李競(jìng) 齊國(guó)強(qiáng) 俞剛

（浙江大學(xué)醫(yī)學(xué)院附屬兒童醫(yī)院數(shù)據(jù)信息部 浙江省杭州市 310052）

我國(guó)已將大數(shù)據(jù)戰(zhàn)略上升為國(guó)家戰(zhàn)略[1,2]，旨在全面推進(jìn)我國(guó)大數(shù)據(jù)發(fā)展和應(yīng)用，推動(dòng)數(shù)據(jù)資源開放共享。當(dāng)前，我省正在全面推進(jìn)數(shù)字化改革，數(shù)據(jù)資源合理利用是其重要目標(biāo)。我省衛(wèi)生健康行業(yè)也在加快實(shí)施“1314”衛(wèi)生健康數(shù)字化改革[3]，在合規(guī)的前提下充分挖掘醫(yī)療數(shù)據(jù)價(jià)值，激活醫(yī)療大數(shù)據(jù)產(chǎn)業(yè)潛能，從而促進(jìn)我省數(shù)字經(jīng)濟(jì)高速健康發(fā)展。然而在實(shí)際應(yīng)用場(chǎng)景中，醫(yī)療數(shù)據(jù)規(guī)范使用仍面臨諸多挑戰(zhàn)[4-6]。

互聯(lián)網(wǎng)端患者數(shù)據(jù)的歸屬與利用、多中心科研中臨床數(shù)據(jù)的共享開放、社會(huì)第三方機(jī)構(gòu)使用數(shù)據(jù)合規(guī)性等風(fēng)險(xiǎn)層出不窮，患者隱私保護(hù)難度大、醫(yī)療數(shù)據(jù)分級(jí)效率低、醫(yī)療數(shù)據(jù)分級(jí)標(biāo)準(zhǔn)缺失等問題亟待解決。其中，兒童個(gè)人信息較成人更為敏感，導(dǎo)致上述問題在兒童醫(yī)療數(shù)據(jù)分級(jí)管理中更加凸顯。如何在保證數(shù)據(jù)安全的前提下，為醫(yī)療數(shù)據(jù)開發(fā)利用提供技術(shù)支撐和標(biāo)準(zhǔn)規(guī)范成為擺在醫(yī)療數(shù)據(jù)管理者與醫(yī)療政策制定者面前的緊迫任務(wù)。

與國(guó)外相比[7-9]，我國(guó)雖擁有海量的醫(yī)療數(shù)據(jù)，但是可真正用于醫(yī)療數(shù)據(jù)智能化分類分級(jí)的產(chǎn)品屈指可數(shù)，尤其在兒童醫(yī)療數(shù)據(jù)分類分級(jí)方面尚無落地應(yīng)用。本文依托浙江省自然科學(xué)基金項(xiàng)目，研究設(shè)計(jì)兒童醫(yī)療數(shù)據(jù)智能分類分級(jí)系統(tǒng)。

1 系統(tǒng)設(shè)計(jì)

1.1 設(shè)計(jì)依據(jù)

近年來我國(guó)在數(shù)據(jù)安全領(lǐng)域密集發(fā)布了多項(xiàng)政策和法律法規(guī)，提出強(qiáng)化數(shù)據(jù)資源管理，要推動(dòng)數(shù)據(jù)的分類分級(jí)管理。《健康中國(guó)2030規(guī)劃綱要》提出國(guó)家工程實(shí)驗(yàn)室開始針對(duì)政府?dāng)?shù)據(jù)分類與分級(jí)的需求，構(gòu)建“政務(wù)數(shù)據(jù)知識(shí)圖譜智能管理平臺(tái)”原型系統(tǒng)，完成該原型系統(tǒng)的編碼實(shí)現(xiàn)[10]。全國(guó)信息安全標(biāo)準(zhǔn)化技術(shù)委員會(huì)發(fā)布的《信息安全技術(shù)大數(shù)據(jù)安全管理指南》提出了建立大數(shù)據(jù)安全管理基本原則，規(guī)定了大數(shù)據(jù)安全需求、數(shù)據(jù)分類分級(jí)、大數(shù)據(jù)活動(dòng)的安全要求、評(píng)估大數(shù)據(jù)安全風(fēng)險(xiǎn)[12]。2021年頒布的《中華人民共和國(guó)數(shù)據(jù)安全法》更是強(qiáng)調(diào)要建立數(shù)據(jù)分類分級(jí)制度，并對(duì)敏感數(shù)據(jù)進(jìn)行重點(diǎn)保護(hù)[16]。如表1所示。

表1：醫(yī)療數(shù)據(jù)分級(jí)依據(jù)文件

1.2 分類分級(jí)定義

通過建立的規(guī)則引擎，實(shí)現(xiàn)敏感數(shù)據(jù)發(fā)現(xiàn)（客觀數(shù)據(jù)），方案（標(biāo)準(zhǔn)）的組合執(zhí)行規(guī)則、指標(biāo)判定規(guī)則等。綜合上節(jié)的標(biāo)準(zhǔn)規(guī)范，按照數(shù)據(jù)的重要程度、風(fēng)險(xiǎn)級(jí)別、影響范圍和影響程度，可將兒童醫(yī)療數(shù)據(jù)分為5級(jí)：

第1級(jí)：不敏感數(shù)據(jù)，可公開使用數(shù)據(jù)。依法公開和披露的數(shù)據(jù)，例如醫(yī)院基本屬性、醫(yī)院人員信息、醫(yī)院設(shè)備信息等，可直接面向公眾開放。

第2級(jí)：一般敏感的數(shù)據(jù)。例如兒童科研進(jìn)展數(shù)據(jù)，可穿戴設(shè)備自采數(shù)據(jù)等，可以提供科室用于研究分析，需要使用數(shù)據(jù)的部門提交申請(qǐng)，并且通過授權(quán)后方可在限定范圍內(nèi)使用。

第3級(jí)：較敏感數(shù)據(jù)。沒有通過授權(quán)，可能對(duì)兒童或監(jiān)護(hù)人健康醫(yī)療數(shù)據(jù)主體造成損害，損害程度為中級(jí)。需要使用數(shù)據(jù)的項(xiàng)目提交申請(qǐng)，并且通過授權(quán)后方可在限定項(xiàng)目范圍內(nèi)使用。

第4級(jí)：高度敏感數(shù)據(jù)。沒有通過授權(quán)，可能會(huì)對(duì)兒童或監(jiān)護(hù)人健康醫(yī)療數(shù)據(jù)主體造成損害，損害程度為較高。例如醫(yī)生用藥選擇、醫(yī)生建議、APP醫(yī)生診療信息等，數(shù)據(jù)的使用權(quán)限只限于給與兒童疾病診療相關(guān)的活動(dòng)人員使用。

第5級(jí)：極度敏感數(shù)據(jù)。沒有通過授權(quán)，可能會(huì)對(duì)兒童或監(jiān)護(hù)人健康醫(yī)療數(shù)據(jù)主體造成損害，損害程度為嚴(yán)重。例如兒童疾病史、兒童患者基本信息、影響檢測(cè)信息等,數(shù)據(jù)的使用權(quán)限只限于主治醫(yī)護(hù)人員使用，并且要求嚴(yán)格管控。

1.3 數(shù)據(jù)資源目錄

構(gòu)建數(shù)據(jù)智能應(yīng)用的全流程支撐平臺(tái)，通過對(duì)數(shù)據(jù)資源的統(tǒng)一編目、統(tǒng)一服務(wù)、統(tǒng)一共享、統(tǒng)一管理，達(dá)到對(duì)數(shù)據(jù)資源的有效管控，并在管好數(shù)據(jù)的基礎(chǔ)上實(shí)現(xiàn)對(duì)數(shù)據(jù)的標(biāo)準(zhǔn)化管理、常態(tài)化質(zhì)檢、專題化分析、價(jià)值化運(yùn)營(yíng)，從而推進(jìn)以數(shù)據(jù)資源目錄為核心的數(shù)據(jù)資源運(yùn)營(yíng)管理體系建設(shè)。

數(shù)據(jù)資源目錄技術(shù)特點(diǎn)如下：

（1）元數(shù)據(jù)：元數(shù)據(jù)通過數(shù)據(jù)資源目錄實(shí)現(xiàn)數(shù)據(jù)的價(jià)值挖掘，可實(shí)現(xiàn)快速查找數(shù)據(jù)、精確定位數(shù)據(jù)、準(zhǔn)確地理解數(shù)據(jù)和快速使用數(shù)據(jù)。幫助用戶降低數(shù)據(jù)管理人工成本、提升數(shù)據(jù)服務(wù)效率。

（2）SOA架構(gòu)：本系統(tǒng)采用面向服務(wù)架構(gòu)技術(shù)進(jìn)行開發(fā)，它將應(yīng)用的不同服務(wù)通過定義好的契約以一種通用和統(tǒng)一的方式進(jìn)行交互。隨著應(yīng)用系統(tǒng)的集成及規(guī)模不斷增長(zhǎng)，SOA架構(gòu)憑借其解耦特性，使得系統(tǒng)可以按照模塊化來進(jìn)行擴(kuò)張更新。

（3）并發(fā)技術(shù)：本系統(tǒng)設(shè)計(jì)時(shí)采用多線程并發(fā)設(shè)計(jì)，通過分層做隔離，通過微服務(wù)解耦、削峰、異步、消息分發(fā)等技術(shù)提高了運(yùn)行效率，增強(qiáng)了系統(tǒng)的靈活性。

（4）輪詢技術(shù)：本系統(tǒng)運(yùn)行時(shí)服務(wù)端會(huì)接收到客戶端發(fā)送的請(qǐng)求，為了降低無效的服務(wù)響應(yīng)，當(dāng)客戶端沒有更新數(shù)據(jù)的時(shí)候，可以將大量請(qǐng)求緩存，分散開處理，通過這種機(jī)制減少資源的消耗。

1.4 模型構(gòu)建

通過建立規(guī)則引擎機(jī)制，實(shí)現(xiàn)對(duì)客觀類數(shù)據(jù)進(jìn)行分級(jí)分類。通過機(jī)器學(xué)習(xí)針對(duì)主觀數(shù)據(jù)分級(jí)分類，形成初步的分級(jí)分類方案，最終需要人員介入，提高準(zhǔn)確性。給一個(gè)字段打分級(jí)分類標(biāo)簽，即可以快速給數(shù)據(jù)中心內(nèi)所有相同分類的字段打標(biāo)簽。并不斷學(xué)習(xí)分級(jí)分類標(biāo)簽特征，對(duì)新增數(shù)據(jù)進(jìn)行分類標(biāo)簽推薦。如圖1所示。

圖1：智能分級(jí)分類標(biāo)簽架構(gòu)

1.4.1 醫(yī)療數(shù)據(jù)特征向量提取

如圖2所示，對(duì)醫(yī)療數(shù)據(jù)特征數(shù)據(jù)提取，針對(duì)數(shù)據(jù)特征進(jìn)行統(tǒng)計(jì)分析，通過數(shù)據(jù)計(jì)算得出數(shù)據(jù)特征的中心分布情況，并且對(duì)分布數(shù)據(jù)進(jìn)行量化處理，再是通過多次非線性計(jì)算計(jì)算，針對(duì)海量數(shù)據(jù)迭代式非線性計(jì)算，得出高緯度的特征空間信息，再通過數(shù)據(jù)模糊關(guān)聯(lián)技術(shù)，針對(duì)數(shù)據(jù)特征間的關(guān)系進(jìn)行重構(gòu)，得出具有自適應(yīng)性的特征聚類中心，建立特征聚類中心數(shù)據(jù)庫(kù)，圍繞數(shù)據(jù)特征建立特征分布的重構(gòu)。

圖2：醫(yī)療數(shù)據(jù)特征向量提取圖

1.4.2 醫(yī)療數(shù)據(jù)分類分級(jí)模型

如圖3所示，分級(jí)分類模型技術(shù)我們采用了歐式距離和字符串相似度兩種算法，在特征向量矩陣的基礎(chǔ)上，對(duì)數(shù)值型數(shù)據(jù)采用了歐式距離算法，對(duì)字符型數(shù)據(jù)采用編輯距離的字符串相似度算法，計(jì)算數(shù)據(jù)集中樣本間的距離；再確定數(shù)據(jù)集的樣本間距離后，對(duì)機(jī)器學(xué)習(xí)算法的eps、minPts進(jìn)行估計(jì)，其中，eps是掃描半徑,minPts是最小包含點(diǎn)數(shù)，DBSCAN是具有噪聲的基于密度的聚類；將計(jì)算的eps和minPts值作為機(jī)器學(xué)習(xí)參數(shù)值,對(duì)待清洗的數(shù)據(jù)集進(jìn)行密度聚類；

圖3：醫(yī)療數(shù)據(jù)分類分級(jí)建模圖

評(píng)估方法——輪廓系數(shù)（Silhouette Coeきcient）：

計(jì)算樣本i到同簇其它樣本到平均距離ai。ai越小，說明樣本i越應(yīng)該被聚類到該簇（將ai稱為樣本i到簇內(nèi)不相似度）。

計(jì)算樣本i到其它某簇Cj的所有樣本的平均距離bij，稱為樣本i與簇Cj的不相似度。定義為樣本i的簇間不相似度：bi=min(bi1,bi2,…..,bik2)；

si接近1，則說明樣本i聚類合理；

si接近-1，則說明樣本i更應(yīng)該分類到另外的簇；

若si近似為0，則說明樣本i在兩個(gè)簇的邊界上。

1.4.3 智能分級(jí)分類標(biāo)簽推薦

讀取數(shù)據(jù)庫(kù)表字段名稱形成數(shù)據(jù)源，然后通過內(nèi)置的算法提取數(shù)據(jù)特征，并讀取字段內(nèi)容自動(dòng)提取該字段的數(shù)據(jù)特征，其次對(duì)相同數(shù)據(jù)類型的字段進(jìn)行聚類，出現(xiàn)聚類出錯(cuò)情況需要進(jìn)行手工校正，用戶手動(dòng)將數(shù)據(jù)字段集關(guān)聯(lián)到分級(jí)分類清單的數(shù)據(jù)項(xiàng)上，為聚類后的數(shù)據(jù)字段集統(tǒng)一打簽，最后通過AI算法學(xué)習(xí)已標(biāo)識(shí)數(shù)據(jù)特征模型，自動(dòng)為新字段關(guān)聯(lián)數(shù)據(jù)標(biāo)簽，出現(xiàn)自動(dòng)關(guān)聯(lián)出錯(cuò)時(shí)可人工進(jìn)行干預(yù)，從而提高自動(dòng)關(guān)聯(lián)的準(zhǔn)確率。

2 結(jié)果

建成兒童醫(yī)療數(shù)據(jù)智能分類分級(jí)系統(tǒng)，其技術(shù)特點(diǎn)如下：

（1）展示字段類型、長(zhǎng)度、字段樣例數(shù)據(jù)，方便進(jìn)行字段標(biāo)簽確定。

（2）給一個(gè)字段打完標(biāo)簽后，自動(dòng)推薦相似字段，支持批量給多個(gè)相似字段打標(biāo)簽。

（3）基于已進(jìn)行分級(jí)分類標(biāo)簽的字段學(xué)習(xí)，自動(dòng)推薦相關(guān)標(biāo)簽（相似度推薦）。

（4）通過人工智能解決分級(jí)分類效率慢、識(shí)別準(zhǔn)確率低的問題。

（5）定時(shí)生成分級(jí)分類報(bào)告。

3 結(jié)論

構(gòu)建兒童醫(yī)療數(shù)據(jù)智能分類分級(jí)體系是必要且可行的，制定兒童醫(yī)療數(shù)據(jù)分類分級(jí)標(biāo)準(zhǔn)，形成示范應(yīng)用，從而更好地保護(hù)兒童醫(yī)療數(shù)據(jù)安全，保護(hù)患兒及其家庭隱私，全面提升兒童醫(yī)療數(shù)據(jù)分類分級(jí)效率，規(guī)范兒童醫(yī)療數(shù)據(jù)使用，促進(jìn)兒童醫(yī)療大數(shù)據(jù)產(chǎn)業(yè)健康發(fā)展。