基于全民健康信息平臺的醫療健康大數據治理方法及技術研究

徐 靜 高昭昇 黃岳源 吳宇婷

(廣州市衛生健康技術鑒定和人才評價中心 廣州 510080) (衛健智能(深圳)有限公司深圳 518000) (廣州市衛生健康技術鑒定和人才評價中心 廣州 510080)

1 引言

自2009年起全國各地陸續啟動以居民電子健康檔案為核心的全民健康信息平臺建設。平臺主要采集居民在醫療衛生機構的診療信息，完整記錄居民全生命周期健康信息及其他相關信息。隨著平臺覆蓋范圍進一步擴大，基于平臺的應用不斷深化，積累了海量臨床診療、檢驗檢查、醫院運營等數據[1]。然而質量問題成為大數據應用面臨的挑戰，高質量的數據才能更好地支撐各類應用；同時對于個性化健康指導、基于群體的衛生經濟負擔研究而言，數據質量直接影響研究結果的準確性、科學性。由于數據在產生和存儲過程中質量較難控制，因此在采集過程中進行評估以提前了解數據質量對于后續數據應用或質量提升具有重要意義。通過持續推進統一權威、互聯互通的全民健康信息平臺建設，基于區域平臺實現橫向、縱向數據共享已形成廣泛共識，隨著衛生健康事業的發展、新政策的實施，平臺被賦予了更多更高的要求，如實現全面智慧監管、助力健康產業發展等。通過數據治理能逐步完善平臺并推動其高質量發展。本文對大數據治理方法及技術進行探索研究，以期為醫療健康大數治理及有效利用提供參考。

2 現狀及存在的問題

2.1 現狀

我國已有31個省份完成全民健康信息平臺建設，平臺中匯聚了醫療服務、公共衛生、醫療保障、醫院運營等數據，大部分來源于各級醫療衛生機構，與公安和醫保部門數據共享比例較高[2]。通過全民健康信息平臺建設，管理者可以及時了解醫療衛生服務資源使用情況，便于實施高效、精準決策，進而有效減少醫療成本，加強醫療服務質量和提升醫療服務效率；醫護工作者可以隨時隨地獲取所需信息，實現高質量、高效率醫療服務；公共衛生工作者可以掌握居民健康信息，便于提前開展疾病防控和健康促進相關工作；居民可以獲取并全面了解自身健康信息，有助于實現個人健康管理以及享受及時、便捷、持續的醫療服務。

2.2 存在的問題

醫療健康大數據來源于不同醫療衛生機構、信息系統，通過全民健康信息平臺可以實現跨區域醫療數據整合匯聚，但尚存在數據應用效果不佳、未能真正發揮數據價值等問題，主要表現在以下幾方面：一是整合后的數據質量參差不齊，表數據缺失、表關鍵字段缺失等數據缺失率嚴重，數據種類不符、亂碼、索引號混亂等現象頻發，醫學術語不統一，存在大量計算機很難識別的非結構化文本、影像、視頻等，數據應用價值不高，檔案調閱量低。二是醫療機構信息化建設水平決定其整合數據的數量與質量，大量健康信息缺乏信息系統記錄，為個體疾病、健康狀況信息收集和分析帶來困難[2]。三是數據缺少有效性、正確性校驗，數據核查困難，安全性需要有效提升，各醫療機構數據質量參差不齊，導致針對醫院的評價結果準確性不高，較難實施有效監管及績效評價。

3 醫療健康大數據治理整體架構設計

3.1 概述

數據治理的最終目標是提升數據價值，通過醫療健康大數據治理實現數據定義、模型構建、數據質量評估、數據應用等環節的統一。基于數據定義標準，對業務指標應用進行結構化拆解，實現指標的技術定義，完成模型設計；基于模型設計環節沉淀的元數據，驅動和約束最終物理模型設計，為數據加工確定最終數據定義語言(Data Definition Language，DDL)，完成物理模型設計，以此約束后續數據開發。

3.2 整體架構

區域全民健康信息平臺承擔健康數據采集、匯總與應用功能，主要包括：一是將數據上傳到信息資源中心，包括前置機采集數據；二是對已上傳數據進行合理性校驗，并將其存儲至信息資源中心，按照數據自身特點進行相應轉換、管理和分發；三是滿足各方對信息資源中心臨床數據調閱等應用需要。數據治理首先要研究醫療健康大數據有效利用的精細化信息模型，然后通過低質量數據過濾、患者主索引匹配、醫學術語映射、醫學文檔結構化處理、醫療數據隱私化處理等治理技術對符合信息模型的數據進行半自動化處理，實現較高的自動處理準確率。通過平臺匯聚、評估、治理的不斷迭代過程，建成可快速檢索的高質量醫療大健康大數據資源，支撐醫療健康大數據持續性創新應用研發，實現包括疾病預警預測、臨床決策支持、個人健康畫像、高危篩查等大數據應用，見圖1。

圖1 醫療健康大數據治理整體架構

3.3 數據模型構建

3.3.1 構建流程 對應用場景數據需求進行詳細剖析，包括醫療服務(門診+住院)、公共衛生、中醫、專病分析等領域的應用場景，基于數據需求詳細剖析結果，參照國家或國際對于數據元相關標準，定義標準化數據元，通過元數據標準定義的元數據項對數據集進行描述[2-3]。調研國際各類醫學術語標準，參照國際對于數據值域的相關標準，針對每個數據元選定最合適的醫學術語或值域。對OpenEHR原型進行擴展，建立精細化的OpenEHR原型庫并根據實際數據源定義精細化的OpenEHR存儲模板，用于指導大數據中心結構化數據庫構建。對多來源的各類數據進行匯集，建立各數據源的元數據并進行統一管理，包括但不限于全民健康信息平臺項目數據、個人持續健康監測數據、醫院電子病歷數據、公共衛生信息平臺數據及專病隊列研究數據等。

3.3.2 模型構建 通過對患者處方、檢驗報告、檢查報告、體檢報告等醫療健康大數據進行規則和類型定義，根據不同數據特性建立多個質控模型。通過OpenEHR原型模板編輯工具，針對個人居民健康檔案基本信息、疾病控制管理、兒童保健、婦女保健、醫療服務等關鍵業務域，對每個關鍵業務域的附屬數據按照其所在業務進行分類，將關鍵業務域與附屬業務數據按照數據關鍵字進行關聯，再對所有關鍵業務域按照個人主索引進行關聯，從而形成個人居民健康檔案數據模型。

3.4 質量評估與控制

3.4.1 數據質量評估框架模型 基于國際數據質量標準，結合國內醫療領域數據質量標準進行細化擴展，建立詳細的數據質量評估框架模型，從數據完整性、一致性、規范性、結構化、邏輯性等方面指導分析數據質量評估需求以及制定數據質量評估規則。

3.4.2 數據質量規則定義語言與規則編輯管理工具 基于規則定義語言(Guideline Definition Language，GDL)，定義臨床數據質量評估規則,對數據質量模型中各種特征的度量標準進行衡量。開發質量規則編輯管理器，實現對質量評估規則的擴展與維護。

3.4.3 針對臨床應用需求構建數據評估規則庫 分析數據應用的實際需求，構建臨床數據使用場景的質量評估規則庫。根據設定規則自動糾正數據值錯誤、數據類型錯誤、半角全角字符、中英字符錯誤等一般數據質量問題；針對其他復雜數據質量問題，利用專業數據質量提升算法的修復技術加以解決，包括且不限于缺失數據填補、標準術語映射、重復數據檢測與刪除等。對所采集醫療數據，如處方、檢驗報告單、檢查報告單、體檢報告單等進行規則和類型定義，根據不同醫療數據特性建立多個質控模型。

4 醫療健康大數據治理技術分析

4.1 數據處理

4.1.1 數據錯誤處理 數據中心數據轉換、加載過程的第1步。數據經過接口初步驗證后開始進行錯誤處理。主要是檢查數據源數據格式是否滿足相關標準，內容是否正確。數據源可分為兩類：數據文件和數據庫接口數據。數據源的數據需要校驗和轉換后才能進入數據中心，見圖2。

圖2 數據錯誤處理

4.1.2 數據清洗 在數據臨時存儲區中進行，是為保證數據質量而進行的必要的數據清理工作，其目的在于保證數據質量和準確性。由于衛生健康數據的多樣化，要保持其唯一性和可靠性需要進行數據清洗。數據清洗需設定規則，規則存儲在標準庫中，在進行清洗過程中調取。一般來說清洗過程是數據提取、轉換、加載(Extract-Transform-Load，ETL)過程的一部分。清洗后的數據經過業務處理即可進入操作型數據存儲庫(Operation Data Store，ODS)中[3-4]，見圖3。

4.1.3 非結構化數據 指不便于使用數據庫二維邏輯表呈現的數據，包括所有格式的辦公文檔、報表、文本、圖片、HTML、XML、圖像、視頻和音頻信息等，可以采用跨企業文檔共享(Cross-Enterprise Document Sharing，XDS)模型為其建立索引服務，實現非結構化數據的存儲與訪問。XDS集成規范定義了基于XDS模型的核心基礎服務。其他許多信息技術基礎設施(Information Technology Infrastructure，ITI)集成規范則在安全、患者標識管理、文本就緒通知和新的文本交換路徑等方面進一步加強XDS基礎設施。

4.1.4 醫學術語映射 指在原始數據實際取值和標準數據術語概念之間建立聯系，在導入過程中對數據進行基于語義的標準化處理。將原始數據進行規范化操作后需明確使用術語服務的對象字段。通常這類字段內容具有表述簡單、意義明確、邏輯性強等特征，例如藥物劑型、劑量，物質存在狀態等，而不是文字描述性內容。實現相應術語服務步驟如下：第一，確定該字段原始數據取值范圍；第二，將原始數據所有取值與該字段對應HL7項的詞匯域中所有取值一一對應；第三，為第2步涉及的所有概念建立別名，別名取值即為相應字段原始數據取值。以“臨床用藥”數據中的“劑型”字段為例，首先考察原始數據，可知DrugType的取值為“口服液”“片劑”“噴霧劑”3種；其次在由數據規范化確定的DrugType對應的HL7項中找到與這3種取值對應的詞匯，形成術語映射表，見表1。為“Oral Solution”“Tablet”和“Oral Inhalant”3個概念創建別名，取值分別為“口服液”“片劑”和“噴霧劑”。在數據導入過程中數據的DrugType字段自動實現基于語義的標準化。

表1 “臨床用藥”DrugType字段的術語映射

4.2 數據服務

數據服務主要為數據治理提供統一的數據建模、數據管理、數據應用等服務，數據中心需要支持各業務主題域、主題分析、數據集市模型和指標相關的語義和解釋的定義，該定義包括業務口徑和技術口徑，并支持數據模型調整。同時在數據訪問層或數據服務層面提供數據可視化服務和清晰的數據指標定義，見圖4。

圖4 數據類服務

4.3 安全與隱私治理

在電子健康檔案共享過程中,為保障居民隱私安全必須應用數據安全加密處理技術，實現對平臺核心采集交換信息加密存儲；設置隱私保護服務模塊，通過身份驗證、短信驗證、核心數據字段隱藏等多種方式實現居民健康檔案信息調用隱私保護[5]。通過匿名化服務確保在平臺中以及提供正常醫療服務以外(例如醫療保險、管理以及某種形式的研究)的資料傳遞過程中,不會面向非授權用戶泄露患者身份信息，將患者身份信息通過移除或修改等手段進行泛化處理。

5 數據治理結果評價

全民健康信息平臺在完成數據治理后需要構建治理結果評價體系，對治理結果進行評價或績效考核，數據治理結果評價應圍繞數據質量和數據安全兩部分進行，數據質量按照互聯互通成熟度測評指標要求，一般分為數據邏輯性(關聯性、約束性)、及時性、完整性(一致性)、穩定性、準確性，對數據質量結果進行評分，根據業務要求配置質控規則，包括健康檔案業務、綜合管理與決策支持業務等。通過質控規則判定數據質量及評分并可及時發布質控問題給醫院，協助醫院處理質控問題，實現數據全程質量控制，進而達到計劃-執行-檢查-處理(Plan-Do-Check-Action，PDCA)的流程循環控制[6-7]。完成數據治理后數據質量得到進一步提升，治理結果可以根據平臺相關業務考核標準及要求，通過計算機化、通用化處理形成最小單位的規則標準，在規則標準基礎上制定考核模板，包括規則類型設定、指標類型設定以及邏輯化和業務標準化，系統最終以規則模板為基礎對數據進行全量計算，得出考核結果和考核評分[8]。

6 結語

通過區域全民健康信息平臺數據治理，醫療衛生信息可以在區域內醫療衛生服務機構中實現互通共享，便于各級各類醫療衛生機構進行協作，實現全市醫療服務高效率、高質量發展。數據質量提升是一個漫長且復雜的過程，需要根據數據應用需求、應用場景隨時調整策略，如果沒有建立有效的數據治理機制將影響數據可用性、創新技術應用、平臺效率及有效性，需確保數據在用于分析及決策前可靠、一致。持續研究大數據治理方法及技術，實現對醫療健康大數據質量評價與控制，進一步提高應用服務的可用性和效率，通過治理形成高質量的醫療健康大數據資源，是平臺建設面臨的迫切任務。