, , ,

近年來，面對我國日益增大的醫(yī)療信息需求，各類醫(yī)學大數(shù)據(jù)研究平臺應運而生，如精準醫(yī)學大數(shù)據(jù)處理與利用技術平臺、腫瘤大數(shù)據(jù)處理與分析平臺、罕見病隊列注冊登記網(wǎng)絡平臺等，這些系統(tǒng)在為疾病的篩查、診斷、治療提供數(shù)據(jù)支持的同時，促進了多個行業(yè)的發(fā)展，為這些行業(yè)中挖掘新模式、發(fā)現(xiàn)新方法、制造新產(chǎn)品等提供了信息支持，創(chuàng)造出巨大經(jīng)濟效益。與此同時，國內各地醫(yī)療機構的醫(yī)療大數(shù)據(jù)研究也在積極開展。

中國醫(yī)學科學院醫(yī)學健康科技創(chuàng)新工程在醫(yī)學大數(shù)據(jù)信息采集和分析評估方面專門進行了研究部署，以期建設一個覆蓋區(qū)域內科研單位的，集醫(yī)療大數(shù)據(jù)的采集、集成、分析挖掘及應用示范于一體的，突破醫(yī)學大數(shù)據(jù)采集、規(guī)范、安全、檢索、融合、分析及挖掘等方面的關鍵壁壘的信息平臺，用以提升醫(yī)療質量監(jiān)管、臨床輔助診療、衛(wèi)生經(jīng)濟分析、公共衛(wèi)生政策評價、人才培養(yǎng)、轉化醫(yī)學研究等方面的水平與能力，從而推動醫(yī)療科研機構醫(yī)學大數(shù)據(jù)應用技術的研發(fā)、驗證、應用與推廣。

1 醫(yī)學大數(shù)據(jù)應用信息系統(tǒng)建設內容分析

1.1 構建醫(yī)學術語本體系統(tǒng)

1.1.1 實現(xiàn)臨床醫(yī)學術語結構化編碼和快速映射

當前醫(yī)學科研所需的基礎數(shù)據(jù)均來源于醫(yī)療機構在不同階段逐步部署的大量異構的臨床信息系統(tǒng)，包括HIS、LIS、PACS、RIS、病理、以及科研信息系統(tǒng)。這些系統(tǒng)中使用的臨床醫(yī)學術語以字典表的形式存儲于各自數(shù)據(jù)庫中。

在同一醫(yī)療機構內，由于系統(tǒng)的用途、數(shù)據(jù)庫的結構等存在差異，針對同一術語，不同臨床信息系統(tǒng)(climcal Infoimation system,CIS)在術語字典的結構、術語名稱的表達和術語代碼的編定方面均存在異構性；對于不同的醫(yī)療機構，即便是相同類型的CIS系統(tǒng)，由于各機構在科室設置、設備配置、醫(yī)療水平和特色、信息化水平上存在著差異，術語字典間的異構性同樣存在。因此，解決醫(yī)療數(shù)據(jù)源之間的術語異構問題，是醫(yī)學大數(shù)據(jù)集成、分析和再利用的迫切需求。

1.1.2 建立醫(yī)學術語本體、術語字典庫及同義詞庫

醫(yī)學術語本體是一種醫(yī)學知識體系，通過對醫(yī)學領域中概念及概念間關系的描述來進行知識的表示和組織；術語字典庫涵蓋醫(yī)療體系專業(yè)術語組成的字典庫，包括醫(yī)學系統(tǒng)命名法(Systematized Nomenclature of Medicine Clinical Terms，SNOMED CT)，觀測指標標識符邏輯命名與編碼(Logical Observation Identifiers Names and Codes，LOINC)，國際疾病分類(international Classification of diseases，ICD10)，HL7 RIM與CDA等概念標準體系；同義詞庫包含專業(yè)標準術語的同義詞字典庫，能對相同意義信息的不同描述方法進行映射，以達成異構系統(tǒng)間數(shù)據(jù)的相互識別。

1.1.3 建立醫(yī)學術語系統(tǒng)

在知識本體引領下，研發(fā)滿足臨床信息化需要的醫(yī)學術語系統(tǒng)，包括分析標準術語系統(tǒng)的需求，制定術語系統(tǒng)開發(fā)的策略、規(guī)劃和步驟、各專業(yè)領域參與及協(xié)作的方法，以及不同用途的術語系統(tǒng)之間基于本體的相互映射和參照機制等。

1.2 研發(fā)醫(yī)學大數(shù)據(jù)信息存儲、清洗與質量控制系統(tǒng)

研發(fā)醫(yī)學大數(shù)據(jù)信息存儲、清洗與質量控制系統(tǒng)，對收集到的原始數(shù)據(jù)進行儲存、清洗以及質量控制，實現(xiàn)數(shù)據(jù)質量的把控以及信息的初步抽取，內容涉及原始數(shù)據(jù)、清洗規(guī)則、質控規(guī)則等。

1.3 整合多種生命組學數(shù)據(jù)并與臨床數(shù)據(jù)結合

整合多種生命組學數(shù)據(jù)并與臨床數(shù)據(jù)結合，用于臨床診斷、藥物開發(fā)等精準醫(yī)學應用領域，如開展疾病風險評估與健康指導、整合分析多組學和臨床數(shù)據(jù)確定疾病靶點、精準醫(yī)學藥物研發(fā)及用藥指導，建設海量搜索引擎與醫(yī)學大數(shù)據(jù)展示平臺。

其中臨床信息包括患者就醫(yī)過程中產(chǎn)生的表型數(shù)據(jù)；組學信息包括基因組學、蛋白組學、代謝組學、轉錄組學、脂類組學、免疫組學、糖組學和RNA組學等信息。

此外，醫(yī)學大數(shù)據(jù)與區(qū)域宏觀經(jīng)濟、地理信息資源、人口法人等基礎信息資源相結合，可促進健康醫(yī)療大數(shù)據(jù)各類應用新業(yè)態(tài)的蓬勃發(fā)展。最終實現(xiàn)基于臨床和組學數(shù)據(jù)的醫(yī)學大數(shù)據(jù)分析、共享、應用及展示。

1.4 搭建智能影像診斷系統(tǒng)

建立智能影像診斷系統(tǒng)，支持計算機斷層成像(CT)、高級分子影像系統(tǒng)(AMI)、核磁共振影像(MR)、超聲(Ultrasound)等多種影像設備，實現(xiàn)對影像后處理的自動預處理；實現(xiàn)遠程三維影像互動，客戶可通過多種接入渠道，實現(xiàn)與轉診醫(yī)師或其他同事共享、瀏覽和處理影像。

2 醫(yī)學大數(shù)據(jù)應用信息系統(tǒng)總體技術架構

醫(yī)學大數(shù)據(jù)信息平臺涵蓋醫(yī)學大數(shù)據(jù)采集及接口技術、傳輸技術、存儲技術、數(shù)據(jù)整合技術、質控技術和交換技術，用以支撐醫(yī)學本體庫，臨床和組學數(shù)據(jù)的醫(yī)學大數(shù)據(jù)分析、共享、應用及展示系統(tǒng)，標準規(guī)范與隱私保護等方面的研發(fā)和工程化。

平臺架構見圖1。

圖1 醫(yī)學大數(shù)據(jù)應用信息平臺技術架構

總體技術架構的核心建設內容可以描述為“一中心”“一支撐”和“N應用”?！耙恢行摹笔轻t(yī)學大數(shù)據(jù)信息資源中心和大數(shù)據(jù)管理平臺，“一支撐”是醫(yī)學大數(shù)據(jù)應用技術創(chuàng)新平臺，提供應用支撐服務。N應用指的構建在醫(yī)學大數(shù)據(jù)應用技術創(chuàng)新平臺上的各類示范性應用，涵蓋面向患者/家庭大數(shù)據(jù)服務應用、醫(yī)療機構大數(shù)據(jù)服務應用、科研單位大數(shù)據(jù)服務應用、企業(yè)大數(shù)據(jù)服務應用等?？傮w框架可歸納為6個部分，詳細描述如下。

2.1 面向用戶

醫(yī)療大數(shù)據(jù)主要面向實驗室內的個人/家庭、科研單位(研究所/學院，目前北京協(xié)和醫(yī)院、腫瘤醫(yī)院等協(xié)作單位)、醫(yī)療服務機構(醫(yī)院/公衛(wèi)管理機構)、企業(yè)(制藥/生物科學)以及外部單位等，同時面對互聯(lián)網(wǎng)開放的應用建設環(huán)境，參與方包括第三方服務提供商、第三方企業(yè)、國外科研機構等，另外平臺還需與國家相關醫(yī)保、民政、公安等政府部門和銀行等外部機構進行交互。

2.2 示范應用

包括專項領域應用，如醫(yī)學大數(shù)據(jù)注冊登記系統(tǒng)、醫(yī)療大數(shù)據(jù)檢索與展示系統(tǒng)、臨床與組學數(shù)據(jù)共享分析展示系統(tǒng)、智能影像診斷系統(tǒng)、高危人群樣本精準診療系統(tǒng)，為實驗室提供各類醫(yī)學大數(shù)據(jù)服務。

2.3 醫(yī)學大數(shù)據(jù)應用技術創(chuàng)新平臺

定位為軟件基礎設施，通過服務治理、復用業(yè)務應用功能、提供醫(yī)學大數(shù)據(jù)分析工具等手段，按照統(tǒng)一標準規(guī)范封裝服務對外發(fā)布，實現(xiàn)松耦合的信息資源共享，實現(xiàn)信息應用對實驗室醫(yī)療領域業(yè)務的快速響應，降低信息化建設成本。主要包括醫(yī)學大數(shù)據(jù)分析工具集、內部聚合平臺、開放平臺、外聯(lián)平臺、醫(yī)學大數(shù)據(jù)交換與共享平臺、統(tǒng)一運行管控平臺、統(tǒng)一服務治理平臺，實現(xiàn)創(chuàng)新應用的集成、數(shù)據(jù)的集成、業(yè)務流程的集成、大數(shù)據(jù)的匯集、服務和數(shù)據(jù)對外的開放。其中，大數(shù)據(jù)分析工具提供算法庫、基因組測序與分析工具、分布式計算引擎等基礎工具集合；內部聚合平臺采用基于構件技術的通用技術組件與通用業(yè)務組件統(tǒng)一管理功能；基于互聯(lián)網(wǎng)開放平臺，由第三方服務提供商、第三方企業(yè)和創(chuàng)建的創(chuàng)新應用，為個人/家庭、醫(yī)療服務機構提供第三方的應用；通過外聯(lián)平臺與外部機構及外部系統(tǒng)進行互聯(lián)互通；通過交換與共享平臺實現(xiàn)基于消息的路由及前置橋接管理；通過統(tǒng)一運行管控平臺及統(tǒng)一服務治理平臺實現(xiàn)基于醫(yī)學大數(shù)據(jù)各類業(yè)務模塊的服務治理及運維監(jiān)控等基礎功能。

2.4 實驗室醫(yī)學大數(shù)據(jù)信息資源中心

包括組學信息、居民健康檔案、電子病歷、個人健康體征信息、環(huán)境與地理信息、行業(yè)與社會信息以及大數(shù)據(jù)管理平臺，為醫(yī)學大數(shù)據(jù)資源的存儲、清洗、質控、脫敏等操作提供支撐環(huán)境。

2.5 硬件基礎設施

按需提供給實驗室醫(yī)療大數(shù)據(jù)用戶的服務是對所有設施的利用，設施包括計算、存儲、網(wǎng)絡和其他基本的虛擬化資源，用戶能夠部署和運行任意軟件，如操作系統(tǒng)、數(shù)據(jù)庫軟件、中間件等程序。所有設施還包括建設國家級實驗室所必須的公共基礎網(wǎng)絡、公共WIFI網(wǎng)絡、通訊基礎設施、信息采集與感知設施等，共同構建醫(yī)學大數(shù)據(jù)應用技術實驗室硬件基礎設施環(huán)境。這部分在云技術中心部分詳細介紹。

2.6 安全體系、標準規(guī)范和管控體系

建設安全體系、標準規(guī)范和管控體系，確保醫(yī)學大數(shù)據(jù)利用的可持續(xù)發(fā)展。在最底層建立運維保障機制，使得信息化軟硬平臺能夠穩(wěn)定、持續(xù)運行。

3 數(shù)據(jù)清洗與結構化方法

醫(yī)學大數(shù)據(jù)是國家大數(shù)據(jù)戰(zhàn)略中較復雜的數(shù)據(jù)。從范圍上看，涉及衛(wèi)生計生行業(yè)所有業(yè)務數(shù)據(jù)，包括臨床數(shù)據(jù)、基礎醫(yī)學數(shù)據(jù)、公共衛(wèi)生數(shù)據(jù)、藥物藥品數(shù)據(jù)、醫(yī)療器械數(shù)據(jù)、中醫(yī)藥數(shù)據(jù) 、醫(yī)保及新農(nóng)合數(shù)據(jù)、婦幼保健數(shù)據(jù)等；從內容上看，數(shù)據(jù)有結構化和非結構化，有數(shù)據(jù)文件和文本文件，也有影像信息、圖形信息和基因序列信息等。這些數(shù)據(jù)的獲取、清洗、質控和結構化是實驗室信息系統(tǒng)建設的難點與重點。本文僅對各協(xié)作醫(yī)院接入的臨床數(shù)據(jù)清洗與結構化進行設計。來源于不同協(xié)作醫(yī)院的臨床數(shù)據(jù)，包含患者的一些敏感信息，在整合到醫(yī)學大數(shù)據(jù)實驗室前，需對數(shù)據(jù)清洗。在清洗過程中，要在信息完整性和敏感信息泄露間尋求平衡。步驟見圖2。

圖2 多協(xié)作機構臨床數(shù)據(jù)清洗方法

首先，設計一般敏感信息的類別關鍵詞，針對某個特定的項目，也可以定制特殊的關鍵詞。參考HIPPA Safe Harbor標準，設計18種一般敏感信息關鍵詞，包含姓名、詳細地理信息、可能泄露病人身份的具體時間信息、電話號碼、駕照等其他包含身份識別的信息、傳真號碼、設備標識符、郵件信息、個人網(wǎng)站鏈接、身份證號碼、IP地址、醫(yī)療記錄信息、指紋等生物識別信息、參加各種計劃的編號信息、可以識別身份的照片信息、賬戶信息、其他可指向唯一身份的編號、證書/許可證信息。

其次，對于已經(jīng)結構化的字段(如電子病歷數(shù)據(jù)庫中的患者基本信息等)，直接對相應數(shù)據(jù)抽取，放入受保護的健康信息 (Protected Health Information，PHI)庫保存。針對文本描述型信息(如以附件文件形式存在的醫(yī)囑)，采用文本挖掘的方法，對其中敏感數(shù)進行脫敏后，存入PHI庫。對于脫敏之后進入PHI庫的數(shù)據(jù)，需要構建唯一的識別碼，確保數(shù)據(jù)特定情況下，能夠進行回溯。PHI庫在實驗室數(shù)據(jù)中心隸屬于共享庫范疇。清洗后進入PHI庫的數(shù)據(jù)經(jīng)過質控評價與結構化處理后，可對其他協(xié)作單位進行數(shù)據(jù)提供服務，結構化處理的主要流程如下。

根據(jù)本地構建的臨床中文、英文語義庫和語義翻譯表，選取和設計合適的自然語言分析工具，對臨床數(shù)據(jù)進行語義提取和定量描述。其中，對結構化的字段，可以直接和語義庫相應字段匹配。對文本描述性的信息，可采取語義分析工具。對英文的臨床描述文本，可以采用UMLS提供的MetaMap工具和觀察健康數(shù)據(jù)科學和信息學(Observational Health Data Sciences and Informatics，OHDSI)提供的cTAKEs工具；中文的臨床描述文本，將自行開發(fā)相關工具，參考PheKB的部分算法，采用半監(jiān)督學習、RNN深度神經(jīng)網(wǎng)絡、反饋學習、增強學習等機器學習模型，處理真實臨床病歷書寫中的不規(guī)范表達、錯別字、簡寫等情況。在語義提取之后，需對臨床數(shù)據(jù)進行數(shù)據(jù)庫映射與存儲，并對操作日志進行記錄。

4 醫(yī)學大數(shù)據(jù)實驗室云數(shù)據(jù)中心設計

云數(shù)據(jù)中心設計采用超融合基礎架構(Hyper-Converged Infrastructure，HCI)來實現(xiàn)，HCI是指在同一套單元設備中不僅僅具備計算、網(wǎng)絡、存儲和服務器虛擬化等資源和技術，而且還包括備份軟件、快照技術、重復數(shù)據(jù)刪除、在線數(shù)據(jù)壓縮等元素，而多套單元設備可以通過網(wǎng)絡聚合起來，實現(xiàn)模塊化的無縫橫向擴展(scale-out)，形成統(tǒng)一的資源池。使用HCI技術可代替?zhèn)鹘y(tǒng)的服務器加集中存儲的架構，使整個架構更清晰簡單(圖3)。

圖3 醫(yī)學大數(shù)據(jù)應用技術實驗室云數(shù)據(jù)中心超融合架構

超融合架構在數(shù)據(jù)中心中承擔著計算資源池和分布式存儲資源池的作用，利用通過軟件定義的計算資源虛擬化和分布式存儲架構實現(xiàn)無單點故障、無單點瓶頸、彈性擴展、性能線性增長等能力；在VM(virtual machine)層可以自由選擇包括Vmware vSphere、MicroSoft Hyper-v和KVM等眾多產(chǎn)品。通過簡單、方便的管理界面，實現(xiàn)對數(shù)據(jù)中心基礎架構層的計算、存儲、虛擬化等資源進行統(tǒng)一的監(jiān)控、管理和運維。超融合基礎架構形成的計算資源池和存儲資源池直接可以被云計算平臺進行調配，服務于OpenStack、Cloud Foundry、Docker、Hadoop等平臺，并對上層的醫(yī)學大數(shù)據(jù)實驗室各類應用系統(tǒng)等進行支撐。同時，分布式存儲架構簡化容災方式，便于實現(xiàn)同城數(shù)據(jù)雙活和異地容災。

采用分布式文件系統(tǒng)將一組集群內的節(jié)點組成一個統(tǒng)一的分布式存儲平臺。分布式文件系統(tǒng)對于虛擬化一體機而言就是一個集中的共享式存儲，提供更為簡單便捷的存儲管理，無需像傳統(tǒng)集中存儲那樣再配置LUN、卷、或者Raid組。圖4所示為云數(shù)據(jù)中心的分布式存儲架構。

圖4 醫(yī)學大數(shù)據(jù)應用技術實驗室云數(shù)據(jù)中心分布式存儲架構

在每個節(jié)點提供兩種磁盤，2塊以上SSD，4塊SATA的HDD為基準配置，可以根據(jù)應用系統(tǒng)容量需求靈活調配。采用此架構除了可提供傳統(tǒng)的數(shù)據(jù)存儲能力之外，針對于虛擬化方面還可提供快照、克隆等機制。數(shù)據(jù)層實現(xiàn)本地優(yōu)先訪問、存儲分層等性能機制。包括：借助兩份以上冗余數(shù)據(jù)提供存儲的可靠性；增加或減少節(jié)點，數(shù)據(jù)分布會自動適配平臺；當節(jié)點宕機或磁盤損壞后具備數(shù)據(jù)的自恢復能力等。

醫(yī)學大數(shù)據(jù)應用技術工程實驗室云數(shù)據(jù)中心網(wǎng)絡結構設計見圖5。包括核心交換區(qū)、核心業(yè)務區(qū)、數(shù)據(jù)交換區(qū)、開發(fā)測試區(qū)、內聯(lián)區(qū)、安管區(qū)、互聯(lián)網(wǎng)應用服務區(qū)、互聯(lián)網(wǎng)WEB服務區(qū)、互聯(lián)網(wǎng)生產(chǎn)接入?yún)^(qū)、互聯(lián)網(wǎng)辦公接入?yún)^(qū)，其中，核心業(yè)務區(qū)包括醫(yī)學大數(shù)據(jù)業(yè)務區(qū)、精準醫(yī)學科研區(qū)、智能影像區(qū)。另外，還包括遠程災備中心及外聯(lián)數(shù)據(jù)中心機房。

其中，醫(yī)學大數(shù)據(jù)業(yè)務區(qū)部署醫(yī)學大數(shù)據(jù)注冊登記系統(tǒng)、醫(yī)學大數(shù)據(jù)檢索與展示系統(tǒng)、醫(yī)學與組學數(shù)據(jù)共享分析展示系統(tǒng)等業(yè)務應用；精準醫(yī)學科研區(qū)部署精準醫(yī)學術語本體庫、高危人群樣本精準診療系統(tǒng)等科研應用；智能影像區(qū)部署智能影像后、智能影像診斷系統(tǒng)等影像專業(yè)系統(tǒng)。

圖5 醫(yī)學大數(shù)據(jù)應用技術實驗室云數(shù)據(jù)中心網(wǎng)絡結構

5 安全體系設計

醫(yī)學大數(shù)據(jù)信息資源涉及大量患者隱私信息，安全體系設計遵循醫(yī)學倫理原則，保證信息安全，保護個人隱私信息。安全防護體系設計從技術、管理和運維三個角度出發(fā)，提供防護、檢測、響應和恢復等組成的安全服務集。圖6為安全體系總體框架。

圖6 醫(yī)學大數(shù)據(jù)應用技術實驗室安全體系總體架構

其中技術防護體系的設計內容主要包含云平臺安全防護、傳輸通道安全防護以及終端安全防護。其中，云平臺安全防護包括物理網(wǎng)絡安全、主機安全、數(shù)據(jù)安全與應用安全；傳輸通道安全防護包括平臺與災備中心之間傳輸加密以及平臺與終端之間加密傳輸；終端的安全包括用戶身份認證、終端健康檢查和修復、終端惡意代碼防范、終端監(jiān)控與審計等。信息安全管理體系主要包含信息安全管理制度、人員管理規(guī)范、系統(tǒng)建設管理規(guī)定、系統(tǒng)運維規(guī)范。信息安全運維體系主要包含事前防護、事中監(jiān)控、事后追溯3部分。

6 結語

通過構建區(qū)域級醫(yī)學大數(shù)據(jù)信息采集和分析評價平臺，將大數(shù)據(jù)應用于精準臨床診療、決策支持、疾病監(jiān)測預警與管理、公眾健康服務等領域，并發(fā)揮數(shù)據(jù)價值，是醫(yī)學研究未來重要發(fā)展的方向。本文圍繞各地機構在醫(yī)學大數(shù)據(jù)應用技術研發(fā)、工程化和應用等方面的迫切需求，策劃并設計出一個覆蓋區(qū)域內多個醫(yī)療機構的醫(yī)學大數(shù)據(jù)采集集成、分析挖掘及應用示范于一體的國際領先的應用技術實驗室信息系統(tǒng)，突破醫(yī)學大數(shù)據(jù)采集、規(guī)范、安全、檢索、融合、分析及挖掘等方面的關鍵技術，對提升區(qū)域內醫(yī)療質量監(jiān)管、臨床輔助診療、衛(wèi)生經(jīng)濟分析、公共衛(wèi)生政策評價、精準醫(yī)學支撐等方面水平與能力，促進科研機構醫(yī)學大數(shù)據(jù)應用技術的研發(fā)、驗證、應用與推廣等方面具有重要價值。