基于云計算的腦卒中預防康復與護理大數據平臺的設計與實現

王閏，劉秋美，張圓

（牡丹江醫學院附屬紅旗醫院，黑龍江 牡丹江 157011）

0 引言

腦卒中表現為高發病率、高致殘率、高病死率，嚴重的影響了患者的生活，成為社會發展的負擔。當前，我國醫療資源分布不均，對腦卒中的預防、康復、護理的全民參與存在一定的困難。心腦血管疾病80%是可預防的，積極控制危險因素和個體化治療是降低其發生的根本途徑[1]。通過預防、康復、護理等慢病管理模式和策略，降低發病率、病死率、病殘率是醫療健康發展的規劃目標。近些年來，大數據、人工智能、精準醫療等醫工結合技術快速發展，在衛生醫療領域發揮的作用越來越大。一些研究運用大數據技術于慢性高危疾病的評估及個體化干預、隨訪。國家衛生部于2009年起動了“國家腦卒中防治工程”并建立“中國卒中數據中心”[2]。在此基礎上，該中心建立涵蓋社區、鄉鎮、醫院門診與住院的多個數據庫，存儲500萬個篩查對象和高危人群的信息資料，為腦卒中的預防、康復、護理提供信息服務，充分利用大數據技術，為新醫療發揮作用。云計算技術是一種新興的計算模型，基于公開的標準和服務為基礎，以互聯網為中心，提供安全、快速、便捷的數據存儲與網絡計算服務[3]。在腦卒中智慧醫療服務中，基于分布式、并行處理、網格計算云端技術，應用腦卒中檢測方法與模式，連接臨床數據庫，開展腦卒中疾病的預防、康復、護理的干預，對于提高腦卒中患者的生活質量，降低腦卒中的病死率、發病率有重大的意義。

本文探討基于云計算的腦卒中大數據平臺的構建，為智慧醫療體系提供借鑒。

1 腦卒中大數據平臺構建需求分析

1.1 腦卒中大數據平臺的數據集成化、自動化、特征化

腦卒中數據來源于參與的醫院，數據采集須標準化與規范化。在采集過程中，須保證數據采集的自動化水平，即數據采集、交換、處理自動化，覆蓋完全化、數據大規模化、信息價值最大化[5-7]。因此，在腦卒中數據管理中，必須要制定嚴格的腦卒中數據標準，確保數據存儲過程中安全、穩定，為后續的腦卒中預防、康復、護理提供數據支持。腦卒中大數據分析要圍繞臨床質控、科研支撐、公共服務等目標。

1.2 腦卒中大數據特征化

腦卒中大數據平臺中的數據要具備一定的特征參量的提取能力，腦卒中的大數據來源多元化，包括患者影像數據、患者基本信息數據、家庭、社區等。數據既有結構化的也有非結構化、半結構化的，數據復雜；數據的使用需求既有決策使用、分析使用、開發使用等不同需求；數據類型也包括患者病史、用藥、各種體檢等信息數據。因此，數據必須進行清洗等處理，是按腦卒中大數據的特征參量化、結構化，使之能夠作為數據分析的目標。

1.3 用戶需求分析

基于云計算的腦卒中預防、康復、護理醫療服務大數據平臺使面向腦卒中個體化信息服務的系統，用戶主要是患者（家屬）、醫療機構、平臺管理員。患者用戶在使用大數據應用平臺中獲取康復過程中的幫助信息，更好的為身體康復服務；醫療機構人員在使用大數據平臺過程中，實現智能診斷服務，精準醫療服務[4]；系統管理員是維護系統正常運作的工作人員，系統管理員可對系統的使用權限予以設定、對系統的平穩運行實施技術維護。

2 腦卒中大數據平臺的設計

2.1 平臺系統架構

每天各個醫院、社區、家庭、個人都會產生海量醫療信息數據，為保障腦卒中大數據平臺的數據共享與協同訪問，對腦卒中大數據平臺有嚴格的技術要求：并發處理能力、并發訪問能力。傳統的關系型數據庫無法滿足大規模、高頻率的數據存儲與訪問，基于腦卒中大數據分析的海量數據存儲與處理要求，本系統架構采用Hadoop分布式框架，以HBase數據庫作為腦卒中大數據存儲系統，本系統架構如圖1所示。

圖1 系統架構圖

2.2 數據庫設計

傳統的關系型數據庫無法滿足大規模、海量數據的存儲處理要求，采用HBase數據庫可解決海量數據的讀取、存儲瓶頸問題。利用基于Hadoop云計算的分布式系統集群優勢實現大數據的并行計算[5-8]。數據庫需要高效的存儲讀寫策略，存儲管理技術中涉及數據結構化、半結構化、非結構化的集成統一管理。

數據庫的數據結構模型采用衛生部《城鄉居民健康檔案基本數據集》規定的數據元素。應用規范化、一致性的數據劃分原則，實現完善的個人健康數據中心，合理的為醫院、社區、家庭、個人數據交換、共享和深入數據挖掘提供基礎服務。根據衛生部《城鄉居民健康檔案基本數據集》的信息，確立數據元模型，如表1所示。

表1 數據元模型

2.3 數據傳輸協議與接口設計

由于數據來源于不同醫療機構、家庭、個人，不同機構的數據庫采用的表結構不同，因此，為便于數據庫的可擴展性、數據庫之間異構差異透明傳輸，本大數據平臺采用SOAP訪問協議，采用SOAP Web Service技術實現同步傳輸。接口設計需著眼于數據傳輸的同步性實現。用戶可用的業務邏輯接口需要實現從醫療機構-大數據平臺的數據同步傳輸。腦卒中數據挖掘過程需要平臺使用者與平臺

3 腦卒中大數據平臺的分析系統

腦卒中患者的數據信息海量存儲、交換、分析，為腦卒中預防、康復、護理等醫療服務提供決策支持，系統平臺的數據分析處理技術主要包括大數據的預處理、數據挖掘算法、數據分析接口等技術。

3.1 大數據的預處理

腦卒中數據來源多元化，數據結構復雜化、多樣化，既有結構化數據，也有非結構化數據，也有半結構化數據，此外，數據還具有多樣性、動態性等參量特征。腦卒中的數據挖掘分析需要對腦卒中的大數據進行清洗、去除空缺、去除噪聲數據，完成數據文本、數值與預定義的掩碼相一致。

3.2 數據挖掘處理算法

腦卒中數據挖掘算法即數據的分類算法涉及聚類、分類等技術，應用數據挖掘技術實現腦卒中的數據聚合與分類[6-10]。基于腦卒中數據挖掘技術完成數據的分析過程，構建數據篩查、腦卒中患者的治療模型，圍繞特定的目標人群和醫院、個體化的康復、預防與護理服務。應用統計學分析中的關聯、回歸、神經網絡、機器學習等算法技術，尋找腦卒中數據中的參量特征相關性、關聯性，應用異常檢測、預測、關聯分析，實現多維度、組間數據中的關系，為腦卒中患者的預防、康復、護理提供智能決策診斷服務。

4 結論

本文對應用數據挖掘技術的腦卒中預防、康復、護理醫療服務大數據平臺構建研究，研究中初步研究了系統需求、系統架構、關鍵技術[11-13]。基于云計算的腦卒中預防、康復護理醫療大數據平臺的實現，最終可為腦卒中的醫療服務提供幫助。

隨著我國人口老齡化的進程加快，腦卒中發病率越來越高，如何利用現代化智慧醫療技術，提高腦卒中患者的智能化診療水平，控制腦卒中患者的發病機會和提高康復水平，是我國醫療服務的重要研究方向。基于云計算的腦卒中預防、康復、護理醫療大數據服務平臺，在優化醫療服務、促進我國健康信息服務和智能化水平發揮重要的作用。