基于大數據的區域協同智慧健康管理平臺系統研究

陳嬌花 張曉丹

（1.上海市第七人民醫院 上海市 200137 2.上海市浦東新區衛生健康委員會監督所 上海市 200135）

1 研究背景和目的

隨著當前物聯網醫療設備技術的成熟和廣泛應用，現在的物聯網醫療設備不僅可以采集血壓、血糖、心電、心率、呼吸、血氧飽和度等重要健康體征，而且還可以采集用戶的心率數據、隨眠狀態數據、生活習慣數據。系統利用大數據和人工智能技術在社區慢病管理場景中，對患者自我健康管理進行實際場景應用，例如系統通過收集用戶的醫療采集信息，利用大數據技術生成個性化的健康評估報告，對用戶進行健康評估及風險預測，完善其健康檔案數據，幫助其進行健康評估及風險預測。由于系統中采集和使用的健康數據都是涉及居民患者的個人隱私數據，而且系統還是部署在互聯網中，網絡環境安全比較復雜和易收到外部攻擊和竊取，這樣就會這些數據可能會遇到一些不法分子和圖謀不軌的機構進行不合法獲取和利用，造成不必要的信息和財產損失。所以本文所搭建的基于大數據的區域協同智慧健康管理平臺系統是按照國家網絡安全等級保護要求，在網絡安全、物聯網安全、云計算安全、數據安全等方面，建立符合三級等保要求的技術和管理安全體系，保證數據安全可靠。另外，系統大數據模型還采用了醫療知識庫和知識圖譜等技術建立國家疾病預防和健康管理規范指南知識庫，利用知識庫進行健康疾病分析工作。同時，系統通過采用機器學習、深度學習技術，通過對健康檔案數據和健康管理實踐案例中產生分析數據進行自學習，分析各種慢性病的健康影響因素和健康管理策略的有效性，通過健康管理實踐驗證并優化迭代健康管理知識模型，這些大數據模型不僅可以支持一般健康評估，高血壓、糖尿病、心腦血管疾病、腫瘤等常見多發慢病評估，兒童和學生健康評估，身高體重評估，生活方式和環境評估，還可以衍生到中醫體質辨識等多種健康評估、風險預測模型，系統后期的擴展性和靈活性都很強。患者可以自組進行查詢自身的健康評估及風險預測結果。

2 大數據健康管理平臺總體架構

基于大數據的區域協同智慧健康管理平臺系統以物聯網設備為核心信息采集的信息基礎設施層、健康管理數據庫和知識庫組成的大數據處理和分析層、醫聯體協同智慧健康管理應用軟件平臺層、以及健康管理應用客戶端層構成，具體平臺總體架構圖，如圖1所示。信息基礎設施層是支撐區域醫聯體協同智慧健康管理平臺的軟硬件環境，應用軟件平臺及健康管理數據庫和知識庫部署在政務云衛生云板塊中，衛生云為提供健康管理平臺獨享的計算資源、存儲資源基礎設施云服務、操作系統及數據庫等系統軟件平臺云服務等虛擬化資源服務，共享衛生云網絡安全資源、運維管理資源，形成健康管理平臺云，健康管理平臺應用客戶端通過5G 互聯網、衛生網接入健康管理平臺云；信息基礎設施支撐還包括醫聯體上級醫院、社區醫院內網、Wi-Fi 網或者通過5G 技術組網的內網移動網，醫院客戶端通過醫院內網接入到衛生網再連接到的健康管理平臺云；居民居家、社區健康小屋的物聯網監測設備通過物聯網邊緣計算采集、整合、處理健康監測數據，并通過5G 互聯網、衛生網傳送到健康管理平臺云。

圖1：系統總體架構圖

健康管理數據庫和知識庫層是健康管理平臺的物聯網健康數據采集存儲、健康管理業務數據存儲、健康管理知識庫存儲，以及區域居民健康檔案整合數據存儲的數據中心，并于區域健康檔案資源庫實現數據共享。醫聯體協同智慧健康管理應用軟件平臺層是健康管理平臺的軟件服務層,由基礎服務、數據采集整合服務、個人健康管理服務、智能健康管理服務、人群健康管理決策支持服務、以及平臺管理服務等功能模塊構成。健康管理應用軟件通過應用客戶端層的居民患者客戶端、社區醫生客戶端、上級醫院醫生客戶端以及平臺管理客戶端按角色按需調用。

3 大數據健康管理平臺核心架構

本項目是基于大數據搭建的區域協同智慧健康管理平臺系統，系統通過物聯網設備進行數據采集，對采集到的數據及時上送到智慧健康管理平臺，平臺通過大數據建模對數據進行分析和處理，系統支持構建個性化的健康管理策略模型，提供風險控制策略模型、干預策略模型、慢病管理路徑模型和慢病管理有效性評估模型。當然，為了確保大數據健康模型的合理有效，大數據自動產生的健康管理知識模型須經過健康管理專家、社區健康管理服務團隊驗證后方可用于健康管理實踐。

3.1 主備系統架構

為了保證智慧健康管理平臺系統的可靠平穩運行和保障采集的健康數據安全性，系統架構采用主備系統容災架構來保障系統的平穩運行，運行服務器和數據存儲服務器都統一采用兩套進行搭建，當主系統遇到異常，系統立即將數據和流量切換到備用系統，備用系統來接管主系統的業務和數據，保證系統還可以正常的運行和數據存儲安全可靠。具體的主備系統容災架構示意圖，如圖2所示。同時，為了保證系統的運行和維護，需要對系統數據進行實時統計，統計的數據包括健康管理平臺軟件的運行日志信息、服務業務量質量統計分析、健康管理效果的分析等過程監管信息，運維人員通過對數據分析來確保系統平穩運行。數據服務器對服務對象的個人信息進行加密保護，系統時間數據使用安全的審計功能，包括個人身份認證的完整性、個人信息脫敏審計、個人數據加密和訪問審計等，確保數據安全可靠，同時做好主備數據庫之間數據進行關聯和同步操作。

圖2：主備系統容災架構示意圖

3.2 數據分析和處理

系統數據分析和處理主要包括數據采集、數據處理和數據分析三大核心組成。數據采集主要包括動態檢測物聯網監護設備數據采集、可穿戴設備數據采集和智能床墊數據采集。動態檢測物聯網監護設備可通過動態檢測監護設備的數據接口（藍牙、Wi-Fi、5G、USB等），使用物聯網設備邊緣計算系統采集動態連續心電圖、血壓、血糖、脈搏、呼吸、心率、血氧飽和度、胎心胎動等數據。可穿戴設備可通過可穿戴設備的數據接口（藍牙、Wi-Fi、5G、USB 等），使用物聯網設備邊緣計算系統采集心率、血壓、心電、健康睡眠、血氧、運動記步距離記錄、卡路里消耗等數據。智能床墊可通過智能床墊的數據接口（藍牙、Wi-Fi、5G、USB 等），使用物聯網設備邊緣計算系統采集呼吸、心率、體動感應、離床感應等數據，在出現呼吸異常、心率異常、離床未歸時發出警報。數據處理主要包括設備數據整合、設備數據模型匹配和邊緣數據計算。數據整合通過健康小屋設備的數據接口（藍牙、Wi-Fi、5G、USB 等），或者通過健康小屋管理軟件的數據接口，使用物聯網設備邊緣計算系統采集健康小屋設備設備檢測參數。設備數據模型匹配是將采集的數據通過健康評估及風險預測模型進行數據模型配對。邊緣數據計算是數據通過系統進行計算，系統中定義新增新類型物聯網可穿戴健康監測設備的數據結構、采集頻率、連續采集時間周期、接口類型和數據傳輸協議，并執行采集。數據分析主要是輸出相關的數據分析結果，例如基于醫聯體區域的居民健康管理案例大數據，分析慢病風險控制策略、干預策略、慢病管理路徑、用藥指導、飲食指南、運動計劃等應用情況。數據整合處理流程圖，如圖3所示。

圖3：數據分析和處理流程示意圖

4 大數據健康管理平臺具體實踐

基于大數據的區域協同智慧健康管理平臺系統的基礎設施設備建設主要包括數據中心云服務和應用服務兩部分基礎設施設備，這些物理設備不僅需要滿足包括網絡安全需求和運維需求等，還需要滿足計算資源需求和存儲資源需求。以上海市某社區醫聯體為例進行分析，社區主要服務6 個機構和80 萬居民健康保障為測算依據，按照健康管理平臺的應用功能、服務頻次，同時考慮到平臺的應用災備要求，計算資源需配置80 核CPU、512GB 內存的數據處理服務器，40 核CPU、256GB 內存在線視頻處理服務器，40 核GPU、256GB 人工智能算法服務器。存儲資源需求按照健康檔案、物聯網健康數據采集、知識庫等數據存儲需求，同時考慮到平臺的存儲雙活、災備要求，按照三年的存儲量計算，存儲資源需配置100TB存儲資源。提供符合三級等保要求的安全物理環境、安全網絡通信、安全區域邊界、計安全算環境、安全管理中心的網絡安全資源，該資源與浦東新區衛生云共享。另外還需要滿足網絡監控、終端監控平臺，以及網絡安全運維服務，該資源與浦東新區衛生云共享。總體系統平臺設備實際場景圖，如圖4所示。

圖4：系統平臺設備實際場景圖

在充分考慮到居民健康數據的重要性和安全性的狀態下，大數據智慧健康管理平臺采用主備服務資源架構進行數據存儲設計，核心網利用負載均衡模式設計來提供系統的吞吐量，增強系統數據的處理量。同時為了保證數據的安全性，系統對數據交互統一采用加密方式進行傳輸，對數據進行安全防護，保障數據不造成明文泄露。主備數據服務，都是通過私有化部署，當主數據服務出現異常，備用服務接管數據服務工作，保證數據數據安全運轉，同時主備數據服務還要進行數據同步，防止數據出現丟失。系統信息平臺安全體系框架圖，如圖5所示。

圖5：信息平臺存儲架構圖

5 小結

基于前期對目前社區對患者的疾病管理的調查和研究，本文發現現階段社區醫院對患有疾病的患者，健康監測跟蹤和健康狀況評估存在一定的問題，本文搭建一種基于大數據的區域協同智慧健康管理平臺系統，通過利用大數據技術搭建健康評估及風險預測模型為慢病患者提供個性化的健康評估和疾病風險預測功能。系統采用主備系統架構進行設計和搭建，數據采集通過遠程物聯網采集設備進行健康體征檢測數據采集，如血壓、血糖、心電、心率、血氧飽和度等健康體征檢測，為患者搭建一套完整的健康檔案數據，動態的跟蹤分析患者的健康指標，幫助改善患者健康狀況。另外基于區域的居民健康檔案數據，按照健康指標、健康風險因素、時間周期、地理區域等維度，實現區域人群健康分析，還可以為疾控中心提供有效的疾病預防參考建議。