基于數據挖掘技術的醫院檢驗實驗室信息管理系統數據共享開發策略研究

修云霞，樊金宇，章魯瑤，任春娜，楊洪亮，張洋，＊

（1.牡丹江醫學院 附屬第二醫院檢驗科，黑龍江 牡丹江 157011；2.牡丹江醫學院，黑龍江 牡丹江 157011）

0 引言

21世紀大數據、云計算、人工智能、物聯網等技術快速發展，深刻的改變了人們的生活方式，也給智慧醫療服務模式提供了廣闊的空間。醫療精準度借助智能決策系統、計算輔助診斷系統不斷地提高。利用現代化的信息手段，以云計算、大數據為支撐的智慧醫療在疾病的早期篩查、診斷、治療發揮著日益重要的作用。醫院檢驗實驗室管理信息系統利用大數據技術，實現檢驗醫學的自動化、信息化、網絡化。應用數據挖掘技術實現醫院實驗室管理系統中的數據共享，是提高醫院信息化、現代化的重要途經。

1 大數據在醫院檢驗實驗室信息管理系統的應用現狀

1.1 存在的問題

目前，國內的醫院檢驗信息管理系統（Hospital Laboratory Information Management System,HLIMS)由于開發與應用時間較短，在標本的智能分類、一體化集成和條碼自動定位等方面和國外相比，仍然差距較大。國內的醫院檢驗信息管理系統的數據功能仍然停留在向醫生傳遞患者基本信息，數據的深度挖掘和處理沒有得到很好的利用，實際上患者檢驗信息背后蘊藏著巨大的數據挖掘意義。臨床檢驗通常只用了有限的檢驗指標數據對疾病進行診斷，其可能在某個區間存在上升或下降的趨勢，這些數據的特征目前沒有結合利用云計算、大數據分析，忽略了數據與疾病的關系標識。對常規的指標與多種疾病的比對也十分缺乏，沒有發現其數據層面的對應關系。

1.2 大數據在醫學檢驗信息管理系統的應用

檢驗大數據分析有助于發現新的疾病預警指標[1-3]。生物標志物檢測指標是診斷某些疾病的手段，蛋白質組學技術是癌癥生物標志物和治療靶點的重要工具。代謝組學分析在腫瘤標志物篩選中同樣起到關鍵作用[4-5]。基于多組學檢驗數據分析可完善檢測多種疾病的生物標志物，通過整合各個組學篩選的生物標志物，進行數據分析，可有效提升疾病的診斷、預警，以對疾病的早期診斷及雨后的目標提供支持[6-8]。

基于檢驗大數據的分析，可為疾病的預警完善有極大的促作用，即通過通過多種常見指標與疾病的檢驗大數據高通量無差別對比分析，可實現數據的特征性測量。目前，國內研發的基于大數據分析的血液細胞形態分析與檢測系統，采用數字圖像分析技術，通過對大型細胞數據庫和算法支持系統，系利用經細胞特征信息轉化的數字信號，應用人工智能計算和神經網絡系統進行形態學分析。

2 系統架構設計

2.1 數據采集

本系統采用獨立數據庫、開發專用的程序接口進行數據采集，可實現數據挖掘技術和web并發訪問控制技術，避免因多客戶端訪問數據庫造成死鎖、延時等情況。數據采集流程如圖1所示。

圖1 數據采集流程架構圖

2.2 數據屬性與規則

醫院檢驗信息管理系統的數據分類需要嚴格按照類別予以標識[9-14]，如試劑、儀器、條件等，系統根據數據類別進行匯總，系統必須支持統計、查詢、分析等操作，以及在前置條件的基礎上設定數據元素的組合排列。此外，數據的完整性也必須保證，避免導致數據分析失敗。

2.3 系統穩定性與安全性

由于醫院的患者量大，患者的信息、檢驗結果信息量成倍增長，系統在處理分析數據時必須要保持穩定。按照國家信息保密要求以及患者隱私權的相關規定，系統安全性必須予以高度重視，因此在系統的架構中，須設計安全防護措施。本系統設計在保證數據實時同步的基礎上，采用數據采集、分析按照異步、物理隔絕的方式，即數據采集與數據分析分時獨立進行，二者采用不同的網絡環境，確保客戶端使用順暢，數據采集不可延時。數據流在傳遞過程中，不發生數據丟失的情況。

3 系統開發環境與設計策略

系統采用B/S架構，采用開發周期短集成性高的國際流行ROR開發模式，系統后臺支持檢驗實驗室信息管理系統與醫院信息管理系統的數據交換、傳遞、轉換。系統架構如圖2所示。由于患者檢驗信息數據格式標準相對更復雜，分類不統一，對后臺運算要求較高，因此后臺開發采用JAVA這種執行高效率的開發環境進行編譯。系統數據庫采用SQLServier數據庫，對大數據運算穩定可靠的支持。

圖2 系統架構圖

4 結語

應用數據挖掘技術的醫院檢驗室信息管理系統以病人的檢驗信息為數據核心，按照數據類別進行數據采集、交換、數據分析，深度挖掘患者醫學檢驗結果對疾病預警的重要作用。在移動醫療和智慧醫療、大數據、人工背景下，醫院檢驗實驗室信息管理系統有必要拓展手機移動支付、查詢等功能，為醫學服務提供保障。