醫(yī)療大數(shù)據(jù)生命周期

在阿斯克醫(yī)療大數(shù)據(jù)方法論中，把醫(yī)療數(shù)據(jù)的生命周期分成下圖的四個(gè)象限：

第一象限：數(shù)據(jù)采集 在數(shù)據(jù)采集階段，醫(yī)院通常會(huì)使用關(guān)系型數(shù)據(jù)庫（例如Oracle，DB2，MySQL……），其核心訴求是要保障數(shù)據(jù)的完整性和一致性，確保數(shù)據(jù)不會(huì)因?yàn)檐浻布收隙獾綋p失。此外，隨著互聯(lián)網(wǎng)流量的引入，數(shù)據(jù)的聯(lián)機(jī)處理量級(jí)和效率也成為一個(gè)重要的考量。一些醫(yī)院為提升聯(lián)機(jī)事務(wù)的處理效率，引入分布式數(shù)據(jù)庫以滿足互聯(lián)網(wǎng)流量下高并發(fā)訪問的需求。

第二象限：數(shù)據(jù)整理 每個(gè)醫(yī)院有很多不同的業(yè)務(wù)系統(tǒng)，這些系統(tǒng)會(huì)采用相對(duì)獨(dú)立的數(shù)據(jù)庫來存儲(chǔ)和處理不同的業(yè)務(wù)數(shù)據(jù)。通常系統(tǒng)使用的關(guān)系型數(shù)據(jù)設(shè)計(jì)容量有限，需要定期把歷史數(shù)據(jù)清理到中心數(shù)據(jù)倉庫，從而確保聯(lián)機(jī)交易處理的快速高效。中心數(shù)據(jù)倉庫是為了存儲(chǔ)各個(gè)獨(dú)立系統(tǒng)的歷史全量數(shù)據(jù)，同時(shí)匯集各個(gè)系統(tǒng)的數(shù)據(jù)，因而在設(shè)計(jì)上會(huì)采用分布式可擴(kuò)展的技術(shù)架構(gòu)，通過例如Hadoop, Spark等技術(shù)保證可以用低廉的成本，對(duì)整個(gè)集群容量和處理能力進(jìn)行無縫擴(kuò)展。

第三象限：數(shù)據(jù)分析 用戶需要利用數(shù)據(jù)資產(chǎn)創(chuàng)造價(jià)值。首先，來自各個(gè)分立系統(tǒng)的歷史全量數(shù)據(jù)可以進(jìn)行關(guān)聯(lián)查詢，通過批量處理構(gòu)建不同維度的數(shù)據(jù)分析表，驅(qū)動(dòng)BI和報(bào)表展示。然后，基于全量數(shù)據(jù)的探索式分析，可以對(duì)各個(gè)系統(tǒng)的數(shù)據(jù)執(zhí)行相關(guān)性分析，依賴先進(jìn)的機(jī)器學(xué)習(xí)算法發(fā)掘新的商業(yè)規(guī)則，并利用數(shù)據(jù)規(guī)律影響指導(dǎo)決策。

第四象限：數(shù)據(jù)決策 在第三象限通過批量數(shù)據(jù)處理構(gòu)建的數(shù)據(jù)立方體、維度表和層級(jí)表，需要傳遞到關(guān)系型數(shù)據(jù)庫，從而驅(qū)動(dòng)報(bào)表展示，生成決策視圖。進(jìn)行決策支持的數(shù)據(jù)立方體、維表數(shù)據(jù)庫又稱為數(shù)據(jù)集市，BI應(yīng)用和數(shù)據(jù)驅(qū)動(dòng)的應(yīng)用可以直接從數(shù)據(jù)集市獲取數(shù)據(jù)進(jìn)行業(yè)務(wù)分析，也可以在維表基礎(chǔ)上進(jìn)行二次數(shù)據(jù)匯集，形成更高層次的業(yè)務(wù)聚合。

醫(yī)療大數(shù)據(jù)平臺(tái)架構(gòu)及運(yùn)行模式

阿斯克醫(yī)療大數(shù)據(jù)平臺(tái)方案采用傳統(tǒng)的關(guān)系型數(shù)據(jù)庫與大數(shù)據(jù)平臺(tái)的混合設(shè)計(jì)，整體基礎(chǔ)數(shù)據(jù)平臺(tái)構(gòu)成包括聯(lián)機(jī)事務(wù)庫，數(shù)據(jù)整合交換，大數(shù)據(jù)平臺(tái)，數(shù)據(jù)集市，探索分析，數(shù)據(jù)驅(qū)動(dòng)應(yīng)用這六個(gè)部分：

聯(lián)機(jī)事務(wù)庫

聯(lián)機(jī)事務(wù)庫是企業(yè)已構(gòu)建的在線生產(chǎn)業(yè)務(wù)系統(tǒng)，例如交易系統(tǒng)、網(wǎng)站、ERP、倉儲(chǔ)管理、生產(chǎn)工藝流程管理等所采用的數(shù)據(jù)庫，以及互聯(lián)網(wǎng)業(yè)務(wù)擴(kuò)展將要構(gòu)建的系統(tǒng)所采用的數(shù)據(jù)庫。聯(lián)機(jī)事務(wù)庫主要面對(duì)的是實(shí)時(shí)事務(wù)處理，目前主要由商業(yè)或開源關(guān)系型數(shù)據(jù)庫構(gòu)成。今后，為了滿足互聯(lián)網(wǎng)流量下高并發(fā)業(yè)務(wù)需求，可根據(jù)需求引入分布式數(shù)據(jù)庫與云數(shù)據(jù)庫。

大數(shù)據(jù)平臺(tái)

大數(shù)據(jù)平臺(tái)由大數(shù)據(jù)技術(shù)組件構(gòu)成，包括Hadoop，Spark, Hive, Hbase, Kylin等，可根據(jù)需求進(jìn)行剪裁、定制和擴(kuò)充。大數(shù)據(jù)平臺(tái)從聯(lián)機(jī)事務(wù)庫獲取數(shù)據(jù)，是聯(lián)機(jī)事務(wù)庫的全量數(shù)據(jù)集。同時(shí)大數(shù)據(jù)平臺(tái)也可以從第三方獲取數(shù)據(jù)，例如導(dǎo)入征信數(shù)據(jù)、輿情數(shù)據(jù)等，與聯(lián)機(jī)事務(wù)數(shù)據(jù)進(jìn)行相關(guān)性分析。

數(shù)據(jù)集市

數(shù)據(jù)集市是在大數(shù)據(jù)平臺(tái)所存儲(chǔ)的基礎(chǔ)事實(shí)數(shù)據(jù)之上，進(jìn)行多維度立方體匯總后的數(shù)據(jù)，它是由大數(shù)據(jù)平臺(tái)事實(shí)表(Fact Table)進(jìn)行批量處理后的結(jié)果，目的是加速數(shù)據(jù)驅(qū)動(dòng)的BI統(tǒng)計(jì)報(bào)表和相關(guān)應(yīng)用的數(shù)據(jù)展現(xiàn)效率。

數(shù)據(jù)驅(qū)動(dòng)應(yīng)用

數(shù)據(jù)驅(qū)動(dòng)應(yīng)用包括由BI報(bào)表，企業(yè)誠信查詢，企業(yè)經(jīng)營分析，券商執(zhí)業(yè)質(zhì)量評(píng)估，知識(shí)庫主題構(gòu)建等不同業(yè)務(wù)系統(tǒng)，他們的特點(diǎn)是需要由大量數(shù)據(jù)來驅(qū)動(dòng)業(yè)務(wù)展示或決策。這些應(yīng)用不直接對(duì)接大數(shù)據(jù)平臺(tái)，因?yàn)榇髷?shù)據(jù)平臺(tái)所存儲(chǔ)的事實(shí)數(shù)據(jù)顆粒度太細(xì)，需要進(jìn)行批量匯總之后才可以使用。因而，數(shù)據(jù)驅(qū)動(dòng)應(yīng)用層由數(shù)據(jù)集市提供數(shù)據(jù)支撐。對(duì)于新的業(yè)務(wù)系統(tǒng)，需要配合與之對(duì)應(yīng)的維度表，由預(yù)先匯集的維度統(tǒng)計(jì)數(shù)據(jù)驅(qū)動(dòng)業(yè)務(wù)系統(tǒng)。

探索分析

探索分析是大數(shù)據(jù)的靈魂，也是發(fā)掘數(shù)據(jù)價(jià)值進(jìn)行業(yè)務(wù)拓展的重要方向。探索分析通過機(jī)器學(xué)習(xí)算法，對(duì)全量數(shù)據(jù)構(gòu)建特征集進(jìn)行相關(guān)性分析，從而發(fā)現(xiàn)商業(yè)規(guī)律，提前預(yù)判，提高服務(wù)質(zhì)量。常用的分析算法包括有決策樹，隨機(jī)森林等成熟的算法，也可以基于已有算法開發(fā)適合企業(yè)數(shù)據(jù)自身特點(diǎn)的新算法。

醫(yī)療大數(shù)據(jù)的應(yīng)用前景

為常見疾病臨床診療提供參考

利用大數(shù)據(jù)技術(shù)在對(duì)海量醫(yī)療數(shù)據(jù)進(jìn)行挖掘分析的基礎(chǔ)上，能夠提供重復(fù)檢驗(yàn)檢查提示、治療安全警示、藥物過敏警示、療效評(píng)估、智能分析診療方案、預(yù)測病情進(jìn)展等一系列智能的人機(jī)互動(dòng)應(yīng)用，為臨床醫(yī)師提供科學(xué)決策參考，提高臨床診療水平，形成“源于臨床、回歸臨床”的臨床決策支持系統(tǒng)。通過對(duì)在患者檔案方面的大數(shù)據(jù)分析，可以確定哪些人是某類疾病的易感人群，使其盡早接受預(yù)防性干預(yù)。這些方法也可幫助患者選擇恰當(dāng)?shù)闹委煼桨浮４送猓R床決策支持系統(tǒng)還可使醫(yī)生從耗時(shí)過長的簡單咨詢工作中解脫出來，提高其診療效率。

為醫(yī)院精細(xì)化管理提供依據(jù)

醫(yī)院精細(xì)化管理以規(guī)范化為前提，系統(tǒng)化為保證，數(shù)據(jù)化為標(biāo)準(zhǔn)，信息化為手段，把服務(wù)者的焦點(diǎn)專注到滿足被服務(wù)者需求上，以獲得更高效率、更多效益和更強(qiáng)競爭力。通過大數(shù)據(jù)分析平臺(tái)對(duì)醫(yī)院門診量、手術(shù)量、入/出院病人數(shù)、床位使用率、床位周轉(zhuǎn)率、設(shè)備使用率、設(shè)備折舊率、疾病譜、患者分布區(qū)域、財(cái)務(wù)收支等數(shù)據(jù)分析。將當(dāng)前數(shù)據(jù)與同期數(shù)據(jù)、前期數(shù)據(jù)進(jìn)行對(duì)比分析。對(duì)當(dāng)?shù)仡愃茥l件同行醫(yī)院數(shù)據(jù)的對(duì)比分析，找出不斷提高醫(yī)院經(jīng)濟(jì)運(yùn)行質(zhì)量的成因和差距，抓住自身工作的薄弱環(huán)節(jié)，切實(shí)采取改進(jìn)措施。

為個(gè)體化醫(yī)療提供平臺(tái)

個(gè)體化醫(yī)療是以每位患者的大量信息為基礎(chǔ)，通過綜合分析挖掘每位患者病理學(xué)、生理學(xué)等方面的特點(diǎn)，進(jìn)一步制定出適合每位患者的獨(dú)特、最佳治療和預(yù)防方案，提高治療的針對(duì)性，從而取得最優(yōu)療效。個(gè)體化醫(yī)療需要綜合分析每位患者的各方面信息，同時(shí)要求有處理這種“大數(shù)據(jù)”的方法及能力。分析患者各項(xiàng)詳細(xì)的檢查信息及診斷信息，便于個(gè)體化治療策略的制定，從而得到較好療效。技術(shù)的發(fā)展使現(xiàn)代醫(yī)學(xué)常規(guī)收集的患者信息量非常巨大，分析信息的能力也有極大提升，使個(gè)體化醫(yī)療成為可能。

為臨床科研提供資料

海量數(shù)據(jù)的出現(xiàn)催生一種新的科研模式，即面對(duì)海量數(shù)據(jù)，科研人員只需從中直接查找或挖掘所需信息、知識(shí)和智慧，甚至無需直接接觸需研究的對(duì)象。2007年，已故的圖靈獎(jiǎng)得主吉姆?格雷（Jim Gray）在最后一次演講中描繪了數(shù)據(jù)密集型科學(xué)研究的“第四范式”（The Fourth Paradigm），將大數(shù)據(jù)科研從第三范式（計(jì)算科學(xué)）中分離出來單獨(dú)作為一種科研范式，認(rèn)為“第四范式”可能是唯一解決我們面臨的某些最棘手的全球性挑戰(zhàn)的系統(tǒng)性方法。在科研過程中，大數(shù)據(jù)的利用、開發(fā)和整理，可以顛覆以往很多研究結(jié)果，帶來意想不到的效益。

阿斯克醫(yī)療大數(shù)據(jù)集成平臺(tái)建設(shè)目標(biāo)

在互聯(lián)網(wǎng)時(shí)代來臨的大背景下，阿斯克致力為醫(yī)院“大數(shù)據(jù)+”轉(zhuǎn)型提供數(shù)據(jù)平臺(tái)最佳整體解決方案。

慧都控件網(wǎng)年終促銷第一波已開啟，全場6折起，豪禮搶不停>>>

截止時(shí)間：2016年10月30日

詳情請(qǐng)咨詢！

客服熱線：023-66090381