智慧医院规划建设与应用研究进展

刘艳亭 李 健 郭敬鹏

随着互联网技术和信息化技术发展进入快车道，人工智能(artificial intelligence，AI)技术已成为当代社会重要的生产要素，渗入到人们生活的方方面面，加快了传统行业的发展，推动了传统行业的数字化，如智慧校园、智慧城市及智慧交通，而作为民生基础设施的医疗体系更离不开AI技术的推进[1-2]。

目前，我国医疗体系存在医疗数据量大(volume)，从开始的GB逐步增加到PB；数据种类多(variety)，包括结构化数据如达梦、Oracle及MySql等关系型数据库，半结构化数据如XML文档，非结构化数据如Word和PDF文档、影像及音视频等，数据标准和术语不统一，大多无法直接使用；医院业务系统存在烟囱式部署，系统割裂，无法满足以患者为核心的业务体验和医疗效率。针对以上医疗数据和系统缺陷而提出使用中台(相对于前台和后台而言)技术、大数据技术和微服务容器技术，将大量无序的数据标准化，汇聚在安全可靠易于利用的数据库中，使数据共享互通互联，降低系统总体复杂程度，以满足对数据进一步挖掘和利用需求，构建临床知识决策库，为临床业务提供数据服务[3]。可以说，医院内部数据到区域医疗数据的发展，使智慧医疗应用成为必然趋势。

1 智慧医院国内外发展现状

1.1 国内发展现状

我国智慧医院系统建设与国外相比起步较晚，但发展迅速。1995年原国家卫生部开展了信息化工程建设，开发了信息化软件系统，相应地提高了医院管理水平。1997年正式开通医疗网络，为智慧医院建设打下了一定基础；2003年，严重急性呼吸综合征的爆发推动了我国更加注重公共卫生信息化建设。百度健康云和阿里健康通过大数据和AI技术，以试图实现智慧医院的目的；2011年之后，智慧医院的研究成果如雨后春笋层出不穷，但智慧医院的全面建设还存在一定不足，所以将AI技术运用到传统医疗已成必然趋势[4]。

1.2 国外发展现状

国外智慧医院建设和研究相对于国内出现较早，尤其是在理论、技术及经验等方面处于相对领先地位。2009年国际商业机器公司(international business machines corporation，IBM)率先提出智慧医疗概念，使得电子病历建立归档并制定了标准化定义，之后Google公司与之合作，使患者血压和血氧等检测数据保存入库[5]。西班牙电信、AT&T等国外一些组织和机构在智慧医疗领域中都取得了一定成效。

2 智慧医院规划架构

智慧医院规划是以具有先进理念的中台技术为核心，使医院各种类型的数据标准化、易用化及集中化，且构建开放、云化和共享的数字化底座，提供强大的数据处理能力和服务能力，为各类业务需求的调用保驾护航；以业务和体验为中心，提升医护人员的诊断能力、专科科研能力、医院看病效率、医患体验能力及医学成果的快速转化，降低运营成本[6]。智慧医院规划集成3大系统。

2.1 基础设施系统

包括模块化机房、虚拟资源池、物理资源池、医疗云和云服务，为大数据存储提供基础设施保障，体现全堆栈存储能力[7]。

2.2 业务使能平台系统

包括数据源医院运营管理数据、医院业务数据和医院科研数据。①根据医疗卫生行业标准、数据标准和安全标准，将各类微服务应用浓缩封装，向外提供引擎服务、数据模型、各种语言的接口服务、公用基础服务以及即插即用的应用服务，实质就是为上层各种实际应用提供一个使能的基础服务功能市场，通过对基础服务功能市场里微服务模块进行类似搭积木的动作完成最终组装，实现不同的业务需求，其中数据源医院运营管理数据包含门禁、消防、监控、资产、车辆和水电[8]；②医院业务数据包含医院信息系统(hospital information system，HIS)、电子病历(electronic medical record，EMR)、财务、耗材、用药、教学和评价；③医院科研数据包含组学、病种、药学、流行病、药量和并发症。3大数据模块构成数据源的主要来源，多数据源集成数据湖，数据湖(包含临床数据、科研数据、运营数据和其他数据)和专题库(包含内科库、人员库及事件库等)，为大数据查询分析提供基础的数据服务；数据服务平台包含微服务框架、中间件服务、第三方接口、自然语言处理(nature language processing，NLP)、影像识别、患者主索引(enterprise master patient index，EMPI)服务、知识库和数据标准为上层业务应用提供方便。

2.3 业务应用系统

主要分3大类：①院区内统一管理的智慧运营平台，包括由人员与车辆、安全态势构成的院区状态可视化服务，由联动指挥、门禁事件处理组成的院区作业可管服务，由风险预防，资产轨迹组成的院区运营可控服务；②智慧临床应用，包括由HIS、EMR、患者360视图、数据可视化、财务和绩效组成的医院应用系统，由AI、院长驾驶舱、医疗知识库和智能财务分析组成的医院分析应用[9]；③智慧科研平台，包括精准医学、数据共享、统计科研、教学实践、基因组学和耳鼻喉专病库。

智慧医院平台以构建智慧医院生态圈为目的，开放接口，开放生态，解决医院机构内部系统紧耦合问题，消除不同应用间的技术差异，让不同应用服务器协调运作，实现不同服务间的通信与整合。利用先进大数据技术能帮助医院快速构建海量数据信息处理系统，通过对医院内部和外部的信息数据进行实时与非实时的分析挖掘[10]。平台整体架构见图1。

图1 智慧医院规划架构

3 智慧医院规划核心技术

3.1 容器和微服务化

微服务架构是将单一复杂的应用程序按需求分成一个或多个微服务组的架构模式，常用框架有Dubbo、Springboot和SpringCloud，服务之间协调配合通过标准的Restful接口实现访问，各微服务组可独自或共同部署在多台应用服务器，可实现松耦合，使应用程序可有效拆分，具有敏捷开发、部署、容错、扩展和复杂度可控的优势。但随着大量微服务部署在不同的主机上，不同语言开发的微服务对库和框架的兼容性，会对其管理变得日趋复杂，使管理成本逐渐提升[11]。针对上述微服务框架缺点，提出将微服务框架和容器技术相结合可有效地克服微服务架构劣势。Linux容器采用为容器镜像提供一个类似GitHub资源库DockerHub的Docker，让容器共享和发布变得简单，且使微服务能快速移植，实现“一次编写，到处运行”效果。微服务和容器技术框架见图2。

图2 微服务和容器技术架构

3.2 中台建设

为满足后台系统的稳定可靠，又使前台系统能小而美，快速迭代的需求，中台顺势而生，中台就像是在前台与后台之间添加一组“变速齿轮”，使前台和后台之间的速率匹配，相当于前台与后台间的桥梁。中台服务于前台，便于前台使用，使后台资源轻松流向医院用户，响应医院业务需求[12]。前台、中台和后台关系见图3。

图3 中台平衡前台和后台关系

中台包括数据中台和AI中台，数据中台提供存储和计算能力，基于不同的医院业务场景，整合出满足医院不同业务的数据服务，加上智能芯片强大的计算力，能快速缩短获得结果时间。而AI中台则是将算法模型融入进来为构建业务需求服务，让构建算法模型更加快速高效地服务医疗业务[13]。中台技术可以很好地处理因医院各业务系统经年累月的烟囱架构形式存在而导致的数据孤岛、数据隔离和数据不一致问题，使标准化数据在数据平台和业务系统之间建立一个良性的闭环。

3.3 大数据技术

大数据集成平台作为企业级大数据存储、查询和分析的统一平台，能帮助医院系统快速构建海量数据信息处理系统，通过对巨量信息数据实时与非实时地分析挖掘，提高医护人员看病效率。主要由3部分组成：①一个分布式数据处理系统，对外提供大容量数据存储、分析查询和实时流式数据处理分析能力的分布式框架hadoop(hadoop，HD)；②采用海量并行处理结构(massive parallel processing，MPP)架构，支持行存储和列存储，提供PB(Petabyte)级别数据量的处理能力的并行处理关系型数据库GaussDB 200；③提供高可靠易用的集群管理能力，便于大规模集群的部署安装、告警功能、权限管理功能、审计业务、用户管理、健康检查、问题定位及升级等功能的大数据操作运维系统Manager[14]。大数据集成系统架构见图4。

图4 大数据集成系统架构

HD是大数据系统的核心模块，需对开源组件进行封装和增强，对外提供稳定、大容量的数据存储、查询和分析能力[15]。①Manager为运维系统，为大数据提供高可靠、安全、容错和易用的集群管理能力，支持大规模集群的安装、升级、配置管理、监控管理、告警管理、用户管理及租户管理等；②HD分布式文件系统(Hadoop distributed file system，HDFS)提供高吞吐量的数据访问，适合大规模数据集方面的应用；③HBase数据库提供海量数据存储功能，是构建在HDFS之上的分布式、面向列的存储系统；④Elasticsearch搜索服务器是兼有搜索引擎和NoSQL数据库功能的开源系统，基于Java/Lucene构建，开源、分布式和支持RESTful请求；⑤Spark是基于内存计算的分布式技术框架；⑥Pollux是兼容相同数据中心和跨数据中心多数据源协助查询的系统。大数据系统架构见图5。

图5 大数据系统架构

4 智慧医院规划平台应用

4.1 患者运用

智慧医院规划数字化平台在患者中运用：①可建立完备的告警消息重发机制，减少医院系统故障率，保障医院业务的持续性，有效地提高医护人员服务效率；②可优化门诊流程改善就医环境，减少患者排队等待时间，提高就诊效率和诊疗质量，减少诊疗差错率，提高患者就诊满意度；③可通过平台信息实现患者导航、分时就诊等，有效控制患者流向，缓解就诊压力，实现医疗资源优化配置和高效利用；④可利用远程医疗技术、网络技术和移动医疗技术使临床医生工作方式和医院管理模式变得更加高效，无论临床医生身在何处，均可随时随地查询患者病历信息和检查结果并在线给出诊疗意见，若重症患者出现紧急情况，则可利用远程医疗平台和移动医护工作站获得其他专家有效、快速的诊断建议与手术指导；⑤可通过规划平台促进医生多点执业制度的落实，使医疗资源得到充分利用[16]。

患者全息视图是集成平台患者数据的统一展示：①将患者在医疗机构不同系统的就诊数据集中在一起可视化展示；②能提供当前就诊和历次就诊的所有临床关键数据，支持功能的灵活配置、权限的集中管理及接口的灵活调用，提供对患者诊断、处方医嘱、手术麻醉、护理记录、检查检验及病历文书等数据一体化呈现，以及历次就诊数据对比方案；③可体现以患者为中心的临床数据可视化，保证临床数据精准、及时且直观呈现，辅助提高医疗互联互通的信息化管理[17]。

4.2 医务人员运用

目前，医生诊断主要靠个人经验和主观判断，需要医生精准记忆大量的医学知识，但人类身体结构高度精细复杂，导致某种疾病原因的多样化和复杂化，使医生快速准确找到病因存在差距，偶尔也会发生误诊情况，造成医患关系紧张，医院和医生名誉受损等一系列问题。智慧医院规划平台集成HIS、标准的电子健康档案数据EMR、AI辅助决策系统、丰富的医疗知识库系统、影像归档及传输系统(picture archiving and communication systems，PACS)、实验室信息系统(laboratory information system，LIS)以及疾病预测分析模型等智能化辅助系统，可帮助医生对患者健康问题数据收集跟踪，快速提取以往病症治疗方案，及时查看先进医疗知识，使医生误诊及漏诊现象大幅度减少[18]。

4.3 医院管理人员运用

智慧医院规划平台使用中台技术将结构化、半结构和非结构化数据进行标准化集中整合处理，开放接口，打造智慧医院生态圈，开发智慧医疗影像分析系统使机器替代人类进行医疗影像分析，解决医疗行业放射科医生短缺的窘况，自主研发的AI芯片具有强大的计算能力和速度，为规划平台提供有力保障[19-20]。针对医院管理系统存在的导诊流程不完善，看病排队等待时间长，就诊复杂化等问题，智能平台有效整合了预约挂号、排队叫号、报告查询、住院充值、预防接种及满意度评价等实时智能提醒功能，减少患者等候时间、合理安排就诊行程，提高患者就医体验感、满意度，缓解医院高峰时段接诊压力，为患者提供更加精准化、精细化的就诊全流程自助服务，能把偏重传统使用习惯的患者人群有效分流，减轻窗口服务压力，节约医院人力成本和管理成本；平台中的智能婴儿防盗系统、医疗废弃物追踪处理系统、园区能耗管理系统、智能护理系统以及医院资源规划(hospital resource planning，HRP)系统主要依托强大的物联网技术，使医院资产、药房出入库及安全等问题能有效解决。

4.4 科研人员运用

未经处理的医院系统数据大多是不可直接利用的非结构化数据，分散数据，医护科研人员课题研究时，将大量的时间和精力用于收集和整理数据，占用了科研时间，通过数据中台构建数据服务化平台，打破数据壁垒和割裂，将数据标准处理，可为医护科研人员节约时间，提高科研效率，增加科研成果[21]。

4.5 疾病预测运用

以智慧医院规划数字集成共享技术为基础，利用AI知识图谱、数据聚类分析、算法与建模、联机分析处理和数据挖掘等先进的AI技术，分析和挖掘人们生活习惯、生活环境、生活方式与疾病种类、发病率等之间的关系，通过系统可视化方式展现出来，可预测地方疾病发生风险，对公共卫生起到很好的监督预防作用，减轻医生工作量[22]。

5 展望

基于智慧医院数字集成共享平台建设是传统医院改革的重要方向，相信其利用大数据技术、中台技术、微服务框架和docker容器、AI算法、云存储硬件平台以及医疗协作网等前沿高新技术可为医院全方位打造高效、便捷和智能的生态系统，能将分散无效不标准的数据集中处理使之标准化，开发数据接口，实现数据信息共享和临床信息一体化，提高医务人员、科研人员及管理人员工作效率和临床诊断质量，实现医院机构有效监管与科学决策，达到逐步推进智慧医院建设的战略目标。