大數據在醫療云關鍵技術中的應用

周 建，付允彬，周 鵬

（1 高唐縣人民醫院 山東 聊城 252800）

（2 臨清市人民醫院 山東 聊城 252600）

0 引言

隨著社會經濟的不斷發展，人們對醫療服務水平也提出了更高要求。基于新的時代背景，醫院應該與時俱進，不斷加強基礎設施建設，不斷提高醫療服務水平。將云計算與大數據技術應用于醫院信息化建設，能夠有效提高其靈活性與效率，促使醫院信息系統能夠實現整體部署，按需配置、集約管理，進而對醫療大數據進行統計集中管理與有效利用，促使醫療資源處理工作實現可持續發展。

1 大數據及云計算概述

1.1 大數據

在現代社會中，每天都會有海量的數據信息產生，而合理運用這些數據信息能夠創造出巨大的經濟效益。大數據是指容量巨大、增長速度快，并且類型復雜，需要新的處理模式才能有效處理的高增長、多樣化海量信息資產[1]。傳統技術手段無法對大數據進行處理、分析等，因此需要更為先進的方法。大數據具有4 個特征，分別是數據容量大、數據類型多、增長變化快及數據價值大。大數據來源廣、類型多樣，比較注重數據處理的可用性與時效性。基于大數據處理流程的不同，大數據技術可以分為以下4 種：（1）大數據采集技術，即運用多種方式獲得海量數據，這是處理流程的重要環節，借助該技術實現了數據的實時性和可靠性；（2）大數據存儲和管理技術，這項技術解決了數據在物理層面和邏輯層面存儲和管理問題；（3）大數據分析技術，在整個大數據處理流程中，分析是核心所在，主要目的是通過分析挖掘數據信息價值。大數據處理分析時要遵循相應原則，可以保證分析質量。對于大數據而言，傳統分析方式無法滿足實際所需，因此要運用新處理技術來完成；（4）大數據應用技術，大數據處理完成后，最終目的是服務用戶。由于大數據具有復雜性，因此要運用可視化技術，將結果直觀展現出來。在信息化背景下，將大數據應用于醫療數據管理是發展的必然趨勢，對數據信息進行分析、處理，為決策制定提供參考。

1.2 云計算

云計算是一種利用網絡對共享可配置的計算資源池進行方便快捷訪問的模式，采用最簡單的方法實現快速配置。云計算服務具有很強針對性，和傳統服務模式比較而言，云計算服務優勢明顯，主要體現在服務成本降低、服務水平提升。云計算具有5 個特征，分別是廣泛的網絡接入、資源池化、快速彈性、可控服務及按需服務[2]，將其運用在醫療領域，可以為患者提供良好服務，改善醫療服務效果。結合實際情況來看，明確云基礎設施部署有4 種模式，包括私有云、公有云、社區云及混合云，可以滿足多元化需求。其中，私有云是針對某個單位，可以保證數據資源安全；公有云是服務商提供免費的服務，例如計算、存儲等，有效利用互聯網來實現資源共享；社區云是多個單位共同使用一套云基礎設施，共同承擔風險、成本；混合云是兩種或者以上的部署模式混合體，例如將私有云和公有云結合起來。云計算在醫院工作中有著較高應用價值，未來發展前景廣闊，所以要加強研究，實現有效運用。

2 醫療云和醫療大數據分析

2.1 醫療云

醫院信息化水平在不斷提升，傳統IT 架構逐漸暴露出滯后性，無法滿足發展所需，在這種情況下，醫療云構建成為人們研究的重點，是醫院信息化發展的主要方向。對醫院信息系統進行分析，其建設成本較高，增加了醫院的經濟負擔。另外，對信息化系統開展維護、升級等需要投入人力和資金，因為缺乏合理配置，導致資源浪費。云計算應用可以大大降低成本，同時改善系統性能，更加安全、可靠。依據不同的云計算部署模式，可以對醫療云部署模式分類，包括醫療私有云、醫療公有云、醫療社區云和醫療混合云[3]。有關醫療云運行見圖1。

2.2 醫療大數據

在醫療行業發展中，醫療信息的價值受到人們重視，通過合理運用可以推動醫療行業的發展。所謂醫療大數據，是指在醫療領域中產生的數據，主要來自制藥企業、臨床醫療、醫療費用及健康管理4 個方面。大數據分析對醫療信息進行挖掘、利用，可以發揮出有效作用。在新技術支持下，醫療服務行業會產生新的商業模式，例如建立起網絡健康平臺，患者和醫生可以及時、準確查詢到所需醫療信息。醫療大數據具有重大的應用價值，可以為行業服務水平提升提供充足動力。基于云關鍵技術的醫療數據挖掘平臺架構見圖2。

3 傳統醫療數據分析問題

結合傳統醫療數據分析情況來看，由于處理手段的限制，導致數據處理規模不大，并且方式陳舊速率慢，無法處理海量信息，不利于醫療數據處理工作的順利開展。此外，算法更新速度慢，無法滿足醫院現代化建設，不利于醫院數據處理工作實現可持續發展。

3.1 方式陳舊

在傳統醫療數據分析工作中，常見手段為問卷調查，根據醫療數據收集分析目的以及實況，確定問卷內容，通過向目標人群發放問卷、回收問卷，統計信息這一方式，對有關醫療數據進行統計。該手段不僅較為落后，工作效率與質量也難以提高。在大數據背景下，引進新分析手段與理念勢在必行，創新數據分析路徑，提高數據分析效率。

3.2 數據規模小

傳統數據分析因為受到工作方式的限制，無法對海量的醫療信息進行統計分析，只能對規模較小的數據進行處理，選取典型數據探究，或者隨機分析，導致數據處理速度慢，處理結果準確度有待提高。基于此，創新數據處理手段十分必要，以此提高數據處理規模，促使數據處理工作得以高效開展。

3.3 單機算法

雖然不少醫院對于信息化建設較為重視，但是由于現代化信息技術更新換代速度快，信息化建設無法緊跟時代需求，基礎設施落實，導致有關醫療數據信息處理仍舊選用單機算法，無論是分析方法還是數據規模都存在一定約束，無法滿足現代社會的發展需求，不利于醫院信息化建設實現持續化發展[4]。

4 大數據在醫療云關鍵技術中的應用

在新的時代背景下，大數據在醫療云關鍵技術中的應用主要從系統設計開發和算法設計實現兩個方面論述。

4.1 系統設計開發

在系統整體架構設計層面，本文介紹一種基于Hadoop的醫療大數據處理系統，由大數據收集模塊、大數據存儲管理模塊及大數據分析模塊3 個部分組成。在系統設計時應用大數據技術可以有針對性地采用分布式協同過濾算法，并引進虛擬技術，將其與醫院系統相結合，提高資源利用率，優化醫療服務水平。

（1）大數據收集模塊設計與開發。受傳統技術條件的限制，醫療數據主要以半結構化和非結構化的形式存放在文件系統中，這兩種形式數據在非分布式環境下是無法運用的。Hadoop 大數據處理能力較強，可以滿足實際所需。Hadoop不方便訪問存放在文件系統中的醫療大數據。另外，以Hadoop 為基礎進行開發，產生分布式應用程序，運用現有臨床數據中心數據資源，通過分析發現在遇到頻繁訪問的時候，會增加系統壓力，甚至會出現問題。為了改善面臨情況，可將醫療大數據存儲在HDFS 上，然后進行分析處理，這是最好的方式。在傳統模式下，數據傳輸速度較慢，存放在關系型數據庫系統中的結構化數據，開發了基于Sqoop 的ETL 模塊。該模塊有分布處理特點，提升了醫療數據傳輸效率[5]。

（2）大數據存儲管理模塊的設計和開發。Hadoop 應用不便于訪問在關系型數據庫中存儲的結構化數據，當數據集規模比較大時，無法實現高效處理，但用戶管理相對省心和方便。相比較于其他數據，Hadoop 應用訪問存儲在HDFS 中的數據較為容易，適用于規模較大數據集。建立大數據存儲和管理模塊，可以滿足數據倉庫要求。

（3）大數據分析模塊的設計和開發。從目前情況來看，大數據分析的算法和大數據處理分布式平臺都比較多，大數據應用方式更是數不勝數。分析醫療大數據特征，發現臨床信息系統利用醫療大數據頻率較高，明確臨床信息系統對臨床決策支持系統的依賴，在該系統中基于Hadoop作為大數據處理的分布式平臺，實現相關推薦算法，保證大數據推薦系統具有可擴展性[6]。

在該系統中，在分析處理醫療大數據時主要采用協同過濾算法，設計出基于HL7 消息的推薦系統接口，可以和醫院信息實現對接，具有實時性。大數據分析模塊核心部分包括應用層、推薦系統層及數據存儲層[7]。

（4）虛擬化技術的引進。除了上述模塊之外，工作人員還需要重視虛擬化技術的引進。該技術作為大數據背景下的典型產物，想要保障醫療云得以實現持續發展，還要重視該模塊的引進。虛擬化技術的應用能夠對醫療云中已經固定的資源進行重新配置與劃分，促使資源利用率提高。在該模塊當中，首先需要將醫療云系統虛擬為邏輯領域的計算機。隨后在虛擬環境中，結合醫療云系統，使得復雜的資源配置簡單化、流暢化，保障資源管理效果的同時，降低整個系統運行成本。目前在醫療云當中，應用最為廣泛的虛擬技術有服務器虛擬、網絡虛擬化等，以此提高醫療拓撲結構安全性，對醫療大資源實現動態分配。最終推動醫院資源管理能力提升的同時，推動各項醫療服務工作順利開展。其虛擬化原理見圖3。

4.2 算法設計實現

從本質上來看，大部分分析模塊可以看作集體指揮，從醫院收集的信息中尋找相關內容，可以形成重要認識。協同過濾算法是采用集體智慧的一種推薦算法，可以從大量信息中找到所需信息[8]。算法設計，一般情況下，實現協同過濾算法包括3 步：第1 步是收集用戶偏好數據；第2 步是尋找相似用戶；第3 步是推薦的計算。有效運用相似度計算方法，可以得到相似度度量值，使用用戶的協同過濾和基于項目的協同過濾完成推薦。在該系統中，用于完成推薦流程的推薦方法比較多，同時運用算法評價機制實現最優方法的自動選擇，算法提交到發布式平臺實現運行，會得到相應結果。

算法實現，在分布式計算環境中，輸入算法和數據時有一定要求，設計要以分布式使用方法為參考依據，并且要與MapReduce 分布式框架的要求相符合。要求所有數據可以轉化成Key/Value 對，分布式協同過濾算法實現要通過4 步來完成，其中每一步都是完整的MapReduce 流程，形成了序列化MapReduce 任務過程[9]。

算法評價，在信息檢索領域中，對結果質量開展評價時，主要評價指標是準確率和召回率，其中準確率是指檢索文檔數量占總文檔數量的比率，召回率是指檢索相關文檔數量占所有相關文檔數量的比率。算法設計架構流程圖見圖4。

5 結語

在新時代背景下，隨著醫院信息化水平的提升，要加強大數據、云計算等技術的應用，發揮出醫療大數據的作用，為發展決策制定提供參考依據。信息是寶貴的資源，因此要充分利用大數據來挖掘醫療信息資源，建立起以患者為中心的服務模式，幫助醫院對外樹立起良好形象，從而實現醫院長遠的科學發展。