楊麗靜 陳育慶 徐 旭

(杭州市衛(wèi)生健康事業(yè)發(fā)展中心杭州310002) (杭州市衛(wèi)生健康綜合行政執(zhí)法隊杭州310021) (杭州市衛(wèi)生健康事業(yè)發(fā)展中心杭州310002)

廖維維 蔣奉錦

(杭州市衛(wèi)生健康綜合行政執(zhí)法隊 杭州310021) (杭州浩洋科技有限公司 杭州310005)

1 引言

2019年9月國務院出臺《關于加強和規(guī)范事中事后監(jiān)管的指導意見》(國發(fā)〔2019〕18號)[1]，提出要創(chuàng)新和完善監(jiān)管方式，深入推進“互聯(lián)網(wǎng)+監(jiān)管”。利用數(shù)據(jù)可視化、機器學習、模型預測、并行計算等大數(shù)據(jù)技術，加強對風險防控動態(tài)預警管理。探索推行以遠程監(jiān)管、移動監(jiān)管、預警防控為特征的非現(xiàn)場監(jiān)管模式，可以加強監(jiān)督管控力度，提升監(jiān)管規(guī)范化、精準化、智能化水平。之后各地、各部門尤其是市場監(jiān)管部門開始開展“互聯(lián)網(wǎng)+監(jiān)管”探索和實踐。四川省率先在全國范圍內(nèi)建立“醫(yī)療三監(jiān)管”模式，建設具備醫(yī)療衛(wèi)生機構、醫(yī)務人員和醫(yī)療行為記錄數(shù)據(jù)監(jiān)管功能的政府數(shù)字化監(jiān)管平臺[2-3]，充分整合醫(yī)政醫(yī)管、婦幼保健、基層衛(wèi)生、綜合監(jiān)督等管理部門相關數(shù)據(jù)，采用大數(shù)據(jù)處理技術進行清洗、關聯(lián)分析和深度應用，實現(xiàn)多角度、多維度分析，高效、準確定位醫(yī)療機構、醫(yī)務人員及醫(yī)療行為情況，動態(tài)、實時、可視化地呈現(xiàn)監(jiān)管結果。浙江省玉環(huán)市衛(wèi)生監(jiān)督所建設“智慧衛(wèi)監(jiān)”醫(yī)療機構診療行為預警云計算平臺[4]。該平臺整合衛(wèi)生監(jiān)督協(xié)管系統(tǒng)、國家醫(yī)師注冊信息系統(tǒng)、基層醫(yī)療機構醫(yī)院信息系統(tǒng)(Hospital Information System，HIS)等多方數(shù)據(jù)，圍繞“大數(shù)據(jù)+風險預警”機制開發(fā)抗菌藥物處方異常預警、診療科目超范圍預警、處方異常預警、醫(yī)師空掛預警、醫(yī)護注冊預警等功能，初步實現(xiàn)醫(yī)療衛(wèi)生精準執(zhí)法。上述相關系統(tǒng)數(shù)據(jù)獲取較單一，僅對部分公立醫(yī)療機構及民營醫(yī)療機構進行監(jiān)管，且無法實現(xiàn)跨場景應用。杭州市全民健康信息平臺全域醫(yī)療大數(shù)據(jù)精準監(jiān)管預警系統(tǒng)率先采用，與杭州市醫(yī)保系統(tǒng)進行數(shù)據(jù)對接，實現(xiàn)對全市80%以上、近5 000家醫(yī)療機構進行實時在線智能監(jiān)管的跨場景應用。本文針對該系統(tǒng)構建和實踐進行研究。

2 精準預警監(jiān)管應用系統(tǒng)構建

2.1 設計思路

2.1.1 系統(tǒng)業(yè)務架構(圖1) 包括數(shù)據(jù)交換層、數(shù)據(jù)中心層、應用層3部分。數(shù)據(jù)交換層通過Http接口、Socket、Web Service、數(shù)據(jù)導入、數(shù)據(jù)庫讀取等方式進行數(shù)據(jù)交互。數(shù)據(jù)中心層可跨場景采集杭州市醫(yī)保、全民健康信息系統(tǒng)、醫(yī)師注冊信息、醫(yī)療機構注冊信息等業(yè)務系統(tǒng)的診療行為數(shù)據(jù)，包括定點醫(yī)療服務機構、人員就診登記、項目明細、手術、住院醫(yī)囑、病案主頁、檢查單、檢驗單等信息，并進行交叉分析、業(yè)務數(shù)據(jù)對比、關鍵字搜索、預警等級劃分等數(shù)據(jù)處理，將預警結果推送至浙江省“互聯(lián)網(wǎng)+監(jiān)管”平臺。應用層供醫(yī)療機構等監(jiān)管單位進行快速預警數(shù)據(jù)查看，從而為監(jiān)管工作提供快速、精準的事實數(shù)據(jù)依據(jù)并保留處理記錄。

圖1 系統(tǒng)業(yè)務架構

2.1.2 開發(fā)環(huán)境 系統(tǒng)采用Window+Eclipse+Vue+Java +Web+Android+Mysql+Hadoop+Redis開發(fā)環(huán)境。Vue是具有輕量級、雙向數(shù)據(jù)綁定、指令、組件化等特性的漸進式框架[5]，通過簡單化應用程序接口(Application Programming Interface，API)實現(xiàn)響應的數(shù)據(jù)綁定和組合的視圖組件。安卓(Android)是一種基于Linux平臺的開源操作系統(tǒng)，應用于移動設備，具備較為優(yōu)秀的交互界面以及交互邏輯，同時其較為開放的特性給予開發(fā)者更多資源[6]。結合開發(fā)工具Eclipse在Window系統(tǒng)中集成。Eclipse采用“平臺+插件”的體系結構，平臺僅作為容器，所有業(yè)務功能可封裝在插件中應用。通過不同插件擴展實現(xiàn)所需功能，滿足開發(fā)者需求。采用Mysql創(chuàng)建結構式數(shù)據(jù)存儲，通過Hadoop對海量大文件和復雜、龐大的數(shù)據(jù)集進行存儲處理；Redis為臨時數(shù)據(jù)提供緩存，可快速查詢、處理數(shù)據(jù)[7]。

2.2 系統(tǒng)功能模塊

2.2.1 概述 系統(tǒng)主要有5項功能，包括預警展示、全景地圖、數(shù)據(jù)倉庫、風險管理和預警調(diào)度。各模塊之間關聯(lián)互通，貫穿衛(wèi)生健康綜合執(zhí)法業(yè)務，實現(xiàn)衛(wèi)生監(jiān)督數(shù)據(jù)在線云計算、智能預警和分級管理等。

2.2.2 預警展示 建立全市6 000多家醫(yī)療機構診療行為數(shù)據(jù)風險預警展示頁面，采用大屏進行數(shù)據(jù)可視化監(jiān)控，監(jiān)控內(nèi)容包括全區(qū)各監(jiān)督對象數(shù)據(jù)總覽、執(zhí)法記錄數(shù)據(jù)總覽、在線監(jiān)測數(shù)據(jù)圖表等，并實時更新動態(tài)。

2.2.3 全景地圖 建立完善的監(jiān)管對象全景檔案。監(jiān)管對象是以管理相對人一戶一檔為中心，將各縣市區(qū)管理對象集中整合進一戶一檔。最終形成以管理對象為中心，以地理信息系統(tǒng)(Geographic Information System，GIS)定位信息為節(jié)點的全景檔案，實現(xiàn)管理對象定位顯示及篩選功能。

2.2.4 數(shù)據(jù)倉庫 集中展示醫(yī)療機構診療行為數(shù)據(jù)，包括醫(yī)療機構診療信息、人員表、處方分類表、接診類型表、機構輸液許可、限制級藥品、醫(yī)護注冊系統(tǒng)數(shù)據(jù)等，便于對監(jiān)管對象進行預警行為分析。

2.2.5 風險管理 對轄區(qū)內(nèi)5 000家醫(yī)療機構的診療超范圍、執(zhí)業(yè)異常、處方異常、抗菌藥品警示、輸液非許可、基因檢測資質(zhì)異常、限制級臨床技術資質(zhì)異常和麻醉行為資質(zhì)異常等進行風險管理，具體內(nèi)容如下：診療超范圍預警是通過自研診療范圍模型和實際診療行為數(shù)據(jù)進行比對，對轄區(qū)內(nèi)醫(yī)療機構以及人員的超范圍診療行為進行預警；醫(yī)師執(zhí)業(yè)預警是通過算法對醫(yī)療機構醫(yī)護基本信息、醫(yī)師多點執(zhí)業(yè)信息和處方信息建立醫(yī)師注冊異常、診療行為異常、醫(yī)師空掛等預警信息；處方異常預警是通過邏輯推理智能算法對注冊醫(yī)師的處方信息和處方內(nèi)藥品數(shù)據(jù)進行判斷，獲得處方異常記錄，實時提示機構或人員違規(guī)行為；抗菌藥超常使用預警，通過機器學習、卷積神經(jīng)網(wǎng)絡算法對醫(yī)療機構的診療數(shù)據(jù)和抗菌藥物庫進行判斷，標記抗菌藥物異常使用的處方記錄并產(chǎn)生機構預警提示信息；輸液許可預警，建立醫(yī)療機構輸液許可數(shù)據(jù)、匹配規(guī)則及預警提示；母嬰保健預警，分析機構資質(zhì)，當不具有母嬰保健服務許可以及計劃生育專業(yè)的機構開展人流診療行為時，對該機構預警；基因檢測預警，當不具有臨床細胞分殖遺傳學專業(yè)的機構進行基因檢測行為時，對該機構預警；限制級臨床技術預警，分析機構資質(zhì)，當不具備限制級臨床技術備案的機構開展限制級臨床技術時，對該機構預警；麻醉行為預警，分析機構資質(zhì)，當不具備麻醉專業(yè)資質(zhì)的機構開展麻醉行為時，對該機構預警。

2.2.6 預警調(diào)度 系統(tǒng)根據(jù)所產(chǎn)生預警信息分配至相應人員，對預警信息進行人工校驗。相關人員核驗信息屬實后則組織相關執(zhí)法人員進行現(xiàn)場取證并做相關處罰。行政處罰結束后可以在系統(tǒng)中錄入處置結果。

2.3 數(shù)據(jù)層架構

2.3.1 數(shù)據(jù)采集 醫(yī)療大數(shù)據(jù)采集和分析是系統(tǒng)建設的基礎。數(shù)據(jù)源頭較多，數(shù)據(jù)采集任務較重，根據(jù)不同類型數(shù)據(jù)采集需要，主要采用數(shù)據(jù)庫數(shù)據(jù)交換、錄入、導入、接口等采集方式。第1種方式為數(shù)據(jù)庫交換技術，主要采集來自全民健康信息平臺的數(shù)據(jù)，如醫(yī)院科室分類、個人電子病歷信息等。第2種方式是搜索引擎技術。互聯(lián)網(wǎng)是開放、巨大的資源庫，互聯(lián)網(wǎng)資源具有信息時效性和內(nèi)容廣泛性等特點，可通過搜索技術獲得大量有效信息。根據(jù)醫(yī)療監(jiān)管范圍制定檢索邊界和規(guī)則，篩選出可用信息作為數(shù)據(jù)儲備。第3種方式為批量導入，主要采集數(shù)據(jù)量較大的結構化數(shù)據(jù)。第4種方式為應用程序接口，將其他系統(tǒng)數(shù)據(jù)采集到本系統(tǒng)。使用數(shù)據(jù)倉庫對數(shù)據(jù)進行清洗、導入、檢索、結構呈現(xiàn)等，并快速篩選業(yè)務邏輯中所需數(shù)據(jù)，實現(xiàn)產(chǎn)生精準數(shù)據(jù)的目的。

2.3.2 數(shù)據(jù)存儲 采集的數(shù)據(jù)根據(jù)結構化程度分為非結構化、半結構化和結構化數(shù)據(jù)。對于結構化數(shù)據(jù)，結合病歷、科室、病種、藥品名稱等出現(xiàn)頻率較高的高效值數(shù)據(jù)，優(yōu)先處理并采用Mysql等傳統(tǒng)存儲技術進行存儲；對于非結構化、半結構化和部分結構化的數(shù)據(jù)則采用Hadoop等大數(shù)據(jù)處理技術進行分布式、云存儲處理并進行深入分析、挖掘、應用，為監(jiān)管部門提供預警信息。

2.3.3 數(shù)據(jù)算法 醫(yī)療大數(shù)據(jù)具有海量性、復雜性、異構性、精確性等特點，傳統(tǒng)數(shù)據(jù)處理技術無法滿足其應用需求，需借助數(shù)據(jù)算法進行處理才可實現(xiàn)數(shù)據(jù)驅(qū)動，最大化發(fā)揮數(shù)據(jù)價值。本研究采用Apache Mahout技術，其主要提供推薦引擎、聚類和分類等可擴展機器學習領域的經(jīng)典算法，可以實現(xiàn)文檔聚類分類、推薦過濾、頻繁子項挖掘等功能。Mahout遵從Apache開源協(xié)議，充分利用MapReduce和分布式文件系統(tǒng)(Hadoop Distributed File System，HDFS)的擴展性和容錯性。根據(jù)醫(yī)療大數(shù)據(jù)構建分類模型，對分類模型進行管理，較為常用的Mahout貝葉斯分類算法用于對數(shù)據(jù)的預處理。其中聚類算法K-means用于提取特征并分詞，對詞編碼，并將特征向量化，向量化表現(xiàn)形式采用更省空間的hashmap保存，將數(shù)據(jù)保存為SequenceFile格式。

2.3.4 硬件架構 服務器采用多節(jié)點分布式系統(tǒng)架構，在業(yè)務支撐能力上，有著良好的自主性和靈活性。對于后續(xù)的運維和故障恢復較為便捷。為應對更大的數(shù)據(jù)量配備至少4核心且時鐘頻率在2.5GHZ 及以上的中央處理器，8GB 內(nèi)存。在系統(tǒng)軟件上需支持Hadoop框架，其核心功能是面向大數(shù)據(jù)處理的并行計算框架[7],核心組件有HDFS、Hadoop MapReduce、YARN，在MapReduce的思想下，Handoop具備高可靠性、高擴展性、高效性、高容錯性，以應對海量數(shù)據(jù)存儲和分析計算需求。

2.4 服務層架構

2.4.1 面向用戶 一是根據(jù)關鍵詞匹配醫(yī)療范圍。在醫(yī)療范圍中，結合實際選擇特有醫(yī)療術語輸入智能監(jiān)管預警系統(tǒng)中，將用戶超診療范圍預警機構以低、中、高3個等級類型顯示。二是可設置系統(tǒng)白名單。線下核實后如發(fā)現(xiàn)預警中信息不符合許可一致白名單，在有效時間內(nèi)不再匹配與預警該機構。系統(tǒng)提供統(tǒng)計、預警、處方還原、處置記錄的永久查看功能，并可跨平臺、多用戶、實時顯示。

2.4.2 面向大數(shù)據(jù)平臺 因醫(yī)療數(shù)據(jù)敏感性較高，平臺進行嚴格的權限管理，除指定場所外不提供對接相關接口權限，為第3方提供接口服務。服務內(nèi)容僅包括相關統(tǒng)計數(shù)據(jù)、預警數(shù)據(jù)、加密后的處方還原等。終端設備通過市醫(yī)保等系統(tǒng)的安全網(wǎng)絡訪問人工智能核心服務器獲取對應數(shù)據(jù)，經(jīng)系統(tǒng)后臺多重計算并采用Vue+HTML5技術將數(shù)據(jù)計算結果轉(zhuǎn)換為各種統(tǒng)計圖表直觀展示。客戶端只需配備通用瀏覽器軟件，基于Web服務的圖形CAD網(wǎng)絡化協(xié)同設計框架，用戶使用任意設備和操作系統(tǒng)都能獲得良好體驗。

2.4.3 面向數(shù)據(jù)智能處理 在實現(xiàn)信息系統(tǒng)數(shù)據(jù)收集的前提下，針對大數(shù)據(jù)倉庫中的數(shù)據(jù)進行多維度運算分析。主要包括按照醫(yī)療技術準入運算、按照處方診斷操作運算、按照關鍵醫(yī)用耗材運算、快速精準定位預警機構信息并提供可追溯查看的依據(jù)記錄。配備集群計算服務器，提高運算效率和處理速度。配備支持統(tǒng)一計算設備架構(Compute Unified Device Architecture，CUDA)，具有圖形處理單元的圖形處理器(Graphic Process Unit，GPU),從而將特定計算分解為獨立、可同時執(zhí)行的較小計算，并將計算重新組合或同步以形成計算結果。

3 實踐結果

3.1 充分利用醫(yī)療大數(shù)據(jù)，提高數(shù)據(jù)效能

系統(tǒng)基于杭州市全民健康信息平臺上歸集的全市醫(yī)療機構醫(yī)保診療行為數(shù)據(jù)，接入情況如下：總醫(yī)療機構數(shù)7 115家，累計333 255 052條，藥品信息208 887條。截至2021年9月查處包括限制臨床應用醫(yī)療技術、違法開展放取環(huán)技術、門診違規(guī)使用特殊級抗菌藥物、違反基層醫(yī)療機構停止接診規(guī)定、違規(guī)接診發(fā)熱等問題事件共計123起，監(jiān)管數(shù)據(jù)包括定點醫(yī)療服務機構、人員就診登記、項目明細、手術、住院醫(yī)囑、病案主頁、檢查單和檢驗單等信息，建立面向全市醫(yī)療機構電子病歷數(shù)據(jù)的信息共享交換平臺，運用大數(shù)據(jù)智能分析技術，實現(xiàn)大數(shù)據(jù)高效挖掘、分析利用，為精準執(zhí)法提供確鑿證據(jù)。

3.2 有效利用智能分析技術，提升監(jiān)管效率

系統(tǒng)覆蓋全市90%以上的醫(yī)療機構，通過基礎支持庫與多維度診療行為監(jiān)管算法，智能篩選出診療行為違法預警信息。以使用抗菌藥物開展靜脈輸注未經(jīng)核準預警為例，目前杭州市醫(yī)療機構診療行為數(shù)據(jù)有300 032 423 423條，發(fā)現(xiàn)門診使用特殊級抗菌藥物異常報警2 286條，涉及醫(yī)療機構49家。按照相關條例和文件要求，從抗菌藥物、醫(yī)療機構類別、靜脈輸液、縣級衛(wèi)生行政部門核準4個維度進行分析；將提取的各維度信息進行完善，形成相對應的規(guī)則，同時將規(guī)則與預警進行關聯(lián)；系統(tǒng)按照規(guī)則對醫(yī)保數(shù)據(jù)分析計算得出預警；監(jiān)督員依照系統(tǒng)提供的預警線索前往現(xiàn)場核查。通過上述流程數(shù)分鐘即可實現(xiàn)對上百萬條電子病歷和處方進行監(jiān)管、快速非現(xiàn)場執(zhí)法，使衛(wèi)生執(zhí)法人員有更多時間投入到監(jiān)督執(zhí)法活動中。

3.3 實現(xiàn)實時監(jiān)控數(shù)據(jù)，提高執(zhí)法精準性

應用該系統(tǒng)既可實現(xiàn)衛(wèi)生監(jiān)督執(zhí)法工作聯(lián)動，又可及時歸集數(shù)據(jù)，做到實時掌握風險、發(fā)現(xiàn)問題，使衛(wèi)生監(jiān)督工作真正擺脫以往信息不暢、無法從海量診療數(shù)據(jù)中查找潛在風險信息和違法事實信息的局面，實現(xiàn)由傳統(tǒng)的人工查找工作模式向線上執(zhí)法、“互聯(lián)網(wǎng)+監(jiān)管”的模式轉(zhuǎn)變。

4 結語

本文提出基于全市診療數(shù)據(jù)、通過多維度運算規(guī)則得到精準預警數(shù)據(jù)的處理方式，詳細介紹精準預警監(jiān)管系統(tǒng)整體架構和關鍵技術。制定一整套運算規(guī)則，進一步加強對醫(yī)療技術臨床應用的監(jiān)管。通過“互聯(lián)網(wǎng)+監(jiān)管”模式，將原本分散的監(jiān)管方式向統(tǒng)一化監(jiān)管方向轉(zhuǎn)變，監(jiān)管范圍提升到全市95%以上的醫(yī)療機構，智能化的精準預警提升了監(jiān)管效率。本系統(tǒng)尚存在一定缺陷，如設計架構適合就診記錄、檢驗、處方等具有固定格式的結構化數(shù)據(jù)，對于遺囑等半結構化或非結構化數(shù)據(jù)無法對其內(nèi)容進行精準判斷，存在監(jiān)管漏洞。下一步將針對此類問題采用自然語言處理技術進行預分析，提取內(nèi)容標簽并進行對比分析，提高系統(tǒng)監(jiān)管準確性和全面性。