醫(yī)療數(shù)據(jù)治理-構建高質量醫(yī)療大數(shù)據(jù)智能分析數(shù)據(jù)基礎

摘要：以專病真實世界研究為背景，分析了醫(yī)療數(shù)據(jù)治理和數(shù)據(jù)可用性存在的各種問題。

從醫(yī)院數(shù)據(jù)治理出發(fā)，延伸到區(qū)域數(shù)據(jù)治理、?？坡?lián)盟數(shù)據(jù)治理以及醫(yī)療標注數(shù)據(jù)與知識型

數(shù)據(jù)的治理，總結了不同層次、不同層面數(shù)據(jù)治理的共性方法與個性方法。在此基礎上，進

一步探討了數(shù)據(jù)治理中的主數(shù)據(jù)管理、元數(shù)據(jù)管理、數(shù)據(jù)質量控制等關鍵技術和關鍵環(huán)節(jié)。

最后，給出了醫(yī)療大數(shù)據(jù)標準的基本框架，并基于現(xiàn)有的數(shù)據(jù)治理評估標準，對醫(yī)療大數(shù)據(jù)

治理的現(xiàn)狀進行了評估。

關鍵詞：醫(yī)療數(shù)據(jù)治理；數(shù)據(jù)可用性；元數(shù)據(jù)；主數(shù)據(jù)

1引言

醫(yī)療健康大數(shù)據(jù)與人工智能呈蓬勃發(fā)展的態(tài)勢。一方面，醫(yī)院互聯(lián)互通、國家與省市大數(shù)據(jù)

中心的建設，為醫(yī)療健康大數(shù)據(jù)奠定了良好的基礎；另一方面，個性化診斷、疾病預測與輔

助決策支持系統(tǒng)等各類醫(yī)療人工智能應用也在不斷涌現(xiàn)。

國家對發(fā)展醫(yī)療大數(shù)據(jù)和人工智能非常重視，近幾年頒布了一系列指導意見和措施。國辦發(fā)

(2016)47號《國務院辦公廳關于促進和規(guī)范健康醫(yī)療大數(shù)據(jù)應用發(fā)展的指導意見》提出

建設全民健康保障信息化工程一期項目。作為該項目的前期工程，2015年國家衛(wèi)生和計劃

生育委員會統(tǒng)計信息中心啟動了十省互聯(lián)互通項目，開展相關技術的驗證工作。截至2016

年，該項目已經(jīng)接入上海、湖南、湖北、江蘇、浙江、福建、重慶、內蒙古、遼寧、北京10

個省級健康醫(yī)療大數(shù)據(jù)平臺，目前已完成所有省級健康醫(yī)療大數(shù)據(jù)平臺的接入。為深入貫徹

落實國辦發(fā)(2016)47號文件精神，加快國家健康醫(yī)療大數(shù)據(jù)中心及產(chǎn)業(yè)園建設試點項目

對接工作，2016年10月，福建、江蘇以及福州、廈門、南京、常州被確定為健康醫(yī)療大數(shù)

據(jù)中心與產(chǎn)業(yè)園建設國家試點工程第一批試點省市。2017年12月，健康醫(yī)療大數(shù)據(jù)中心

第二批國家試點啟動。根據(jù)部署，健康醫(yī)療大數(shù)據(jù)中心第二批國家試點已在山東、安徽、貴

州3個省開展，并與第一批試點的江蘇、福建一起作為東、南、西、北、中5個健康醫(yī)療大

數(shù)據(jù)區(qū)域中心建設及互聯(lián)互通試點省。目前，醫(yī)療領域已經(jīng)積累了大規(guī)模臨床數(shù)據(jù)，并有了

國家級別的數(shù)據(jù)采集和匯聚方案，保障了持續(xù)的數(shù)據(jù)增加和更新，并且為人工智能應用提供

了基礎。

然而，在利用前期基于醫(yī)院或國家衛(wèi)生健康委員會的區(qū)域平臺數(shù)據(jù)進行臨床科研和人工智能

應用開發(fā)的過程中，即使在病人數(shù)量足夠的情況下，數(shù)據(jù)的可用性依然存在問題。這里既有

數(shù)據(jù)本身的問題，也有數(shù)據(jù)流程管理問題和數(shù)據(jù)使用權限問題。例如，若研究特定治療方案

對心衰與大腸癌的影響，需要從電子病歷中分別構建心衰隊列和大腸癌隊列。對于心衰隊列,

入組條件是電子健康檔案中患有心衰疾病的病人，控制變量是是否吃了與心衰治療相關的中

藥，終點事件是180天再入院率。對于大腸癌隊列，入組條件是電子健康檔案中患有大腸癌

的病人，控制變量是是否手術，終點事件是復發(fā)或3~5年生存期。在構建隊列的過程中存

在以下問題。

數(shù)據(jù)完整性不夠。例如，診斷心衰需要心臟彩超數(shù)據(jù)，診斷大腸癌需要病理和死亡數(shù)據(jù)。對

于醫(yī)院來說，心臟彩超數(shù)據(jù)和病理數(shù)據(jù)是有的，但這些數(shù)據(jù)被分散在不同的檢查系統(tǒng)中，需

要將這些數(shù)據(jù)集成在臨床專病庫中。此外，與終點事件相關的死亡信息和再入院率數(shù)據(jù)存在

缺失的情況。如果病人不是在醫(yī)院死亡的，系統(tǒng)就無法知道病人的生存狀態(tài)，因此死亡信息

無法被獲取。病人也有可能到其他醫(yī)院就診，這樣就無法統(tǒng)計再入院率這個數(shù)據(jù)了。如果是

區(qū)域平臺，各省只有檢驗數(shù)據(jù)，沒有檢查數(shù)據(jù)。

數(shù)據(jù)精準度不夠。例如，心衰與心功能分級有關，而腫瘤需要分期，在電子健康檔案數(shù)據(jù)里

面，很多病人的心功能分級數(shù)據(jù)或腫瘤分期數(shù)據(jù)是沒有的。

數(shù)據(jù)一致性不夠。以患者基本信息和時間信息為例，由于填錯或者其他原因，患者的基本信

息在不同系統(tǒng)中可能是不一樣的，而不同系統(tǒng)的時間格式也可能是不一致的。

數(shù)據(jù)準確性不夠。病人的很多ICD編碼不在國家衛(wèi)生健康委員會編碼規(guī)范里，此外，很多

疾病名稱與ICD編碼系統(tǒng)中的疾病名稱不一致。

綜上所述，隨著醫(yī)療大數(shù)據(jù)與人工智能技術的深入發(fā)展，數(shù)據(jù)可用性已經(jīng)成為制約醫(yī)療健康

大數(shù)據(jù)智能分析應用發(fā)展的瓶頸。數(shù)據(jù)存在各種各樣的問題，具體如下。

原始數(shù)據(jù)在錄入過程中有數(shù)據(jù)錯漏、數(shù)據(jù)不完整等問題。

由于缺乏統(tǒng)一的元數(shù)據(jù)標準，數(shù)據(jù)融合困難。

由于缺乏統(tǒng)一的主數(shù)據(jù)管理，病人、醫(yī)生等醫(yī)療應用中的核心數(shù)據(jù)實體難以被唯一標識并實

時更新。

數(shù)據(jù)清洗缺乏統(tǒng)一的策略，導致數(shù)據(jù)被多次清洗，使用代價高。

由于缺乏元數(shù)據(jù)和主數(shù)據(jù)標準，即使數(shù)據(jù)被勉強放在一起，數(shù)據(jù)可達性也很差，無法知曉每

個字段的確切含義和具體取值范圍，難以基于簡單的查詢找到需要的數(shù)據(jù)。

大量醫(yī)療數(shù)據(jù)以文本、影像、圖像等非結構化的方式存儲，增加了管理和整合的難度。

另外，無論是在規(guī)劃層面還是在操作層面，數(shù)據(jù)隱私管理、數(shù)據(jù)使用的權限與流程都跳乏指

導性的技術標準和規(guī)范，由此導致雖然采集、存儲了很多數(shù)據(jù)，但不知道誰可以用、應采用

什么樣的方法用。

總體來說，要讓醫(yī)療大數(shù)據(jù)應用生根發(fā)芽，讓數(shù)據(jù)驅動的醫(yī)療人工智能技術與應用落地，就

必須從源頭解決數(shù)據(jù)質量問題，解決在什么樣的情況下可以用什么樣的數(shù)據(jù)的問題，解決數(shù)

據(jù)錄入、采集、融合與使用過程中多個環(huán)節(jié)的數(shù)據(jù)監(jiān)督與控制問題，這些問題都屬于醫(yī)療數(shù)

據(jù)治理問題。

2醫(yī)療數(shù)據(jù)治理的概念、分類與階段

2.1醫(yī)療數(shù)據(jù)治理的內涵與外延

維基百科將數(shù)據(jù)治理定義為組織機構遵循的一個既定的流程，以確保整個生命周期中的數(shù)據(jù)

質量。國際數(shù)據(jù)管理協(xié)會(GlobalDataManagementCommunity,DAMA)在《DAMA數(shù)據(jù)

管理知識體系指南》中將數(shù)據(jù)治理定義為數(shù)據(jù)資產(chǎn)管理的權威性和控制性活動，是對數(shù)據(jù)管

理的高層計劃與控制，包括在數(shù)據(jù)管理和使用層面進行規(guī)劃、監(jiān)督和強制執(zhí)行。我國電子

工業(yè)標準化技術協(xié)會信息技術服務分會(InformationTechnologyServiceStandards,ITSS)

基礎標準工作組認為，數(shù)據(jù)治理包括：對信息利益相關者的需要評估；確保有效助力業(yè)務的

決策機制和方向；確保對合規(guī)和績效的監(jiān)督。

根據(jù)上述定義可知，數(shù)據(jù)治理需要一個權威的組織機構，這個組織機構需要對數(shù)據(jù)資產(chǎn)制定

權威性的計劃，并控制活動。對于企業(yè)內部的數(shù)據(jù)治理，企業(yè)可以建立自己的數(shù)據(jù)治理機構，

對數(shù)據(jù)行使治理的權力。但是，醫(yī)療數(shù)據(jù)相對復雜和分散。一方面，醫(yī)院、國家衛(wèi)生健康

委員會、體檢機構、醫(yī)療科研、保險機構、互聯(lián)網(wǎng)健康機構以及病人都存有數(shù)據(jù)；另一方面，

醫(yī)療數(shù)據(jù)所有權難以明確，數(shù)據(jù)治理的權威機構缺乏規(guī)定。

為此，國家衛(wèi)生健康委員會在2018年9月研究制定了《國家健康醫(yī)療大數(shù)據(jù)標準、安全和

服務管理辦法(試行)》(以下簡稱《管理辦法》)。在《管理辦法》的第二條中規(guī)定：我國公

民在中華人民共和國境內所產(chǎn)生的健康和醫(yī)療數(shù)據(jù)，國家在保障公民知情權、使用權和個人

隱私的基礎上，根據(jù)國家戰(zhàn)略安全和人民群眾生命安全需要，加以規(guī)范管理和開發(fā)利用。《管

理辦法》明確了國家和政府機構對數(shù)據(jù)的使用權力，指明了數(shù)據(jù)治理的權威機構是國家衛(wèi)生

健康委員會，國家衛(wèi)生健康委員會和相關部門負責統(tǒng)籌規(guī)劃、指導、評估、監(jiān)督全國健康醫(yī)

療大數(shù)據(jù)的標準管理、安全管理和服務管理工作?？h級以上衛(wèi)生健康行政部門和相關部門負

責本行政區(qū)域內健康醫(yī)療大數(shù)據(jù)的管理工作，是本行政區(qū)域內健康醫(yī)療大數(shù)據(jù)安全和應用管

理的監(jiān)管單位。各級各類醫(yī)療衛(wèi)生機構和相關企事業(yè)單位是健康醫(yī)療大數(shù)據(jù)安全和應用管理

的責任單位。

2.2醫(yī)療數(shù)據(jù)治理的分類

本文的數(shù)據(jù)治理主要圍繞醫(yī)院和區(qū)域衛(wèi)生管理機構擁有的數(shù)據(jù)展開。將醫(yī)

療數(shù)據(jù)治理按管理機構分為3類:一是醫(yī)院數(shù)據(jù)治理;二是區(qū)域數(shù)據(jù)治理；

三是?？坡?lián)盟/專科醫(yī)聯(lián)體/專病中心的數(shù)據(jù)治理。此外，還有醫(yī)療標注數(shù)據(jù)

與知識型數(shù)據(jù)治理。

2.2.1醫(yī)院數(shù)據(jù)治理

醫(yī)院數(shù)據(jù)治理被定義為：醫(yī)院對其數(shù)據(jù)資產(chǎn)的管理和控制，支撐并保障數(shù)據(jù)被安全、高效地

交換與使用。圖1展示了醫(yī)院數(shù)據(jù)治理體系。

澄理U標典里!應用人數(shù)據(jù)人工科施應川支探技術

麗:嫡麗

臨床數(shù)據(jù)中心科研數(shù)據(jù)中心廿(◎(?)

應用示范|中醫(yī)至病麗麗一I11I:

|牟稀喝海科研||輔助診斷昨服智伽答知3MH盟？配然*處理

兒科數(shù)據(jù)治理

效據(jù)故it管控除私與安全管理

|出港數(shù)據(jù)脫救|

I數(shù)據(jù)質出監(jiān)控|［畋據(jù)質at詳儕|

;數(shù)樨H動修正|.一還函市1

痔F混侖云的數(shù)據(jù)存儲系統(tǒng)

公有云,4私有云

0B0BSB^0BBB0|網(wǎng)步at控|

關健技術

基卜知識圖謂的無數(shù)據(jù)管理數(shù)據(jù)融合數(shù)據(jù)?致性檢ill幕廣語文的數(shù)據(jù)質敏控制

|11|I本體時齊II實體鏈接I；船浦此念(I,<■"!1(.41'I||??R動員量修正|

［附加應相］

I沖突*決II英泰推誠I數(shù)據(jù)一致性消洗1|甯義完整性檢測|

A4

海徵管理規(guī)范數(shù)據(jù)■視他

p8m采集演睚||收據(jù)和令題他［數(shù)褥使用流程|I元數(shù)據(jù)標準IIE數(shù)據(jù)標準|1故據(jù)順滑評估方用|安乍存林規(guī)范］

圖1醫(yī)院數(shù)據(jù)治理體系

(1)組織與人員機構管理

醫(yī)院需要成立專門的數(shù)據(jù)管理部門，完成流程和規(guī)范制訂、數(shù)據(jù)質量保證和質量控制、流程

審批等工作，并對數(shù)據(jù)使用方和n"設施建設方進行管理。目前，諸多醫(yī)院已經(jīng)專門成立了

大數(shù)據(jù)部門承擔這項工作，也有醫(yī)院將這項工作放在信息科或病案管理室。

(2)規(guī)范管理

規(guī)范管理包括流程管理與支撐規(guī)范、信息規(guī)范與數(shù)據(jù)規(guī)范。流程管理規(guī)范規(guī)定了何人在何種

應用場景下，通過何人的審批可以操作何種類型的數(shù)據(jù)。首先，流程管理規(guī)范規(guī)定了人員或

是角色的配置與管理，確定數(shù)據(jù)標準、更新維護、數(shù)據(jù)質量跟蹤等內容由誰完成。其次，規(guī)

定了各種審批流程。

相比數(shù)據(jù)采集、加工與存儲的流程，數(shù)據(jù)使用流程的制度管理更為重要。部分醫(yī)院依據(jù)確定

的審批流程管理數(shù)據(jù)的使用，臨床科室可以作為數(shù)據(jù)使用方提交數(shù)據(jù)使用要求，大數(shù)據(jù)管理

部門以及其他數(shù)據(jù)管理方進行審批。但是，目前審批過程缺乏詳細的附加規(guī)范，比如何種職

責的科室和醫(yī)生在什么情形下可以導出數(shù)據(jù)、數(shù)據(jù)能否離院、應由哪一級來審批決定，這些

都需要具體規(guī)定。除管理規(guī)范外，不同角色的人員如何協(xié)作互動完成既定的工作，也可通過

制定流程支撐規(guī)范實現(xiàn)。比如，科研流程不是簡單的數(shù)據(jù)導出和使用過程，通?？赡苄枰?/p>

次的數(shù)據(jù)字段確認和細化、數(shù)據(jù)清洗和融合，因此，需要面向特定任務建立流程支撐規(guī)范,

確保信息科、數(shù)據(jù)管理部門以及臨床醫(yī)生的有效協(xié)同。

信息規(guī)范包含隱私、數(shù)據(jù)權限管控規(guī)范和質量評估規(guī)范等。數(shù)據(jù)規(guī)范包括不同業(yè)務系統(tǒng)，如

電子病歷數(shù)據(jù)規(guī)范、醫(yī)院信息系統(tǒng)數(shù)據(jù)規(guī)范。對于數(shù)據(jù)整合過程和整合后的系統(tǒng)來說，需要

主數(shù)據(jù)和元數(shù)據(jù)規(guī)范以及相關的數(shù)據(jù)質量規(guī)范。

以上規(guī)范的制定有助于完成以下目標：數(shù)據(jù)有明確和準確的定義；數(shù)據(jù)有明確的責任方；數(shù)

據(jù)有清晰的存儲方式與合理的時間期限；數(shù)據(jù)加工方法明晰；數(shù)據(jù)訪問方式與控制明確；數(shù)

據(jù)內容符合標準要求與質量要求。

（3）平臺、工具與關鍵技術

數(shù)據(jù)治理需要有相應的平臺與工具支持，數(shù)據(jù)清洗過程需要抽取一轉換一加載（extract-

transform-load,ETL）工具、文本結構化工具等。大數(shù)據(jù)管理需要支持多種存儲機制，管理

平臺需要包含元數(shù)據(jù)管理、主數(shù)據(jù)管理、數(shù)據(jù)權限管理、審批流程管理、數(shù)據(jù)質量評估、數(shù)

據(jù)質量監(jiān)控等工具。此外，數(shù)據(jù)的使用需要各種統(tǒng)計模型和人工智能算法。

（4）數(shù)據(jù)智能化分析應用

整個數(shù)據(jù)治理應該是應用驅動的。治理可以圍繞臨床科研、醫(yī)院管理、輔助診療以及各種人

工智能應用展開。

2.2.2區(qū)域數(shù)據(jù)治理

區(qū)域數(shù)據(jù)治理與醫(yī)院數(shù)據(jù)管理內容相似，但實施起來難度更高，具體體現(xiàn)在以下幾點。

(1)主數(shù)據(jù)管理和元數(shù)據(jù)管理的復雜度高

病人基礎數(shù)據(jù)是臨床醫(yī)療信息的主數(shù)據(jù)。區(qū)域數(shù)據(jù)來源于多家醫(yī)院，每家醫(yī)院病人用的身份

標識不一樣，病人基礎信息也會有差異。需要通過統(tǒng)一標識來統(tǒng)一病人的主數(shù)據(jù)，并關聯(lián)病

人在不同醫(yī)院的就診記錄。另外，每家醫(yī)院的健康檔案的數(shù)據(jù)結構、疾病、檢驗、癥狀的名

稱也有差異。如果希望做統(tǒng)一元數(shù)據(jù)管理，不僅涉及醫(yī)療信息系統(tǒng)設計問題，也涉及醫(yī)學語

言的表達能力以及?？浦g的差異問題，目前還沒有哪個區(qū)域能比較好地解決這個問題。

(2)數(shù)據(jù)安全性管理更嚴格，審批和流程管理更復雜

由于區(qū)域數(shù)據(jù)量比較大,病人的就診數(shù)據(jù)在時序上更完整，因此數(shù)據(jù)泄露帶來的嚴重性更大，

區(qū)域對數(shù)據(jù)安全管理的要求更嚴格。另外，區(qū)域衛(wèi)生管理機構只是行使數(shù)據(jù)管理權，數(shù)據(jù)使

用者很多是醫(yī)療機構，在管理機構對醫(yī)療機構的數(shù)據(jù)使用申請進行約束和審批的過程中，由

于無法了解醫(yī)療機構的真實意圖，因此需要通過更嚴格的審批和管理流程，保障數(shù)據(jù)的合理

與安全使用。

2.2.3專科聯(lián)盟/?？漆t(yī)聯(lián)體/專病中心的數(shù)據(jù)治理

?？坡?lián)盟/?？漆t(yī)聯(lián)體/專病中心的數(shù)據(jù)治理問題更復雜。?？坡?lián)盟一般由權威醫(yī)療機構牽頭,

但是其牽頭單位并沒有行政權力，聯(lián)盟單位之間的協(xié)作共享完全是一種自愿的行為。因此，

專科聯(lián)盟形式的醫(yī)聯(lián)體除了要解決區(qū)域醫(yī)聯(lián)體中碰到的技術問題外，還要解決數(shù)據(jù)共享后的

利益分享問題，確保醫(yī)聯(lián)體每個成員能在數(shù)據(jù)共享活動中受益。這項工作有部分醫(yī)療信息廠

商正在做探索性的研究，主要通過區(qū)塊鏈確立數(shù)據(jù)來源，并通過智能合約實現(xiàn)臨床科研上利

益的共享。專病中心可以看作?？漆t(yī)聯(lián)體建立的數(shù)據(jù)中心，數(shù)據(jù)中心需要解決醫(yī)聯(lián)體成員對

專病信息匯聚的技術問題。為了形成高質量的數(shù)據(jù)中心，部分專病中心嘗試采用了制定復雜

的數(shù)據(jù)入庫規(guī)則、定時數(shù)據(jù)獲取制度、規(guī)范化科研病例報告表單定義等措施。

2.2.4醫(yī)療標注數(shù)據(jù)與知識型數(shù)據(jù)治理

除了上述3類管理機構的數(shù)據(jù)治理問題之外，還有醫(yī)療標注數(shù)據(jù)與知識型數(shù)據(jù)的治理問題。

數(shù)據(jù)治理主要面向的對象是病人數(shù)據(jù)，但在醫(yī)院協(xié)作共享過程中，知識型數(shù)據(jù)也必不可少。

在面向人工智能的應用時，需要大量的標注數(shù)據(jù)，這些數(shù)據(jù)的管理和利用也應該屬于數(shù)據(jù)治

理的范疇。

標注數(shù)據(jù)主要是針對電子病歷文本、影像等非結構化數(shù)據(jù)進行實體、屬性、關系等標注得到

的數(shù)據(jù)，標注數(shù)據(jù)的質量對訓練深度學習或神經(jīng)網(wǎng)絡模型起著決定性作用。為了實現(xiàn)對標注

數(shù)據(jù)的治理，應該針對不同粒度的實體建立一套完整的標注規(guī)范，對標注過程的各要素進行

規(guī)范化管理，并對標注結果進行交叉驗證等。

由于不同機構對知識型數(shù)據(jù)的表示各不相同，且知識之間存在復雜的關系，因此需要對知識

型數(shù)據(jù)進行統(tǒng)一的表示，明確知識型數(shù)據(jù)之間的關系。止匕外，知識還會不斷地增長，需要建

立知識管理機制，確保知識型數(shù)據(jù)能夠動態(tài)地擴充。

3醫(yī)療數(shù)據(jù)治理工具平臺與關鍵技術

建立臨床數(shù)據(jù)治理需要平臺和工具，也要攻克一系列的關鍵技術。醫(yī)療數(shù)據(jù)治理工具平臺應

包含數(shù)據(jù)存儲子系統(tǒng)、元數(shù)據(jù)管理子系統(tǒng)、主數(shù)據(jù)管理子系統(tǒng)、數(shù)據(jù)質量管控子系統(tǒng)以及患

者數(shù)據(jù)脫敏工具等。為了構建這樣的工具平臺，需探討知識圖譜、數(shù)據(jù)融合算法、數(shù)據(jù)自動

一致性檢測等多種技術。本文主要探討與醫(yī)療數(shù)據(jù)關系最密切的3項技術：元數(shù)據(jù)管理、主

數(shù)據(jù)管理以及數(shù)據(jù)質量監(jiān)控與管理。

3.1元數(shù)據(jù)管理

目前醫(yī)院信息系統(tǒng)中存在數(shù)據(jù)模式描述文檔不全、系統(tǒng)之間數(shù)據(jù)關聯(lián)不清晰、系統(tǒng)值域標準

不統(tǒng)一等問題，這對數(shù)據(jù)的集成造成了極大的困擾。在區(qū)域層面，這些問題更嚴重。因此,

需要通過元數(shù)據(jù)管理獲取業(yè)務系統(tǒng)中數(shù)據(jù)的含義，輔助數(shù)據(jù)理解，增加分析的敏捷性。元數(shù)

據(jù)管理可以提高數(shù)據(jù)的可訪問性、一致性及可用性，為多種來源數(shù)據(jù)的整合搭建了橋梁。

相比利用傳統(tǒng)字典表以及數(shù)據(jù)字段名稱的元數(shù)據(jù)初級表示方法，完整的元數(shù)據(jù)管理有完整的

字段定義、與數(shù)據(jù)源的對應關系以及不同數(shù)據(jù)來源元數(shù)據(jù)之間的映射關系。

具體而言，元數(shù)據(jù)管理子系統(tǒng)主要由采集層、標準層、分析層和應用接口層組成。采集層從

各種醫(yī)療信息系統(tǒng)內獲取元數(shù)據(jù)，查看元數(shù)據(jù)的變化和更新。標準層保存了元數(shù)據(jù)的標識信

息、內容信息與模式信息等。由于醫(yī)院信息系統(tǒng)各異，標準層實現(xiàn)了將元數(shù)據(jù)映射到標準集

合以及將不同的元數(shù)據(jù)進行互操作的功能。分析層主要提供了對元數(shù)據(jù)的管理、分析與查詢。

元數(shù)據(jù)庫與數(shù)據(jù)源存在對應關系，當用戶通過統(tǒng)一入口提交查詢服務時，可以根據(jù)元數(shù)據(jù)庫

提供的特征找到對應的信息資源，重組之后呈現(xiàn)給用戶。因此，應用接口層除了提供元數(shù)據(jù)

訪問的限制和保護外，同時還服務于各個應用程序。

與其他領域相比，醫(yī)療領域的元數(shù)據(jù)規(guī)范相對比較成熟，如原衛(wèi)生部頒布的《國家衛(wèi)生計生

委辦公廳關于印發(fā)住院病案首頁數(shù)據(jù)填寫質量規(guī)范(暫行)和住院病案首頁數(shù)據(jù)質量管理與

控制指標(2016版)的通知》(國衛(wèi)辦醫(yī)發(fā)(2016)24號)、《病歷書寫規(guī)范》(衛(wèi)醫(yī)政發(fā)

(2010)11號)、《電子病歷基本規(guī)范》(衛(wèi)醫(yī)政發(fā)(2010)24號)、《衛(wèi)生信息基本數(shù)據(jù)集

編制規(guī)范》(WS370-2012)、《衛(wèi)生管理基本數(shù)據(jù)集》(WS374-2012)與《電子病歷基本架

構與數(shù)據(jù)標準》(衛(wèi)辦發(fā)(2009)130號)等。在數(shù)據(jù)值編碼標準方面，國際上有疾病分類

編碼ICD-10,手術操作編碼ICD-9以及SNOMED術語庫，國內有國家標準《衛(wèi)生機構(組

織)分類與代碼表》(WS2182002),《社會保險藥品分類與代碼》(LD/T90-2012)和《中醫(yī)

病證分類與代碼》(GB/T15657-1995)。

然而，在使用過程中，這些標準會根據(jù)應用進行不同程度的刪減和擴充，甚至出現(xiàn)錯誤的使

用。因此，基于標準建立一個元數(shù)據(jù)管理機制，可方便地在標準上擴充，并可以關聯(lián)不同的

應用。從技術角度來說，這個管理機制可以基于知識圖譜技術建立。圖譜可以方便地給出元

數(shù)據(jù)的定義，包括概念、概念層次、屬性、屬性值類型、關系、關系定義域概念集以及關系

值域概念集，并且可以通過添加規(guī)則或公理來表示模式層更復雜的約束關系。借助知識圖譜

圖結構的表達能力，可以表達關聯(lián)關系、同義關系、上下位關系與實例關系等，從而建立

更加靈活的數(shù)據(jù)約束條件，從而方便地表達和擴充元數(shù)據(jù)。借助于圖譜已有的模式對齊、實

體匹配與沖突檢測算法，可以在語義層次對圖譜進行維護，在此基礎上實現(xiàn)自動的數(shù)據(jù)融合

算法。圖2給出了疾病“心力衰竭”的部分知識圖譜，包括該疾病名稱的同義詞：心功能不全、

心衰、心臟衰竭、心力衰竭等，所屬部位是“心臟結構”。

圖2疾病“心力衰竭”的部分知識圖譜

利用該圖譜還能較好地實現(xiàn)電子病歷的標準化。如圖3所示，將電子病歷中不規(guī)范的文本進

行標準化，例如將疾病名稱“心衰”標準化為“心功能不全”或‘心力衰竭”，將“腦梗死”標準化為

“腦梗塞”，將藥物“異舒吉”映射到標準藥物名“硝酸異山梨酯”等。

發(fā)現(xiàn)那位

心功能發(fā)現(xiàn)部位

不仝

1食枇修.卜功卜?力

圖3利用知識圖譜實現(xiàn)電子病歷的標準化

3.2主數(shù)據(jù)管理

醫(yī)療數(shù)據(jù)的主數(shù)據(jù)主要有病人信息和醫(yī)生信息兩類。本文以病人信息為例，說明主數(shù)據(jù)管理

的問題和難點。目前，在醫(yī)院層面，各業(yè)務系統(tǒng)對病人的信息分別進行存儲，但大型醫(yī)院都

建立了臨床數(shù)據(jù)中心(clinicaldatarepos讓ory,CDR),為了唯一標識一個病人，需要通過構

建病人主索引號(enterprisemasterpatientindex,EMPI)將存儲于不同系統(tǒng)的病人關聯(lián)在

一起。這里有兩個問題需要解決。第一，如何構建EMPL識別不同系統(tǒng)中同一個病人不同

ID之間的映射關系十分困難，特別是在區(qū)域平臺上每個系統(tǒng)都有獨立的ID,導致這個問題

更復雜了。雖然這個問題可以通過匹配醫(yī)?？ㄌ柌糠纸鉀Q，但由于有些病人沒有醫(yī)?？?，有

醫(yī)?？ǖ囊膊皇敲看味加冕t(yī)保卡，因此，要求病人通過身份證和手機號進行實名認證是必要

的。第二，一個病人的基礎信息(如年齡、性別等)可能同時存在于醫(yī)院信息系統(tǒng)(hospital

informationsystem,HIS)>實驗室信息管理系統(tǒng)(laboratoryinformationmanagement

system,LIS)和影像存儲與傳輸系統(tǒng)(picturearchivingandcommunicationsystem,PACS)

等系統(tǒng)中。而各系統(tǒng)的側重點不同，難免會造成數(shù)據(jù)填寫質量不一致或數(shù)據(jù)未及時更新等問

題。

為此，需要在定義系統(tǒng)主數(shù)據(jù)的情況下，構建主數(shù)據(jù)管理中央庫，解決主數(shù)據(jù)碎片問題?？?/p>

以從各業(yè)務系統(tǒng)抽取數(shù)據(jù)，并進行數(shù)據(jù)融合，形成完備的主數(shù)據(jù)信息，然后再將主數(shù)據(jù)信息

分發(fā)給各業(yè)務系統(tǒng)，保證各業(yè)務系統(tǒng)中這些信息的準確性和完整性。這樣就形成了公共的重

要屬性由主數(shù)據(jù)管理系統(tǒng)管理、各業(yè)務系統(tǒng)的特色屬性由各系統(tǒng)獨立管理的模式。

在構建主數(shù)據(jù)管理庫時，首先需要從多個異構的業(yè)務子系統(tǒng)中以ETL的方式抽取關鍵數(shù)據(jù),

然后，利用元數(shù)據(jù)庫對其中的編碼、描述進行標準化。接著，由于多個業(yè)務系統(tǒng)的數(shù)據(jù)可

能不一致，還需要通過匹配算法完成對數(shù)據(jù)的錯誤消除和信息融合。對于匹配不到的孤立信

息，要加以監(jiān)控跟蹤，進行人工處理。同時，以增量學習的方式不斷改進匹配算法。最后，

將歸整好的主數(shù)據(jù)信息存入主數(shù)據(jù)庫。

以病人信息為例，病人的出生年月、性別等信息在各系統(tǒng)中都有，但由于HIS是從身份證讀

取的信息，因而相比其他系統(tǒng)采用人工錄入的方式來說更準確。然而，病人的血型信息通常

在LIS中是更準確的，甚至可能在門診/急診工作站中也沒有這些信息。通過主數(shù)據(jù)管理系

統(tǒng)，可以從各系統(tǒng)中分別獲取信息，根據(jù)可靠性、一致率等進行信息校驗融合，最后形成該

病人的完備信息，然后再將完備信息下發(fā)到各業(yè)務系統(tǒng)。

在這些主數(shù)據(jù)管理的基礎服務之上，還可以提供諸如患者畫像等高級功能。目前患者就診時,

醫(yī)生僅能夠通過患者自述的方式快速了解慢性病史、過敏史等信息。盡管可以查閱歷史檔案,

但對于醫(yī)生來說很不方便。而通過對診斷等數(shù)據(jù)的分析，可以形成患者慢性病、過敏史的標

注信息，將這些信息合并到病人的主數(shù)據(jù)中形成患者畫像?；颊呔驮\時醫(yī)生可以直接從醫(yī)生

工作站上讀取到這些標注信息，從而準確、快速地獲取這些必要信息。此外，在多家醫(yī)院之

間實現(xiàn)主數(shù)據(jù)共同管理之后，還可以打通醫(yī)院之間的信息壁壘。若患者在A醫(yī)院診斷出患

有某慢性病，當他下次去B醫(yī)院就診時，醫(yī)生也能快速得知該患者的這個信息，從而使就診

更高效、更準確。

3.3數(shù)據(jù)質量管控子系統(tǒng)

從數(shù)據(jù)產(chǎn)生過程來看，醫(yī)療數(shù)據(jù)質量問題主要來源于3個方面。

一是原始信息采集有誤差。在醫(yī)療系統(tǒng)內數(shù)據(jù)采集主要通過手工方式錄入，在醫(yī)生或護士輸

入信息的過程中，可能會有意或無意地將數(shù)據(jù)錯誤引入系統(tǒng)。

二是數(shù)據(jù)融合過程發(fā)生問題。在對不同來源的數(shù)據(jù)進行融合時，數(shù)據(jù)格式和語義可能會有誤

差或不一致，導致融合結果有錯。

三是與數(shù)據(jù)的應用場景不匹配。例如，如果要進行病例統(tǒng)計，現(xiàn)有臨床電子病歷數(shù)據(jù)就能滿

足統(tǒng)計場景的需求。但如果要做大腸癌療效分析，現(xiàn)有臨床電子病歷數(shù)據(jù)就難以滿足分析場

景的要求，還需補充病理數(shù)據(jù)。

因此，在醫(yī)療數(shù)據(jù)治理流程中，需要了解最終的使用場景，也需要從業(yè)務系統(tǒng)的數(shù)據(jù)源頭控

制質量，并保證每個融合和加工過程的正確性。另外，當發(fā)現(xiàn)錯誤的時候，可以實現(xiàn)自動或

半自動的修正。因此，質量管控平臺包括了數(shù)據(jù)質量實時監(jiān)控、數(shù)據(jù)質量后評估以及數(shù)據(jù)的

自動修正。數(shù)據(jù)質量實時監(jiān)控主要針對從業(yè)務系統(tǒng)抽取的或是從外部傳送的接口數(shù)據(jù)，通常

從及時性、有效性和完整性等幾個指標監(jiān)測接口內容本身的數(shù)據(jù)質量問題，還需要對采集程

序進行監(jiān)控，如接口采集程序是否正常啟動、是否正常結束等。數(shù)據(jù)質量后評估是指對融合

后的數(shù)據(jù)進行質量評估。首先從確定評價對象和范圍著手，然后選取數(shù)據(jù)質量維度及評價標

準,確定質量測度及評價方法,之后按照配置的評估指標執(zhí)行評估，產(chǎn)生權重化的評估結果，

最后生成質量結果和報告。數(shù)據(jù)的自動修正是指對于有錯誤或不一致的數(shù)據(jù)，部分數(shù)據(jù)可以

進行自動化的探測和更正。例如，時間的表達可以是DD/MM/YY,也可以是YY/MM/DD,

可以通過智能算法探測原始系統(tǒng)的表達方式，制定映射規(guī)則，實現(xiàn)日期格式的一致性。

除了上述內容之外，大數(shù)據(jù)存儲的便利性與查詢速度、醫(yī)療數(shù)據(jù)脫敏、流程管理工具、數(shù)據(jù)

訪問權限管理、數(shù)據(jù)的防復制等也是非常重要的問題，此處不再詳述。

4醫(yī)療大數(shù)據(jù)治理標準與醫(yī)療數(shù)據(jù)治理能力評估

在單獨的業(yè)務系統(tǒng)以及數(shù)據(jù)互聯(lián)互通方面，國家衛(wèi)生健康委員會已建立了相應的標準。但是,

在醫(yī)療大數(shù)據(jù)方面，還缺乏專門的標準?！秶医】滇t(yī)療大數(shù)據(jù)標準、安全和服務管理辦法

（試行）》指定，國家衛(wèi)生健康委員將負責全國健康醫(yī)療大數(shù)據(jù)標準的制定工作，省級衛(wèi)生

健康行政部門將負責大數(shù)據(jù)標準的落地工作。從整體規(guī)范體系來看，需要制定的標準眾多，

應該包含圖1中的流程標準、數(shù)據(jù)標準以及信息標準。需要特別指出的是，數(shù)據(jù)標準包含病

人、醫(yī)生、醫(yī)院等主數(shù)據(jù)標準，也包含檢查、疾病、用藥等數(shù)據(jù)值標準。數(shù)據(jù)標準還需要對

不同的醫(yī)療行為（如就診、診斷、治療等）進行標準化的描述。為了便于人工智能應用，對

于文本數(shù)據(jù)和影像數(shù)據(jù)，也應有相應的標注規(guī)范。由于不同?？菩枰臄?shù)據(jù)字段有差別，有

可能會進一步制定?？埔?guī)范?？偠灾瑯藴鼠w系包含了相互關聯(lián)的多個標準，覆蓋面廣,

種類眾多，標準的建設不是一蹴而就的。

除了醫(yī)療大數(shù)據(jù)治理標準外，值得一提的是醫(yī)療數(shù)據(jù)治理能力評估規(guī)范。數(shù)據(jù)治理能力評估

規(guī)范可以考察企業(yè)對數(shù)據(jù)的管理能力，通過對企業(yè)的評估，可以逐步提高企業(yè)的數(shù)據(jù)治理能

力。該評估標準經(jīng)過修改后也可以用在醫(yī)療領域。

2010年，IBM公司發(fā)布的《IBM數(shù)據(jù)治理統(tǒng)一流程》描述了企業(yè)數(shù)據(jù)能力成熟度評價模型，

將數(shù)據(jù)能力分為5個等級和11個功能域。2014年,能力成熟度模型整合（capabilitymaturity

modelintegration,CMMI）協(xié)會發(fā)布了企業(yè)數(shù)據(jù)管理成熟度（datamanagement

maturity,DMM）模型，該模型規(guī)定了6個職能域和25個過程域。

國內最早啟動相關研究的機構是全國信息技術標準化技術委員會，該機構于2014年開始開

展相關的研究，并在20