2017年智慧医疗大数据解决方案

《2017年智慧医疗大数据解决方案》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、2017年智慧医疗大数据解决方案2017年智慧医疗大数据解决方案692017年智慧医疗大数据解决方案目录第1章概要4第2章医疗大数据面临的挑战72.1医疗大数据与医院信息系统之间的具有本质的差异72.1.1小问题放大万倍就会大的吓人92.2医疗大数据面临八大难题102.3国家大数据标准工程堪比“两弹一星”142.4医疗行业的信息系统顶层设计为何难产152.5大数据挖掘中的问题：大数据的关键不在于大而在于如何挖掘162.5.1我国医疗行业每年产生多少数据162.5.2挖掘关系数据库系统所产生的医疗数据非常困难172.5.3仅患者与数据的对应关系就是一个大问题182.6关系数据库理

2、论的致命伤192.6.1关系数据库中的数据在大数据环境中为何变成无意义的数据192.6.2关系数据库系统是一种完全封闭的系统：外来数据无法入住222.6.3关系数据库中的数据与数据系统密不可分222.6.4关系数据库中的数据与数据结构密不可分232.6.5关系数据库中的数据与应用程序密不可分232.6.6关系数据库中的数据一旦脱离相应的系统就成了无意义的数据242.6.7关系数据库无法实现病历信息的结构化存贮242.6.8关系数据库中的数据都是“方言”，大数据需要的是“普通话”242.7关系数据库如何处理国家医疗大数据中数万个数据库、数千万张表252.8大数据之梦十年后成真26

3、2.8.1信息化社会由概念到比较成熟用了30多年时间272.8.2千年虫问题的启示272.8.3大数据工程远比千年虫问题复杂282.8.4五年之内（2020年前）医疗大数据只是纸上谈兵292.9必须开发新型的软件工具才能对医疗大数据进行高效挖掘29第3章发明专利：医学信息的结构化存贮方法303.1在了解医学信息的结构化存贮方法时的注意事项313.2医学信息的结构化存贮方法32692017年智慧医疗大数据解决方案3.3数据的完整性是大数据的根本383.3.1大数据的策略：以适当的数据冗余而使数据易识别383.3.2一个事物的数据403.3.3事物分类403.3.4关系数据库的缺陷

4、：关系423.3.5数据的可识别性463.3.6数据的多样性483.3.7元数据及国际元数据标准非常重要483.3.8大数据的关键：让数据自己说话493.3.9大数据的策略：用数据代替程序513.4与信息系统的耦合度为零的数据才是合格的大数据523.5医学信息的结构化存贮方法与关系数据库的对比553.6应用医学信息的结构化存贮方法的注意事项553.7超大表化问题：分为多张表563.8关系数据库中的二维表是数据不具独立性的一个根本原因563.9“万能数据结构表”存放病历信息的例子563.10医学信息的结构化存贮方法实现互联互通非常简单583.11结构化录入病历信息的例子：症状的结

5、构化58第4章独立数据库在医疗大数据方面的优势614.1大数据中最重要的就是查询614.2超大表问题614.2.1自动调整表的长度624.2.2自动查询多张表624.3用独立数据库实现国家医疗大数据的存贮处理634.3.1独立数据库如何处理国家医疗大数据中数十万个数据库、数千万张表634.3.2疾病、症状的相关数据65692017年智慧医疗大数据解决方案第一章、概要关系数据库理论存在很多很严重的问题，例如，用关系数据库系统所设计出的信息系统都是孤岛型系统，难以实现系统之间的互联互通；在大数据时代，人们发现，对全国97.8万家医疗机构所产生的医疗数据进行挖掘非常困难，当前的大多数

6、医疗信息系统都是用关系数据库系统而设计的。用关系数据库系统所设计出的信息系统之所以难以互联互通，孤岛问题严重，根本原因在于“异构数据”。《医学信息的结构化存贮方法》中的“万能数据结构表”可以存贮各种各样的数据，也可说用《医学信息的结构化存贮方法》所设计出的信息系统所产生的数据都是“同构”的，不存在“异构数据”的问题。关系数据库理论先天不足，不可能解决“异构数据”问题。医院信息系统所处理的数据只是某家医院所产生的某些特定的数据（可称作小数据）。医疗大数据所要处理的数据是全国97.8万家医疗机构所拥有的数十万个医疗信息系统所产生的数据，这些数据存贮在数千万张表中，这些系统由不同的开

7、发商所开发，各系统的数据结构各不相同。每家医院的信息化工作都涉及几十个厂家，每个厂家的数据、标准、采集、存储都不一样。因此，即便是在一家医院，都会出现很多孤岛，整个医疗行业的信息孤岛问题更严重。各家医院信息系统的标准、接口都不同，这成为利用率低、共享难的原因之一。不仅如此，数据种类的多样化也为数据标准的制定和应用带来了挑战。小数据的特点是数据的类型和数据都是有限的，在处理数据前能事先确定数据的类型。而大数据的数据特点是“多样性(Variety)”，在处理数据时很难先事先确定数据的类型，甚至不