fā)中，使用Eureka 來進(jìn)行服務(wù)注冊與發(fā)現(xiàn)，使用Ribbon 來負(fù)責(zé)其中的負(fù)載均衡，使用Feign 進(jìn)行聲明式服務(wù)調(diào)用，添加Config 來實現(xiàn)應(yīng)用配置的外部化存儲，使用Zuul 來組成平臺網(wǎng)關(guān)，進(jìn)行訪問過濾等操作，最終形成基于Spring Cloud的分布式醫(yī)療數(shù)據(jù)平臺框架（圖1）。

圖1 分布式醫(yī)療數(shù)據(jù)平臺技術(shù)框架

1.2 MongoDB

MongoDB，是當(dāng)前Web 應(yīng)用的高性能數(shù)據(jù)存儲的主流存儲數(shù)據(jù)庫，MongoDB 在設(shè)計之初就具有分布式的特性，其內(nèi)核是分布式文件存儲。MongoDB 在非關(guān)系型數(shù)據(jù)庫中，功能較為豐富，采用的bson 數(shù)據(jù)存儲結(jié)構(gòu)，是一種二進(jìn)制形式，這是一種類似json 的格式，支持文檔對象和數(shù)組對象，具有高效、輕量、可遍歷等特點，針對于結(jié)構(gòu)化數(shù)據(jù)或者非結(jié)構(gòu)化數(shù)據(jù)都有著良好的描述效果。相對比于json 而言，bson 有著更快的遍歷速度、更簡單的操作和額外數(shù)據(jù)存儲類型。面向?qū)ο笏枷朐贛ongoDB 中得以體現(xiàn)，將每一個記錄當(dāng)做文檔對象，以此來存儲數(shù)據(jù)。同時，為了提高數(shù)據(jù)檢索性能，MongoDB 是采取的內(nèi)存映射文件的方式進(jìn)行管理。此外，MongoDB 支持復(fù)制集、主從復(fù)制、自動分片、故障恢復(fù)等特性。其中，前兩者可以保證系統(tǒng)的可靠性，實現(xiàn)服務(wù)器自治，自動分片可以有效的實現(xiàn)數(shù)據(jù)庫的水平擴(kuò)展，且這種擴(kuò)展并不會影響到其他服務(wù)器[3]。因此，MongoDB 這些優(yōu)秀的特性，使得它成為了當(dāng)前Web 應(yīng)用可擴(kuò)展的高性能數(shù)據(jù)存儲解決方案[4]。MongoDB 集群模式如圖2 所示。

圖2 MongoDB 集群模式

1.3 中文分詞

在數(shù)據(jù)進(jìn)行有效存儲之后，接下來就是檢索數(shù)據(jù)，發(fā)揮數(shù)據(jù)的價值。而在數(shù)據(jù)檢索的過程中，為了提高檢索的效率，通常會對文本內(nèi)容進(jìn)行分詞，得到關(guān)鍵詞組，從而提高檢索效率。然而，市場上常用的分詞是英文單詞分詞，與實際應(yīng)用中的中文分詞有一定的差別，實際檢索效果也有很大的區(qū)別。因此，在綜合考慮現(xiàn)有成熟的分詞引擎之后，選取使用JieBa 分詞庫進(jìn)行中文分詞，以此來取得良好的數(shù)據(jù)檢索效果，從而實現(xiàn)具有高效率檢索的醫(yī)療數(shù)據(jù)平臺。

JieBa 分詞是一個中文自然語言處理的分詞庫，是屬于概率語言模型分詞，其中，常用3 種分詞模式：全模式：快速的掃描成詞的詞語；精確模式：嘗試精確地切開語句，可進(jìn)行文本分析；搜索引擎模式：對長詞進(jìn)行再次切分，提高召回率。

選用搜索引擎模式，并且選用內(nèi)置的TF-IDF進(jìn)行關(guān)鍵詞抽取，先將醫(yī)療數(shù)據(jù)使用JieBa 分詞進(jìn)行關(guān)鍵詞抽取，并進(jìn)行切分，獲取處理后的詞組集合。再構(gòu)建一份停用詞表，對處理后的詞組集合，去除停用詞，最后得到被檢索的關(guān)鍵詞，以此來提高檢索效率。

2 平臺建設(shè)方案

2.1 總體架構(gòu)

在綜合考慮使用便利性、穩(wěn)定性、兼容性等方面后，基于Spring Cloud 的分布式醫(yī)療數(shù)據(jù)平臺采用的是BS架構(gòu)。相對比于CS 架構(gòu)，BS 架構(gòu)可以很方便地適配到各個不同系統(tǒng)，同時在前端頁面上，也能針對性地做好優(yōu)化，保證用戶在各個終端之間所見的一致性。此外，BS 架構(gòu)的設(shè)計模式，可以有效的兼容移動端的使用，為以后數(shù)據(jù)平臺的使用范圍擴(kuò)展提供良好的基礎(chǔ)。同時，業(yè)務(wù)擴(kuò)展更方便簡單，可以通過瀏覽器隨時隨地地進(jìn)行瀏覽、查詢等業(yè)務(wù)。

基于Spring Cloud 的分布式醫(yī)療數(shù)據(jù)平臺，主要分為5 個模塊，前端顯示模塊用于顯示數(shù)據(jù)到網(wǎng)頁上，與用戶進(jìn)行交互；服務(wù)注冊與發(fā)現(xiàn)模塊用于注冊服務(wù)端，并將新增加的服務(wù)端暴露給其他調(diào)用者；配置模塊用于放置平臺所有相關(guān)的配置，包括一些需要經(jīng)常改動的數(shù)據(jù)；網(wǎng)關(guān)模塊用于將訪問請求進(jìn)行過濾，并加入負(fù)載均衡功能，將訪問請求合理的分配給相應(yīng)的服務(wù)端；數(shù)據(jù)提取模塊用于將不同醫(yī)療數(shù)據(jù)提取并進(jìn)行處理，再將數(shù)據(jù)存入數(shù)據(jù)庫?；赟pring Cloud 的分布式醫(yī)療數(shù)據(jù)平臺總體架構(gòu)如圖3 所示。

圖3 分布式醫(yī)療數(shù)據(jù)平臺總體架構(gòu)

2.2 平臺功能

基于Spring Cloud 的分布式醫(yī)療數(shù)據(jù)平臺為用戶提供醫(yī)療數(shù)據(jù)存儲與檢索功能，推行線上醫(yī)療和線下醫(yī)療相結(jié)合的模式，可以有效減輕醫(yī)護(hù)人員的工作量，加強(qiáng)醫(yī)護(hù)人員的工作效率。在具體應(yīng)用方面，主要包括基礎(chǔ)業(yè)務(wù)系統(tǒng)數(shù)據(jù)、關(guān)鍵詞、異構(gòu)數(shù)據(jù)源、數(shù)據(jù)檢索4 個模塊。

2.2.1 基礎(chǔ)業(yè)務(wù)系統(tǒng)數(shù)據(jù)

基礎(chǔ)業(yè)務(wù)系統(tǒng)數(shù)據(jù)模塊主要對醫(yī)療基礎(chǔ)業(yè)務(wù)系統(tǒng)數(shù)據(jù)的抽取，這是醫(yī)療數(shù)據(jù)平臺的數(shù)據(jù)來源，也是對數(shù)據(jù)處理的第一步，常抽取的是4 大醫(yī)療基礎(chǔ)系統(tǒng)：His（醫(yī)院信息系統(tǒng)）、Lis（檢驗科系統(tǒng)）、Pacs（影像科系統(tǒng)）、EMR（電子病歷系統(tǒng)），在業(yè)務(wù)系統(tǒng)數(shù)據(jù)抽取之后，進(jìn)行數(shù)據(jù)的預(yù)處理和關(guān)鍵詞提取。

2.2.2 關(guān)鍵詞

關(guān)鍵詞模塊在上一步的基礎(chǔ)上進(jìn)行，主要是對所有存入數(shù)據(jù)庫的數(shù)據(jù)進(jìn)行關(guān)鍵詞提取，先把基礎(chǔ)業(yè)務(wù)系統(tǒng)數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化，將不同結(jié)構(gòu)的系統(tǒng)數(shù)據(jù)，以統(tǒng)一的規(guī)范進(jìn)行整理，各自不同的信息以json 串的形式存入文檔，然后進(jìn)行中文分詞，選用JieBa 分詞的搜索引擎模式，并用TF-IDF 進(jìn)行關(guān)鍵詞抽取。

2.2.3 異構(gòu)數(shù)據(jù)源

異構(gòu)數(shù)據(jù)源模塊是將各個不同來源的數(shù)據(jù)存入MongoDB 中，主要的非結(jié)構(gòu)化數(shù)據(jù)包括語音、視頻等數(shù)據(jù)。在異構(gòu)數(shù)據(jù)源模塊，開放對外接口，統(tǒng)一接口入?yún)?，保證不同數(shù)據(jù)源能夠簡易接入醫(yī)療數(shù)據(jù)平臺，并對處理后的數(shù)據(jù)進(jìn)行校驗，避免缺損數(shù)據(jù)和無意義數(shù)據(jù)存入數(shù)據(jù)庫中。

2.2.4 數(shù)據(jù)檢索

數(shù)據(jù)檢索模塊主要是對各個存入的數(shù)據(jù)進(jìn)行檢索，這里使用MongoDB 自帶的查詢功能，配合Spring Cloud分布式架構(gòu)，保證能處理大量的并發(fā)請求，并且能取得良好的檢索性能，同時在內(nèi)存足夠的情況，將數(shù)據(jù)放入內(nèi)存，有著完整的索引支持，能取得更加迅速的檢索效果。

3 結(jié)束語

對大數(shù)據(jù)情況下的醫(yī)療數(shù)據(jù)平臺建設(shè)，進(jìn)行了一定的研究，綜合當(dāng)前醫(yī)療數(shù)據(jù)的現(xiàn)狀，提出了基于Spring Cloud 的分布式醫(yī)療數(shù)據(jù)平臺的建設(shè)，該平臺可以處理大量醫(yī)療數(shù)據(jù)的存儲問題，有效解決異構(gòu)數(shù)據(jù)的持久化問題，同時通過標(biāo)準(zhǔn)化、分詞操作，再搭配MongoDB 的優(yōu)秀的檢索性能，形成一個異構(gòu)數(shù)據(jù)可存儲、系統(tǒng)高可用、規(guī)模易擴(kuò)展、檢索高效率的醫(yī)療數(shù)據(jù)平臺。但醫(yī)療數(shù)據(jù)平臺也出現(xiàn)了一些問題，比如檢索性能依賴于硬件，相較于專門的檢索數(shù)據(jù)庫，MongoDB的數(shù)據(jù)檢索有待提高；異構(gòu)數(shù)據(jù)雖然得以有效存儲，但是卻無法有效使用，無法挖掘和分析出數(shù)據(jù)的價值，這些問題需要進(jìn)一步的研究和完善。