基于食品、藥品安全的信息化平臺建設研究*

陳海濤

（中國食品藥品檢定研究院信息中心 北京 102629）

1 引言

當前，在食品、藥品安全監管體制機制、法律法規、政策標準、監測評估、檢驗檢測、人才隊伍、技術裝備等方面，還存在一些亟待解決的問題［1～3］；比如食品、藥品行業產業化、規模化、集約化程度不高，基礎薄弱，產地環境污染問題較為嚴重；企業主體責任落實不夠，質量安全控制投入不足，管理能力不強，行業誠信道德體系建設滯后［4～5］；危害食品、藥品安全的違法犯罪行為屢禁不止，食品、藥品安全風險隱患依然較多，食品、藥品安全事故時有發生，食品、藥品安全監管面臨的形勢依然復雜嚴峻［6～8］。

目前，食品、藥品安全的信息化平臺建設將逐步建成覆蓋全市各級食品藥品監管部門的統一高效、互聯互通、協同共享的食品藥品安全服務、監督管理的行政服務平臺［9～10］。根據食品、藥品安全監管信息化建設趨勢，按照各級政府的要求并結合目前實際情況，充分利用現代信息技術，科學進行頂層設計，推進食品藥品監管信息化工作開展，建成食品藥品安全綜合監管統一平臺［11～12］，兩級聯動的監控指揮中心，完善三大支撐體系，建成日常監管、稽查執法、應急處理、信息監測、信用管理、溯源管理、行政服務為核心的七大應用系統，實現“一平臺、兩中心、三大支撐體系、七大應用系統”的整體目標，以全面提升我市食品藥品安全監管水平、公共服務水平和決策水平［13～14］。

2 信息化平臺體系架構設計

在信息化平臺架構設計中，將其劃分為基礎層、數據層、數據處理層、數據應用層。具體架構示意圖如圖1所示。通過該信息化平臺實現食品、藥品安全時空預警信息化體系的業務架構設計，實現以“食品、藥品健康鏈”為主線的全生命周期信息監測預警，下文將詳細描述。

圖1 信息化平臺體系架構設計框圖

在基礎層中，其包含有網絡系統、智能設備、檢測裝置、存儲設備等，主要是用于維持信息化平臺體系架構運行的硬件裝置等，除此還包含計算機、應用程序服務器、數據庫服務器、通訊協議、機房等基礎設施。

在數據層中，其包含各種不同設備傳遞的數據，用于存儲各個基礎層使用過程中用戶傳遞、錄入的數據、智能設備測量的食品、藥品數據，這些底層的檢測設備通過數據接口傳遞到數據層，為智能設備提供數據接口。在數據層中，其還包括數據信息系統，在該系統中，其還包括監控系統，如圖2所示。該數據信息系統包含監控系統，監控系統連接有數據采集單元、數據共享單元，其中數據采集系統采集數據有食品相關數據、藥品相關數據，在采集過程中，通過食品污染物監測網絡、藥品污染物監測網絡或其他食品、藥品污染物監測網絡。監測后的數據在數據信息系統中進行共享。這些數據包含但不限于食品安全抽檢數據、藥品安全抽檢數據、進出口食品、藥品數據、其他監控數據、食品、藥品狀態數據，通過數據共享實現不同單元之間的數據共享。

圖2 數據信息系統構架圖

在數據處理層中，其包含了底層設備或系統所需要的所有功能上的算法和計算過程，并與上層的數據應用層進行數據交互。抽象的說，數據處理層就是處理、計算、管理與數據業務相關的部分，在本文設計中，采用了機械學習算法對食品、藥品數據進行處理，比如：決策樹算法模型、Apriori算法、AP聚類分析算法、BP神經網絡模型、支持矢量機算法、Adaboost迭代算法等機器學習方法構建預測預警模型［15］，其數據算法模型如圖3所示。

圖3 數據處理模型示意圖

其中AP聚類分析方法是一種機器學習并且無監督的聚類算法，借助于AP聚類分析方法能夠將不同區域的多類評價指標按醫學發病程度或者食品、藥物污染情況，按一定的屬性分類，這樣以比較不同區域的總體食品、藥品情況。BP神經網絡模型算法是按誤差逆傳播算法訓練的多層前饋網絡，該方法利用梯度搜索技術，將網絡的實際輸出值和期望輸出值的誤差均方差為最小。支持矢量機模型主要用來解決不同數據之間的模式識別問題、函數回歸問題。利用上述算法模型能夠建立以食品污染、藥品殘留、食品殘留、重金屬污染、微生物致病菌等類別作為輸出層的食品、藥品安全預警模型［16］。通過各種不同數據的訓練樣本為考察對象，建立起不同形式的預測模型。通過這種方式能夠解決不同任務，處理不同的數據，并且每種數據算法模型中也有著諸多不同的算法，每種算法都適應不同的用戶需求。

上層為數據應用層，在有的地方也被稱為表示層，在該層，用戶可以通過客戶端來瀏覽訪問層，使得用戶通過瀏覽器來訪問信息化平臺界面，繼而獲取相關數據信息資源，通過用戶界面顯示數據處理結果。

3 關鍵技術設計

3.1 Adaboost迭代算法的建模

本文采用Adaboost迭代算法對信息化平臺接收的不同數據進行分類和計算，其計算過程如圖4所示。

圖4 Adaboost迭代算法流程圖

1）獲取訓練樣本，訓練弱分類器；對N個食品、藥品的訓練樣本數據進行訓練、學習，輸出第一個弱分類器；在開始算法之前，將每個食品、藥品樣本的權重初始化定義為1/m，這樣有利于使每個食品、藥品樣本都是為等概率的分布，便于下一步工作的計算和處理。

用公式表示為

2）再次訓練弱分類器，將分錯的食品、藥品樣本和其他的食品、藥品新數據匯集在一起，再次構成新型的N個食品、藥品訓練樣本，通過對新型的食品、藥品樣本的學習，輸出第二個弱分類器。

用公式表示為

3）繼續訓練弱分類器，將步驟1）和步驟2）都分錯了的樣本加上剩余的食品、藥品新樣本數據重新構成新的第N個訓練樣本，通過對新型的食品、藥品樣本的學習，輸出第三個弱分類器。

4）迭代計算，根據上述訓練，開始迭代，計算出不同弱分類器分類的誤差，所計算出的誤差等于各個不同分錯食品、藥品樣本的權重和，假設一個弱分類器正確分類了一個權重大的食品、藥品樣本，則使用該分類器計算的誤差將會較小，否則誤差較大。在使用過程中，通常算法迭代的次數不超過弱分類器的個數，如果有多個弱分類出現，則按照用戶的需求進行選擇。

步驟2）、3）、4）用公式表示Gm（x）在訓練集上的誤差率公式為

5）歸一化處理：獲取最優分類器之后，然后進一步地計算所選取的分類器的權重，接著再更新各個不同樣本的權重，進行再歸一化處理。

歸一化處理后，計算Gm（x）的系數，am代表Gm（x）在訓練后的最終分類器中的關鍵程度，用公式表示為

在上述公式中，em≤1/2時，am≥0，通過公式可看出，am與em成反比例關系。即誤差率越小，分類器在最終分類器中越起到比較大的作用。

6）迭代判斷：判斷迭代次數是否等于閾值，如果與閾值相等，則完成迭代計算，最后的分類器則由迭代過程中所選擇的弱分類器經過線性加權得到的。如果迭代次數不等于閾值，則重新進行迭代計算。

3.2 Adaboost迭代算法在信息化平臺中的應用

基于上述模型的建立，將上述建立的數據模型應用到上述建立的信息化平臺的評估上，則進行以下剖析，假設數據樣本如表1所示。

表1 樣本數據表

在求解時，對初始化訓練數據進行初始化權值分布，使每個權值Wi1=1/N=0，1，其中N=10，i=1，2，3……10，然后分別將m=1，2，3…等值進行迭代。在進行迭代計算時，對于m=1，在權值分布為D1的訓練數據上。使用分類器公式G1（x）表示為

在上述公式中，假設令閾值為2.5時，則誤差值為0.3，即當x＜2.5時，G1（x）的值為1，當閾值為5.5時，則誤差值為0.4。當閾值G1（x）為8.5時，誤差率為0.3。

然后利用上述公式得出：G1（x）在訓練集中上的誤差率e1=P（G1（xi）≠yi）=3*0.1=0.3。然后根據誤差率e1計算G1的系數：

a1表示為G1（x）在最終的分類函數中占用的權重為0.4236。然后進行下一輪的迭代。然后利用上述方法進行迭代計算，直到計算到誤差最小為止。

4 軟件設計

本文設計的信息化平臺的軟件部分可以劃分為系統數據庫、數據訪問層、系統組件庫、數據接口、萬維網（World WideWeb，WWW）服務器、無線應用協議（Wireless Application Protocol，WAP）服務器［17］六個部分，其結構示意圖如圖5所示，下面對其主要技術進行描述。

圖5 軟件平臺結構設計

1）Java EE

Java EE，其被稱為Java平臺企業版（Java Platform Enterprise Edition），能夠支撐企業級計算系統。在本文應用中，結合食藥監局大部分業務應用的現狀以及跨平臺、跨系統等不同特性的要求、系統操作、系統維護便捷化、簡易化的需求。該軟件系統滿足食品、藥品處理數據、適應各種數據應用、存儲和發展變化的需要，在本軟件平臺設計中，選擇Java EE體系架構作為處理數據的操作系統。

2）DB和OS

本文的軟件平臺系統兼容、使用各種不同大型關系型數據庫（DB）以及各類不同主流服務器操作系統（OS）。更進一步地說，本文軟件系統至少能夠支持各種大型的主流關系型數據庫，比如：ORACLE、SQL SERVER、MySQL等；除了這些操作系統之外，還能夠支持Windows、Linux等各種操作系統。

3）Webservice

在本文的軟件平臺中，還采用了Web Service技術，Web Service技術可以將運行在各個不同設備上的應用程序彼此之間互相進行數據交換或數據集成，并不需要額外的、專門的第三方軟件或硬件。WebService交互實現過程是將WebService遵循SOAP協議，并且通過XML封裝數據進行處理，然后經由Http協議實現食品、藥品數據的傳輸。本文的軟件平臺根據Web Service規范來實施不同的應用程序，這樣能夠使用具有不同語言、不同平臺或內部協議的軟件平臺，有效地滿足異構平臺數據的集成以及各種不同應用軟件的交互需求。

4）B/S結構

B/S是Brower/Server的縮寫，其中文為瀏覽器/服務器，該結構是Web廣泛使用后的一種網絡結構模式。Web瀏覽器被稱為客戶端最為重要的應用軟件。這種架構采用采取瀏覽器請求、服務器響應的工作模式。通過使用該用戶，能夠使用戶通過瀏覽器訪問Internet上經由Web服務器產生的圖像、文本、數據、圖片、動畫、視頻點播和聲音等信息。采用該消息，使得用戶可以在不同的地方操作該平臺，無需安裝特別的專門軟件，維護、使用都很方便。在應用程序中，其工作過程極為便利，通過客戶端發送食品、藥品數據請求，使得用戶在客戶端中的瀏覽器頁面能夠提交表單操作，并向服務器發送食品、藥品數據請求，然后等待服務器響應。用戶在服務器端處理發送來的食品、藥品數據請求數據，在服務器端端接收并處理食品、藥品數據請求數據請求。然后利用應用服務器端（通常使用服務器端技術，如JSP等）對食品、藥品數據請求進行數據處理并產生數據響應。而后在服務器端發送食品、藥品數據響應，此時，服務器端能夠把用戶請求的諸如網頁文件、圖片、聲音等數據信息返回給瀏覽器，瀏覽器然后再執行接收到的HTML文件，供用戶使用。

5 結語

本文基于食品、藥品數據利用、稽查、管理便利為目的，以“食品、藥品健康鏈”為主線的全生命周期信息監測預警為手段，構建出新型的信息化平臺架構。并將該系統劃分為基礎層、數據層、數據處理層、數據應用層。在數據處理層中，采用諸如決策樹算法模型、Apriori算法、AP聚類分析算法、BP神經網絡模型、支持矢量機算法或Adaboost迭代算法等機器學習方法來構建預測預警模型，并設計出安全信息化平臺構架。從而實現食品、藥品安全時空預警信息化體系的業務架構設計。