作者簡(jiǎn)介：

曾春：北京東軟望海科技有限公司首席架構師，負責公司基礎架構、云計算、大數據管理平臺、開(kāi)發(fā)平臺等技術(shù)體系的研發(fā)，并負責OES產(chǎn)品研發(fā)中心及人力資本HCG專(zhuān)項孵化管理工作。清華大學(xué)計算機軟件與理論專(zhuān)業(yè)博士。曾就職于IBM、百度公司任重要技術(shù)崗位。在數據庫、云計算、大數據及人工智能方面擁有豐富的經(jīng)驗。

———————————————————————————————————————

如今，云計算、大數據、物聯(lián)網(wǎng)、人工智能在科技領(lǐng)域的發(fā)展方興未艾，并與各行各業(yè)不斷融合。在新技術(shù)給人們帶來(lái)便捷的同時(shí)，引發(fā)的思考和爭論也隨之而來(lái)。大數據時(shí)代對個(gè)人的數據權益和隱私保護帶來(lái)了新的挑戰，特別是個(gè)人健康數據，涉及個(gè)人敏感信息，如何保護越來(lái)越受到重視。

一、大數據技術(shù)的發(fā)展以及在醫療行業(yè)的應用場(chǎng)景

大數據技術(shù)經(jīng)過(guò)多年的發(fā)展，經(jīng)歷從SQL（Structured Query Language，結構化查詢(xún)語(yǔ)言），到NoSQL（Not Only SQL，泛指非關(guān)系型數據庫），再到NewSQL數據庫，其應用場(chǎng)景在不斷得到強化。

傳統SQL數據庫在醫療行業(yè)的需求場(chǎng)景仍然很強勁，用于很多醫院信息系統，但越來(lái)越無(wú)法滿(mǎn)足OLTP（Online Transaction Processing，聯(lián)機事務(wù)處理）數據快速增長(cháng)的需要。在業(yè)務(wù)報表和數據分析等OLAP（Online Analytical Processing，聯(lián)機分析處理）場(chǎng)景，一些新型的關(guān)系型列式數據庫技術(shù)被用來(lái)解決大規模歷史數據的復雜查詢(xún)分析。

NoSQL數據庫的出現有效解決了系統的可擴展性，但也存在很多不足，比如對SQL的支持不夠，也不支持事務(wù)操作。通常NoSQL作為分布式非關(guān)系型數據庫使用，用于支持高吞吐、高并發(fā)的新興業(yè)務(wù)場(chǎng)景，比如物聯(lián)網(wǎng)應用，以醫療物資為核心的供應鏈生態(tài)，實(shí)現全要素的協(xié)同運營(yíng)。

NewSQL數據庫是傳統SQL與NoSQL技術(shù)結合之下的產(chǎn)物，在為OLTP業(yè)務(wù)提供像NoSQL那樣的伸縮性同時(shí)，提供傳統SQL數據庫那樣的事務(wù)ACID（原子性、一致性、隔離性和持久性）保證。通常NewSQL作為分布式關(guān)系型數據庫使用，主要針對傳統SQL的部分高性能應用場(chǎng)景，可以滿(mǎn)足醫療行業(yè)OLTP數據快速增長(cháng)的需要。NewSQL技術(shù)和NoSQL技術(shù)有著(zhù)各自典型的應用場(chǎng)景，兩者也在不斷演進(jìn)，在慢慢借鑒和融合。

隨著(zhù)醫療健康數據的不斷積累，以及大數據技術(shù)的深入應用，很多人工智能和深度學(xué)習技術(shù)被引入來(lái)支持數據挖掘和輔助診斷，比如醫學(xué)影像診斷分析、心電圖診斷分析等。這些新興技術(shù)結合醫生的專(zhuān)業(yè)知識，通過(guò)經(jīng)驗模型的訓練，從大量數據中篩查可疑的信息，可以有效輔助醫生做出判斷，大大減輕醫生的工作量。

二、醫療健康大數據的價(jià)值

醫療健康大數據是國家重要的基礎戰略資源，醫療健康大數據的發(fā)展與醫療信息化緊密相關(guān)，一般醫院都部署了醫院信息系統HIS和電子病歷EMR系統等，這些系統的各個(gè)模塊中都沉淀了大量的醫療數據，比如診療數據、用藥數據、醫學(xué)檢驗結果數據，以及費用數據等。這些數據一般分散在多個(gè)業(yè)務(wù)系統，由不同的供應商實(shí)施和運維，難以利用和形成有用的知識和信息。

為了有效利用和挖掘這些分散的數據，醫院一般通過(guò)建設多種數據中心，比如醫院臨床數據中心、醫院經(jīng)濟運營(yíng)數據中心等?；谶@些分散的數據源，通過(guò)數據集成平臺推動(dòng)數據倉庫的建設，然后生成不同主題的數據集市，產(chǎn)生更多的統計指標和分析數據?；谶@些數據集市可以研發(fā)不同的數據應用，比如運營(yíng)駕駛艙、財務(wù)分析應用，成本分析應用等。醫院管理層可以基于這些數據服務(wù)，及時(shí)掌握醫院運營(yíng)的狀況和指標完成情況，為醫療業(yè)務(wù)的發(fā)展和投入做出正確的決策。

隨著(zhù)局端監管和區域醫療管理等平臺的信息整合，也會(huì )帶來(lái)數據的快速增長(cháng)。這些數據不僅可以增加共享和優(yōu)化就醫秩序，也可以形成從點(diǎn)到面的信息全覆蓋的疾病監測方式，實(shí)現全流程和可追溯的管理體系?；趨^域醫療信息，醫院還可以與同類(lèi)指標的行業(yè)標桿值橫向比較，發(fā)現自身的問(wèn)題和優(yōu)化方向，并找出自身在區域醫療行業(yè)中所處的位置。

醫療健康大數據的價(jià)值還可以體現在很多方面，比如：

1用藥經(jīng)驗

可以對知名專(zhuān)家的臨床診療數據進(jìn)行采集，通過(guò)對數據的整合和分析，形成一些用藥經(jīng)驗和關(guān)聯(lián)規則，針對個(gè)體癥狀，調整用藥的比例、類(lèi)型或成分等，通過(guò)參考這些經(jīng)驗，有效提升普通醫生的診治水平。

2輔助診斷

通過(guò)構建醫學(xué)影像數據倉庫，可以利用人工智能和深度學(xué)習技術(shù)，基于醫生的專(zhuān)業(yè)知識，訓練診斷模型，從大量醫學(xué)影像數據中篩查可疑的影像，減輕醫生的閱片工作量。

3成本管控

對醫院經(jīng)濟業(yè)務(wù)活動(dòng)的風(fēng)險進(jìn)行防范和管控，使醫院決策層、管理層、執行層和監督部門(mén)之間形成相互制衡、相互促進(jìn)、相互協(xié)調的關(guān)系。

4疾病防控

通過(guò)整合和共享不同醫院之間的臨床數據信息，可以對某些疾病的演變和慢病的防控進(jìn)行跟蹤，通過(guò)全流程和可追溯的方式進(jìn)行管理。

三、醫療健康大數據的安全

大數據時(shí)代對個(gè)人的數據權益和隱私保護帶來(lái)了新的挑戰，特別是健康數據，涉及個(gè)人敏感信息，數據安全和隱私保護尤為重要。對個(gè)人健康數據的保護不足，不僅會(huì )損害個(gè)人數據權利和隱私權利，也會(huì )導致公眾信任危機，阻礙醫療健康大數據的良性發(fā)展。

在建設醫療健康大數據的過(guò)程中，主要涉及如下安全挑戰：

1內部威脅

醫療行業(yè)的內部威脅高于外部威脅。除了比較明顯的安全管理問(wèn)題，比如弱密碼、數據庫暴露在公網(wǎng)等，這些都比較容易發(fā)現和整改。一般醫院都要求進(jìn)行信息安全等級保護的認證，這些基本的外部威脅都能有效控制。目前比較突出的是內部威脅，受經(jīng)濟利益驅使或其它原因，內部員工很容易獲得數據的權限和竊取非授權數據。

2基礎平臺

傳統的SQL數據庫，比如Oracle、SQL Server、MySQL等，還有分析型數據庫，比如Greenplum、Vertica等，這些數據庫本身提供細粒度的權限控制和安全審計功能。而NoSQL數據庫，比如基于Hadoop的數據庫系統，就比較缺乏基于角色的身份管理和細粒度訪(fǎng)問(wèn)控制，以及安全審計功能，存在很大的安全隱患。

3數據采集

由于數據采集的復雜性，很多數據存在被濫用的風(fēng)險，數據的跟蹤和溯源存在很大的困難。醫院內部一般存在很多第三方的技術(shù)供應商，通常系統之間需要建立服務(wù)接口，滿(mǎn)足互操作的應用場(chǎng)景，這種醫療數據的傳遞和流動(dòng)很難保證數據的安全性。

4隱私保護

一般健康數據都涉及個(gè)人敏感信息，醫療健康大數據尤其需要注重隱私保護。為了滿(mǎn)足醫療科研項目和非商業(yè)的用途，一般都需要對醫療健康數據進(jìn)行脫敏處理，也就是不能有效標識用戶(hù)和還原匿名數據。

四、東軟望海大數據技術(shù)和應用的探索

東軟望海在HRP、醫院成本一體化、醫療衛生資源監管等領(lǐng)域保持優(yōu)勢地位。東軟望海在大數據方向做了很多積極的探索，從傳統的商業(yè)智能BI到大數據平臺，應用于醫院的精細化運營(yíng)、局端監管和成本核算等應用系統。

◆ 大數據平臺

數據集成需要整合多種數據源的醫療健康數據，其中比較關(guān)鍵的是標準化，使分散、零亂、標準不統一的操作數據轉換為集成、統一的信息。數據字典標準體系是業(yè)務(wù)數據進(jìn)行交換和集成的基礎，可以實(shí)現不同業(yè)務(wù)系統對同一數據理解的一致性，比如會(huì )計科目、財務(wù)報表、成本報表、資產(chǎn)分類(lèi)、物資分類(lèi)、科室分類(lèi)、人員分類(lèi)等。這些字典和數據標準都需要遵循國家或者行業(yè)發(fā)布的政策、制度，并進(jìn)行統一和規范。

一般數據集成到一個(gè)中心數據倉庫里，傳統的數據倉庫都是基于SQL數據庫，通過(guò)建立星型模型或者雪花模型，支持歷史數據的查詢(xún)和分析。隨著(zhù)醫療健康數據的不斷積累，很多歷史數據會(huì )不斷聚合，只支持粗粒度的查詢(xún)場(chǎng)景。

為了滿(mǎn)足對數據精細化的查詢(xún)和分析場(chǎng)景，平臺引入了基于Hadoop生態(tài)的數據庫技術(shù)，數據集成后生成特定格式的數據文件（比如parquet）存儲在HDFS上。分布式查詢(xún)引擎基于精心設計的數據分區，并行調度和查詢(xún)集群上的數據文件，滿(mǎn)足用戶(hù)的復雜查詢(xún)請求，如下圖所示：

◆ 大數據應用

1、HIA醫療大數據平臺

HIA（健康信息聯(lián)盟）以“分享、創(chuàng )新、發(fā)展”為宗旨，將大數據“取之于聯(lián)盟，服務(wù)于聯(lián)盟”。以“數據標準化、服務(wù)規范化、應用智能化”為特點(diǎn)的HIA醫療大數據平臺，可以幫助醫院進(jìn)行高效、精細化運營(yíng)，共同提升醫療行業(yè)的管理水平?；诖髷祿夹g(shù)，平臺內置數據標準與數據質(zhì)量控制機制，完成醫療數據的標化與入庫。數據內容覆蓋醫院運營(yíng)相關(guān)數據應用場(chǎng)景，支持關(guān)鍵標桿值/知識庫的平臺測算，支持個(gè)性化數據分析報告?；谌斯ぶ悄芗夹g(shù)，實(shí)現數據分析的智能化，支持數據分析的自定義，支持行業(yè)指數的發(fā)布與持續更新。

2、區域經(jīng)濟運行監管平臺

以醫院財務(wù)核算、成本核算數據為基礎，從醫院經(jīng)營(yíng)風(fēng)險、成本管控、運行效率、費用控制等方面全面監管區域醫院運行情況，防止經(jīng)濟風(fēng)險發(fā)生。從保證醫院可持續發(fā)展角度出發(fā)，對收入、成本兩個(gè)重要方面進(jìn)行分析，指導合理組織收入，控制成本，提高經(jīng)濟效益。從項目角度出發(fā)對項目的盈虧及成本構成進(jìn)行分析，指導醫療服務(wù)價(jià)格調整。從病種角度出發(fā)，對病種的盈虧及成本構成進(jìn)行分析，指導病種定價(jià)。醫療服務(wù)價(jià)格跟蹤與監管依據醫院項目成本核算數據，在價(jià)格正式調整前，對醫院整體運行、各科室運營(yíng)及各類(lèi)疾病患者影響情況進(jìn)行測算；醫療服務(wù)價(jià)格調整后，通過(guò)對醫院的收入結構，患者負擔進(jìn)行實(shí)時(shí)監測，防患系統性風(fēng)險發(fā)生。

————更多行業(yè)專(zhuān)家資訊，可在微信搜索“東軟望?！?，別忘加關(guān)注哦！————

Hash:82c2a8bd7e35801bd0c35d8a4465261afd3176cd