刘阳：面向智慧医院临床数据中心的多源异构数据融合平台研究与实践

　　前言

　　我国医疗信息化领域快速发展，医疗人工智能辅助、智慧医疗无不需要医疗大数据的支撑。因此，对于医疗大数据应用，首先需要做的就是临床数据的融合。但该需求过多依赖国外的数据治理软件产品，如CDC软件。聚焦医院业务烟囱（是指一种无法与相关业务系统进行业务协同和互联互通的信息系统）和数据孤岛（是指一种不能与相关信息系统进行数据共享的信息系统）现状，突破长期以来困扰医院信息系统性能的瓶颈，构建数据融合平台、实现数据价值最大化利用，已经在医疗行业乃至全行业形成普遍共识。研究具有自主知识产权的数据捕获引擎，构建数据融合共享平台，是具有科学性和可行性的解决方法，也是促进智慧医院高质量发展的当务之急。

　　一 现状

　　1.数据分散在不同的业务系统

　　自20世纪90年代以来，医疗机构在不同时期根据当时的业务需求先后建设了不同类型的应用系统，导致医疗机构特别是大型医院同时运行几十甚至上百套医疗业务信息系统已司空见惯，主要包括HIS、EMR、CIS、PACS以及医技科室信息系统、HRP、OA等。这些系统采用不同数据库系统和不同设备在医务活动中采集并产生数据，不同的数据源所采用的操作系统、数据库管理系统不同，数据的存储模式和逻辑结构不同，数据的产生时间、数据用途、代码协议等也不同。不同类型的数据在产生过程中没有统一标准，因此造成了数据“异构”的特征。

　　2.业务核心数据库不堪重负

　　临床信息系统围绕患者产生的数据，不仅数量大而且增长速度快，每个临床应用系统都是数据的产生者，同时也是业务核心数据库的资源消耗者。因此在传统的网状架构中，不断增加的临床业务系统需求导致业务核心数据库不堪重负，医院系统核心主机处于崩溃边缘。

　　3.数据访问跨库操作的资源消耗高

　　在传统的网状系统架构中，不同类型数据库间的查询采用数据库网关方式进行跨库数据访问，比如Oracle到SQL Server数据库的查询，需要通过Oracle Gateway实现，数据跨库访问的资源消耗非常高，严重影响临床应用。比如医保飞行检查、病案报表查询、多学科会诊等需要多个异构数据库查询数据时，查询时间往往需要数小时，导致全院系统响应速度迟缓。

　　二 实践

　　1.数据融合平台总体架构

　　总体架构采用数据融合的设计思路，对业务系统层的多个不同业务用途（HIS、EMR、PACS、RIS、LIS等）的数据库按需进行数据采集，然后将数据交换到融合平台，按数据应用需求不同，对数据进行分组、合并、加工、清洗等，将处理后的数据融合订阅到一个或多个数据中心，用于数据统计分析、复杂查询，消除跨源端数据库访问带来的性能问题，体现数据价值。如图1所示，智慧医院的多源异构数据融合由4层结构组成，自下而上分别是业务应用层、平台层、数据中心层、应用层。其中平台层（数据融合平台）包含以下5个部分：数据采集组件、数据加工组件、数据比对与修复组件、数据订阅与应用组件、数据融合管理平台，是本文论述的重点。

图1 多源异构数据融合总体架构示意图

　　2.数据融合平台的开发方法和技术路线

　　各个系统的数据都能按照统一的数据管理机制进行信息集成，确保数据的准确性、一致性和完整性，实现“数出同源、数用同标”，满足“跨部门、跨系统”的数据应用需求。具体的开发方法和技术路线，首先需要适配医院业务系统常用的Oracle、SQL Server、MySQL三种数据库，以上三种数据库是目前医院业务系统中最常用的数据库系统。在完成技术层面开发和适配后，已陆续适配主流的商用数据库和开源数据库产品，包括国产数据库——达梦、KingBase、南大通用、OceanBase、GaussDB；其他数据库包括DB2、PostgreSQL、Sybase等。

　　（1）数据采集组件

　　数据采集组件可按需将数据发布到Kafka集群引擎中统一管理，根据需求实现其业务逻辑，支持Oracle、SQL Server、MySQL等多种数据库的捕获、采集、发布。数据采集过程分为全量采集和增量采集，全量采集过程是持续读取数据的过程，全量数据采集通常发生在初次采集数据时；增量数据采集是由于源数据发生变化而产生的随机过程，数据采集组件的捕获功能会持续监测数据库的日志变化情况，进行数据的捕获、采集、发布。

　　数据采集组件的动作是针对数据库而言的，只要数据库软件能够部署在对应的服务器和操作系统以及网络环境下，数据采集便可实现，对服务器性能以及网络传输有一定要求，但并非强关联。首先，对服务器和网络的性能开销与采集的数据量有关，全量采集会对服务器CPU、内存、磁盘读取和网络传输产生持续的性能开销，增量采集会对CPU、磁盘读取和网络传输产生少量且短暂的性能开销。其次，数据采集过程会结合目标端的数据需求对源端数据库按需读取，可能是整张表的采集，也可能是对表中部分满足某条件的行或需要的列。因此，在实际使用过程中，会结合数据的采集需求、数据采集量规模以及服务器的资源用量来规划采集进程的数量，数据的采集速度和采集任务执行时间与服务器的磁盘读写性能有直接关系。

　　（2）数据加工组件

　　数据交换过程中的数据加工，实现如下加工能力。

　　多种数据转换方法：包括字符串转换、字段赋值、时间类格式转换、数学运算、身份证格式转换等。

　　交换过程中的数据质量检查：根据数据逻辑判断规则，将干净的数据装载到目标中，将判断有问题的数据路由到数据库表或者数据文件中。

　　多种逻辑处理：包括格式匹配检查（如日期格式、数据格式、身份证格式、自定义格式等）、字符串逻辑检查（包含、以……开始、以……结束、在列表中、等于等）、内容为空检查、重复记录检查、范围内检查（如在列表内、字典或代码表内、包含、等于）、表间外键关联检查、逻辑检查（=、>、>=、<、<=、为空、非空、为真、为假等）、复合逻辑检查（以上逻辑的and、or、&&、||组合）、自定义逻辑检查等。

　　多种路由策略：路由条件可以是逻辑判断，也可以是等于、不等于、小于、小于等于、大于、大于等于、规则表达、为空、非空、包含、以……开始、以……结束、为真、为假等方法。

　　当生产数据变化后，事后触发功能参考触发器功能，实现业务动作衍生。实时ETL数据转换，对生产系统影响较小。支持触发方式：SQL语句、存储过程、BAT/Shell处理。

　　（3）数据比对与修复组件

　　数据比对组件的数据比对功能包括：支持条数级别数据比对，实现生产库和目标库记录数比对；在使用ETL数据转化后，实现数据分流或者数据转换，对数据分流之后的全量、实时数据进行统计、比对；支持复合条件的行级别数据比对，使用DB Link等方式进行数据比对，实现数据内容全量比对；对插入、更新、删除等动作进行数据比对，比对分为比对主键和比对内容两种模式。

　　数据修复功能：不仅支持表级全量数据修复，而且支持表级、行级数据修复功能，甚至可以根据指定时间段之内业务系统数据的变化情况，重新修复目标端数据。

　　（4）数据订阅与应用组件

　　数据订阅与应用组件是将Kafka集群中的数据组合成目标环境需要的数据（JSON/API数据，或审计数据、风控数据、大数据平台数据、OLTP/OLAP数据等），通过订阅的方式，将所需的数据输送到指定的目标端。最基础的条件是网络通信可达，平台支持目标端为数据库环境，也支持非结构化环境。在平台的管理界面中，添加订阅端，选择类型为数据库或REST API，平台连接订阅端数据库的方式采用ODBC（Open Database Connectivity，开放数据库连接）管理程序；RESTAPI_FILE类型支持对外提供文件接口，将增量数据输出到文件中，目前文件类型支持JSON格式；RESTAPI_KAFKA支持将平台内的数据送入到用户指定的Kafka集群内，内容格式为JSON格式。在实际应用中，医技检查实时的预约、排队、危急值等信息，均可及时展现在规划的位置或推送给相关人员。

　　（5）数据融合管理平台

　　数据融合管理平台可以完成对系统内部所有数据库的重新编排、编码，为集群内部建立数据库统一编号，库与库之间的同步和管理全部依赖此编号。管理平台以Web界面展现，在单一界面中完成数据融合平台的全部管理任务。在同一个管理平台上，可视化实现数据节点管理、交换服务建模、数据加工建模、共享服务建模、数据质量管理、服务目录管理、资源目录管理、运行及监控管理等。通过相应服务的可视化操作界面生成相应类型的服务模型，可以根据业务需要创建文件传输、ETL、数据交换和处理、数据质量、安全共享、流程等各类服务，并可以根据需要分类、编码，形成服务目录，便于重用、编辑、安全授权等，提供服务创建、编辑、删除、部署、查看等功能。

　　三 成效

　　海口市人民医院信息化建设经过20余年的发展，面临业务系统繁多、数据库类型多样、数据接口杂乱无章等困境。为改善这一状况，医院研发了多源异构数据融合平台，将医院应用范围最大的核心业务系统HIS、EMR、LIS、RIS等多个系统进行了数据集成。其中HIS系统和EMR系统实现了医院门诊医生工作站、住院医生工作站、医院经济管理、药品管理、医保控费、电子病历系统等多项功能。HIS系统数据库采用Oracle 11g，部署在2台IBM S824小型机上，通过Oracle RAC（数据库高可用集群）保障业务的连续性和可靠性；LIS系统采用虚拟化服务器，部署在Windows Server操作系统平台，数据库采用Microsoft SQL Server，用于管理和存储检验报告相关数据。业务应用系统HIS、EMR、LIS、PACS、RIS等数据库通过数据融合平台实现数据的采集与发布、加工、比对与修复、订阅，形成按需构建的CDR临床数据中心、ODR运营数据中心、FDR科研数据中心等。

　　通过平台对需要治理的数据进行管理和监测，从首页查看数据发布统计、数据处理统计（入）、数据处理统计（出）、订阅统计；通过点击相关数据融合工具——容器、发布、策略管理、数据处理、订阅、监控、系统、资源管理、计划任务、客户端管理、权限管理，查看数据融合平台与各业务系统数据采集、发布的配置情况和实时数据治理的监测状况。研究利用数据融合技术，基于统一的规则和元数据、统一架构、统一工具可视化配置完成源端数据采集、数据交换、数据加工、数据转换、数据按需共享等不同的数据服务，实现数据共享、交换、管理。

　　部分国外产品存在局限，对异构数据库和国产数据库适配不足，难以满足国内信创要求。目前，基于此研究成果——数据融合平台V1.2，已在海口市人民医院完成部署和实践应用。

　　四 讨论

　　1.优势和创新

　　（1）自主可控，减少进口依赖的优势

　　创新采用基于日志的数据融合技术，能够基于统一的规则和元数据、统一架构、统一工具可视化配置完成源端数据采集、数据交换、数据加工、数据转换、数据按需共享等不同的数据服务，实现具有自主知识产权的、可控的数据交换和数据管理。将各个业务系统、不同类型操作系统、不同类型数据库中的业务数据融合到一个数据工厂，按需进行数据的加工处理，形成各种用途的数据资源库，在数据中台的实践中减少对进口同类产品的依赖。

　　（2）多中心理念的创新

　　基于多数据中心的使用需求，平台可以按需构建多个数据治理通道，通道之间采用负载均衡技术。一方面，可以响应多数据中心的并发需求，动态分配服务器资源，提高设备利用率；同时，多个数据中心不受地理位置局限，使融合平台的高可用性得到显著增强。另一方面，可以提高数据通道的可靠性，在支撑某个通道的物理服务器离线时，该通道所提供的数据服务可以迁移到其他通道执行，使融合平台的连续运行能力得到提升。创新多中心理念，使数据融合平台的优势得以体现。

　　2.主要问题的思考与解决

　　（1）多系统协调工作量大，业务实现复杂

　　医疗信息化蓬勃发展的同时也催生了众多系统开发商。截至目前，为海口市人民医院提供或开发的业务系统多达100多个，需要协调的软件开发商有20多家，其技术标准各异，涉及多个系统的联动、协同与交互，协调工作量大，业务实现复杂。为解决此问题，医院可以采取组建标准委员会的方法，首先明确技术层面的接口规则；其次，成立用户和开发商共同组成的协调组，也称为“专班”，分工协调不同类型的工作任务，并且明确项目中各角色的工作界面分工，清晰边界、明确责任。

　　（2）数据共享带来的个人隐私保护等安全问题不容忽视

　　个人隐私保护等安全问题不容忽视。海口市人民医院通过建设多源异构数据融合平台，使各业务系统产生的医疗数据得到了融合共享，但在提供数据访问便利的同时，个人隐私泄露风险也同步增加。为解决此问题，可以将数据融合平台与CA（Certification Authority，数字证书认证系统）相结合，为患者基本信息、病历、诊断等敏感数据的共享提供授权服务。在不同医疗机构间共享数据时，必须使用患者授权的二维码进行解锁，方可查看患者病历数据；严格落实患者病历授权访问管理制度，有效加强对患者隐私数据的授权访问保护，使患者的病历、检验、检查报告等信息既能被方便共享利用，又能通过患者授权后的开放读取方式保障数据安全合法利用。

　　五 结论与展望

　　展望未来，希望在已有研究成果的基础上，解决数据完整性、安全性方面存在的问题，继续优化功能、改善性能，有效减轻医务人员负担，提高居民医疗服务满意度，增强全局决策管理能力，驱动智慧医院上层服务和大数据应用持续完善，助力智慧医院高质量发展。

　　作者简介

　　刘阳 ，正高级工程师、硕士生导师，海南大学第一附属医院（海口市人民医院） 信息管理部主任，CHIMA常委。从事医院信息化工作30余年，近年来发表学术论文三十余篇，主持参与国家自然科学基金、海南省重点研发等基金项目4项，发明专利及软件著作权3项。多次参与海南省重大信息化建设规划、咨询、评审工作，在信息化软件工程、软件开发、硬件配置、网络安全、云计算和大数据、物联网应用等方面都具备丰富经验。