健康醫(yī)療大數(shù)據(jù)開放實驗室建設(shè)與應(yīng)用研究

吳許俊，丁 勇，姜 楓，曹紅根，毛 平，解定東

（南京理工大學(xué) 泰州科技學(xué)院 移動互聯(lián)網(wǎng)學(xué)院，江蘇 泰州 225300）

2016 年6 月，國務(wù)院辦公廳發(fā)布《關(guān)于促進和規(guī)范健康醫(yī)療大數(shù)據(jù)應(yīng)用發(fā)展的指導(dǎo)意見》，將健康醫(yī)療大數(shù)據(jù)應(yīng)用發(fā)展納入國家大數(shù)據(jù)戰(zhàn)略布局[1]。同年底，國家衛(wèi)生計生委啟動健康醫(yī)療大數(shù)據(jù)中心與產(chǎn)業(yè)園建設(shè)國家試點工程[2]，全面推動大數(shù)據(jù)應(yīng)用與健康醫(yī)療行業(yè)的深度融合。我校是教育部數(shù)據(jù)中國“百校工程”產(chǎn)教融合創(chuàng)新項目首批試點院校之一，與中科曙光公司合作共建大數(shù)據(jù)應(yīng)用創(chuàng)新中心并成立大數(shù)據(jù)行業(yè)學(xué)院。為了建立政產(chǎn)學(xué)研長效合作機制，為政府與企業(yè)大數(shù)據(jù)項目提供科技創(chuàng)新服務(wù)，以大數(shù)據(jù)驅(qū)動產(chǎn)業(yè)轉(zhuǎn)型升級，我校與擁有數(shù)量大、種類豐富的生物醫(yī)藥數(shù)據(jù)資源的泰州中國醫(yī)藥城合作共建健康醫(yī)療大數(shù)據(jù)開放實驗室。同時，構(gòu)建以項目任務(wù)驅(qū)動的實訓(xùn)教學(xué)體系，探索新工科背景下大數(shù)據(jù)人才培養(yǎng)模式[3]，為社會輸送高素質(zhì)應(yīng)用型人才。

1 健康醫(yī)療大數(shù)據(jù)相關(guān)概念

1.1 定義與特征

健康醫(yī)療大數(shù)據(jù)（簡稱醫(yī)療大數(shù)據(jù)）是指與健康醫(yī)療相關(guān)，滿足大數(shù)據(jù)基本特征的數(shù)據(jù)集合，是國家重要的基礎(chǔ)性戰(zhàn)略資源[4]。從廣義上講，醫(yī)療大數(shù)據(jù)泛指存儲在醫(yī)療衛(wèi)生領(lǐng)域內(nèi)各種管理信息系統(tǒng)中的數(shù)據(jù)，包括醫(yī)保政務(wù)、醫(yī)療機構(gòu)、公共衛(wèi)生、藥品銷售、保險等不同系統(tǒng)內(nèi)的信息。從狹義上講，醫(yī)療大數(shù)據(jù)是指醫(yī)生為患者治療過程中產(chǎn)生的各種數(shù)據(jù)，包括患者基本信息、檢驗信息、醫(yī)學(xué)影像信息、臨床信息、電子病歷和費用信息等。

醫(yī)療大數(shù)據(jù)不僅具有大數(shù)據(jù)的5V 特性，即數(shù)據(jù)體量巨大（volume）、增長與處理速度快（velocity）、數(shù)據(jù)結(jié)構(gòu)多樣（variety）、價值密度低應(yīng)用價值高（value）與真實性（veracity）[5]，而且具有醫(yī)療衛(wèi)生領(lǐng)域獨有的一些特征包括多態(tài)性、不完整性、時間性和冗余性。例如醫(yī)療數(shù)據(jù)的多態(tài)性表現(xiàn)為文字描述、檢驗數(shù)據(jù)、電磁信號、影像、音視頻、動畫等不同形態(tài)，成為醫(yī)療大數(shù)據(jù)的最顯著特征。

1.2 數(shù)據(jù)資源體系

健康醫(yī)療大數(shù)據(jù)資源主要分布在醫(yī)學(xué)、學(xué)科研究、行業(yè)相關(guān)、互聯(lián)網(wǎng)等領(lǐng)域，其數(shù)據(jù)資源體系見圖1。

圖1 健康醫(yī)療大數(shù)據(jù)資源體系

對區(qū)域健康醫(yī)療大數(shù)據(jù)資源進行調(diào)查和梳理，制定大數(shù)據(jù)資源體系分類目錄的結(jié)構(gòu)和內(nèi)容屬于前瞻性基礎(chǔ)工作[6]，可以為健康醫(yī)療大數(shù)據(jù)發(fā)展與應(yīng)用提供理論支撐和參考依據(jù)。當(dāng)前重要任務(wù)是依據(jù)國家標(biāo)準分類目錄編制符合區(qū)域要求的基礎(chǔ)資源目錄、業(yè)務(wù)資源目錄、主題資源目錄等。

1.3 數(shù)據(jù)生命周期

隨著數(shù)據(jù)規(guī)模快速擴大和數(shù)據(jù)應(yīng)用愈發(fā)復(fù)雜，理解大數(shù)據(jù)的生命周期有利于科學(xué)制定大數(shù)據(jù)戰(zhàn)略，及時調(diào)整大數(shù)據(jù)分析策略。數(shù)據(jù)管理組織DAMA（The Data Management Association）認為，數(shù)據(jù)生命周期是數(shù)據(jù)從創(chuàng)建、采集、使用到消亡的全過程。大數(shù)據(jù)生命周期包括大數(shù)據(jù)組織、評估現(xiàn)狀、制定戰(zhàn)略、數(shù)據(jù)定義、數(shù)據(jù)采集、數(shù)據(jù)分析、數(shù)據(jù)呈現(xiàn)、數(shù)據(jù)治理、持續(xù)改進等9 個階段[7]，見圖2。

圖2 大數(shù)據(jù)生命周期的9 個階段

根據(jù)健康醫(yī)療大數(shù)據(jù)資源的類型及其特征，結(jié)合大數(shù)據(jù)技術(shù)對醫(yī)療行業(yè)信息化所帶來的變革，文獻[8]提出了一種醫(yī)療大數(shù)據(jù)生命周期管理模型（medical data lifecycle management，MDLM），如圖3 所示。

圖3 醫(yī)療大數(shù)據(jù)生命周期管理模型

2 健康醫(yī)療大數(shù)據(jù)系統(tǒng)

2.1 系統(tǒng)體系結(jié)構(gòu)

健康醫(yī)療大數(shù)據(jù)系統(tǒng)功能模塊多、結(jié)構(gòu)復(fù)雜，設(shè)計時應(yīng)盡量減少功能模塊之間的耦合，增加模塊的內(nèi)聚。為了保證系統(tǒng)的性能，充分考慮醫(yī)療大數(shù)據(jù)和系統(tǒng)訪問量持續(xù)增加的情況下所需要的擴展能力，該系統(tǒng)的設(shè)計采用基于并行計算的分布式數(shù)據(jù)處理技術(shù)。健康醫(yī)療大數(shù)據(jù)系統(tǒng)的體系結(jié)構(gòu)見圖4。

該系統(tǒng)主要分為5 個層次，由下而上分別是數(shù)據(jù)源管理層、數(shù)據(jù)整合層、數(shù)據(jù)處理層、應(yīng)用管理層和應(yīng)用服務(wù)層。數(shù)據(jù)源管理層負責(zé)組織管理多源數(shù)據(jù)匯集，進行有效融合處理，構(gòu)成健康醫(yī)療大數(shù)據(jù)的核心資源。數(shù)據(jù)整合層負責(zé)數(shù)據(jù)的采集、清洗、轉(zhuǎn)換、存儲與計算，采用分布式文件系統(tǒng)存儲不同結(jié)構(gòu)類型的數(shù)據(jù)，集成調(diào)度并行計算框架。數(shù)據(jù)處理層負責(zé)調(diào)用大數(shù)據(jù)分析與挖掘工具構(gòu)建分類知識庫。應(yīng)用管理層負責(zé)開發(fā)典型應(yīng)用，管理應(yīng)用服務(wù)與數(shù)據(jù)安全。應(yīng)用服務(wù)層負責(zé)為不同用戶提供相應(yīng)的訪問操作。5 個主要層次需要遵循健康醫(yī)療大數(shù)據(jù)管理規(guī)范、數(shù)據(jù)安全規(guī)范、應(yīng)用服務(wù)規(guī)范及健康醫(yī)療標(biāo)準。

2.2 系統(tǒng)關(guān)鍵技術(shù)

支撐健康醫(yī)療大數(shù)據(jù)應(yīng)用系統(tǒng)的關(guān)鍵技術(shù)有醫(yī)療大數(shù)據(jù)存儲技術(shù)、醫(yī)療大數(shù)據(jù)處理技術(shù)與醫(yī)療大數(shù)據(jù)分析挖掘技術(shù)[9]。

2.2.1 醫(yī)療大數(shù)據(jù)存儲技術(shù)

為了實現(xiàn)區(qū)域健康醫(yī)療大數(shù)據(jù)的匯集共享，需要整合醫(yī)療行業(yè)現(xiàn)有的HIS、CIS、PACS、LIS 等數(shù)據(jù)庫系統(tǒng)。目前主流大數(shù)據(jù)存儲技術(shù)有Hadoop 架構(gòu)，基于分布式文件系統(tǒng)HDFS 采用Master/Slave 模式管理集群中的數(shù)據(jù)節(jié)點，主要用于存儲半結(jié)構(gòu)化、非結(jié)構(gòu)化的海量數(shù)據(jù)，具有低成本、高容錯性的特點，可以為訪問應(yīng)用程序的數(shù)據(jù)提供高吞吐量。

圖4 健康醫(yī)療大數(shù)據(jù)系統(tǒng)的體系結(jié)構(gòu)

作為Hadoop 架構(gòu)的補充，MPP（massively parallel processing，大規(guī)模并行處理）架構(gòu)適合在數(shù)據(jù)庫非共享集群中，將業(yè)務(wù)數(shù)據(jù)根據(jù)數(shù)據(jù)庫模型和應(yīng)用特點劃分到各個節(jié)點上。每個節(jié)點配有獨立的存儲和內(nèi)存[10]，彼此相連協(xié)同計算，作為整體提供數(shù)據(jù)庫服務(wù)。表1列出了Hadoop 架構(gòu)、MPP 架構(gòu)與傳統(tǒng)數(shù)據(jù)庫技術(shù)的特征，并進行對比描述。

采用Hadoop 架構(gòu)與MPP 架構(gòu)的混搭模式是醫(yī)療大數(shù)據(jù)存儲技術(shù)值得探索的發(fā)展方向，是一個性能優(yōu)越、兼顧容錯與負載均衡的解決方案。

表1 Hadoop 架構(gòu)、MPP 架構(gòu)與傳統(tǒng)數(shù)據(jù)庫技術(shù)的特征

2.2.2 醫(yī)療大數(shù)據(jù)處理技術(shù)

目前主流的并行計算框架有MapReduce、Spark和Storm。MapReduce 通過Map（映射）與Reduce（化簡）操作，提供對靜態(tài)醫(yī)療大數(shù)據(jù)集的離線批處理分析服務(wù)。Spark 采用內(nèi)存分布數(shù)據(jù)集分析技術(shù)，結(jié)合實時數(shù)據(jù)庫，提供交互式查詢服務(wù)。Storm 采用Stream（流）方式，按照Topology 順序，循環(huán)處理動態(tài)更新的內(nèi)存數(shù)據(jù)消息。根據(jù)業(yè)務(wù)需求，系統(tǒng)構(gòu)建多框架融合計算調(diào)度引擎，集成調(diào)用計算框架來執(zhí)行數(shù)據(jù)處理任務(wù)。

2.2.3 醫(yī)療大數(shù)據(jù)分析挖掘技術(shù)

大數(shù)據(jù)分析挖掘技術(shù)主要有R 語言、機器學(xué)習(xí)方法和Mahout 算法庫。R 語言主要以R 軟件包形式發(fā)布數(shù)學(xué)計算和統(tǒng)計分析工具，使得Hadoop 進一步增強深度分析能力。開源的數(shù)據(jù)挖掘工具Weka 集合了大量的機器學(xué)習(xí)方法，可以實現(xiàn)大數(shù)據(jù)的聚類、分類、回歸、關(guān)聯(lián)以及可視化[11]。Mahout 算法庫封裝了用于數(shù)據(jù)挖掘的機器學(xué)習(xí)算法，實現(xiàn)算法包括聚類、分類、推薦過濾、頻繁子項挖掘等[12]。通過擴展Hadoop 平臺，開發(fā)者調(diào)用Mahout 算法的程序接口可以創(chuàng)建智能應(yīng)用程序。

3 醫(yī)療大數(shù)據(jù)應(yīng)用分析

健康醫(yī)療大數(shù)據(jù)經(jīng)過整合和深度分析，可以為居民、醫(yī)生、科研人員、行業(yè)企業(yè)和衛(wèi)生管理機構(gòu)提供多種應(yīng)用服務(wù)：面向居民提供健康指導(dǎo)服務(wù)，可為居民的慢性病干預(yù)、改善生活習(xí)慣提供個性化健康保健指導(dǎo)，促進居民健康自我管理；面向醫(yī)生可以為醫(yī)生的臨床決策提供支持，提供診療水平，減少醫(yī)療差錯；面向科研人員可提供組學(xué)大數(shù)據(jù)研究模式和隊列人群，提高精準醫(yī)療效率與效果；面向行業(yè)企業(yè)可以改進藥品流通與保險服務(wù)的營銷服務(wù)策略；面向衛(wèi)生管理機構(gòu)可提供管理決策支持系統(tǒng)，提高在疾病監(jiān)測、慢病管理、質(zhì)量監(jiān)管等方面的衛(wèi)生管理水平。

4 結(jié)語

健康醫(yī)療大數(shù)據(jù)開放實驗室是對政產(chǎn)學(xué)研合作機制的一種探索與實踐。兩年多的建設(shè)實踐表明，健康醫(yī)療大數(shù)據(jù)開放實驗室作為校企協(xié)同育人平臺，有利于改革人才培養(yǎng)模式，增強學(xué)生的實際應(yīng)用能力，有效提高人才培養(yǎng)質(zhì)量；作為校企協(xié)同創(chuàng)新載體，有利于完善產(chǎn)學(xué)研創(chuàng)新合作機制，發(fā)揮各方優(yōu)勢形成合力，規(guī)范和促進區(qū)域健康醫(yī)療大數(shù)據(jù)產(chǎn)業(yè)的應(yīng)用發(fā)展。