基于大数据的医疗数据分析与监管平台设计

方智

【摘 要】随着国家医疗制度的改革，国家社保单位对医院的监控工作亟待加强，目前医院的信息化建设主要集中在服务流程、收费管理等方面，很少涉及对医院诊疗质量的监控工作，医生的诊断行为是否合规需要做出判断，医院是否存在过度医疗等行为需要做出监控，所以设计开发一套完善的基于大数据分析的医院智能监控系统，加强对医疗失当行为的监控和检测。本文主要阐述基于大数据的医疗数据分析和监管平台的设计和实施过程。

【关键词】医疗监控；大数据；规则引擎

一、关键技术

在各个省市地区级医院HIS信息系统[1]的医疗数据是海量的数据，医疗大数据分析与智能监管工作的目的，是运用专家知识库，基于规则，对海量的医疗数据进行分析运算，从而寻找其中不符合医疗保险政策规定、临床常规的问题。医疗方面的大数据具有大量、高速、多样、有价值的特点，本身大数据技术已经应用在很多行业，对海量数据进行分析运算也是非常繁重的应用，每隔24小时又会产生新的医疗数据，该系统对运算的时效性要求是非常高，所以应该采用大数据和分布式计算技术、数据仓库技术相结合。

因为各级医院的医疗数据格式不一致，是非结构化的，在数据库的选用上采用NoSQL非关系型数据库，这一类型的数据库产品众多，选用了开源文档的MongoDB分布式数据库。目的是可以为web应用提供可扩展的高性能数据存储方案。

在医院信息管理系统中，包括基本的诊疗系统、收费系统、医学影像信息系统[2]、临床信息系统、实验室信息系统等子系统，格式多样化，既有文本、数据集，还有图像、声音等，所以应该采用数据挖掘技术把来源多样，格式迥异的数据集成在一起，才能为系统提供全面的数据共享。

二、系统需求

系统主要功能包括医疗数据采集和智能监管应用。数据采集包括患者基本信息、医生诊断信息、医生处方信息、检查项目数据、取药情况数据、项目执行情况数据等。在分析过程中，还应该包括数据采集的效率分析，对监管系统时效性做出要求。智能监管应用包括事前医疗违规行为提醒、违规记录和事后查看、违规情况智能监管、违规数据分析、医疗行为趋势分析、监管规则设计等功能。

系统的性能要求主要是集中在运算时间上，每次进行系统运算的时间不应超过24小时。

三、系统设计

系统主要包括数据处理系统、事前违规系统、大数据分析系统、配置管理系统。在系统架构上设计，底层由医疗信息系统数据库来提供数据来源，统一通过数据采集接口，由调度服务来支持数据抽取和调度，经过处理的数据送到规则引擎来进行分析运算，最后将审核结果送入数据仓库，数据仓库可以是基于MongoDB数据库服务器集群，数据存储则可以采用关系型数据库软件，通过事前提醒服务、web应用服务、其他接口服务等来完成应用服务。

四、开发框架

审核引擎应该是大数据分析与智能监管系统的核心组件，采用微软.NET Framework框架，系统数据库管理采用关系型数据库软件，服务器集群采用MongoDB分布式部署。

五、具体实现

规则引擎采用分布式并行计算的方式进行设计，可以根据服务器的负载情况来决定是在一台服务器上部署多个规则引擎服务还是在多台服务器上来进行部署。如果在一台服务器上部署了多个规则引擎，可以采用不同的端口来标识它们。

调度服务器对医院HIS系统数据库进行数据提取时，将读取数据的SQL语句写入数据提取的配置文件中，当数据源发生改变时，可以只修改配置文件即可，而不需要对执行数据抽取的调度应用程序进行修改，以便维护和扩展。配置文件以通用的XML方式存储，便于数据交互。

违规情况审核包括限定性别审核、中药饮片处方审核、不合理入院审核，并通过调用地图API，可根据医院的坐标，来显示违规情况。违规情况分析包括对违规数量与金额分析、违规情况与药品诊疗项目的关系、单一医疗单位与其他同类医疗机构之间的违规情况对比、药品用量趋势分析、诊疗项目分类分析等，并采用报表方式显示。

在规则设计器的设计管理功能上，采用对药品进行分级，可选择定制就医人次、就医金额、医疗保险内金额等字段来进行统计，并分为住院和门诊来进行列表和报表显示。结合各级别的医疗保险局和部门，当地的医疗保险政策，支持制定规则管理明细。

审核结果数据的接口实现上，可以支持查询某一条诊疗单据数据是否违反规则，支持查询某条问题单据和违反规则的相关冲突记录、支持某条问题明细和违反规则的相关冲突记录，支持查询某条问题明细违反所涉及的临床知识信息。数据库方面在审核结果表上包括单据ID、明细ID、规则编码、审核时间、规则提示信息、记录、组编码、临床信息提示、疾病临床提示、原文提示编码等字段。

六、系统测试

系統测试包括功能测试和性能测试两个方面。本系统测试主要是利用黑盒测试方法来设计测试用例，观察测试结果，记录测试过程和结果，并对最终部署的监管系统做出版本选取。功能测试保证覆盖全部在需求文档中的每一个功能点，并在候选版本中确保全部缺陷已经关闭。系统性能测试主要包括可用性、可靠性、健壮性、计算效率、安全性[3]等方面，结合测试工具和黑盒测试当中的众多设计方法来完善测试用例，并执行测试，给出最终报告，确保部署前的版本能长时间稳定运行并达到设计预期。

【参考文献】

[1]吴南，魏巍.基于大数据分析的医院信息化管理系统；现代电子技术：2018年第21期.

[2]潘艳军.大数据分析技术及其在医疗领域的应用；科技传播：2018年第17期.

[3]王春莲.基于大数据分析技术的网络安全系统软件开发与设计；软件工程：2018年07期.