基于大數(shù)據(jù)的臨床科研分析平臺設計與實現(xiàn)

王杰 曹新志

【摘要】目的 本文旨在構(gòu)建一個安全、可靠、穩(wěn)定、能同時解決歷史數(shù)據(jù)和實時數(shù)據(jù)讀寫速度快、響應效率高的醫(yī)療科研大數(shù)據(jù)挖掘平臺，提高醫(yī)生科研效率和能力。方法 采用大數(shù)據(jù)、知識圖譜、機器學習等人工智能相關(guān)技術(shù)，通過ETL工具整合多源異構(gòu)數(shù)據(jù)，形成臨床科研大數(shù)據(jù)中心和數(shù)據(jù)挖掘分析平臺。 結(jié)果 建設成全院級科研平臺和三個臨床專病數(shù)據(jù)中心。 結(jié)論 提高科研效率和能力，加速科研成果轉(zhuǎn)化，提升醫(yī)院的高質(zhì)量發(fā)展。

【關(guān)鍵詞】大數(shù)據(jù);科研平臺;ETL工具;數(shù)據(jù)分析

本文系2021年江蘇省醫(yī)院協(xié)會醫(yī)院管理創(chuàng)新研究課題《面向挖掘的肺癌數(shù)據(jù)庫及機器學習算法構(gòu)建免疫檢查點抑制劑相關(guān)胃腸道不良反應的預測模型研究》（課題編號： JSYGY-3-2021-483）研究成果

1 引言

隨著大數(shù)據(jù)、人工智能等技術(shù)的迅速發(fā)展，醫(yī)療衛(wèi)生領(lǐng)域已迎來“大數(shù)據(jù)時代”，正在對科研衛(wèi)生領(lǐng)域起著積極的作用。為加強健康醫(yī)療大數(shù)據(jù)服務管理，促進“互聯(lián)網(wǎng)+醫(yī)療健康”發(fā)展，充分發(fā)揮健康醫(yī)療大數(shù)據(jù)作為國家重要基礎(chǔ)性戰(zhàn)略資源的作用，2016年國務院辦公廳印發(fā)《關(guān)于促進和規(guī)范健康醫(yī)療大數(shù)據(jù)應用發(fā)展的指導意見》，文中指出努力建設人民滿意的醫(yī)療衛(wèi)生事業(yè)，為打造健康中國提供有力支撐。2018年，《關(guān)于促進“互聯(lián)網(wǎng)+醫(yī)療健康”發(fā)展的意見》提出了促進互聯(lián)網(wǎng)與醫(yī)療健康深度融合發(fā)展的一系列政策措施。以上政策文件為健康醫(yī)療大數(shù)據(jù)標準、安全和服務管理制定辦法，鼓勵推進科研大數(shù)據(jù)應用，提升醫(yī)學科研能力，進而推動智慧醫(yī)療、智慧醫(yī)院的發(fā)展與建設[1]。

科研分析、數(shù)據(jù)統(tǒng)計已經(jīng)成為臨床醫(yī)生日常工作中非常重要的一部分，然而，每天的臨床業(yè)務占據(jù)了醫(yī)生的大量時間，使得醫(yī)生在科研方面投入的精力有限。以往在進行科研分析時，需要人工收集大量病例進行篩選，不僅浪費人力和時間而且會造成數(shù)據(jù)量偏少、數(shù)據(jù)不完整、結(jié)果不準確等問題，嚴重影響科研統(tǒng)計分析，為打破數(shù)據(jù)壁壘，讓海量的醫(yī)學數(shù)據(jù)為科研、臨床決策支持所用，構(gòu)建一個數(shù)據(jù)安全、可靠、高效的醫(yī)療科研大數(shù)據(jù)挖掘分析平臺迫在眉睫。

2 平臺總體架構(gòu)

構(gòu)建全院級科研數(shù)據(jù)中心，主要集成了病人的診斷、檢驗、檢查、病理、用藥以及電子病歷中的入院記錄、病程錄、出院小結(jié)等臨床數(shù)據(jù)。數(shù)據(jù)的采集、調(diào)度、監(jiān)控通過數(shù)據(jù)治理平臺進行管控，數(shù)據(jù)治理平臺能實現(xiàn)可視化配置操作，支持多種數(shù)據(jù)源，如DB格式、CSV、TXT等文件接口方式[2]。

我院大數(shù)據(jù)科研平臺以數(shù)據(jù)倉庫為核心，實現(xiàn)大數(shù)據(jù)技術(shù)在臨床科研領(lǐng)域的落地，平臺的總體架構(gòu)主要包括：數(shù)據(jù)層、數(shù)據(jù)存儲層、接口服務層、平臺應用層。首先，平臺從醫(yī)院業(yè)務系統(tǒng)中抽取出科研所需數(shù)據(jù)，繼而利用計算存儲層對抽取的資源進行整合、清洗、轉(zhuǎn)化，構(gòu)建疾病模型、知識圖譜，輔助進行統(tǒng)計分析、數(shù)據(jù)挖掘和疾病預測等科研應用。

2.1 數(shù)據(jù)清洗 從數(shù)據(jù)源中抽取的數(shù)據(jù)不一定完全滿足目的庫的要求，如數(shù)據(jù)格式的不一致、數(shù)據(jù)輸入錯誤、數(shù)據(jù)不完整等，因此有必要對抽取出的數(shù)據(jù)進行數(shù)據(jù)清洗。清洗過程需統(tǒng)一統(tǒng)計指標單位、統(tǒng)一統(tǒng)計指標周期以及統(tǒng)一標準的臨床術(shù)語等。

2.2數(shù)據(jù)整合 根據(jù)疾病的演變和診療過程，參考HL7 V3 RIM模型、CCR等標準來進行靈活構(gòu)建模型，同種業(yè)務類型的數(shù)據(jù)進行歸類標準化匯集。整合過程統(tǒng)一編碼、統(tǒng)一字典、統(tǒng)一數(shù)據(jù)格式，確保數(shù)據(jù)的一致性和完整性。

由于醫(yī)療機構(gòu)內(nèi)部的業(yè)務系統(tǒng)種類繁多，導致在異構(gòu)系統(tǒng)的集成上存在很多的問題和瓶頸。平臺通過CDC數(shù)據(jù)變更捕獲技術(shù)，可以讓用戶將數(shù)據(jù)源服務器上的數(shù)據(jù)發(fā)布到不同的服務器上，并且可以確保不同地點的數(shù)據(jù)自動同步更新，使得不同的服務器用戶在權(quán)限許可的范圍內(nèi)就可以共享同一份數(shù)據(jù)了。數(shù)據(jù)倉庫的建設需要從各個不同的系統(tǒng)獲取數(shù)據(jù)，平臺通過數(shù)據(jù)庫復制技術(shù)，將生產(chǎn)服務器上的數(shù)據(jù)發(fā)布到中間服務器上，然后由數(shù)據(jù)倉庫從中間服務器上獲取數(shù)據(jù)，這樣就保證了數(shù)據(jù)倉庫進行輪詢時，不會影響生產(chǎn)環(huán)境的用戶。

2.3 患者主索引服務 患者主索引服務（EMPI）采用特有的技術(shù)和算法，用于全院范圍內(nèi)患者基本信息索引的創(chuàng)建、搜索和維護，智能的幫助科研人員對病人信息進行有效檢索，獲得完整而準確的病人視圖。

3 平臺建設成果

截止目前大數(shù)據(jù)科研平臺上已累積經(jīng)過規(guī)范化處理入庫患者數(shù)有290余萬例，就診記錄數(shù)1000余萬例，已建立起全院級科研數(shù)據(jù)中心和三個專病數(shù)據(jù)中心，切實提高了科研質(zhì)量和效率。

平臺已開發(fā)建成了具有“數(shù)據(jù)概覽、隊列發(fā)現(xiàn)、特征提取、數(shù)據(jù)分析、 智能搜索、隨訪監(jiān)測、病人360”等功能模塊的信息平臺，科研人員通過數(shù)據(jù)概覽來了解平臺的醫(yī)療數(shù)據(jù)視圖，每個視圖均可實現(xiàn)列設置、列統(tǒng)計功能以及數(shù)據(jù)導出功能，熟悉平臺底層數(shù)據(jù)框架后，即可針對科研需求進行隊列定義、特征提取，最后進行數(shù)據(jù)分析，達到科學研究的目的。

3.1 隊列定義 平臺提供靈活方便的組合條件進行查詢篩選和多維度的診療數(shù)據(jù)檢索，可以快速地找到科研病例集，最后通過入選和排斥等集合運算實現(xiàn)研究人群的精確篩選。

3.2 特征提取 支持基準事件的規(guī)則設定，基準事件的時間順序、基礎(chǔ)信息、聚合列、計算列等多個組合條件導出數(shù)據(jù)，且可對需要導出的項目進行函數(shù)運算，支持從原始變量生成新的變量，用戶對導出的數(shù)據(jù)進行自由組合，對導出的數(shù)據(jù)可移至SPSS、SAS等分析軟件進行科研統(tǒng)計分析，并且平臺支持特征數(shù)據(jù)的刪除、修改、克隆以及相關(guān)數(shù)據(jù)預覽等功能。

4 討論

臨床科研分析平臺是我院醫(yī)療大數(shù)據(jù)在科研方面的應用落地，在系統(tǒng)建設的過程中，應用ETL技術(shù)、主索引管理、自然語言結(jié)構(gòu)化、數(shù)據(jù)脫敏、機器學習等先進技術(shù)，為數(shù)據(jù)的深度挖掘和共享提供基礎(chǔ)，準確、便捷、高效地服務臨床科研人員，提高科研效率，促進醫(yī)療健康事業(yè)的發(fā)展。

[參考文獻]

[1] 甘偉， 徐明明， 陳聯(lián)忠，等. 大數(shù)據(jù)臨床科研平臺的設計與實現(xiàn)[J]. 中國數(shù)字醫(yī)學， 2019， 14（2）：40-43.

[2] 王持， 李超， 陳旭，等. 面向醫(yī)療臨床科研的大數(shù)據(jù)平臺[J]. 集成技術(shù)， 2019，8（5）：86-96.