智慧医疗-医疗大数据分析服务平台解决方案V4

智慧医疗

E疗大数据分析服务平台

解决方案

设计单位:

建设单位:

编制日期:

目录

前言...............................................................9

第一章背景介绍....................................................10

第二章总体设计....................................................15

2.1.产品愿景.................................................15

2.2.产品定位.................................................15

2.3.解决问题.................................................15

2.4.达到效果.................................................16

2.5.产品理念.................................................17

2.6.总体思路.................................................17

2.6.1.医疗卫生大数据....................................18

2.6.2.预处理机制........................................19

2.6.3.存储机制..........................................19

2.6.4.分析算法..........................................21

2.6.5.专题大数据........................................23

2.6.6.机构大数据........................................24

2.6.7.推广组织机制......................................24

2.6.8.产品优化升级......................................24

第三章大数据场景分析平台..........................................25

3.1.大数据建模...............................................25

3.1.1.建模描述..........................................25

3.1.2.数据模型..........................................26

3.1.3.公共数据模型......................................27

3.1.4.特征对比分析......................................32

3.2.业务主题场景.............................................33

3.3.医疗卫生服务机构应用.....................................35

3.3.1.各级医院应用......................................36

3.3.2.基层医疗机构应用..................................41

3.3.3.区域卫生医疗联合体应用............................41

3.4.患者医疗治疗应用........................................49

3.4.1.患者就医过程提示服务.............................49

3.4.2.患者服药提示服务.................................49

3.4.3.患者饮食、运动、习惯注意事项服务.................50

3.4.4.患者体征和治疗效果服务...........................50

3.4.5.患者交流交往服务.................................50

3.5.个性化医疗服务应用.......................................50

3.5.1.基因测序分析应用..................................51

3.5.2.个性化药物应用....................................51

3.5.3.个人健康管理应用..................................52

3.5.4.慢性病预防治疗应用（疾控中心）....................53

3.5.5.慢性病检测、发现、预警服务........................54

3.5.6.慢性病诊断服务....................................55

3.5.7.慢性病防控治疗服务................................56

3.6.居民健康保健应用（疾控中心）............................56

3.6.1.居民自我健康保健应用.............................57

3.6.2.政府卫生管理部门进行居民健康管理应用.............57

3.6.3.政府医疗规划结构进行居民健康保健决策应用.........57

3.7.医疗卫生管理机构应用（卫生局）...........................58

3.7.1.医疗保险管理机构应用（医保局）....................58

3.7.2.基本医疗保险的决策支持分析........................61

3.7.3.基本医疗保险费用单据的智能化审核..................62

3.7.4.基本医疗保险的有效支付和治理应用..................63

3.7.5.基本医疗保险和服务监管应用........................63

3.7.6.降低看病率提升医疗效果应用........................63

3.8.医药研发生产经营应用（医药企业）.........................64

3.8.1.医药研发企业应用..................................65

3.8.2.医药生产企业应用..................................65

3.8.3.医药流通企业应用..................................66

3.8.4.医药零售企业应用..................................69

3.9.医疗卫生资源配置管理规划应用（政府主管部门）.............69

3.9.1.医疗卫生资源服务现状分析..........................70

3.9.2.医疗卫生资源财务供给能力分析......................70

3.9.3.医疗卫生资源规划指标对比..........................71

3.9.4.医疗卫生资源政策..................................72

3.10.商业医疗保险应用（保险）................................72

3.10.1.获得新客户和保留已有客户的分析应用...............72

3.10.2.有效控制医疗费用的分析应用.......................73

3.10.3.商业医疗保险的保障设计和精算定价.................73

3.10.4.商业医疗保险的理赔运营管理应用...................74

3.10.5.商业医疗保险的市场和销售拓展应用.................77

3.11.公共卫生服务应用（卫生防疫中心）.......................77

3.11.1.传染病预警预报..................................79

3.11.2.公共卫生舆情监测预警............................80

3.11.3.疾控和保健应用..................................81

3.12.政府监管应用（政府主管部门）............................81

3.12.1.医药监管应用.....................................81

3.12.2.医疗监管应用.....................................82

3.12.3.医保监管应用.....................................84

3.12.4.机构和医生监管应用...............................85

3.13.新型医疗卫生服务应用（政府主管部门）....................85

3.13.1.远程医疗.........................................86

3.13.2,移动医疗.........................................86

3.13.3.互联网医疗.......................................88

3.13.4.数字医疗.........................................88

3.13.5.大数据医疗.......................................88

3.13.6.智慧医疗.........................................89

3.13.7.精准医疗.........................................89

第四章专题大数据应用平台..........................................91

4.1.患者分析（基于电子病历EMR）..............................92

4.1.1.患者数据预处理....................................92

4.1.2.患者个体（个性）分析..............................93

4.1.3.患者群体（统计）分析..............................93

4.2.疾病分析（基于电子病历EMR和电子健康档案EHR）...........94

4.2.1.常见疾病分析......................................94

4.2.2.慢性疾病分析......................................94

4.2.3.疾病诱因分析......................................94

4.2.4.疾病统计分析......................................94

4.2.5.临床路径分析......................................94

4.3.医生及医护人员分析（基于医疗卫生资源数据）...............94

4.3.1.医生及医护人员资历资格分析........................94

4.3.2.医生及医护人员行医记录分析........................94

4.3.3.医生及医护人员培训进修分析........................94

4.4.处方分析（基于电子病历EMR）.............................94

4.4.1.医生用药分析......................................95

4.4.2.患者用药分析......................................95

4.4.3.处方用药分析......................................96

4.4.4.医院科室用药分析..................................96

4.4.5.安全用药分析......................................96

4.4.6.处方符合性分析....................................96

4.4.7.处方用药-诊断结论关联分析.........................97

4.4.8.诊断结论-处方总价聚类分析.........................97

4.4.9.患者特征-诊断结论分类分析.........................97

4.4.10.患病时间-诊断结论序列分析........................98

4.5.居民人口分析（基于电子健康档案EHR）.....................98

4.5.1.居民个体健康分析..................................98

4.5.2.人口群体健康分析..................................98

4.5.3.人口亚健康相关因素关联分析........................98

4.5.4.人口健康相关因素关联分析..........................98

4.5.5.人口健康时间空间分布分析..........................98

4.5.6.人口健康预测分析..................................98

4.6.药品分析（基于医药产业链数据）...........................98

4.6.1.药品种类分析......................................99

4.6.2.药品研发分析.....................................100

4.6.3.药品生产分析.....................................104

4.6.4.药品销售分析.....................................104

4.6.5.药品物流分析.....................................105

4.6.6.药品资金流分析...................................105

4.6.7.药品信息流分析...................................106

4.6.8.药品库存分析.....................................106

4.6.9.药品质量偏差分析.................................111

4.6.10.药品不良反应&药品群体不良事件分析..............111

4.7.医疗健康检验检测分析（基于电子健康档案EHR）........................111

4.7.1.生理信号检测分析.................................111

4.7.2.医学影像图像分析.................................112

4.7.3.DNA检测和DNA序列分析...........................112

4.7.4.重要人体征数据分析...............................112

4.7.5.远程自助健康医疗检测分析.........................113

4.8.医疗安全风险分析（基于电子病历EMR）........................................113

4.8.1.医疗安全分析.....................................113

4.8.2.医疗风险分析.....................................113

4.8.3.假药、过期药、成分异常药的使用分析...............113

4.8.4.医疗事故诱因分析.................................113

4.8.5.医疗安全风险统计分析.............................113

4.9.医疗卫生资源分析（基于政府的医疗卫生资源数据）..........113

4.9.1.医生护理人员分析.................................113

4.9.2.医院床位分析.....................................113

4.9.3.医疗检测检验能力分析.............................113

4.9.4.医疗卫生资源需求分析.............................113

4.9.5.医疗卫生资源匹配度分析...........................113

4.9.6.医疗卫生资源对比分析.............................113

4.10.医疗卫生效果分析（基于电子健康档案HER和医疗卫生资源数据）114

4.10.1.医疗卫生满意度分析.............................114

4.10.2.医疗卫生问题诱因分析...........................114

4.10.3.医疗卫生规划符合度分析.........................114

第五章分析引擎...................................................115

5.1.大数据分析能力.........................................115

1）大数据可视化分析能力.................................115

2）大数据挖掘发现能力...................................115

3）大数据预测趋势能力...................................116

4）大数据语义引擎能力...................................116

5）大数据质量和管理能力.................................116

5.2.大数据分析技术.........................................116

5.2.1.数据采集........................................116

5.2.2.数据存取........................................117

5.2.3.基础架构........................................117

5.2.4.数据处理........................................117

5.2.5.统计分析........................................117

5.2.6.数据挖掘........................................117

5.2.7.模型预测........................................118

5.2.8.结果呈现........................................118

5.3.大数据存储技术和系统...................................118

5.4.大数据业务模型建模.....................................118

5.4.1.键-值存储系统....................................120

5.4.2.列族存储系统.....................................120

5.4.3.文档存储系统.....................................120

5.5.大数据的实时查询........................................122

5.6.大数据的复杂分析........................................123

第六章管理升级服务...............................................128

6.1.核心理念................................................128

6.2.管理闭环................................................129

第七章市场分析...................................................132

■■■■

刖言

基于目前医疗服务机构及相关机构已有的HLI、NHLLHIS等有关

系统形成并积累的医药医疗大数据和信息，采用最新的大数据技术、

云计算技术、BI和数据挖掘技术，形成对医疗行业具有新视角、全方

位、智能性、预测性、可视性的深层次展示分析效果(Insight),揭

示医疗行业整体规律和内在发展趋势，揭示患者个体的独有特质并形

成个性医疗，将医疗行业的宏观大势与每个患者的微观个体定性定量

描述有机结合，达到支撑和形成医疗行业新应用场景和新服务模式。

“医药医疗大数据”是具有更强的决策力、洞察发现力和流程优化能

力的海量、高增长率和多样化的信息资产，但需要新计算处理模式。

第一章背景介绍

根据国际著名分析机构Gartner给出的定义：大数据就是那些具

有规模大、速度快、种类多三大特征的数据资产。大数据分析从海量

数据中筛选出有用的信息，然后通过各种手段将信息转化为洞察力，

从而做出正确决策，并最终推动业务发展。通过一系列分析处理，大

数据可以帮助企业制定明智且切实可行的战略，获取前所未有的客户

洞察，支持客户购买行为，并构建新的业务模式，进而赢得竞争优势。

随着人们的生活水平不断提高，健康也越来越受到家庭的关注。

2009年2月27日，我国卫生部公布的第四次国家卫生服务调查结

果显示，截止至2008年，我国居民脑血栓，糖尿病，高血压等慢性

病病例数达到2.6亿，占全国总人数的20%,其中高血压病人对自身

疾病的知晓率只有30%,同时这些病人中的治疗率只有25%,控制率

仅为6%,糖尿病病人中，能坚持做到规范治疗的也只有33%。由此

我们可以看出，建立科学、规范、高质量的慢性病管理策略，实现对

人体慢性病的监护具有重大的意义。通过慢性病的早期诊断和监护,

不仅能提前预防和控制各种疾病，还能帮助他们合理用药，减少医药

开支。另一方面，我国公共医疗卫生资源紧缺，城乡医疗卫生资源的

差距比较大，城市人口平均拥有的医疗卫生资源是农村人口的2.5倍

以上，比如，占全国总人口近70%的农村拥有全国医疗卫生资源的

30%,而占全国总人口30%的城市却占有全国医疗卫生资源的70%,

优质的医疗卫生资源集中分布在城市，尤其是大城市。因此，实现城

乡之间的医疗卫生资源共享成为丞待解决的重要问题。

同时，随着国家积极倡导“3521”医疗系统建设，我国医疗领域

信息化程度得到了很大的提高，预计在全国会出现上百个医疗数据中

心，每个数据中心都将承载近1000万人口的医疗数据，数量多、更

新快且类型繁杂，使医院数据库的信息容量不断膨胀，这就产生了医

疗大数据。医疗大数据通常具有以下特征：

(1)数据巨量化：区域医疗数据通常是来自于拥有上百万人口和

上百家医疗机构的区域，并且数据呈持续增长的趋势。依照医疗行业

的相关规定，患者的数据通常至少需要保留50年。

(2)服务实时性：医疗信息服务中会存在大量在线或实时数据分

析处理的需求。例如：临床中的诊断和用药建议、健康指标预警等。

(3)存储形式多样化：医疗数据的存储形式多种多样，例如各种

结构化数据表、非(半)结构化文本文档、医疗影像等。

(4)高价值性：医疗数据对国家乃至全球的疾病防控、新药研发

和顽疾攻克都有着巨大的作用。

因此，如何在海量的医疗大数据中提取信息的能力正快速成为战

略性发展的方向，通过大数据分析挖掘出有价值的信息，将对疾病的

管理、控制和医疗研究都有着非常高的价值。

强化管理，降低成

目前，大数据、云计算是已经普及并成为IT行业的主流技术。

国内外都已经进入了大数据、云计算的研究热潮，同时大数据、云计

算技术也逐渐成熟，大规模区域医疗信息系统和大型数据中心的建立

也在同时进行。而云计算是大数据成长的驱动力，与此同时，由于医

药医疗大数据越来越多，对云计算的需求日益增长，所以二者是相辅

相成的。随着医疗数据的急剧增长，如何充分利用这些数据，运用大

数据、云计算技术，搭建合理先进的数据云服务平台，为广大患者、

医务人员、科研人员提供服务和协助，必将成为未来信息化工作的重

要方向。

“大数据时代”已经降临，“大数据”正在对每个领域都造成影

响。在商业、经济及其他领域中，决策行为将日益基于数据和分析的

结果，而非基于经验和直觉；而在公共卫生、经济发展和经济预测等

领域中，“大数据”的预见能力也已经崭露头角。2012年3月，美国

政府公布了“大数据研发计划“(BigDataResearchandDevelopment

Initiative)。该计划的目标是改进人们从现有的海量和复杂的数据中获

取知识的能力。其中，与医疗卫生领域相关的有生物传感2.0.虚拟

实验室环境(VLE)、癌症基因组图谱(TCGA)、神经科学信息框架(NIF)、

患者报告结果测量信息系统(PROMIS)等10余项。2014年美国的公

共数据开放项目OpenFDA上线之后，先导项目开放了"300万份药物

不良反应报告”，这些数据是2004至2013年间被提交给FDA的药物

不良反应和医疗过失记录。对医疗机构来说，不良反应和医疗过失记

录起到的是长远的贡献作用，能减少医疗悲剧的重现。

根据我国居民第三次死因调查报告显示，脑血管病已成为居民的

第一死因。脑卒中发病率正以每年8.7%的速率上升，我国每年用于

治疗脑血管病的费用约在100亿元以上。2014年，GE医疗中国联合

国家卫生计生委脑卒中防治工程委员会(脑防委)启动了"脑卒中行动”

合作战略。GE医疗"脑卒中行动〃的法宝之一就是大数据。尤其是GE

构建的三级筛查网络，对双侧内膜增厚的高危人群检出率提升了近

10%oGE搭建的脑卒中信息管理系统可以与医院Lis和His系统全面

对接，记录患者的基本信息、初筛信息、复筛信息、用药信息、实验

室检查、体格检查信息及其随访信息等，全面跟踪患者的诊治流程。

还可以与PACS系统对接，全面记录患者的影像学信息，实现患者影

像信息的共享。同时，可对患者全流程疾病影像信息回顾，减少患者

重复检查的负担，协助医生对患者疾病信息的全面判断。

在上述这些大背景下，本提出并计划研发“医疗大数据分析应用

平台”(以下简称“本平台”)产品，以期为我国医疗卫生实现数字医

疗、智慧医疗、健康医疗发挥重要作用。从而达到：服务模式（以患

者为中心，形成居民健康全过程服务），从被动到主动；医疗模式（以

预防为主，人人享有基本医疗卫生服务，将医疗卫生工作重点由后治

前移到预防保健），从治病到防病；诊疗模式（避免各自为政，实行

上下联合，专业分工），从排斥到联动；数据模式（从业务系统数据

向整体数据转变，改变过去的数据不统一、不互通、不共享），从隔

离到整体；技术模式（采用各种新技术手段，包括大数据、云计算、

物联网、移动互联等，形成技术合力），从简单到综合的转变。

第二章总体设计

2.1.产品愿景

形成充分发挥大数据技术的，针对医疗医药行业的，能充分适应

医疗卫生信息特征的大数据分析应用支撑平台，通过大数据分析，达

到发现知识、发现规律、预测未来，将医疗卫生行业推进进入大数据

时代提供技术可行性。

2.2.产品定位

本平台以医疗卫生行业的整体数据架构（数据模型、数据构成、

数据关系）为基础和标准，以对应的医疗卫生业务数据为输入，通过

大数据技术，形成针对医疗卫生行业中不同机构、角色和业务活动的

智能化应用，因此本平台不是代替已有医疗卫生信息化系统，而是在

多个方面强化已有医疗卫生信息化系统，包括任意查询、即兴分析、

业务增强、规则约束、预测未来、发现知识，并提供互动性、及时性、

预知性、洞察性，从而达到实现智慧医疗的目标。

2.3.解决问题

当前医疗卫生信息化建设的主要问题是各个区域内不同医疗机

构中患者的基础信息和各种临床信息资源分散、重复、孤立，导致有

效信息闲置、信息重复或不一致，很难得到有效利用。

通过本平台实现国家医疗卫生信息化规划中“4631-2〃的三大基

础数据库，即电子健康档案数据库、电子病历数据库和全员人口个案

数据库的应用落地；

通过本平台实现智慧医疗的核心部分，即医疗卫生服务体系的智

能化，使医疗卫生的各种应用提升水平；

通过本平台为“看病难、看病贵”的解决提供科学定量判断依据、

对比分析依据和方案效果评价依据；

2.4.达到效果

本平台预期部署到云平台上运行，采用SOA的理念进行架构开

发，通过分层将公共大数据算法模型封装为服务，对业务应用提供服

务，同时平台业务应用也是服务的形式存在，即应用单位不再需要购

买部署自己的服务器硬软件环境，只需要开通相应服务就可以了。各

个应用单位根据自己的业务需要定制服务，平台支持“开通即用”服

务模式，为实现业务应用集成，本平台将对外支持WebService方式

的接口服务。

本平台希望将医疗卫生的智慧功能应用普及到业务角色和过程

的方方面面，包括医生（包括专科医生、全科医生、保健医生等）、

患者（包括慢性病患者、潜在患者等）、管理者（包括医疗管理者、

医疗保险管理者、医药监管管理者、公共卫生管理者等）、医药经营

者（药品研发、药品生产、药品物流、药品零售等）以及商业医疗保

险经营者（健康险、大病险、医疗意外险等）。

2.5.产品理念

医疗卫生、健康保健、医药器械形成的海量数据就象一座待开发

的金矿，利用大数据技术、云计算技术、物联网技术和便携设备技术

的最新成果，将给医疗卫生事业带来全新革命性的改变，明显解决看

病难和看病贵的问题，达到医疗卫生资源配置分布合理、大病小病治

疗各司其职、疾病预防治疗有机结合、公民健康保健全过程覆盖。

2.6.总体思路

通过建立医疗卫生大数据的统一标准和规范，形成可被相关业务

应用所利用的医疗卫生大数据源和交互机制，在此基础上，首先形成

专题大数据应用，这些应用具有跨部门和组织机构的通用性，并具有

良好的稳定性，因为这些应用是面向医疗卫生专题的；基于专题大数

据应用，根据医疗卫生相关部门和组织机构的业务要求，可开发形成

各种业务大数据应用，并且随着平台的推广，积累的医疗卫生业务大

数据应用的实例将会越来越多，并最终形成不同方向的最佳应用样例。

医疗卫生大数据源专题大数据应用业务大数据应用

医<5亚>患者分析

疾病分析

生医疗卫生服务二23^

用药分析

费用分析

健康分析

药品分析

安全风险分析

资源分析

效果分析

2.6.1.医疗卫生大数据

对接数据源，获取医疗卫生大数据。医疗卫生大数据中心为本平

台进行医疗卫生大数据分析提供数据源，但不在本平台范围内，并平

台只是开发提供一套与该数据中心的数据读取接口，并具有监控数据

读取情况汇总统计和异常提示功能。

该数据中心的定位：整合区域内不同医疗机构中患者/健康人群

的各种临床诊疗数据、健康数据，在相对集中的逻辑/物理环境中，

构建一个以存储和处理患者/健康人群诊疗信息为核心，覆盖多学科、

多专业的面向区域内主要卫生行政主管部门、临床医疗机构和社会公

众的医学（医药、医疗、健康）信息资源共享机制--区域性医学数

据中心。区域性医学数据中心的建设以行政业务处理、医疗、预防、

保健、康复为服务主线，以健康人群和患者的医疗活动需求为基础。

区域卫生数据中心通过制定标准的数据接口，建立基于广域网的信息

交换、数据采集和传输机制，对区域内医疗卫生信息数据进行采集、

传输、清洗和汇总，将医院、社区、医药企业以及公共卫生机构的各

类数据、系统有机地整合起来，生成区域的卫生大数据。

2.6.2.预处理机制

对获取的医疗卫生大数据预处理机制。医疗卫生大数据预处理主

要完成对已接收数据的辨析、抽取、清洗等操作，目的是将数据按统

一的格式提取出来，然后再转化，集成，载入数据仓库的工具(ETL)

包括：抽取：因获取的数据可能具有多种结构和类型，数据抽取过程

可以帮助我们将这些复杂的数据转化为单一的或者便于处理的构型,

以达到快速分析处理的目的；清洗：对于大数据，并不全是有价值的，

有些数据并不是我们所关心的内容，而另一些数据则是完全错误的干

扰项。因此要对数据通过过滤“去噪”从而提取出有效数据。

2.6.3.存储机制

建立医疗卫生大数据的存储机制。虽然关系型数据库系统

(RDBMS)在安装和使用上仍然占有主要地位，但毋庸置疑，非关系型

数据库NoSQL技术已经成为今天发展最快的数据库技术。NoSQL是

对数据库系统的总称，在某种程度上，它的性能和用途可能完全不同。

目前除了关系型数据库外，还主要存在有以下四种NoSQL数据

管理系统:

键值数据库：当数据以键的形式访问时，比如通过国际标准书号

ISBN找一本书，键值数据库是最理想的。在这里，ISBN是键，书籍

的其他信息就是值。必须知道键才能查询，不过值是一堆无意义的数

据，读取之后必须经过翻译。

文档数据库：该数据库以文档的形式管理和存储数据。有点类似

于键值数据库，但文档数据库中的数据有结构。与键值数据库中值是

一堆无意义的数据不同，文档数据库中数据以文档的结构被描述，典

型的是或文档存储数据库中的

JavaScriptObjectNotation(JSON)XML0

数据可以通过定义的任何模式进行查询，但键值数据库只能通过它的

键进行查询。

列式数据库：也被称为列式存储或宽列存储，一改之前行式存储

的方式，对数据进行列式存储。在传统关系型数据库中，数据经常以

行来访问。以列式管理记录的NoSQL数据库可以管理大规模的动态

列。因为没有固定的模式，所以列名和键可以变换。列式数据库适用

于不经常写的情况，要满足ACID(原子性、一致性、隔离性和持久

性)的要求并不难，而且模式是变化的。

图型数据库：图型数据库关注值与值之间的关系，用图型的数学

概念存储数据。图型数据库用带有点、边缘和属性的图的结构表示和

存储数据。在图型数据库中，每一个元素都包含一个直接的指向它毗

邻元素的点，所以也就不需要索引查找。

每个种类的NoSQL数据库都有适用的不同类型的应用程序和用

例，这就涉及到一个NoSQL社区常用的一个话题，即多样持久性，

或者说根据数据库处理应用程序需求的不同，使用不同的数据库系统,

用于不同的应用程序和用例。

2.6.4.分析算法

医疗卫生大数据的处理、分析算法分类和形成。

1）技术分类方法

»根据挖掘任务：分为分类或预测模型发现、数据总结、聚类、

关联规则发现、序列模式发现、依赖关系或依赖模型发现、异常和趋

势发现等等；

A根据挖掘对象：可分为关系数据库、面向对象数据库、空间数

据库、时态数据库、文本数据源、多媒体数据库、异质数据库、遗产

数据库以及环球网Web；

A根据挖掘方法：可分为：机器学习方法、统计方法、神经网络

方法和数据库方法。

2）主要处理和分析技术

A预言处理：用历史预测未来；

»挖掘规律处理：了解数据中潜在的规律;

A关联分析：查找存在于项目集合或对象集合之间的频繁模式、

关联、相关性、或因果结构；

A序列模式处理：给定一个由不同序列组成的集合，其中，每个

序列由不同的元素按顺序有序排列，每个元素由不同项目组成，同时

给定一个用户指定的最小支持度阈值，序列模式挖掘就是找出所有的

频繁子序列，即该子序列在序列集中的出现频率不低于用户指定的最

小支持度阈值；

»分类（预言）分析：预测分类标号（或离散值），根据训练数

据集和类标号属性，构建模型来分类现有数据，并用来分类新数据。

建立连续函数值模型，比如预测空缺值；

A聚类分析：聚类是一种无监督分类法：没有预先指定的类别。

在同一个类中，对象之间具有相似性；不同类的对象之间是相异度分

析；把一个给定的数据对象集合分成不同的簇。将物理或抽象对象的

集合分组成为由类似的对象组成的多个类；聚类在不同的应用领域,

用作描述数据，衡量不同数据源间的相似性，以及把数据源分类到不

同的簇中；聚类是将数据分类到不同的类或者簇这样的一个过程，所

以同一个簇中的对象有很大的相似性，而不同簇间的对象有很大的相

异性；聚类与分类不同，聚类所要求划分的类是未知的；

A异常检测分析：异常检测是数据挖掘中一个重要方面，用来发

现“小的模式”（相对于聚类），即数据集中间显著不同于其它数据的

对象;

A可视化分析。数据可视化可以让数据自己说话，让用户直观的

感受到结果；

A数据挖掘算法。分割、集群、孤立点分析还有各种算法让我们

精炼数据，挖掘价值。这些算法要能够应付大数据的量，同时还具有

很高的处理速度；

A语义引擎。人工智能从数据中主动地提取信息。包括机器翻译、

情感分析、舆情分析、智能输入、问答系统等；

＞数据质量和数据管理。透过标准化流程和机器对数据进行处理

可以确保获得一个预设质量的分析结果。

2.6.5.专题大数据

开发专题大数据分析，形成专题大数据应用。面向医疗卫生专业

所特有的专题，开发形成一系列的专题大数据应用。在充分调研和分

析医疗卫生行业的业务特性基础上，研发形成具有我国医疗卫生行业

特征的分类专题大数据分析，并根据专题组成和业务功能要求形成满

足该业务专题的大数据应用，如心脏病专题的大数据应用，包括其成

因的大数据分析、其日常行为对病情影响的大数据分析等，为有关机

构进行心脏病的有关活动（预测、预防、治疗、恢复）提供支撑。

2.6.6.机构大数据

开发机构大数据分析，建立机构大数据应用。面向不同的医疗卫

生机构和部门及其相关企业机构，开发形成针对不同机构和部门业务

的机构大数据应用，如医疗卫生机构应用、医疗卫生管理机构应用等。

在上述专题大数据应用基础上，结合所承担的相关医疗卫生及其相关

机构项目，进行机构大数据应用定制开发。

2.6.7.推广组织机制

建立平台应用实施推广组织机制。在本平台开发和部署基础上,

逐步形成基于本平台开发应用项目的实施推广组织机制，包括市场宣

传、营销推广、实施维护和售后服务等。

2.6.8.产品优化升级

建立平台产品优化升级服务组织机制。本平台作为的主打产品系

列，要建立严格的版本控制，并根据市场反馈和内部技术发展，进行

有计划的平台版本升级，并将新版本升级信息和文档，按规定要求通

知已有用户，并及时进行产品升级，并提供维护服务。

第三章大数据场景分析平台

3.1.大数据建模

3.1.1.建模描述

伴随着中国医疗卫生服务的信息化进程推进，将产生大量的数据。

这些数据主要来源于医疗业务活动、健康体检、公共卫生等9项医疗

卫生服务。数据内容包括来自医院的大量电子病历、区域卫生信息平

台采集的居民健康档案等。其中大量充斥着非结构化/半结构化的数

据，包括图像，。ffice文档，以及XML结构文档等。医疗大数据的应

用，关键是整合所有可能得到的这些数据，为机构和政策制定者来找

到如何刺激经济并降低共享数据的技术门槛。

制药行业

科研数据

活动（报销）

和成本数据

、/

病人行为

和情绪数据

临床数据

3.1.2.数据模型

我国医疗卫生行业涉及的数据实体对象种类非常众多，包括医疗机构一科室

一医生（门诊、住院）、大众群体一患者、医疗管理部门一卫生局一疾控中心一

医保中心一发改委一中医药管理局、医药管理部门一药监局、医药研发一医药生

产一医药经营一药品（处方药、ODC药）、医疗器械研发一医疗器械生产一医疗

器械经营一医疗器械、商业医疗保险、体检中心一体检医生、APP服务等。

如下图所示。

3.1.3.公共数据模型

2010年底，原卫生部完成了“十二五”卫生信息化建设工程规

划编制工作，初步确定了我国卫生信息化建设路线图，简称“3521-2

工程”，即建设国家级、省级和地市级3级卫生信息平台，加强公共

卫生、医疗服务、新农合、基本药物制度、综合管理等5项业务应用，

建设健康档案和电子病历2个基础数据库和1个专用网络建设，进

行医疗卫生信息标准化体系和安全保障体系2个体系建设。

2013年11月，卫生部和计生委合并后，信息化建设工程规划的

顶层设计规划又调整为“4631-2工程”，其中，“4”代表4级卫生信

息平台，分别是：国家级人口健康管理平台，省级人口健康信息平台、

地市级人口健康区域信息平台及区县级人口健康区域信息平台；“6”

代表6项业务应用，分别是：公共卫生、医疗服务、医疗保障、药品

管理、计划生育、综合管理；“3”代表3个基础数据库，分别是：电

子健康档案数据库、电子病历数据库和全员人口个案数据库；“1”代

表1个融合网络，即人口健康统一网络;最后一个“2”是人口健康信

息标准体系和信息安全防护体系。依托中西医协同公共卫生信息系统、

基层医疗卫生管理信息系统、医疗健康公共服务系统打造全方位、立

体化的国家卫生计生资源体系。卫计委规划的三大基础数据库相互关

系和包括的主要数据如下图所示。

病历概要：包括患者基本信息等四项内容

门（急）诊诊疗记录：包括门

处方等六项内容.

3、住院诊疗记录：包括住院病案首页、住院志等

九项内容。

4、健康体检记录：一般常规健康体检记录。

5、转诊（院）记录：患者转诊的主要工作记录。

6、法定医学证明及报告：包括出生医学证明等。

Q医疗机构信息：医疗机构法人信息。/

电子病历数据库

个人基本信息：包括姓名、性别、照片、英文

1、个人基本信息：包括人口学信息、社会经济、省用名、身份iiE号码、年龄、i证件类型、证i件号码、

学信息、亲属信息、社会保障信息、基本健康信息贯、国籍、户籍类型、户籍地址:'政治面貌.I、健康状况

、建档信息。婚姻状况、宗教信仰、兵役状况.、文化程度.学位

、职称、从业状态、工作单位、工作单位通讯地址

2、主要卫生服务记录：包括儿童保健信息、妇社保

女保健信息、疾病预防信息、疾病管理：高血压、号、民政抚助对象类型、联系电话、手机号码、电r•邮件

、现居住地址、居住类型、死亡标识信息等。

糖尿病、肿搐、垂症精神疾病等病例管理信息，老

年人健康管理信息、医疗服务信息等。2、个人扩展信息：包