馮晨陽 劉迷迷 劉 強(qiáng)

(中山大學(xué)腫瘤防治中心廣州 510006) (中山大學(xué)中山醫(yī)學(xué)院廣州 510080) (醫(yī)渡云(北京)技術(shù)有限公司廣州 510006)

何仲廉 周 毅 李超峰

(中山大學(xué)腫瘤防治中心廣州 510006) (中山大學(xué)中山醫(yī)學(xué)院廣州 510080) (中山大學(xué)腫瘤防治中心廣州 510006)

1 引言

隨著大數(shù)據(jù)、人工智能等新興技術(shù)的發(fā)展，醫(yī)療行業(yè)數(shù)據(jù)量呈爆炸式增長。政府部門、醫(yī)療機(jī)構(gòu)已逐漸意識到數(shù)據(jù)作為一種資產(chǎn)的重要性及其蘊含的巨大價值[1]。醫(yī)療大數(shù)據(jù)是指醫(yī)療行業(yè)中日積月累產(chǎn)生的數(shù)據(jù)[2]，具有類型繁雜、多源異構(gòu)、非結(jié)構(gòu)化數(shù)據(jù)占比高等特點，對數(shù)據(jù)利用帶來挑戰(zhàn)[3]。要開展數(shù)據(jù)治理工作應(yīng)先了解所存在問題，對數(shù)據(jù)質(zhì)量做全面性評價。目前針對醫(yī)院數(shù)據(jù)質(zhì)量評價的標(biāo)準(zhǔn)和體系研究已較為成熟，其中大多數(shù)研究均將數(shù)據(jù)完整性、一致性、規(guī)范性、準(zhǔn)確性、時效性作為評價數(shù)據(jù)質(zhì)量的重要維度[4-5]。但在醫(yī)院信息化項目的實踐過程中發(fā)現(xiàn)，基于醫(yī)療業(yè)務(wù)流程的復(fù)雜性、不同機(jī)構(gòu)的信息系統(tǒng)差異性，不同醫(yī)療機(jī)構(gòu)存在的數(shù)據(jù)問題和治理的側(cè)重點均不同，如何將標(biāo)準(zhǔn)化的評價模型與院內(nèi)實際情況相結(jié)合，從而因地制宜對院內(nèi)數(shù)據(jù)質(zhì)量進(jìn)行客觀真實評價是值得探討的問題。本文將中山大學(xué)腫瘤防治中心(以下簡稱中腫)基于醫(yī)療大數(shù)據(jù)平臺進(jìn)行數(shù)據(jù)質(zhì)量評價及監(jiān)管的應(yīng)用情況進(jìn)行闡述，并提出相關(guān)思考和建議。

2 技術(shù)框架

2.1 大數(shù)據(jù)平臺構(gòu)建

大數(shù)據(jù)平臺基于分布式技術(shù)架構(gòu)，在不影響業(yè)務(wù)系統(tǒng)的前提下，將包括醫(yī)院信息系統(tǒng)(Hospital Information System，HIS)，電子病歷(Electronic Medical Record，EMR)，檢驗信息系統(tǒng)(Laboratory Information System，LIS)，醫(yī)學(xué)影像存儲與傳輸系統(tǒng)(Picture Archiving and Communication System，PACS)等在內(nèi)的多個系統(tǒng)數(shù)據(jù)整合到標(biāo)準(zhǔn)的數(shù)據(jù)模型，形成患者維度和就診維度的全景數(shù)據(jù)。同時，大數(shù)據(jù)平臺通過自然語言處理(Natural Language Processing，NLP)技術(shù)將醫(yī)院內(nèi)業(yè)務(wù)系統(tǒng)產(chǎn)生的原始醫(yī)療文本數(shù)據(jù)進(jìn)行結(jié)構(gòu)化處理。大數(shù)據(jù)平臺整體框架，見圖1。

圖1 大數(shù)據(jù)平臺整體框架

2.1.1 數(shù)據(jù)匯聚采集 在醫(yī)院內(nèi)網(wǎng)環(huán)境配置數(shù)據(jù)同步前置機(jī)，通過OGG和發(fā)布訂閱等數(shù)據(jù)庫同步技術(shù)，實現(xiàn)院內(nèi)臨床診療、醫(yī)技等多源異構(gòu)數(shù)據(jù)全量接入，支持以T+0/T+1/T+7等不同頻度進(jìn)行更新和調(diào)度。匯聚來自HIS、EMR、LIS、PACS、護(hù)理、病理、超聲、放療、手麻、重癥、內(nèi)鏡、心電圖、生物樣本庫、體檢、肺功能等系統(tǒng)的業(yè)務(wù)數(shù)據(jù)。同時前置機(jī)同步時會采用數(shù)據(jù)加密標(biāo)準(zhǔn)(Data Encryption Standard，DES)加密算法對患者姓名、身份證號、電話、地址等敏感信息進(jìn)行脫敏處理，見圖2。

圖2 數(shù)據(jù)庫同步

2.1.2 數(shù)據(jù)處理加工 (1)數(shù)據(jù)清洗。對數(shù)據(jù)進(jìn)行重新審查和校驗的過程，目的在于刪除重復(fù)信息、糾正錯誤并保證數(shù)據(jù)一致性。一致性檢查是根據(jù)每個變量的合理取值范圍和相互關(guān)系檢查數(shù)據(jù)是否合乎要求，是否存在超出正常范圍、邏輯上不合理或者相互矛盾的數(shù)據(jù)，如無效值和缺失值、殘缺數(shù)據(jù)、錯誤數(shù)據(jù)、重復(fù)數(shù)據(jù)等。(2)患者主索引(Enterprise Master Patient Index，EMPI)合并和關(guān)聯(lián)。通過 EMPI整合患者歷次就診數(shù)據(jù)，建立患者維度數(shù)據(jù)集。根據(jù)患者身份證號、就診卡號等可直接確認(rèn)患者身份的數(shù)據(jù)字段做就診關(guān)聯(lián)并生成EMPI患者唯一標(biāo)識。當(dāng)無法直接確認(rèn)患者身份時，根據(jù)姓名、性別、出生日期、身份證號等數(shù)據(jù)并通過EMPI算法規(guī)則判斷是否為同一患者。通過EMPI可將患者單次檢查或檢驗、就診維度進(jìn)行關(guān)聯(lián)。(3)標(biāo)準(zhǔn)化歸一?；谙嚓P(guān)指南和行業(yè)等標(biāo)準(zhǔn)，如藥品詞典規(guī)范解剖學(xué)、治療學(xué)及化學(xué)分類系統(tǒng)(Anatomical Therapeutic Chemical，ATC)[6]、電子病歷基本架構(gòu)與數(shù)據(jù)標(biāo)準(zhǔn)[7]、衛(wèi)生信息基本數(shù)據(jù)集編制規(guī)范[8]，對院內(nèi)采集匯聚的診斷、手術(shù)、藥品、檢驗、檢查等臨床診療和醫(yī)技相關(guān)數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化處理。通過自然語言的同義詞表、醫(yī)學(xué)術(shù)語的同義關(guān)聯(lián)詞表，在數(shù)據(jù)挖掘算法指導(dǎo)下對不同文字表達(dá)但含義相對的字段信息進(jìn)行歸一，為后續(xù)應(yīng)用提供正確且統(tǒng)一的信息表達(dá)。(4)數(shù)據(jù)結(jié)構(gòu)化。院內(nèi)采集匯聚的數(shù)據(jù)中病歷文書、護(hù)理記錄、檢查所見、檢查結(jié)論等醫(yī)療數(shù)據(jù)存在較多非結(jié)構(gòu)化或半結(jié)構(gòu)化記錄。大數(shù)據(jù)平臺通過自然語言處理技術(shù)，結(jié)合醫(yī)療專業(yè)術(shù)語的語義結(jié)構(gòu)，將醫(yī)療語義信息從原始自然語言表達(dá)擴(kuò)展分析為結(jié)構(gòu)化的Key-Value模式，對數(shù)據(jù)依據(jù)主題字段進(jìn)行劃分。數(shù)據(jù)治理針對電子病歷、影像檢查報告、手術(shù)記錄、臨床診斷等10類記錄進(jìn)行結(jié)構(gòu)化處理，覆蓋常規(guī)的檢驗、檢查、癥狀、疾病生命體征、家族史、婚育史、過敏史、手術(shù)、病理、藥品醫(yī)囑等臨床字段數(shù)據(jù)，形成超過7 000條字段的數(shù)據(jù)集。

2.1.3 數(shù)據(jù)應(yīng)用 數(shù)據(jù)采集加工后，建立多個應(yīng)用充分挖掘數(shù)據(jù)價值。(1)病歷全景視圖/時間軸。將患者全病程數(shù)據(jù)按時間次序進(jìn)行整合，形成全景視圖。(2)病例檢索和科研子系統(tǒng)。根據(jù)科研相關(guān)流程進(jìn)行納排人群、指標(biāo)提取、統(tǒng)計分析等。(3)探索發(fā)現(xiàn)。通過數(shù)據(jù)可視化、?；鶊D等激發(fā)科研靈感。

2.2 數(shù)據(jù)質(zhì)量評價模型構(gòu)建

2.2.1 確定數(shù)據(jù)維度和定量測量方法 參考國家數(shù)據(jù)質(zhì)量評價標(biāo)準(zhǔn)[9]并依據(jù)中腫實際情況，將數(shù)據(jù)質(zhì)量問題劃分為5個維度并確定相應(yīng)定量計算方法，見表1。

表1 數(shù)據(jù)評價維度及定量測量計算方法

2.2.2 確定質(zhì)量評價業(yè)務(wù)覆蓋范圍，梳理評價規(guī)則 根據(jù)院內(nèi)信息系統(tǒng)情況，確定數(shù)據(jù)質(zhì)量評價業(yè)務(wù)覆蓋范圍。以臨床醫(yī)療數(shù)據(jù)為核心，范圍涵蓋HIS、EMR、LIS、放射信息系統(tǒng)(Radiology Information System，RIS)、移動護(hù)理、手術(shù)麻醉、重癥監(jiān)護(hù)、病案系統(tǒng)、體檢等臨床業(yè)務(wù)信息系統(tǒng)，見表2。依據(jù)國家數(shù)據(jù)質(zhì)量評價標(biāo)準(zhǔn)[9]、數(shù)據(jù)管理能力成熟度評估模型[10]、國家電子病歷規(guī)范[7]，并結(jié)合實踐中常見問題情況和質(zhì)控重點梳理評價規(guī)則，見表3。

表2 質(zhì)量檢查覆蓋的業(yè)務(wù)系統(tǒng)/模塊范圍

續(xù)表2

表3 各數(shù)據(jù)維度規(guī)則舉例

2.3 針對各維度量化評分計算

為對數(shù)據(jù)質(zhì)量情況進(jìn)行直觀判斷，根據(jù)前述各規(guī)則判斷的數(shù)據(jù)問題計算總分，規(guī)則如下：分維度計算分值：單維度分值=∑(1-問題數(shù)據(jù)量/數(shù)據(jù)總量)/規(guī)則數(shù)量。舉例說明：規(guī)范性規(guī)則有兩條，計算公式為：{(1-規(guī)則1錯誤量/數(shù)據(jù)總量)+(1-規(guī)則2錯誤量/數(shù)據(jù)總量)}/2。各維度加權(quán)計分：總分=∑權(quán)重*單維度規(guī)則分。

3 階段性成果

3.1 建設(shè)以患者為中心的真實世界大數(shù)據(jù)平臺

通過對30余個業(yè)務(wù)系統(tǒng)全覆蓋式的數(shù)據(jù)采集、清洗和集成，建成以患者為中心、以唯一主索引為關(guān)聯(lián)、覆蓋診療全過程數(shù)據(jù)且T+0實時更新的真實世界大數(shù)據(jù)平臺，目前已匯集從2000年至今的160余萬患者全量數(shù)據(jù)，治理病歷數(shù)超1 000萬，形成結(jié)構(gòu)化字段7 000余條,并基于患者維度的全景數(shù)據(jù)將原始記錄按照時序排列，形成患者診療時間軸。

3.2 建設(shè)數(shù)據(jù)質(zhì)量監(jiān)管系統(tǒng)

通過構(gòu)建數(shù)據(jù)質(zhì)量評價標(biāo)準(zhǔn)，按照原生系統(tǒng)數(shù)據(jù)質(zhì)量的完整性、準(zhǔn)確性、規(guī)范性、時效性、一致性5個維度，共設(shè)置224個參評規(guī)則，參評字段158個，可視化呈現(xiàn)數(shù)據(jù)質(zhì)量情況?？梢钥闯鲋心[數(shù)據(jù)在規(guī)范、時效、準(zhǔn)確性等方面質(zhì)量較好，而其一致性和完整性的質(zhì)量稍差，大部分是歷史原因所致的病案首頁缺漏和不一致。

3.3 建立可溯源易反饋體系

針對每條參評規(guī)則，可查看規(guī)則設(shè)定的具體表、字段、錯誤的情況。為易于排查反饋，給出原生庫結(jié)構(gòu)化查詢語言(Structured Query Language，SQL)排查語句和問題樣例。最大程度上將檢索出的問題以最便捷的形式反饋給相關(guān)原生系統(tǒng)，極大減少溝通時間成本。

4 成效與創(chuàng)新

4.1 實現(xiàn)數(shù)據(jù)質(zhì)量評價定位問題的具象性、監(jiān)控問題的持續(xù)性和實時性

數(shù)據(jù)質(zhì)量評價的目的不僅是從宏觀層面多維度了解當(dāng)前數(shù)據(jù)質(zhì)量情況，更重要的是方便發(fā)現(xiàn)問題，并有效反饋至原生系統(tǒng)進(jìn)行數(shù)據(jù)整改。因此監(jiān)管評價系統(tǒng)反饋數(shù)據(jù)具體情況在一定程度上減少了原生系統(tǒng)排查問題的工作量和難度。既往研究中的醫(yī)療數(shù)據(jù)質(zhì)量管理系統(tǒng)功能多停留在問題發(fā)現(xiàn)層面，并不直觀呈現(xiàn)問題來源。而本研究所構(gòu)建系統(tǒng)除了呈現(xiàn)發(fā)現(xiàn)問題的所屬表和字段外，還通過下鉆頁列舉問題樣例，利用對應(yīng)關(guān)系創(chuàng)新性地給出原生系統(tǒng)問題排查的SQL語句，以期以最易用、快捷的方式定位問題和成因，保障數(shù)據(jù)治理環(huán)節(jié)的流暢性，提高整改效率。同時數(shù)據(jù)問題的發(fā)現(xiàn)并不是橫斷面的，而是長期連續(xù)性的，通過持續(xù)實時監(jiān)控可以得到初次排查整改的問題反饋，實時發(fā)現(xiàn)新產(chǎn)生問題，從而形成評價-反饋-治理的良性閉環(huán)。

4.2 大數(shù)據(jù)背景下實現(xiàn)跨信息系統(tǒng)的數(shù)據(jù)質(zhì)量多維度評價

通過患者主索引將多個信息系統(tǒng)的數(shù)據(jù)關(guān)聯(lián)起來，不僅實現(xiàn)單一系統(tǒng)的數(shù)據(jù)評價，還可以發(fā)現(xiàn)跨系統(tǒng)之間存在的數(shù)據(jù)問題，如時效性維度，即患者手術(shù)系統(tǒng)操作時間應(yīng)在入院時間之后；一致性維度，即各系統(tǒng)姓名一致等。本研究通過各維度量化評分的計算將既往分散的規(guī)則付以權(quán)重，以百分制形式呈現(xiàn)，以便管理人員直觀了解數(shù)據(jù)質(zhì)量情況。利用大數(shù)據(jù)平臺相關(guān)技術(shù)將各信息系統(tǒng)數(shù)據(jù)進(jìn)行有效關(guān)聯(lián)和分析，開展更全面的數(shù)據(jù)質(zhì)量評價。

4.3 終末數(shù)據(jù)治理和初始監(jiān)管并行，事后評價向事中監(jiān)控過渡

通過人工智能技術(shù)對各系統(tǒng)數(shù)據(jù)進(jìn)行清洗以構(gòu)建大數(shù)據(jù)平臺，利用EMPI、NLP、標(biāo)準(zhǔn)化歸一等技術(shù)手段，對原始數(shù)據(jù)進(jìn)行終末治理，提升數(shù)據(jù)可用性，為各智能化應(yīng)用場景提供堅實的數(shù)據(jù)基礎(chǔ)。同時在監(jiān)管過程中核查數(shù)據(jù)情況，記錄并呈現(xiàn)數(shù)據(jù)問題。通過發(fā)現(xiàn)事后問題指導(dǎo)并協(xié)助原生系統(tǒng)進(jìn)行相關(guān)功能優(yōu)化，同時在事中進(jìn)行實時監(jiān)控，將問題發(fā)現(xiàn)的節(jié)點前置，避免問題數(shù)據(jù)產(chǎn)生，形成監(jiān)控-反饋-治理的良性閉環(huán)，不斷提升數(shù)據(jù)治理水平。

5 結(jié)語

本實踐通過對院內(nèi)各業(yè)務(wù)系統(tǒng)的數(shù)據(jù)采集、清洗和整合構(gòu)建統(tǒng)一的大數(shù)據(jù)平臺。在此基礎(chǔ)上結(jié)合國家、行業(yè)標(biāo)準(zhǔn)實現(xiàn)對院內(nèi)數(shù)據(jù)的終末治理、系統(tǒng)質(zhì)量評價，并通過構(gòu)建實時數(shù)據(jù)質(zhì)量監(jiān)管系統(tǒng)實現(xiàn)數(shù)據(jù)問題可視化、易溯源，推動形成監(jiān)控-反饋-治理的良性閉環(huán)，發(fā)揮治理工具價值并實現(xiàn)數(shù)據(jù)增值。受人為因素影響，如操作不規(guī)范、流程不合理可能導(dǎo)致數(shù)據(jù)缺失，跨系統(tǒng)對接不流暢可能導(dǎo)致數(shù)據(jù)不一致，因而數(shù)據(jù)治理實質(zhì)是管理。只有將質(zhì)量評價中發(fā)現(xiàn)的問題進(jìn)行深度剖析，協(xié)調(diào)人力落實問題整改、優(yōu)化流程、規(guī)范業(yè)務(wù)，才能真正為提升數(shù)據(jù)質(zhì)量奠定基礎(chǔ)。后續(xù)將持續(xù)優(yōu)化數(shù)據(jù)評價模型、建立完善管理體系，全方位提升院內(nèi)數(shù)據(jù)治理能力，提高數(shù)據(jù)的可信性、可用性。