本项目依托大数据与AI技术，对全市多家医疗机构的海量诊疗数据进行深度标准化治理，并构建集存储、治理与应用为一体的知识平台。通过建立专病库与医学知识图谱，旨在赋能临床科研、辅助政府决策，并带动区域健康医疗产业协同发展。

一、项目总体概述

本项目旨在运用医学大数据及人工智能技术，对全市医疗机构的诊疗数据进行深度治理，将非结构化的医学文本处理为归一化、结构化、标准化的医学数据，建立统一的数据模型和医学知识图谱，打造集数据治理、开放、应用、运营于一体的健康医疗大数据平台。

二、建设背景与现状

2.1 现有基础

• 人口规模：全市常住人口411万，医疗机构总数1804个（公立568个），其中医院54个，基层医疗机构1713个。

• 业务量：2018年总诊疗人次达3644.88万人次，入院人数605956人。

• 信息化现状：已建立市级统一的区域医疗信息化平台，采用OGG数据采集方式完成对346家医疗机构的数据采集，数据总量50TB，包含约1514万名患者、1.6亿次就诊记录，月新增约250万条就诊数据。

• 已开展应用：预约挂号、院外候诊、个人健康档案查询、用药信息监测等，但仅停留在原始数据的简单查询和统计阶段。

2.2 现存主要问题

1. 数据资源缺乏整合：数据形态、标准、存储格式各异，未能汇集成统一资源。

2. 数据质量参差不齐：存在有指标无数据、有数据不标准、有标准不准确等问题。

3. 数据应用程度不深：仅解决业务规范性和效率问题，缺乏深层次规律挖掘和知识提炼。

4. 数据服务缺少平台：缺乏面向企业、产业的健康医疗大数据基础平台和开放平台，产业带动成效不显。

三、项目建设目标与规模

3.1 五大目标

1. 构建统一的数据资源标准规范体系：按照国家、省、市相关标准，建立数据治理全生命周期的规范体系。

2. 提供数据清洗加工服务：对已采集的健康医疗数据进行粗加工、精加工，去除"脏"数据，开展组合、关联、分析和可视化处理。

3. 构建数据资源共享开放体系：实现跨区域、跨层级、跨部门、跨领域的数据共享和开放。

4. 提升临床科研数据服务能力：为医学科研、辅助诊断、趋势分析提供数据支撑，帮助精准分析和科学决策。

5. 推进健康医疗产业发展：逐步探索行业数据共享应用服务，培育大数据核心业态、关联业态，形成产业生态体系。

3.2 建设规模

• 覆盖全市16家三级以上医院及39家基层社区卫生服务中心的诊疗数据，覆盖全市95%以上具有科研职能的公立医疗机构，数据量约30-35TB。

• 数据范围：HIS、EMR、LIS、PACS、体检、心电系统及云HIS、移动家庭签约系统的历史数据和实时新增数据。

四、建设内容

项目包含三大板块：

4.1 大数据基础平台

基于主流Hadoop分布式架构，提供TB/PB级别数据的离线和实时处理能力，具备海量数据快速处理能力，提供数据集成、数据开发、算法开发等可视化一站式开发平台。

4.2 健康医疗大数据治理服务

1. 数据生产处理体系：基于海量医学数据治理经验，对数据进行自然语言识别、医学术语归一、数据结构化处理。

2. PDCA持续治理体系：建立数据质控规则，对采集、处理、应用过程中的数据进行表级、字段级持续治理。

3. 数据开放体系：对数据采集、生产、治理等基础服务进行封装，面向未来业务拓展提供专业数据服务。

4. 科研架构：构建基础临床数据治理和专科数据治理为一体的医疗数据科研架构，打造疾病协同网络。

4.3 健康医疗大数据知识应用平台系统

面向政府监管机构、医学院校、医疗机构、科研人员开放使用，结合某市专科优势选取3种专科病种构建专病数据库。系统功能包括：

• 医学科研探索发现

• 区域疾病知识图谱

• 海量病历极速检索和分析统计

• 科研项目管理

• 科研患者数据管理

• 医学知识全库

五、技术架构与路线

5.1 系统框架

整体架构为：数据采集层 → 数据治理层 → 应用支撑层（Hadoop/K8s/Elasticsearch/Kylin/安全管理） → 知识应用平台层 → 用户层。部署在某市卫健委医疗云，集群间通过核心交换机互联。

5.2 核心技术路线

技术领域	关键技术	应用场景
数据标准化	ICD-11映射、基准表映射+人工标注	医疗术语归一化
多源异构治理	智能识别异构数据结构、关联辨析	跨系统数据整合
自然语言处理(NLP)	分词、消歧、模版匹配、语义分析、规则过滤	电子病历非结构化数据结构化
大数据治理	机器学习规则、嵌套规则、组合规则、数据字典规则	数据清洗、转换、关联、质控
联机分析处理(OLAP)	Kylin多维立方体(MOLAP Cube)	海量数据秒级查询
微服务架构	Kubernetes(Docker容器编排)	应用部署、资源调度、服务发现
分布式存储计算	Hadoop(HDFS+MapReduce+YARN)	海量数据分布式处理
NoSQL存储	HBase(列存储)、MongoDB(文档存储)	非结构化数据存储
消息系统	Kafka	前置机到治理集群的数据传输
数据迁移	Sqoop	RDBMS与Hadoop间数据导入导出
安全体系	PKI公钥基础设施	身份认证、数据加密、数字签名
数据可视化	多维数据图形化展示	分析结果呈现
数据挖掘	疾病图谱、数据仓库	规律发现、决策支持

5.3 Hadoop生态系统

数据存储于HDFS，使用Sqoop进行数据导入；数据仓库使用Hive和InceptorSQL；计算引擎使用YARN、Spark和SlipStream；处理完毕的数据存放于Kylin和HBase；中间有Kafka进行数据传输，Azkaban进行数据调度。

六、数据治理详细方案

6.1 治理流程

数据生产 → 数据归一 → 数据对账 → 数据质量评估与反馈 → 问题数据更新

• 数据生产：按元数据结构生产符合规则的数据，含超时报警、重试出错报警。

• 数据归一：将数据项进行值域归一，自动映射失败时人工介入。

• 数据对账：T+1增量数据与前一天实时数据进行对账，偏差范围±1%内为成功。

• 增量更新机制：每天一次增量更新(T+1)，每7天一次全量更新。

6.2 PDCA质量改进闭环

• Plan（计划）：从完整性、唯一性、关联性、字典一致性、值域约束、逻辑性、规范性、可用性8个维度评估。

• Do（执行）：通过平台配置工具进行数据质控。

• Check（检查）：质控模块调用质控规则库进行质量评估。

• Act（处理）：事件处理流程 + 任务处理流程 + 配置更新流程，形成两个闭环（数据质量改进闭环、配置优化改进闭环）。

6.3 数据治理服务内容

1. 数据调研服务：摸排调研 → 详细调研 → 调研报告编制，含业务梳理、调研表设计。

2. 数据统一/标准化/规范化：主数据管理、元数据管理、数据模型设计（物理模型/概念模型/主题域模型）、代码字段标准化（参照ICD-11等标准）。

3. 数据汇聚服务：

   • 数据获取方式：数据仓库备份方式、日志解析方式、数据API服务方式

   • 备份策略：全量备份+增量备份/差异备份组合策略

   • 数据脱敏：动态脱敏+静态脱敏（不可逆），脱敏对象包括患者信息（姓名、身份证、电话、住址等）、医务人员信息、医疗机构信息

   • 数据抽取：前置机数据向Hadoop数据仓库迁移

4. 智能化治理服务：基于NLP的结构化处理，正则抽取+通用框架（分词、消歧、模版匹配、语义分析），覆盖症状、体征、烟酒情况、病理诊断等字段。

6.4 数据质量评估指标

评估指标	计算方法	维度归属
空值率	空值数/值总数	完整性
空字段率	空字段数/字段总数	有效性
数值重复率	重复数值数/数值总数	重复性
值域合法率	合法值数/有值总数	合法性
业务主键唯一性	唯一值数/数值总数	合法性

七、知识应用平台功能详述

7.1 疾病探索

• 疾病图谱：多层级关系网络，节点大小与统计类型权重相关，包含伴随诊断、用药、手术、检查、检验、症状六类关键词，支持下钻查看。

• 疾病特征分布：对选定疾病按性别、年龄、伴随诊断、症状/体征、用药、手术、检验、检查进行分布统计。

• 疾病指标趋势：支持半年/一年/三年趋势分析，含门诊人次、住院人次、平均住院日、手术例数、TOP5用药/手术/检查/检验。

7.2 病历搜索

• 关键词搜索：按用药、诊疗、基本信息、检查、检验、出院记录等维度检索，支持病历/患者两种视图，左侧提供多维度筛选。

• 高级搜索：支持AND/NOT/OR逻辑组合，含搜索主题（诊断/用药/检验/检查）、值域范围，支持患者维度和就诊维度两种粒度。

• 条件树搜索：支持节点间"且""或"逻辑组合，支持纳入/排除组合，支持"同病人""同病历"两种筛选粒度。

• 事件搜索：在条件树纳排范围内进行二次事件搜索，支持相对/绝对时间、发生次数限定，支持T0事件定义（诊断/手术/用药医嘱/检验/检查/就诊），支持累计/连续/任意三种次数计算方式。

7.3 搜索结果可视化

支持表格化展示、自定义显示指标，可导出至研究项目；支持多维度统计分析并以统计图形展现；支持搜索历史记录和结果收藏。

7.4 患者全景视图

• 时间轴：所有就诊信息的图形化总览，含诊断、用药、手术、检查、检验等，支持时间滚动条调整范围。

• 就诊信息：按时间顺序排列所有门诊/住院/急诊数据。

• 检验：按检验单样式显示，支持就诊类型、标本、结果筛选，支持指标名称搜索。

• 检查：按检查类型、部位汇总，支持同类型/同部位跨时间比较。

• 病理：含基本信息、肉眼所见、病理所见、病理诊断。

• 手术：含手术基本信息、诊断、麻醉、术中用药、手术过程描述。

• 文书记录：病案首页、入院记录、出院记录、死亡记录、首次病程、查房记录、会诊记录单等。

• 医嘱：含时效、剂量、频率、下医嘱科室等信息，支持按时效/科室/频率筛选。

7.5 患者分析

从医生维度、科室维度、医院维度对诊断、手术、检查、检验等诊疗数据进行分析，支持以治疗角色（术者、主治医生）为视角，多种统计图形展示。

7.6 研究项目管理

• 项目基本信息设置：项目名称、起止时间等。

• 患者入组设置：系统纳排（纳入/排除标准）+ 人工导入（姓名、病案号、住院号等）。

• 观测指标设置：支持上千量级标准化指标选取、按相对医疗事件基线时间定制化选取、结构化编辑器智能提取。

• 结构化编辑器：支持是否型、数值型、特征型三种字段类型，支持手工标注和智能提取（一键提取当前页/所有页）。

• 研究对象详情：传统视图（入组途径、病案号、性别、病历数、诊断数等）+ 多维视图（基础信息表+观测指标表）。

• 数据导出：支持多种格式，按患者基本信息、诊断、用药、检验、检查、手术、病理分Sheet展示。

7.7 研究项目数据开放与共享

支持API申请（选择数据内容、申请有效期）→ 后台审批 → 生成Webservice格式API接口。

7.8 在线统计分析

支持描述性统计分析，分类型变量以表格（分类名称、总数、占比）+ 统计图（饼图、条形图）展示；连续性数据以频数直方图/箱线图展示，含均值、标准差、中位数及正态分布检验结果。

7.9 重要疾病领域重点指标地图

基于癌症、心血管、呼吸、内分泌等领域TOP疾病，展示医学核心观测指标统计结果（如肿瘤领域：入院时间统计、诊断名称、性别、T/M/N分期、转移部位等）。

7.10 知识全库

• 知识推荐：根据医生/科室诊疗疾病进行个性化推荐（含万方和PubMed多数据源），标注推荐理由。

• 研究热点趋势图：近十年相关疾病研究中不同TOPIC的河流图，支持点击关键词查看具体文献。

• 文献：中英文切换、相关性/时间排序、文献热度统计、相关搜索词推荐、关联患者/病历数量查询、高级搜索（主题/关键词/摘要/作者/单位/期刊/发表时间）。

• 指南共识：按指南/共识/解读分类，中文/英文/译文筛选，年份筛选。

• 临床路径：支持检索与下载。

• 药品说明书：按药品名称检索，查看详情。

• 临床试验：ClinicalTrials + ChiCTR双来源，按来源/试验类型/招募状态筛选。

• 误诊误治：累计不少于2500种病例，支持疾病分类与推荐。

八、信息资源规划与数据库建设

8.1 数据仓库架构

ODS层（数据缓冲层） → EDW标准层 → EDW分析层 → CDM/ADM（数据集市层） → 数据应用层

• ODS层：保存原始业务系统数据，按原始表结构建立。

• EDW标准层：统一数据格式、字段命名、数据字典，清洗整合，按主题划分，提供最细粒度基础数据。

• EDW分析层：混合模型（关系模型+维度模型），提供可分析数据，支持粒度提升。

• CDM：通用指标模型，维度模型为主。

• ADM：面向特定部门/团队/应用的数据子集，按具体应用划分。

8.2 数据建仓工作流程

资源准备 → 数据梳理准备（ODS/DWD/DWS/ADS/DIM表梳理）→ ODS层建设 → DWD层建设（清洗转换、去重、一致化）→ DWS层建设（基础标签生成、统计汇总）→ ADS层建设（按业务需求组织数据）→ DIM维度表建设（标准表+映射表）→ 工作流配置（初始化+调度）→ 发布生产环境。

8.3 主题数据库（102类数据范围）

数据库名称	核心内容	部分关键数据项示例
门诊信息库	患者门诊就诊信息	文档名称、医疗机构名称/代码、患者标识、就诊标识、患者基本信息、挂号信息（挂号时间/科室/医生）、分诊就诊信息、就诊状态、医保险种等（74项）
住院信息库	患者住院就诊信息	住院登记基本信息、病房床位信息、主管医师信息、入院/出院时间、入/出院科室、住院状态、医疗保险类型等（74项）
医疗费用信息库	患者费用结算信息	门诊/住院费用细目、发票信息、收费项目编码/名称、收费单价/数量/总金额、医保等级、个人承担金额、医保支付金额、基金/个人账户支付等（67项）
药品信息库	医院各类药品相关信息	药品名称/规格/剂型/生产厂家、处方信息、药品类医嘱、医嘱执行频率、用药途径/剂量/总用量、抗菌药物标识、中药配方等（67项）
电子病历信息库	住院电子病历文书	入院记录、一诉五史（主诉/现病史/既往史/个人史/婚育史/家族史）、体格检查、入院检查结果、中医四诊、辨证分析、诊断信息等（94项）
病案信息库	住院病案首页	住院基本信息、入出院信息、诊断（门急诊/入院/出院/病理/中医）、手术操作信息、离院方式、住院费用（按大类细分共40+项费用）等（246项）

九、非功能性需求

• 可靠性：7×24小时不间断服务，系统可用率≥99.99%（年不可用时间<9小时）。

• 可扩展性：支撑基础设施、软件结构、数据库功能不断扩展，满足容量和用户数增长。

• 网络性能：核心设备/线路冗余，整网带宽满足高峰期需求，支持QoS策略，全网统一网管。

• 大数据存储与计算：基于Spark/Hadoop构建，支持TB/PB级数据处理。

• 海量数据秒级查询：采用Kylin、ES、MongoDB等满足高可用、高并发、高负载需求。

• 数据备份：完善的备份和恢复机制，保留处理痕迹，确保数据可溯源。

• 信息安全：遵照"层次化管理、多级防范"思路，做好网络层、主机层、数据库层的安全防护，保障数据原始性和完整性。

十、网络与安全建设

10.1 网络架构

平台统一部署在某市卫健委医疗云，平台本身划分为多个集群进行部署，集群间通过核心交换机互联，实现数据和请求的打通。

10.2 安全体系

以信息安全等级保护三级（等保三级） 要求和《政务信息资源共享管理暂行办法》为指导进行设计：

安全层面	主要内容	责任主体
物理和环境安全	机房防震/防火/防水/防静电/温湿度控制/电力供应/电磁防护	云平台/承建方
网络和通信安全	网络架构、通信传输、边界防护、访问控制、入侵防范、恶意代码防范、安全审计、集中管控	云平台
设备和计算安全	身份鉴别、访问控制、安全审计、入侵防范、恶意代码防范、资源控制	云平台/承建方
应用安全	授权管理（功能权限+数据权限）、日志审计、代码安全、身份鉴别、访问控制、安全审计、软件容错、资源控制	承建方
数据安全	数据采集安全、数据治理安全（身份认证/活动日志/权限控制/敏感度分级/沙箱机制）、数据存储安全（3副本容错、租户隔离）、数据开发安全（脱敏、代码加密）	建设单位

云平台采购安全服务：DDoS攻击检测、Web攻击监测（SQL注入/XSS/上传漏洞）、紧急事件分析、服务器安全（基线检查/后门查杀/异地登陆告警/暴力破解检测）、补丁管理、威胁分析、弱点分析（应用漏洞/主机漏洞/弱口令/配置项检测）、情报收集、数据灾备。

十一、组织架构与人员配置

11.1 领导和管理机构

项目建设领导小组 → 领导小组办公室（下设任务保障工作组 + 技术统筹工作组）→ 业务子系统工作小组（各业务处室）

项目管理机构为某市健康医疗大数据中心，负责宏观方向把控、资源协调、重大决策、方案审查与批复。

11.2 项目实施组织架构

项目领导组 → 项目专家组 + 项目标准组 + 项目总负责人 → 项目负责人 → 组织管理团队 + 项目咨询组 + 项目技术组 + 项目工程建设组（硬件/软件/集成小组）

11.3 人员配置（共16人）

岗位	人数	技术职称
项目管理人员	1	高级工程师1
网络技术人员	2	工程师1
安全技术人员	2	高级工程师1
大数据治理系统技术人员	3	高级工程师1
应用运维人员	2	高级工程师2
数据库管理人员	2	高级工程师1
数据录入与采集人员	4	工程师4
资料整理人员	2	工程师2

11.4 人员培训

• 培训对象：管理人员、业务人员、技术人员三类。

• 培训内容：计算机应用基础、系统管理培训（网络管理/系统安全/数据库管理/应用系统管理和维护）。