徐 靜 高昭昇 黃岳源 吳宇婷

(廣州市衛(wèi)生健康技術鑒定和人才評價中心 廣州 510080) (衛(wèi)健智能(深圳)有限公司深圳 518000) (廣州市衛(wèi)生健康技術鑒定和人才評價中心 廣州 510080)

1 引言

自2009年起全國各地陸續(xù)啟動以居民電子健康檔案為核心的全民健康信息平臺建設。平臺主要采集居民在醫(yī)療衛(wèi)生機構的診療信息，完整記錄居民全生命周期健康信息及其他相關信息。隨著平臺覆蓋范圍進一步擴大，基于平臺的應用不斷深化，積累了海量臨床診療、檢驗檢查、醫(yī)院運營等數(shù)據(jù)[1]。然而質量問題成為大數(shù)據(jù)應用面臨的挑戰(zhàn)，高質量的數(shù)據(jù)才能更好地支撐各類應用；同時對于個性化健康指導、基于群體的衛(wèi)生經(jīng)濟負擔研究而言，數(shù)據(jù)質量直接影響研究結果的準確性、科學性。由于數(shù)據(jù)在產(chǎn)生和存儲過程中質量較難控制，因此在采集過程中進行評估以提前了解數(shù)據(jù)質量對于后續(xù)數(shù)據(jù)應用或質量提升具有重要意義。通過持續(xù)推進統(tǒng)一權威、互聯(lián)互通的全民健康信息平臺建設，基于區(qū)域平臺實現(xiàn)橫向、縱向數(shù)據(jù)共享已形成廣泛共識，隨著衛(wèi)生健康事業(yè)的發(fā)展、新政策的實施，平臺被賦予了更多更高的要求，如實現(xiàn)全面智慧監(jiān)管、助力健康產(chǎn)業(yè)發(fā)展等。通過數(shù)據(jù)治理能逐步完善平臺并推動其高質量發(fā)展。本文對大數(shù)據(jù)治理方法及技術進行探索研究，以期為醫(yī)療健康大數(shù)治理及有效利用提供參考。

2 現(xiàn)狀及存在的問題

2.1 現(xiàn)狀

我國已有31個省份完成全民健康信息平臺建設，平臺中匯聚了醫(yī)療服務、公共衛(wèi)生、醫(yī)療保障、醫(yī)院運營等數(shù)據(jù)，大部分來源于各級醫(yī)療衛(wèi)生機構，與公安和醫(yī)保部門數(shù)據(jù)共享比例較高[2]。通過全民健康信息平臺建設，管理者可以及時了解醫(yī)療衛(wèi)生服務資源使用情況，便于實施高效、精準決策，進而有效減少醫(yī)療成本，加強醫(yī)療服務質量和提升醫(yī)療服務效率；醫(yī)護工作者可以隨時隨地獲取所需信息，實現(xiàn)高質量、高效率醫(yī)療服務；公共衛(wèi)生工作者可以掌握居民健康信息，便于提前開展疾病防控和健康促進相關工作；居民可以獲取并全面了解自身健康信息，有助于實現(xiàn)個人健康管理以及享受及時、便捷、持續(xù)的醫(yī)療服務。

2.2 存在的問題

醫(yī)療健康大數(shù)據(jù)來源于不同醫(yī)療衛(wèi)生機構、信息系統(tǒng)，通過全民健康信息平臺可以實現(xiàn)跨區(qū)域醫(yī)療數(shù)據(jù)整合匯聚，但尚存在數(shù)據(jù)應用效果不佳、未能真正發(fā)揮數(shù)據(jù)價值等問題，主要表現(xiàn)在以下幾方面：一是整合后的數(shù)據(jù)質量參差不齊，表數(shù)據(jù)缺失、表關鍵字段缺失等數(shù)據(jù)缺失率嚴重，數(shù)據(jù)種類不符、亂碼、索引號混亂等現(xiàn)象頻發(fā)，醫(yī)學術語不統(tǒng)一，存在大量計算機很難識別的非結構化文本、影像、視頻等，數(shù)據(jù)應用價值不高，檔案調閱量低。二是醫(yī)療機構信息化建設水平?jīng)Q定其整合數(shù)據(jù)的數(shù)量與質量，大量健康信息缺乏信息系統(tǒng)記錄，為個體疾病、健康狀況信息收集和分析帶來困難[2]。三是數(shù)據(jù)缺少有效性、正確性校驗，數(shù)據(jù)核查困難，安全性需要有效提升，各醫(yī)療機構數(shù)據(jù)質量參差不齊，導致針對醫(yī)院的評價結果準確性不高，較難實施有效監(jiān)管及績效評價。

3 醫(yī)療健康大數(shù)據(jù)治理整體架構設計

3.1 概述

數(shù)據(jù)治理的最終目標是提升數(shù)據(jù)價值，通過醫(yī)療健康大數(shù)據(jù)治理實現(xiàn)數(shù)據(jù)定義、模型構建、數(shù)據(jù)質量評估、數(shù)據(jù)應用等環(huán)節(jié)的統(tǒng)一?；跀?shù)據(jù)定義標準，對業(yè)務指標應用進行結構化拆解，實現(xiàn)指標的技術定義，完成模型設計；基于模型設計環(huán)節(jié)沉淀的元數(shù)據(jù)，驅動和約束最終物理模型設計，為數(shù)據(jù)加工確定最終數(shù)據(jù)定義語言(Data Definition Language，DDL)，完成物理模型設計，以此約束后續(xù)數(shù)據(jù)開發(fā)。

3.2 整體架構

區(qū)域全民健康信息平臺承擔健康數(shù)據(jù)采集、匯總與應用功能，主要包括：一是將數(shù)據(jù)上傳到信息資源中心，包括前置機采集數(shù)據(jù)；二是對已上傳數(shù)據(jù)進行合理性校驗，并將其存儲至信息資源中心，按照數(shù)據(jù)自身特點進行相應轉換、管理和分發(fā)；三是滿足各方對信息資源中心臨床數(shù)據(jù)調閱等應用需要。數(shù)據(jù)治理首先要研究醫(yī)療健康大數(shù)據(jù)有效利用的精細化信息模型，然后通過低質量數(shù)據(jù)過濾、患者主索引匹配、醫(yī)學術語映射、醫(yī)學文檔結構化處理、醫(yī)療數(shù)據(jù)隱私化處理等治理技術對符合信息模型的數(shù)據(jù)進行半自動化處理，實現(xiàn)較高的自動處理準確率。通過平臺匯聚、評估、治理的不斷迭代過程，建成可快速檢索的高質量醫(yī)療大健康大數(shù)據(jù)資源，支撐醫(yī)療健康大數(shù)據(jù)持續(xù)性創(chuàng)新應用研發(fā)，實現(xiàn)包括疾病預警預測、臨床決策支持、個人健康畫像、高危篩查等大數(shù)據(jù)應用，見圖1。

圖1 醫(yī)療健康大數(shù)據(jù)治理整體架構

3.3 數(shù)據(jù)模型構建

3.3.1 構建流程 對應用場景數(shù)據(jù)需求進行詳細剖析，包括醫(yī)療服務(門診+住院)、公共衛(wèi)生、中醫(yī)、專病分析等領域的應用場景，基于數(shù)據(jù)需求詳細剖析結果，參照國家或國際對于數(shù)據(jù)元相關標準，定義標準化數(shù)據(jù)元，通過元數(shù)據(jù)標準定義的元數(shù)據(jù)項對數(shù)據(jù)集進行描述[2-3]。調研國際各類醫(yī)學術語標準，參照國際對于數(shù)據(jù)值域的相關標準，針對每個數(shù)據(jù)元選定最合適的醫(yī)學術語或值域。對OpenEHR原型進行擴展，建立精細化的OpenEHR原型庫并根據(jù)實際數(shù)據(jù)源定義精細化的OpenEHR存儲模板，用于指導大數(shù)據(jù)中心結構化數(shù)據(jù)庫構建。對多來源的各類數(shù)據(jù)進行匯集，建立各數(shù)據(jù)源的元數(shù)據(jù)并進行統(tǒng)一管理，包括但不限于全民健康信息平臺項目數(shù)據(jù)、個人持續(xù)健康監(jiān)測數(shù)據(jù)、醫(yī)院電子病歷數(shù)據(jù)、公共衛(wèi)生信息平臺數(shù)據(jù)及專病隊列研究數(shù)據(jù)等。

3.3.2 模型構建 通過對患者處方、檢驗報告、檢查報告、體檢報告等醫(yī)療健康大數(shù)據(jù)進行規(guī)則和類型定義，根據(jù)不同數(shù)據(jù)特性建立多個質控模型。通過OpenEHR原型模板編輯工具，針對個人居民健康檔案基本信息、疾病控制管理、兒童保健、婦女保健、醫(yī)療服務等關鍵業(yè)務域，對每個關鍵業(yè)務域的附屬數(shù)據(jù)按照其所在業(yè)務進行分類，將關鍵業(yè)務域與附屬業(yè)務數(shù)據(jù)按照數(shù)據(jù)關鍵字進行關聯(lián)，再對所有關鍵業(yè)務域按照個人主索引進行關聯(lián)，從而形成個人居民健康檔案數(shù)據(jù)模型。

3.4 質量評估與控制

3.4.1 數(shù)據(jù)質量評估框架模型 基于國際數(shù)據(jù)質量標準，結合國內醫(yī)療領域數(shù)據(jù)質量標準進行細化擴展，建立詳細的數(shù)據(jù)質量評估框架模型，從數(shù)據(jù)完整性、一致性、規(guī)范性、結構化、邏輯性等方面指導分析數(shù)據(jù)質量評估需求以及制定數(shù)據(jù)質量評估規(guī)則。

3.4.2 數(shù)據(jù)質量規(guī)則定義語言與規(guī)則編輯管理工具 基于規(guī)則定義語言(Guideline Definition Language，GDL)，定義臨床數(shù)據(jù)質量評估規(guī)則,對數(shù)據(jù)質量模型中各種特征的度量標準進行衡量。開發(fā)質量規(guī)則編輯管理器，實現(xiàn)對質量評估規(guī)則的擴展與維護。

3.4.3 針對臨床應用需求構建數(shù)據(jù)評估規(guī)則庫 分析數(shù)據(jù)應用的實際需求，構建臨床數(shù)據(jù)使用場景的質量評估規(guī)則庫。根據(jù)設定規(guī)則自動糾正數(shù)據(jù)值錯誤、數(shù)據(jù)類型錯誤、半角全角字符、中英字符錯誤等一般數(shù)據(jù)質量問題；針對其他復雜數(shù)據(jù)質量問題，利用專業(yè)數(shù)據(jù)質量提升算法的修復技術加以解決，包括且不限于缺失數(shù)據(jù)填補、標準術語映射、重復數(shù)據(jù)檢測與刪除等。對所采集醫(yī)療數(shù)據(jù)，如處方、檢驗報告單、檢查報告單、體檢報告單等進行規(guī)則和類型定義，根據(jù)不同醫(yī)療數(shù)據(jù)特性建立多個質控模型。

4 醫(yī)療健康大數(shù)據(jù)治理技術分析

4.1 數(shù)據(jù)處理

4.1.1 數(shù)據(jù)錯誤處理 數(shù)據(jù)中心數(shù)據(jù)轉換、加載過程的第1步。數(shù)據(jù)經(jīng)過接口初步驗證后開始進行錯誤處理。主要是檢查數(shù)據(jù)源數(shù)據(jù)格式是否滿足相關標準，內容是否正確。數(shù)據(jù)源可分為兩類：數(shù)據(jù)文件和數(shù)據(jù)庫接口數(shù)據(jù)。數(shù)據(jù)源的數(shù)據(jù)需要校驗和轉換后才能進入數(shù)據(jù)中心，見圖2。

圖2 數(shù)據(jù)錯誤處理

4.1.2 數(shù)據(jù)清洗 在數(shù)據(jù)臨時存儲區(qū)中進行，是為保證數(shù)據(jù)質量而進行的必要的數(shù)據(jù)清理工作，其目的在于保證數(shù)據(jù)質量和準確性。由于衛(wèi)生健康數(shù)據(jù)的多樣化，要保持其唯一性和可靠性需要進行數(shù)據(jù)清洗。數(shù)據(jù)清洗需設定規(guī)則，規(guī)則存儲在標準庫中，在進行清洗過程中調取。一般來說清洗過程是數(shù)據(jù)提取、轉換、加載(Extract-Transform-Load，ETL)過程的一部分。清洗后的數(shù)據(jù)經(jīng)過業(yè)務處理即可進入操作型數(shù)據(jù)存儲庫(Operation Data Store，ODS)中[3-4]，見圖3。

4.1.3 非結構化數(shù)據(jù) 指不便于使用數(shù)據(jù)庫二維邏輯表呈現(xiàn)的數(shù)據(jù)，包括所有格式的辦公文檔、報表、文本、圖片、HTML、XML、圖像、視頻和音頻信息等，可以采用跨企業(yè)文檔共享(Cross-Enterprise Document Sharing，XDS)模型為其建立索引服務，實現(xiàn)非結構化數(shù)據(jù)的存儲與訪問。XDS集成規(guī)范定義了基于XDS模型的核心基礎服務。其他許多信息技術基礎設施(Information Technology Infrastructure，ITI)集成規(guī)范則在安全、患者標識管理、文本就緒通知和新的文本交換路徑等方面進一步加強XDS基礎設施。

4.1.4 醫(yī)學術語映射 指在原始數(shù)據(jù)實際取值和標準數(shù)據(jù)術語概念之間建立聯(lián)系，在導入過程中對數(shù)據(jù)進行基于語義的標準化處理。將原始數(shù)據(jù)進行規(guī)范化操作后需明確使用術語服務的對象字段。通常這類字段內容具有表述簡單、意義明確、邏輯性強等特征，例如藥物劑型、劑量，物質存在狀態(tài)等，而不是文字描述性內容。實現(xiàn)相應術語服務步驟如下：第一，確定該字段原始數(shù)據(jù)取值范圍；第二，將原始數(shù)據(jù)所有取值與該字段對應HL7項的詞匯域中所有取值一一對應；第三，為第2步涉及的所有概念建立別名，別名取值即為相應字段原始數(shù)據(jù)取值。以“臨床用藥”數(shù)據(jù)中的“劑型”字段為例，首先考察原始數(shù)據(jù)，可知DrugType的取值為“口服液”“片劑”“噴霧劑”3種；其次在由數(shù)據(jù)規(guī)范化確定的DrugType對應的HL7項中找到與這3種取值對應的詞匯，形成術語映射表，見表1。為“Oral Solution”“Tablet”和“Oral Inhalant”3個概念創(chuàng)建別名，取值分別為“口服液”“片劑”和“噴霧劑”。在數(shù)據(jù)導入過程中數(shù)據(jù)的DrugType字段自動實現(xiàn)基于語義的標準化。

表1 “臨床用藥”DrugType字段的術語映射

4.2 數(shù)據(jù)服務

數(shù)據(jù)服務主要為數(shù)據(jù)治理提供統(tǒng)一的數(shù)據(jù)建模、數(shù)據(jù)管理、數(shù)據(jù)應用等服務，數(shù)據(jù)中心需要支持各業(yè)務主題域、主題分析、數(shù)據(jù)集市模型和指標相關的語義和解釋的定義，該定義包括業(yè)務口徑和技術口徑，并支持數(shù)據(jù)模型調整。同時在數(shù)據(jù)訪問層或數(shù)據(jù)服務層面提供數(shù)據(jù)可視化服務和清晰的數(shù)據(jù)指標定義，見圖4。

圖4 數(shù)據(jù)類服務

4.3 安全與隱私治理

在電子健康檔案共享過程中,為保障居民隱私安全必須應用數(shù)據(jù)安全加密處理技術，實現(xiàn)對平臺核心采集交換信息加密存儲；設置隱私保護服務模塊，通過身份驗證、短信驗證、核心數(shù)據(jù)字段隱藏等多種方式實現(xiàn)居民健康檔案信息調用隱私保護[5]。通過匿名化服務確保在平臺中以及提供正常醫(yī)療服務以外(例如醫(yī)療保險、管理以及某種形式的研究)的資料傳遞過程中,不會面向非授權用戶泄露患者身份信息，將患者身份信息通過移除或修改等手段進行泛化處理。

5 數(shù)據(jù)治理結果評價

全民健康信息平臺在完成數(shù)據(jù)治理后需要構建治理結果評價體系，對治理結果進行評價或績效考核，數(shù)據(jù)治理結果評價應圍繞數(shù)據(jù)質量和數(shù)據(jù)安全兩部分進行，數(shù)據(jù)質量按照互聯(lián)互通成熟度測評指標要求，一般分為數(shù)據(jù)邏輯性(關聯(lián)性、約束性)、及時性、完整性(一致性)、穩(wěn)定性、準確性，對數(shù)據(jù)質量結果進行評分，根據(jù)業(yè)務要求配置質控規(guī)則，包括健康檔案業(yè)務、綜合管理與決策支持業(yè)務等。通過質控規(guī)則判定數(shù)據(jù)質量及評分并可及時發(fā)布質控問題給醫(yī)院，協(xié)助醫(yī)院處理質控問題，實現(xiàn)數(shù)據(jù)全程質量控制，進而達到計劃-執(zhí)行-檢查-處理(Plan-Do-Check-Action，PDCA)的流程循環(huán)控制[6-7]。完成數(shù)據(jù)治理后數(shù)據(jù)質量得到進一步提升，治理結果可以根據(jù)平臺相關業(yè)務考核標準及要求，通過計算機化、通用化處理形成最小單位的規(guī)則標準，在規(guī)則標準基礎上制定考核模板，包括規(guī)則類型設定、指標類型設定以及邏輯化和業(yè)務標準化，系統(tǒng)最終以規(guī)則模板為基礎對數(shù)據(jù)進行全量計算，得出考核結果和考核評分[8]。

6 結語

通過區(qū)域全民健康信息平臺數(shù)據(jù)治理，醫(yī)療衛(wèi)生信息可以在區(qū)域內醫(yī)療衛(wèi)生服務機構中實現(xiàn)互通共享，便于各級各類醫(yī)療衛(wèi)生機構進行協(xié)作，實現(xiàn)全市醫(yī)療服務高效率、高質量發(fā)展。數(shù)據(jù)質量提升是一個漫長且復雜的過程，需要根據(jù)數(shù)據(jù)應用需求、應用場景隨時調整策略，如果沒有建立有效的數(shù)據(jù)治理機制將影響數(shù)據(jù)可用性、創(chuàng)新技術應用、平臺效率及有效性，需確保數(shù)據(jù)在用于分析及決策前可靠、一致。持續(xù)研究大數(shù)據(jù)治理方法及技術，實現(xiàn)對醫(yī)療健康大數(shù)據(jù)質量評價與控制，進一步提高應用服務的可用性和效率，通過治理形成高質量的醫(yī)療健康大數(shù)據(jù)資源，是平臺建設面臨的迫切任務。