醫療大數據生命周期

在阿斯克醫療大數據方法論中，把醫療數據的生命周期分成下圖的四個象限：

第一象限：數據采集 在數據采集階段，醫院通常會使用關系型數據庫（例如Oracle，DB2，MySQL……），其核心訴求是要保障數據的完整性和一致性，確保數據不會因為軟硬件故障而遭到損失。此外，隨著互聯網流量的引入，數據的聯機處理量級和效率也成為一個重要的考量。一些醫院為提升聯機事務的處理效率，引入分布式數據庫以滿足互聯網流量下高并發訪問的需求。

第二象限：數據整理 每個醫院有很多不同的業務系統，這些系統會采用相對獨立的數據庫來存儲和處理不同的業務數據。通常系統使用的關系型數據設計容量有限，需要定期把歷史數據清理到中心數據倉庫，從而確保聯機交易處理的快速高效。中心數據倉庫是為了存儲各個獨立系統的歷史全量數據，同時匯集各個系統的數據，因而在設計上會采用分布式可擴展的技術架構，通過例如Hadoop, Spark等技術保證可以用低廉的成本，對整個集群容量和處理能力進行無縫擴展。

第三象限：數據分析 用戶需要利用數據資產創造價值。首先，來自各個分立系統的歷史全量數據可以進行關聯查詢，通過批量處理構建不同維度的數據分析表，驅動BI和報表展示。然后，基于全量數據的探索式分析，可以對各個系統的數據執行相關性分析，依賴先進的機器學習算法發掘新的商業規則，并利用數據規律影響指導決策。

第四象限：數據決策 在第三象限通過批量數據處理構建的數據立方體、維度表和層級表，需要傳遞到關系型數據庫，從而驅動報表展示，生成決策視圖。進行決策支持的數據立方體、維表數據庫又稱為數據集市，BI應用和數據驅動的應用可以直接從數據集市獲取數據進行業務分析，也可以在維表基礎上進行二次數據匯集，形成更高層次的業務聚合。

醫療大數據平臺架構及運行模式

阿斯克醫療大數據平臺方案采用傳統的關系型數據庫與大數據平臺的混合設計，整體基礎數據平臺構成包括聯機事務庫，數據整合交換，大數據平臺，數據集市，探索分析，數據驅動應用這六個部分：

聯機事務庫

聯機事務庫是企業已構建的在線生產業務系統，例如交易系統、網站、ERP、倉儲管理、生產工藝流程管理等所采用的數據庫，以及互聯網業務擴展將要構建的系統所采用的數據庫。聯機事務庫主要面對的是實時事務處理，目前主要由商業或開源關系型數據庫構成。今后，為了滿足互聯網流量下高并發業務需求，可根據需求引入分布式數據庫與云數據庫。

大數據平臺

大數據平臺由大數據技術組件構成，包括Hadoop，Spark, Hive, Hbase, Kylin等，可根據需求進行剪裁、定制和擴充。大數據平臺從聯機事務庫獲取數據，是聯機事務庫的全量數據集。同時大數據平臺也可以從第三方獲取數據，例如導入征信數據、輿情數據等，與聯機事務數據進行相關性分析。

數據集市

數據集市是在大數據平臺所存儲的基礎事實數據之上，進行多維度立方體匯總后的數據，它是由大數據平臺事實表(Fact Table)進行批量處理后的結果，目的是加速數據驅動的BI統計報表和相關應用的數據展現效率。

數據驅動應用

數據驅動應用包括由BI報表，企業誠信查詢，企業經營分析，券商執業質量評估，知識庫主題構建等不同業務系統，他們的特點是需要由大量數據來驅動業務展示或決策。這些應用不直接對接大數據平臺，因為大數據平臺所存儲的事實數據顆粒度太細，需要進行批量匯總之后才可以使用。因而，數據驅動應用層由數據集市提供數據支撐。對于新的業務系統，需要配合與之對應的維度表，由預先匯集的維度統計數據驅動業務系統。

探索分析

探索分析是大數據的靈魂，也是發掘數據價值進行業務拓展的重要方向。探索分析通過機器學習算法，對全量數據構建特征集進行相關性分析，從而發現商業規律，提前預判，提高服務質量。常用的分析算法包括有決策樹，隨機森林等成熟的算法，也可以基于已有算法開發適合企業數據自身特點的新算法。

醫療大數據的應用前景

為常見疾病臨床診療提供參考

利用大數據技術在對海量醫療數據進行挖掘分析的基礎上，能夠提供重復檢驗檢查提示、治療安全警示、藥物過敏警示、療效評估、智能分析診療方案、預測病情進展等一系列智能的人機互動應用，為臨床醫師提供科學決策參考，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。通過對在患者檔案方面的大數據分析，可以確定哪些人是某類疾病的易感人群，使其盡早接受預防性干預。這些方法也可幫助患者選擇恰當的治療方案。此外，臨床決策支持系統還可使醫生從耗時過長的簡單咨詢工作中解脫出來，提高其診療效率。

為醫院精細化管理提供依據

醫院精細化管理以規范化為前提，系統化為保證，數據化為標準，信息化為手段，把服務者的焦點專注到滿足被服務者需求上，以獲得更高效率、更多效益和更強競爭力。通過大數據分析平臺對醫院門診量、手術量、入/出院病人數、床位使用率、床位周轉率、設備使用率、設備折舊率、疾病譜、患者分布區域、財務收支等數據分析。將當前數據與同期數據、前期數據進行對比分析。對當地類似條件同行醫院數據的對比分析，找出不斷提高醫院經濟運行質量的成因和差距，抓住自身工作的薄弱環節，切實采取改進措施。

為個體化醫療提供平臺

個體化醫療是以每位患者的大量信息為基礎，通過綜合分析挖掘每位患者病理學、生理學等方面的特點，進一步制定出適合每位患者的獨特、最佳治療和預防方案，提高治療的針對性，從而取得最優療效。個體化醫療需要綜合分析每位患者的各方面信息，同時要求有處理這種“大數據”的方法及能力。分析患者各項詳細的檢查信息及診斷信息，便于個體化治療策略的制定，從而得到較好療效。技術的發展使現代醫學常規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，使個體化醫療成為可能。

為臨床科研提供資料

海量數據的出現催生一種新的科研模式，即面對海量數據，科研人員只需從中直接查找或挖掘所需信息、知識和智慧，甚至無需直接接觸需研究的對象。2007年，已故的圖靈獎得主吉姆?格雷（Jim Gray）在最后一次演講中描繪了數據密集型科學研究的“第四范式”（The Fourth Paradigm），將大數據科研從第三范式（計算科學）中分離出來單獨作為一種科研范式，認為“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的系統性方法。在科研過程中，大數據的利用、開發和整理，可以顛覆以往很多研究結果，帶來意想不到的效益。

阿斯克醫療大數據集成平臺建設目標

在互聯網時代來臨的大背景下，阿斯克致力為醫院“大數據+”轉型提供數據平臺最佳整體解決方案。

慧都控件網年終促銷第一波已開啟，全場6折起，豪禮搶不停>>>

截止時間：2016年10月30日

詳情請咨詢！

客服熱線：023-66090381