基于數據驅動模式的醫療設備精準化維修系統設計

張付領，李家寬，孫元碩，周雙勤，劉志猛，晁 勇，梁 田，王 宇，查玉華

（解放軍總醫院醫療保障中心，北京 100071）

0 引言

隨著工程技術與現代醫學的深度結合，醫療設備已廣泛應用于臨床診療、康復療養、科學研究等領域，種類、數量及資產總額不斷增長，提高了醫療機構診療能力的同時，也對醫療設備管理能力提出了挑戰，特別是醫療設備故障的處置能力。為此，國家及行業內相繼頒布了《醫療器械使用質量監督管理辦法》《醫療衛生機構醫學裝備管理方法》，對醫療設備的規范化管理、精準化保障提出了明確要求。醫療設備故障不僅干擾正常的醫療秩序，同時增加患者的健康隱患。這就需要醫療設備管理部門提高醫療設備保障能力、規范流程管理、降低故障風險，做好日常預防性維護，提高維修能力及處置效率，縮短平均故障時間，增強保障能力。

由于醫療設備具有多學科領域交叉、高度個性化及專業性等特點，對醫療設備的維修管理不僅是業務管理，更需要基于醫療設備技術特點及運行狀態建立一種自動化、精準化的動態維修管理模式，充分利用領域內的專業知識，從維修檔案中提取設備維修相關規則，加快維修人才隊伍建設，提高醫療設備維修的精準性和科學性。因此，本文擬構建醫療設備精準化維修系統，基于醫療設備維修檔案數據挖掘過程，實現規則提取及知識發現，優化業務流程；并采用數據驅動業務機制，規范業務管理，提高維修效能。

1 需求分析

目前，業內醫療設備維修管理尚未形成精準高效的管理體系，部分醫療機構的維修管理依賴于人工流轉，信息記錄載體依賴紙質文檔，同時，尚未建立健全醫療設備維修檔案體系，維修檔案也缺乏與業務系統的數據聯動，更新具有滯后性，存在維修狀態更新不及時、無法實時掌握設備狀態等問題；同時，在數據應用方面，維修決策依賴于主觀決定，導致檢索、統計效率及數據利用率較低，且容易出現數據錯誤，導致年度醫療設備維修經費預算估算、維修方案制訂、設備整體運行狀態缺乏數據支持。現有的醫療設備維修管理系統存在功能單一、數據零散、信息間缺乏互通機制、流程缺乏主動控制及數據輔助決策等問題。因此，需要優化業務流轉，提高周轉效率；融合業務系統與維修檔案，實現數據整合，加強數據挖掘與知識發現能力。

1.1 自動化業務流轉機制

系統可通過構建消息映射及響應機制，基于數據流實現流程觸發，構建起業務數據流生成、數據變化響應、數據驅動業務的數據洞察機制，達到程序控制的目的[1]。建立覆蓋維修申請、項目立項、維修談判、合約簽訂、維修實施、零配件申請、配件采購及出入庫管理、結果驗收、評價反饋、經費結算等自動化全業務流程管理體系，減少人工控制模式下維修流程被動流轉的現象，提高維修流程的自動化、高效性和精細化程度，為確保醫療質量提供功能支持。

1.2 業務系統數據融合與維修檔案管理功能

與傳統設備維修相比，醫療設備維修檔案涉及業務種類繁多、更新速度快，同時，數據具有多源性、異構性、高度個性化及專業化等特點，導致傳統的醫療設備維修檔案管理方法無法滿足醫療設備維修管理需求。因此，需要建立有針對性、動態的數據管理模式，實現維修業務數據整合為醫療設備維修檔案，即實現多源業務數據整合，可將醫療設備固定資產管理系統、醫療設備維修管理系統、檔案管理系統、維修配件庫管理系統、財務賬目核銷系統等業務系統數據整合為醫療設備維修檔案管理功能[2]；實現異構數據轉換、擴展、存儲；具備面向主題建模、權限訪問控制、數據容災備份等功能。

1.3 維修檔案數據挖掘與知識發現

醫療設備維修能力的強弱本質在于維修知識積累及其應用程度的區別，醫療設備維修缺乏有效的數據分析挖掘與知識發現機制，制約了醫療設備維修管理向精準化保障轉型的進程。因此，需要在醫療設備維修檔案管理的條件下，加速知識生成與應用，實現醫療設備狀態評估、故障預測預警及維修策略輔助決策。然而在傳統的應用中，存在著依賴于人工干預、缺乏自動化預測流程等問題，使數據挖掘的準確性和實時性受到限制[3]。因此，系統應構建動態數據挖掘與知識發現模式，提高醫療設備維修數據分析能力、建立實時評估方法、實現準確的預警[4]，實現數據加工、數據挖掘、知識庫構建、輔助決策提供等功能，健全數據驅動管理體系，實現業務流程、數據應用的一致性、連續性和準確性[5]。

2 實現方法

數據驅動模式是一種以數據流為核心，通過數據集成梳理、挖掘分析，從中發現問題進而解決問題，實現驅動創新的業務模式，該模式有助于簡化業務模式、降低管理難度，可通過數據挖掘實現知識發現并反饋優化業務流程[2，6]。本文將數據驅動模式應用于醫療設備維修管理過程，有助于構建可持續性醫療設備維修優化機制，提高維修決策的精準性。

本文擬針對不同醫療設備間的技術特點及個體特征，構建醫療設備精準化維修系統，以維修檔案數據為驅動，全面覆蓋醫療設備維修立項、維修操作過程、配件使用、檔案管理、賬目核銷等過程，實現不同業務系統間數據采集、匯聚整合、挖掘分析、應用反饋等，為維修人員及管理者提供輔助決策，全面提高醫療設備維修能力。

2.1 自動化業務流轉過程分析

醫療設備維修流程如圖1所示，可分為立項申請、維修談判、維修實施、賬務核銷、檔案管理等。具體流程執行分別由流程文檔記錄，系統通過建立消息池記錄并通過定時檢測消息狀態監控流程進展，當對應流程完成并形成文檔記錄后，系統向消息池發出對應消息，通過消息映射后的處理過程推動流程轉換[7]。這樣不僅提高了流轉效率，同時有助于保持過程文檔的完整性。

圖1 醫療設備維修流程圖

2.2 維修檔案管理功能實現方法

維修檔案管理用于實現維修業務中涉及的記錄信息收集、關聯整合、統計查詢及數據挖掘等功能。

2.2.1 數據采集

數據采集采用定義數據源、數據源連接、數據表轉換系列流程實現，從而完成從不同業務系統中獲取數據[8]。用戶可通過向導在線配置連接字符串，完成數據源連接，采用數據抽取工具完成數據抽取-轉化-載入（extract transform load，ETL）過程，最后實現數據集中存儲。

2.2.2 匯聚整合

系統從業務系統中完成數據采集后，因數據存在異構性且缺乏表間關聯，為實現數據維度分析、關聯挖掘等[9]，需要在數據采集完成后建立直接數據聯系。本文擬采用數據模型映射法實現數據整合，即由領域專家基于業務系統分別建立數據模型，將批量采集數據經預定義數據模型映射后建立數據集合。

2.2.3 挖掘分析及輔助決策

挖掘分析可從維修檔案數據中分析出其中隱含的數據價值，可為系統提供業務數據統計、業務數據價值分析、模型構建、應用場景實現等功能。本文擬基于第三方挖掘分析工具及專家輔助決策理論建立包括數據準備、規則提取、規則呈現及應用全流程的自動化挖掘分析組件。

3 系統設計

系統架構圖如圖2所示，包括數據存儲層、公共技術層、服務層、業務層和展示層。其中，采用數據中臺系統實現數據驅動功能，即基于維修業務數據整合，分析數據價值并為醫療設備維修提供決策支持。

圖2 醫療設備精準化維修系統架構圖

3.1 數據存儲層

數據存儲層包括固定資產系統、文檔數據庫、維修配件數據庫以及維修賬目數據庫等業務系統數據庫，并通過公共技術層經ETL、整合形成維修檔案對象。采用Ceph實現維修檔案對象、業務文件及線性表持久化，該技術具有容錯性強、數據均衡性分布、并行度高、無單點故障、去中心化、擴展靈活等技術特點[10]，可同時滿足塊存儲、文件存儲以及對象存儲技術要求。采用Ceph對象存儲技術結合RESTful API、CephFS網絡文件系統實現院內私有云數據訪問并建立檔案文件集中存儲體系。系統采用存儲訪問librados為數據訪問提供接口，并通過librados建立Ceph訪問連接。

3.2 公共技術層

公共技術層為系統各層提供ETL、數據整合、流數據處理、數據訪問控制、統計挖掘等服務。

3.2.1 ETL

采用Kettle開源可視化工具實現系統ETL功能，該工具具有易于配置、數據源兼容性強、支持二次開發及定時管理等特點[11]，能夠滿足系統開發需求。采用Kettle增量同步策略實現批量業務系統同步，如圖3（a）所示，系統采用時間戳實現記錄標識，啟動ETL任務后，根據連接字符串實現數據連接，獲取目標數據表并選擇目標字段，選擇時間戳調用librados完成數據查詢，按照時間戳保留查詢結果；若為關聯表ETL，需要記錄數據關聯特征。ETL抽取完畢后記錄日志并關閉連接。

圖3 公共技術層實現流程

3.2.2 數據整合

數據整合可將不同來源異構數據加載到統一數據視圖，能夠提高低層數據來源的透明度、可重用性、數據管控能力等[9]。本文采用預定義數據視圖模板、數據視圖映射方式實現數據整合功能，具體實現流程如圖3（b）所示。系統建立數據連接后，獲取原始數據表結構，經數據視圖初始化、數據約束定義后將原始數據記錄按照數據視圖實現存儲對象映射，映射后對象經持久化后寫入操作日志。

3.2.3 流數據處理

維修業務流數據處理采用Apache開源項目Kafka結合Spark Stream實現。采用Kafka為流數據擴增提供消息隊列，使得多業務系統同步數據持續擴展轉換為隊列增量實現[12]。依次批量處理隊列數據，從而將流數據處理復雜度由O（N2）降為O（N），提高多平臺異構業務系統數據處理效率。

3.2.4 統計挖掘

統計挖掘包括數據統計、挖掘分析。數據統計基于Apache開源項目Kylin實現多維數據分析功能，Kylin采用數據超立方體[13]、預聚合技術實現，具有高效統計分析效能。系統基于預定義主題模型及多維數據模型，根據檢索條件實現多維統計分析功能，統計流程如圖3（c）所示。挖掘分析基于Rapid Miner數據挖掘分析工具開發實現。如圖3（d）所示，系統獲取挖掘分析任務類型，用戶選擇樣本后，構建讀取樣本數據信息Operator對象并獲取樣本數據信息[14]。用戶定義并初始化挖掘分析模型，完成數據分組后載入樣本數據完成模型訓練，測試、評估模型性能后進行存儲。

3.3 服務層

服務層可響應用戶請求，實現系統具體業務功能，服務功能圍繞具體維修過程展開。維修實施過程如圖4所示。當遇到醫療設備故障后，使用人員發出維修申請，醫療設備管理人員維修立項并通知維修工程師前往維修，維修工程師根據維修狀況向維修配件管理人員發出配件申請，經批準后完成配件領用，由維修人員完成維修記錄。最后，經醫療設備管理人員、醫療設備使用人員共同驗收后核銷維修成本。服務層基于瀏覽器/服務器（Browser/Server，B/S）架構實現，具體采用Spring Boot框架開發，該框架內嵌Servlet容器，支持對象模型、開箱即用、約定配置等開發策略[15]，滿足系統開發要求，而且降低了實現復雜度。

圖4 維修實施過程

3.4 展示層

展示層用于實現用戶交互功能，可分別為醫療設備使用人員、管理人員及維修人員提供設備狀態查詢、在線報修、流程控制、配件管理、檔案存儲以及在線記錄填報等功能。展示層采用React前端框架開發實現，該框架支持聲明式描述、單向數據流響應以及文檔對象模型（document object model，DOM）模擬等技術[16]，可提高交互響應速度及開發效率。

4 應用效果

系統部署采用虛擬化技術模擬實現，測試過程采用解放軍總醫院第五醫學中心南院區2016—2019年度的維修記錄及2020年4月的醫療設備明細數據作為樣例。

在測試中，分別針對系統功能進行業務流程、維修檔案管理等功能測試。在醫療設備維修過程中，分別測試醫療設備使用人員、管理人員以及維修人員報修、立項、配件申請、配件出入庫以及經費核銷等功能。通過測試，系統可覆蓋醫療設備維修標準化業務過程，如圖5所示，用戶可通過報修頁面中的可視化向導完成故障申報流程，并支持用戶采用檢索控件、現場圖片等方式簡化申報描述；同時，系統可向用戶提供同類設備常見故障描述、處理過程信息、維修人員聯系方式等，為故障應急處置提供決策支持。當報修完成后，報修人員可在線實時跟蹤設備維修狀態。用戶可通過設置設備檢索條件查詢目標設備信息，可瀏覽設備歷史事件列表；維修人員可通過系統記錄維修過程，系統可根據報修設備信息及故障描述，給予歷史維修建議。

圖5 系統運行界面

原有維修模式與本系統的性能對比見表1，平均響應時長由23.2 min縮短至3.6 min，平均故障分析時長由204.0 min縮短為27.4 min，平均修復時長由438.0 min縮短為330.0 min，維修能力顯著提升。

表1 2種維修模式性能測試對比單位：min

基于數據驅動模式，醫療設備維修行為與維修服務評估指標密切關聯，強化了使用人員、管理人員以及維修人員三方互聯互通、監督評估，用戶均可實時掌握設備維修狀態，確保維修響應的快捷性。同時采用數據驅動方式，維修業務流程各環節可通過過程記錄及業務狀態變化實現自動流轉，降低了人為操作帶來的滯后性，進一步提高了維修流程的實時性和客觀性。與此同時，采用數據驅動機制及模塊化分級設計，降低了系統與固化業務流程的耦合性，提高了系統的兼容性、適應性。用戶可實現單臺設備歷史維修記錄查閱，并可基于相似度評估、知識匹配、主成分分析、多維數據查詢，建立設備故障庫，獲得相似故障輔助決策、故障成因分析、同類設備故障明細等，提高知識復用程度，發揮數據價值；系統可通過數據層實現固定資產、醫療設備臺賬、財務報銷、零配件出入庫等數據關聯及整合，實現數據集成，且支持數據跨域訪問，允許用戶執行數據挖掘任務，分析數據信息，形成輔助策略，為用戶決策提供支持，從而實現將業務數據轉換為業務效能，同時業務可支持數據更新，不斷迭代循環的數據驅動運營體系[17]。

5 結語

隨著醫療設備在臨床診療、康復療養、科學研究等領域應用范圍的擴展，其種類、數量及資產總額不斷增長，對醫療設備管理能力提出了挑戰。但由于醫療設備維修活動存在個性化、專業性、隨機性、突發性等特點，傳統的工作模式存在流轉緩慢、過程記錄管理等困難，難以結合設備自身技術、使用特點開展針對性維修活動，已難以滿足醫療設備維修的現實需求。因此，本文將數據驅動模式引入醫療設備維修管理過程，細化維修業務流程，通過過程記錄及數據狀態變化，控制業務流轉，完善管理過程；基于維修過程記錄建立健全設備維修檔案，加快維修知識積累，結合數據挖掘方法，提高知識復用能力，發揮知識效能。目前，系統運行中部分流程信息輸入仍依靠手工，在線審核缺乏實時性、移動性等問題，在下一步研究中，可結合物聯網、多媒體轉換等技術，實現數據采集的自動化、智能化，提高醫療設備維修保障效能。