英国经济学家、《金融时报》高级专栏作家蒂姆.哈福德的《让世界讲得通》，主要介绍怎样通过数字，通过统计学思维，来理解现代世界。其主题阐述一个大数据算法的两个问题，一个是数据采样不准，一个是算法不透明。大数据时代，很多公司正在利用个人的数据判断消费心理，比如大数据杀熟。如果不是推荐商品，而是选拔人才呢？如果是考核呢？通过一个人的检验检查数据，推断一个人的健康情况，如何进一步治疗？算法的准确度与数据的采集精准度可就是个大问题了。

中共中央、国务院发布《“健康中国2030”规划纲要》到2030年，要基本实现高血压、糖尿病患者管理干预全覆盖，实现全人群、全生命周期的慢性病健康管理，总体癌症5年生存率提高15％，最终达到WHO全球非传染性疾病所致的过早死亡降低25％的这一目标。要达到这一目标，全民医疗健康数据的充分利用、挖掘分析成为重点难题，而数据质量的好坏直接影响着分析算法的精准，这里我们就采集场景及用到技术进行探讨，也是对近期工作遇到问题的一个总结。

一、数据驱动产业背景

当前，医疗服务运营管理面临着巨大的内外部压力。一方面，医疗改革进入深水区，医疗信息化领域政策不断出台，无论对于传统医疗信息化业务还是互联网+医疗创新业务政策都是鼓励发展，支持创新，行业将迎来政策红利推动的高速增长期。

此外，随着社会发展和人们生活水平的普遍提高，以及人类生活方式的改变，健康产品的总需求急剧增加。在发达国家，健康产业已经成为带动整个国民经济增长的强大动力，健康行业增加值占GDP比重超过15%，而在我国，健康产业仅占中国国民生产总值的4%～5%，低于许多发展中国家。而随着健康越来越受到国人的关注和重视，健康产业也极具投资潜力，基于数据驱动的医疗健康信息化也是风口资本吹捧的方向。

数据驱动是新的运营管理模式，它赋予我们的是一种快速反应能力。区域及医院每天都会产生很多报表，表示过去好的、坏的结果。没有人喜欢坏结果，我们希望事情有坏苗头的时就能得到及时纠正，确保总往好的方向发展，这就是数据驱动模式。数据驱动模式在信息技术方面需要强有力的平台支撑，要满足数据的融合、管理、共享和互操作需求。医院各个系统需求分散，需要时分头收集数据，数据的整体利用率较低。融合是建立统一的数据中心，汇集所有可以感知的医疗、健康数据，并让数据可识别。

二、医疗数据汇聚价值

医院数据核心价值是为业务、管理、科研和患者服务的各个系统提供客观、可用的数据共享和互操作服务，以驱动医院在业务、管理、科研和患者服务等方转型升级。

通过数据驱动提高医生诊疗的效率、质量和科学性：如，医疗辅助决策（全景医疗、精准医疗、医嘱处方安全用药提醒、诊疗方案的提醒与支持、按照循征医学规律做到规范治疗等等）、多学科会诊、远程医疗服务和医疗风险预警与监测。

流程驱动的医院管理完成四化（管理制度化、制度流程化、流程表单化、表单信息化）工作，但流程的运转和监管工作靠人。医院管理应该提升到数据驱动，实现流程运转的智能化，以此提高医院的精细化管理、决策科学性、医疗质量控制与管理、临床路劲的优化与管理、绩效评价科学性、材料管理、药品管理等等，同时实现对所有数据资产的统一分级授权管理。

临床业务产生海量的病历样本和治疗方案，应该用大数据思维和技术，充分挖掘和利用这些数据，协助临床科学研究，提高诊断准确性、治疗有效性等；从全样本数据挖掘相关性，为基础科学研究寻找更精准的方向；为教学提供病案的全过程数据。

通过对患者院前 、院中和院后的全方位数据采集和挖掘，优化就医流程，提高就医体验，构建患者全生命周期的健康档案，为患者健康状态提供监控、预测和预警服务。

改革疾病预防控制体系，强化监测预警、风险评估、流行病学调查、检验检测、应急处置等职能。完善全民健身公共服务体系，加快发展健康产业。

三、医疗数据接入范围

按照医疗大数据平台定义范围，即接入与患者相关就诊及治疗数据，及部分费用经济数据，包含但不限于：

HIS：患者（含门诊、住院）的基本信息、就诊情况、病历、诊断、医嘱、用药、耗材、手术、输血、检查、检验等信息。

EMR：门诊患者的门诊病历，住院患者的入院病历、病程、术前讨论、术后情况、出院小结、会诊记录等全部文书。

首页：包括临床首页和编目首页，以及临床随访和病案随访数据、经济数据、部分院外诊疗数据。

护理：护理首页、护理评估、护理记录、护理措施、危重记录、体征、PICC、置管等。

手术麻醉：麻醉记录单、手术记录单、监控仪器数据。

LIS：检查患者基本信息、身份信息、检查项目、检查细项、细项结果及正常值范围。

RIS：检查患者基本信息、身份信息、检查报告、CT/MRI/PET 等各类文字报告原始文件。

病理：检查患者基本信息、身份信息、检查报告、涂片图像原始文件。

心电图：检查患者基本信息、身份信息、检查报告、心电图原始文件或 pdf 文件。

超声：检查患者基本信息、身份信息、检查报告、超声图像原始文件。

体检：患者基本信息、单位基本信息、体检项目清单、各项检查结果及正常值范围、各科室检查结论、终检结论、相关影像原始文件等。

患者医疗或者疾病相关的其他系统。

医联体单位在建设医疗大数据平台开展数据接入时，有条件情况下建议将医联体内所有医院涉及上述数据纳入平台管理。

四、数据汇聚接入方式

医疗数据接入方式选择要考虑数据接入源、源数据库及接数模式等方式。数据接入源包括原业务数据库、数据中心、集成平台三种。源数据库一般为 Oracle、MySQL、SQL Server 等。数据接入方式包括业务系统数据库备份恢复、数据同步（如OGG）、物化视图、ETL（抽取工具）、集成平台等。

具体选择哪个方案？可以根据以下条件满足情况以及意愿进行选择。

此方案原则上不需要生产系统做大调整，只需要将生产系统日常备份数据库提供给平台即可。备份数据库在提交给平台前要做好数据脱敏、加密处理，考虑到无法在生产系统脱敏、加密后导出备份数据，所以先备份生产库，然后对生成库进行异地恢复，执行脱敏、加密算法，二次备份后提交给平台。

利用数据库或第三方提供的数据同步工具实现生产库到平台的实时同步模式。一般采用OGG方案。Oracle Golden Gate（简称OGG）软件是一种基于日志的结构化数据复制软件。它能够实现大量交易数据的实时捕捉、变换和投递，实现源数据库与目标数据库的数据同步，保持亚秒级的数据延迟。

物化视图是包括一个查询结果的数据库对像，它是远程数据的本地副本。物化视图存储基于远程表的数据，也可以称为快照。

允许数据中心通过 DBLINK 链接到业务系统,增加一些之前是全量采集的大数据表的物化视图，方便数据中心增量采集这些表数据。

ETL 的过程一般可以这样描述：从操作型的数据源，经过数据中转区，最后到达数据集市的数据处理过程。底层是整个ETL 过程中都涉及到的数据存储层。

增量抽取，只抽取自上次抽取以来数据库中要抽取的表中新增或修改的数据。在ETL使用过程中，增量抽取较全量抽取应用更广。如何捕获变化的数据时增量抽取的关键。

目前增量数据抽取中常用的捕获变化数据的方法有：触发器方式、时间戳方式、全表删除插入方式、全表比对方式、日志表方式等。

医疗机构也可以构建集成平台，实现从集成平台订阅消息，获取实时数据的解决方案。数据交换中间件技术包含ESB（企业服务总线）和Integration Engine（集成引擎）。医院建设集成平台时选择何种数据交换技术，不应拘泥于一种技术形式，而应以场景需求和应用实践效果为出发点，结合自身实际情况以及医院未来信息化方向，灵活使用各种技术，更好地发挥集成平台的价值，赋能临床业务发展。

ESB（企业服务总线）是用于服务协调、编排的一个很好的通用解决方案。在进行数据集成时，系统内的应用可以直接调用ESB内的服务，可大大减少接口接入的复杂度和工作量，大幅降低实施难度和实施成本。

Integration Engine（集成引擎）是专门针对医疗行业而设计的数据交换集成工具，突出的是医疗场景下的应用，其主要目的是在不同系统或应用程序之间实现互操作，达成业务流程联通和数据共享，比较典型的是面向消息的集成。

五、展望：数据驱动未来

大数据技术和医疗大数据平台在医疗行业已经逐渐普及，从国家和行业政策支持，以及自身应用发展角度讲，必然会在医疗行业得到更加深入的应用，提高临床效率，辅助诊疗决策，便捷患者就医，科学管理决策。比如在大数据平台将一步推动医疗机构科研数量和水平的提升；大数据平台将推动国家药物临床试验提速，提质，逐渐和发达国家并轨，及时引入新药，惠及民生；大数据在疾病预防控制体系，强化监测预警、风险评估、流行病学调查、检验检测、应急处置等职能，完善全民健身公共服务体系，加快发展健康产业等。

我们拭目以待，期待数据驱动未来！