基于多源異構(gòu)的醫(yī)療數(shù)據(jù)匯聚方法設(shè)計(jì)與應(yīng)用

徐 娟，魏子重，高妍方，包國峰

（1.山東第一醫(yī)科大學(xué)附屬省立醫(yī)院信息網(wǎng)絡(luò)管理辦公室，山東濟(jì)南 250021；2.浪潮云信息技術(shù)股份公司，山東 濟(jì)南 250022；3.山東建筑大學(xué) 管理工程學(xué)院，山東 濟(jì)南 250101）

0 引言

我國醫(yī)院信息化經(jīng)過近30 年的建設(shè)，大部分中大型醫(yī)院已基本形成以醫(yī)院信息管理系統(tǒng)（HIS）、電子病歷（EMR）、實(shí)驗(yàn)室信息管理系統(tǒng)（LIS）、醫(yī)學(xué)影像系統(tǒng)（PACS）以及放射信息管理系統(tǒng)（RIS）等為主要應(yīng)用的綜合性信息系統(tǒng)，能夠滿足臨床服務(wù)流程業(yè)務(wù)需求，為醫(yī)院管理提供一定的支撐［1］。

醫(yī)院信息建設(shè)規(guī)模越來越大，應(yīng)用越來越復(fù)雜，由于系統(tǒng)處理業(yè)務(wù)和采用的技術(shù)架構(gòu)不同，導(dǎo)致在數(shù)據(jù)結(jié)構(gòu)形式上呈現(xiàn)多源異構(gòu)性，如影像、內(nèi)鏡、心電系統(tǒng)等產(chǎn)生的視頻、圖像等多媒體格式存儲的非結(jié)構(gòu)化數(shù)據(jù)，HIS、LIS 系統(tǒng)產(chǎn)生的患者信息、醫(yī)囑處方、檢驗(yàn)指標(biāo)等結(jié)構(gòu)化數(shù)據(jù)，電子病歷系統(tǒng)產(chǎn)生的半結(jié)構(gòu)化數(shù)據(jù)。同一屬性在各自系統(tǒng)中有不同命名和表達(dá)方式，類型不統(tǒng)一、數(shù)據(jù)來源廣泛、非結(jié)構(gòu)化程度高，必須對多源異構(gòu)的醫(yī)療數(shù)據(jù)進(jìn)行匯聚和整合，轉(zhuǎn)換為高質(zhì)量的數(shù)據(jù)集，為臨床診療、大數(shù)據(jù)應(yīng)用提供支撐。而如何研發(fā)醫(yī)療大數(shù)據(jù)挖掘與分析技術(shù)，構(gòu)建臨床數(shù)據(jù)中心，研發(fā)數(shù)據(jù)集融合技術(shù)，實(shí)現(xiàn)各類臨床數(shù)據(jù)的采集，研究多模態(tài)異構(gòu)、非結(jié)構(gòu)化醫(yī)療大數(shù)據(jù)挖掘與分析技術(shù)體系成為重點(diǎn)［2］。

醫(yī)療大數(shù)據(jù)的融合與匯集一直是重要的研究課題。在大數(shù)據(jù)環(huán)境下，劉金晶等［3］提出了一種數(shù)據(jù)質(zhì)量策略，通過建立數(shù)據(jù)質(zhì)量評價(jià)體系，從完整性、一致性、準(zhǔn)確性、及時(shí)性4 個(gè)方面評估數(shù)據(jù)質(zhì)量，為提升數(shù)據(jù)質(zhì)量提供管理依據(jù)；馬云等［4］提出兩種臨床數(shù)據(jù)中心構(gòu)建模型：共享信息模型與邏輯集中模型，分析認(rèn)為邏輯集中方式比較適合醫(yī)院構(gòu)建臨床數(shù)據(jù)中心。在信息建設(shè)初期，邏輯集中方式的臨床數(shù)據(jù)中心構(gòu)建，通過集成平臺減少系統(tǒng)間數(shù)據(jù)訪問，降低系統(tǒng)之間的耦合度，適合解決當(dāng)前醫(yī)療機(jī)構(gòu)多系統(tǒng)交互問題。而隨著信息技術(shù)在醫(yī)療領(lǐng)域的應(yīng)用，臨床人員要求全面、準(zhǔn)確的患者數(shù)據(jù)，構(gòu)建基于大樣本數(shù)據(jù)的科研應(yīng)用需求日益凸顯，整合構(gòu)建獨(dú)立的臨床數(shù)據(jù)中心成為未來臨床診療服務(wù)的必然過程。國家衛(wèi)生健康委關(guān)于《國家醫(yī)療健康信息醫(yī)院互聯(lián)互通標(biāo)準(zhǔn)化成熟度測評》評級標(biāo)準(zhǔn)提出“具備基于醫(yī)院信息平臺獨(dú)立的臨床數(shù)據(jù)庫”要求，對數(shù)據(jù)傳輸時(shí)效性提出明確標(biāo)準(zhǔn)。國家衛(wèi)生健康委發(fā)布的《電子病歷系統(tǒng)應(yīng)用水平分級評價(jià)標(biāo)準(zhǔn)（試行）》將電子病歷系統(tǒng)應(yīng)用水平劃分為9 個(gè)等級，要求“形成臨床數(shù)據(jù)倉庫，有統(tǒng)一索引與規(guī)范數(shù)據(jù)格式，形成結(jié)構(gòu)化數(shù)據(jù)內(nèi)容”。

為有效存儲和利用相關(guān)數(shù)據(jù)，需要在既有業(yè)務(wù)系統(tǒng)上建立數(shù)據(jù)中心，對病人診療數(shù)據(jù)（數(shù)值、文字、波形、圖像）進(jìn)行統(tǒng)一管理和標(biāo)準(zhǔn)化存儲，通過集成平臺實(shí)現(xiàn)患者臨床信息的整合及數(shù)據(jù)共享，同時(shí)建立并完善病人主索引（EM?PI）、全院統(tǒng)一的主數(shù)據(jù)管理（MDM）、統(tǒng)一用戶管理等平臺基礎(chǔ)服務(wù)，在此基礎(chǔ)上建立面向醫(yī)院管理層的決策分析系統(tǒng)，滿足醫(yī)療科研和臨床決策支持等需求，以及支持區(qū)域醫(yī)療信息共享。曾汪旺等［5］通過構(gòu)建數(shù)據(jù)實(shí)時(shí)采集子系統(tǒng)和增量式映射管理平臺兩個(gè)中間件，對多源異構(gòu)醫(yī)療數(shù)據(jù)進(jìn)行ETL 抽取；劉薔等［6］提出基于Caché 數(shù)據(jù)庫的ETL 過程，使用Speedminer 工具進(jìn)行數(shù)據(jù)構(gòu)建。Speedminer 是澳大利亞Trak 公司提供的第三方產(chǎn)品之一，與Caché 屬于同平臺關(guān)聯(lián)產(chǎn)品，但相關(guān)研究對存儲于后關(guān)系型數(shù)據(jù)庫Caché 的數(shù)據(jù)抽取匯集到如SqlServer、Oracle 等關(guān)系型數(shù)據(jù)庫中的方法較少提及。

為做好新冠肺炎疫情防控工作，合理安排醫(yī)療資源，需以醫(yī)院全視圖數(shù)據(jù)為視角，完成多源異構(gòu)醫(yī)療數(shù)據(jù)，包括患者全視角病歷信息、疫情管控信息、衛(wèi)生統(tǒng)計(jì)報(bào)表等的匯聚。為此，以山東第一醫(yī)科大學(xué)附屬省立醫(yī)院（以下簡稱山東省立醫(yī)院）信息建設(shè)為例，提出后關(guān)系型數(shù)據(jù)、文檔型數(shù)據(jù)匯聚、非結(jié)構(gòu)化數(shù)據(jù)匯聚設(shè)計(jì)方法，并基于此進(jìn)行醫(yī)療數(shù)據(jù)匯聚應(yīng)用。

1 山東省立醫(yī)院信息系統(tǒng)總體架構(gòu)

山東省立醫(yī)院信息系統(tǒng)由23 個(gè)業(yè)務(wù)子系統(tǒng)組成，各系統(tǒng)間的整合集成與擴(kuò)展一直制約醫(yī)院數(shù)字化發(fā)展。2014 年醫(yī)院開始建設(shè)基于Ensemble 中間件的集成平臺，在IHE、DICOM、HL7 等國際標(biāo)準(zhǔn)基礎(chǔ)上，通過規(guī)范系統(tǒng)集成平臺，制定覆蓋醫(yī)療所有業(yè)務(wù)流程的系統(tǒng)集成規(guī)范，開發(fā)基于規(guī)范的系統(tǒng)集成平臺。信息平臺建設(shè)主要解決兩個(gè)核心問題：①為各種醫(yī)療應(yīng)用提供統(tǒng)一的醫(yī)療數(shù)據(jù)訪問服務(wù)，消除各種醫(yī)療應(yīng)用系統(tǒng)與醫(yī)療數(shù)據(jù)中心的直接耦合性；②通過HL7 和DICOM 等標(biāo)準(zhǔn)通訊協(xié)議為各種醫(yī)療應(yīng)用系統(tǒng)提供集成服務(wù)，確保各個(gè)臨床信息系統(tǒng)在工作流整合的基礎(chǔ)上實(shí)現(xiàn)交互協(xié)作。

臨床數(shù)據(jù)中心（CDR）是醫(yī)院為支持臨床診療和全部醫(yī)、教、研活動，以病人為中心重新構(gòu)建的數(shù)據(jù)存儲結(jié)構(gòu)，是醫(yī)院基于電子病歷信息平臺的核心構(gòu)件。數(shù)據(jù)通過平臺ETL 的抽取、清洗、轉(zhuǎn)換、裝載等處理，按照互聯(lián)互通標(biāo)準(zhǔn)體系及不同的業(yè)務(wù)需要存儲到不同的庫中，形成以患者主索引（EMPI）、主數(shù)據(jù)管理（MDM）等按領(lǐng)域組織的臨床數(shù)據(jù)集，在主數(shù)據(jù)基礎(chǔ)上產(chǎn)生各個(gè)“維度”，統(tǒng)一數(shù)據(jù)口徑，通過Ensemble 企業(yè)服務(wù)總線提供多種輸入輸出適配器，有效解決異構(gòu)數(shù)據(jù)交互問題。系統(tǒng)總體架構(gòu)如圖1 所示。

2 多源異構(gòu)數(shù)據(jù)匯聚設(shè)計(jì)

基于醫(yī)院信息平臺建設(shè)獨(dú)立的臨床信息數(shù)據(jù)庫，存儲以病人為中心的全程臨床數(shù)據(jù)，如醫(yī)囑、電子病歷、PACS等臨床數(shù)據(jù)。臨床數(shù)據(jù)中心建設(shè)主要目的是實(shí)現(xiàn)醫(yī)療數(shù)據(jù)挖掘，為醫(yī)院的診治、管理和運(yùn)營提供決策支持。為確保數(shù)據(jù)應(yīng)用性能和效率，需要實(shí)現(xiàn)數(shù)據(jù)的物理匯聚和集中存儲。數(shù)據(jù)在不同業(yè)務(wù)系統(tǒng)中以面向?qū)ο髷?shù)據(jù)庫、關(guān)系型數(shù)據(jù)庫、大文本文件、圖像、XML 文件等形式存在。本文數(shù)據(jù)匯聚設(shè)計(jì)基于HL7 規(guī)范，使用SQLServerSSIS 工具包創(chuàng)建臨床數(shù)據(jù)倉庫模型。HL7 是由美國國家標(biāo)準(zhǔn)局（ANSI）授權(quán)的標(biāo)準(zhǔn)開發(fā)機(jī)構(gòu)（Health Level Seven Inc，HL7 組織）研發(fā)的一個(gè)專門用于醫(yī)療衛(wèi)生機(jī)構(gòu)及醫(yī)用儀器、設(shè)備數(shù)據(jù)信息傳輸?shù)臉?biāo)準(zhǔn)。數(shù)據(jù)匯聚的總體策略是在不影響在線業(yè)務(wù)系統(tǒng)運(yùn)行前提下，盡量通過shadow 庫，采用歷史數(shù)據(jù)單次全量抽取，增量數(shù)據(jù)采用時(shí)間戳、WebService、CDC、非結(jié)構(gòu)化文本解析等增量抽取方法，對臨床異構(gòu)多源數(shù)據(jù)實(shí)現(xiàn)增量匯聚及優(yōu)化。在增量數(shù)據(jù)抽取時(shí)多種方式聯(lián)合使用，優(yōu)劣互補(bǔ)，以提高抽取性能。

Fig.1 Shandong provincial hospital information platform technology architecture圖1 山東省立醫(yī)院信息平臺技術(shù)架構(gòu)

2.1 基于時(shí)間戳和ETL 的后關(guān)系型數(shù)據(jù)匯聚設(shè)計(jì)

醫(yī)院HIS 系統(tǒng)是Caché 數(shù)據(jù)庫，是一種后關(guān)系型數(shù)據(jù)庫，數(shù)據(jù)存于樹形多維數(shù)組中，以節(jié)點(diǎn)Global 的形式存在。利用類與對象模擬關(guān)系型數(shù)據(jù)庫的管理表，表中的數(shù)據(jù)可通過SQL 查詢，完成數(shù)據(jù)庫中數(shù)據(jù)的對象化操作。支持JDBC 和ODBC 標(biāo)準(zhǔn)接口，方便與RDBMS 系統(tǒng)交互數(shù)據(jù)。但在數(shù)據(jù)匯聚設(shè)計(jì)時(shí)，該數(shù)據(jù)庫事務(wù)日志記錄Global 操作日志，無法直接解析到關(guān)系型庫中，且映射到的關(guān)系型表沒有時(shí)間戳，給數(shù)據(jù)抽取帶來難度。

為解決醫(yī)院HIS 數(shù)據(jù)實(shí)時(shí)同步抽取問題，經(jīng)業(yè)務(wù)數(shù)據(jù)表結(jié)構(gòu)分析，在對Caché 數(shù)據(jù)庫業(yè)務(wù)數(shù)據(jù)處理上，采用時(shí)間戳（業(yè)務(wù)時(shí)間）+數(shù)據(jù)驗(yàn)證的ETL 增量數(shù)據(jù)處理方式。歷史數(shù)據(jù)通過ETL 每天先從HIS 增量更新到ODS，再從ODS增量更新至CDR；增量數(shù)據(jù)更新方式為直接從HIS 至CDR，更新頻率為每小時(shí)一次，數(shù)據(jù)范圍為當(dāng)天所有數(shù)據(jù)。由于源數(shù)據(jù)庫未記錄時(shí)間戳、部分表數(shù)據(jù)存在物理刪除操作，因此根據(jù)業(yè)務(wù)時(shí)間ETL 增量更新可能會丟失或增加數(shù)據(jù)。通過數(shù)據(jù)驗(yàn)證判斷各個(gè)具體數(shù)據(jù)源更新、刪除情況，根據(jù)驗(yàn)證結(jié)論再次通過ETL 定期進(jìn)行數(shù)據(jù)修復(fù)操作，最大程度減少數(shù)據(jù)誤差。基于時(shí)間戳+數(shù)據(jù)驗(yàn)證的HIS 數(shù)據(jù)接入流程如圖2 所示。

Fig.2 Ihs data access based on timestamp+data validation process圖2 基于時(shí)間戳+數(shù)據(jù)驗(yàn)證的HIS 數(shù)據(jù)接入流程

HIS 數(shù)據(jù)接入流程如下：①通過數(shù)據(jù)分析確定HIS 和CDR 目標(biāo)的對應(yīng)關(guān)系，形成接入設(shè)計(jì)文檔；②根據(jù)接入設(shè)計(jì)文檔編寫以HIS 數(shù)據(jù)庫為對象的Custom SQL；③通過ETL 工具配置Custom SQL 對應(yīng)的CDR Tables；④通過已封裝的ETL Engin 輪循調(diào)用SQL Merge 將數(shù)據(jù)更新至CDR DB 對應(yīng)的Tables 中；⑤記錄日志供查詢，并通過數(shù)據(jù)驗(yàn)證機(jī)制校驗(yàn)。

2.2 基于WebService 的文檔型數(shù)據(jù)匯聚設(shè)計(jì)

電子病歷系統(tǒng)、護(hù)理文書系統(tǒng)、手術(shù)麻醉系統(tǒng)等存在大量基于文檔的數(shù)據(jù)，在各個(gè)系統(tǒng)中采用文本文件、XML文件、CDA 文件或關(guān)系型數(shù)據(jù)庫進(jìn)行文檔存儲。

如電子病歷中的病程記錄、手術(shù)記錄等存在多個(gè)應(yīng)用場景，需要將數(shù)據(jù)標(biāo)準(zhǔn)化為符合HL7 CDA 標(biāo)準(zhǔn)的可利用數(shù)據(jù)。醫(yī)院電子病歷文檔通過加密方式存儲在Oracle 數(shù)據(jù)庫中，數(shù)據(jù)類型是Blob，整體進(jìn)行數(shù)據(jù)抽取時(shí)無法很好解析病歷結(jié)構(gòu)，故要通過處理電子病歷系統(tǒng)形成符合標(biāo)準(zhǔn)格式的文檔，提供WebService 接口方式給第三方。臨床數(shù)據(jù)倉庫通過WebService 獲取EMR 文檔信息，返回htmlString與XmlString 內(nèi)容。其中HtmlString 是完整的網(wǎng)頁，用于展示EMR 文檔信息；XmlString 是后結(jié)構(gòu)化數(shù)據(jù)，用于對EMR 文檔進(jìn)行分析。通過分析返回報(bào)文，提取結(jié)構(gòu)化報(bào)文中的數(shù)據(jù)變更信息，由ETL Engine 生成變更Sql，更新至CDR 數(shù)據(jù)表中。基于WebService 的文檔型數(shù)據(jù)匯聚接入流程如圖3 所示。

Fig.3 Document type data access process based on WebService圖3 基于WebService 的文檔型數(shù)據(jù)匯聚接入流程

2.3 基于CDC 和ETL 的非結(jié)構(gòu)化數(shù)據(jù)匯聚設(shè)計(jì)

醫(yī)院LIS、RIS/PACS 系統(tǒng)為Oracle、SQL Server 關(guān)系型數(shù)據(jù)庫，一部分患者信息、報(bào)告等為結(jié)構(gòu)化數(shù)據(jù)，一部分報(bào)告數(shù)據(jù)為存有圖像化的非結(jié)構(gòu)化數(shù)據(jù)。患者信息、檢驗(yàn)檢查申請單等結(jié)構(gòu)化數(shù)據(jù)，基于關(guān)系型數(shù)據(jù)庫支持日志文件分析特點(diǎn)開啟redo log 日志服務(wù)，通過數(shù)據(jù)庫上的變更數(shù)據(jù)捕獲（Change Data Capture，CDC）機(jī)制采用CDC+ETL 平臺增量抽取方式抽取到ETL 平臺。業(yè)務(wù)系統(tǒng)將數(shù)據(jù)實(shí)時(shí)推送至ODSDB 環(huán)境更新每日數(shù)據(jù)日志，通過日志將數(shù)據(jù)實(shí)時(shí)更新至CDR 數(shù)據(jù)表中。而大量的圖像數(shù)據(jù)因存儲空間限制，僅與完成結(jié)構(gòu)化的報(bào)告數(shù)據(jù)進(jìn)行映射存儲，與患者主索引及檢查報(bào)告做ID 關(guān)聯(lián)。

疫情防控需新增衛(wèi)生統(tǒng)計(jì)上報(bào)、社區(qū)體溫登記信息、關(guān)注人群（密切接觸者、醫(yī)護(hù)人員）健康信息、單位復(fù)工健康信息等，生成的非結(jié)構(gòu)化文本數(shù)據(jù)需要匯聚時(shí)，采用基于文本解析的疫情相關(guān)數(shù)據(jù)接入流程。通過ETL Engine中的Data analysis 進(jìn)行分析，按照文件模板標(biāo)識提取csv、EXCEL、dbf 文件中的增量數(shù)據(jù)，并根據(jù)模板中字段對應(yīng)關(guān)系匯總成增量Change SQL。使用Change SQL 完成CDR DB 的增量數(shù)據(jù)匯聚，進(jìn)行數(shù)據(jù)應(yīng)用與分析。基于CDC+ETL 的結(jié)構(gòu)化數(shù)據(jù)匯聚流程如圖4 所示。

Fig.4 Based on the CDC+ETL structured data gathering process圖4 基于CDC+ETL 的結(jié)構(gòu)化數(shù)據(jù)匯聚流程

3 數(shù)據(jù)標(biāo)準(zhǔn)化清洗及匯聚實(shí)現(xiàn)

3.1 數(shù)據(jù)標(biāo)準(zhǔn)化清洗

由于醫(yī)療數(shù)據(jù)產(chǎn)生于不同業(yè)務(wù)系統(tǒng)，多數(shù)據(jù)源異構(gòu)主要表現(xiàn)為字段名稱和類型的不一致，以及數(shù)據(jù)所在的定義域不同等。醫(yī)院按照衛(wèi)生部《電子病歷基本架構(gòu)與數(shù)據(jù)標(biāo)準(zhǔn)》要求，參考HL7 CDA 標(biāo)準(zhǔn)進(jìn)行文檔標(biāo)準(zhǔn)化，采取統(tǒng)一元數(shù)據(jù)進(jìn)行異構(gòu)數(shù)據(jù)的標(biāo)準(zhǔn)化過程。為保證電子病歷資源庫中數(shù)據(jù)內(nèi)容滿足衛(wèi)生數(shù)據(jù)元以及值域要求，醫(yī)院統(tǒng)一對術(shù)語字典及值域映射進(jìn)行管理，實(shí)現(xiàn)數(shù)據(jù)采集清洗的規(guī)則配置、基于標(biāo)準(zhǔn)的全息信息擴(kuò)展、統(tǒng)一的字典注冊整合及維護(hù)、數(shù)據(jù)采集清洗狀態(tài)監(jiān)控等。數(shù)據(jù)清洗標(biāo)準(zhǔn)化過程如圖5 所示。

3.2 數(shù)據(jù)匯聚實(shí)現(xiàn)

做好從生產(chǎn)庫到ODS 庫以及ODS 庫到臨床數(shù)據(jù)中心數(shù)據(jù)抽取的質(zhì)量控制，以確保和業(yè)務(wù)系統(tǒng)原始數(shù)據(jù)保持一致，實(shí)現(xiàn)數(shù)據(jù)完整性、一致性、準(zhǔn)確性、及時(shí)性。

（1）多通道多任務(wù)技術(shù)。定義多個(gè)數(shù)據(jù)抽取通道，將任務(wù)拆分成更細(xì)粒度的任務(wù)，分片進(jìn)行管理配置。根據(jù)每種數(shù)據(jù)源特征定制不同的分析方案，啟動多個(gè)抽取服務(wù)。每個(gè)抽取服務(wù)監(jiān)聽一個(gè)通道，完成抽取任務(wù)，多個(gè)抽取服務(wù)并行運(yùn)行，實(shí)現(xiàn)多通道多任務(wù)抽取，加快數(shù)據(jù)獲取速率。

Fig.5 Standardization of data cleaning process圖5 數(shù)據(jù)清洗標(biāo)準(zhǔn)化過程

（2）提高批量數(shù)據(jù)寫入效率。從生產(chǎn)庫到ODS 庫，采用Sql BulkCopy 技術(shù)批量寫入數(shù)據(jù)。首先將插入的整個(gè)數(shù)據(jù)集整理為大數(shù)組，把整個(gè)大數(shù)組作為一個(gè)數(shù)據(jù)集調(diào)用BulkCopy 接口一次性寫入到服務(wù)器，而不是循環(huán)對每行數(shù)據(jù)調(diào)用Insert。批量數(shù)據(jù)插入技術(shù)規(guī)避了多次與數(shù)據(jù)庫建立連接的負(fù)荷壓力，比傳統(tǒng)循環(huán)調(diào)用insert 方式快5～10倍。

（3）維度漸變處理。通過臨床數(shù)據(jù)中心模型生成器制定相關(guān)緩慢變化維度，并在生成的表結(jié)構(gòu)擴(kuò)展屬性上標(biāo)識該列。臨床數(shù)據(jù)中心首先對基礎(chǔ)數(shù)據(jù)進(jìn)行刷新，然后對所有的維度表進(jìn)行校驗(yàn)并保存完整性校驗(yàn)。在固定間隔內(nèi)對需要處理漸變的數(shù)據(jù)維度屬性檢查一次，確保維度關(guān)鍵屬性發(fā)生變化后能及時(shí)更新并反映到數(shù)據(jù)聚合上。

（4）增加容錯(cuò)補(bǔ)償機(jī)制。對數(shù)據(jù)抽取過程進(jìn)行控制，個(gè)性化定制自動抽取任務(wù)，提供抽取條件、時(shí)間點(diǎn)、任務(wù)循環(huán)、檢查點(diǎn)、不符合條件消息處理等選項(xiàng)，提供抽取前處理、抽取中處理、抽取后數(shù)據(jù)處理程序。提供數(shù)據(jù)容錯(cuò)機(jī)制，定義無數(shù)據(jù)算出錯(cuò)，抽取出錯(cuò)自動補(bǔ)抽取，無需人工干預(yù)。通過抽取任務(wù)錯(cuò)誤日志、短消息提醒進(jìn)行追蹤監(jiān)測。

4 多源異構(gòu)醫(yī)療數(shù)據(jù)匯聚應(yīng)用

山東省立醫(yī)院臨床數(shù)據(jù)中心平臺建設(shè)經(jīng)過多年的探索實(shí)踐，取得較好的建設(shè)效益。基于電子病歷的醫(yī)院信息平臺架構(gòu)包括主數(shù)據(jù)管理（MDM）、臨床數(shù)據(jù)中心（CDR）、醫(yī)院服務(wù)總線（DHC-ESB）、基于平臺的應(yīng)用等，實(shí)現(xiàn)了服務(wù)和消息注冊、發(fā)布和訂閱功能和接口消息復(fù)用。現(xiàn)在已經(jīng)接入服務(wù)總線的系統(tǒng)有HIS、EMR、LIS、PACS、心電、手麻、掌上省醫(yī)、護(hù)理系統(tǒng)、自助系統(tǒng)、ICU、分診叫號系統(tǒng)、病案管理、預(yù)約診療系統(tǒng)、自動包藥機(jī)、公安局安全系統(tǒng)、單點(diǎn)登錄、院感、藥品物流、手術(shù)上報(bào)、文檔庫管理系統(tǒng)、主數(shù)據(jù)管理系統(tǒng)等23 個(gè)子系統(tǒng)68 項(xiàng)平臺服務(wù)。醫(yī)院建設(shè)了獨(dú)立的臨床信息數(shù)據(jù)庫，存儲以病人為中心的全程臨床數(shù)據(jù)，諸如醫(yī)囑、電子病歷、PACS 等臨床數(shù)據(jù)，形成患者主索引476 萬條，共享數(shù)據(jù)庫中CDA 文檔共970 萬份，用于病人的全視圖信息共享及用于醫(yī)院的臨床業(yè)務(wù)監(jiān)管、BI 分析、科研教學(xué)支持等。共享文檔管理如圖6 所示。

通過對醫(yī)院23 個(gè)主要業(yè)務(wù)系統(tǒng)和數(shù)據(jù)進(jìn)行集成整合，將封閉在多套孤立信息系統(tǒng)中的數(shù)據(jù)集中，實(shí)現(xiàn)全院信息統(tǒng)一標(biāo)準(zhǔn)、統(tǒng)一來源、統(tǒng)一發(fā)布、統(tǒng)一管理。通過智能決策支持系統(tǒng)，管理者可以隨時(shí)隨地獲取門診狀況、床位使用率、平均住院日、藥占比、醫(yī)療質(zhì)量、人力資源配置等核心運(yùn)營指標(biāo)。系統(tǒng)自動測算患者從開始分診到就診結(jié)束期間各個(gè)環(huán)節(jié)就診時(shí)間路徑圖，通過分析結(jié)果發(fā)現(xiàn)哪些就診環(huán)節(jié)存在就醫(yī)瓶頸，從而有的放矢改進(jìn)服務(wù)流程。整合從患者入院到出院整個(gè)診療過程中產(chǎn)生的所有醫(yī)療數(shù)據(jù)，包括病人基本信息、病歷文書、檢驗(yàn)檢查、醫(yī)囑等。通過匯集以患者為中心的全周期研究數(shù)據(jù)，建立可供用戶快捷檢索的數(shù)據(jù)搜索平臺及基礎(chǔ)科研平臺。主要數(shù)據(jù)類別有病案首頁、病歷、診斷、癥狀、用藥、手術(shù)、處置類醫(yī)囑、非用藥醫(yī)囑、檢驗(yàn)、檢查、分子病理、病理、生命體征、病種等4 797 個(gè)字段，并逐步增加。基于結(jié)構(gòu)化的多重檢索充分挖掘醫(yī)院海量臨床數(shù)據(jù)的潛在價(jià)值，提升醫(yī)護(hù)人員開展臨床科研工作效率及臨床數(shù)據(jù)再利用能力，醫(yī)院已基于該平臺進(jìn)行了50 多個(gè)科研項(xiàng)目。

Fig.6 Clinical data center shared document management圖6 臨床數(shù)據(jù)中心共享文檔管理

5 結(jié)語

本文結(jié)合山東省立醫(yī)院信息建設(shè)情況介紹了多源異構(gòu)數(shù)據(jù)匯聚方法，對后關(guān)系型數(shù)據(jù)、文檔型數(shù)據(jù)、非結(jié)構(gòu)化數(shù)據(jù)的匯聚提出了解決方案。采用增量時(shí)間戳、CDC、WebService 結(jié)合ETL 技術(shù)進(jìn)行增量抽取，對臨床異構(gòu)多源數(shù)據(jù)進(jìn)行增量匯聚及優(yōu)化。闡述數(shù)據(jù)標(biāo)準(zhǔn)化清洗、數(shù)據(jù)抽取實(shí)現(xiàn)過程。整合了從患者入院到出院整個(gè)診療過程中產(chǎn)生的所有醫(yī)療數(shù)據(jù)。系統(tǒng)還存在一些不足，如在Caché數(shù)據(jù)庫中部分業(yè)務(wù)數(shù)據(jù)以global 節(jié)點(diǎn)存儲，未映射到關(guān)系表，ODBC 連接方式無法獲取數(shù)據(jù)等。后續(xù)將從二次開發(fā)角度增加數(shù)據(jù)可視化，提供對外訪問，提高對半結(jié)構(gòu)化數(shù)據(jù)的語義分析能力。