医疗数据处理系统及软件技术

《医疗数据处理系统及软件技术》由会员分享，可在线阅读，更多相关《医疗数据处理系统及软件技术（21页珍藏版）》请在金锄头文库上搜索。

1、医疗数据处理系统及软件技术医疗数据处理系统及软件技术（一）近年，科技界、医疗界、政经界在无数的论坛、课题、媒体中，对医疗数据处理系统及软件技术展开了深入研论。 本年度该领域更成为医学科技热点话题。近五年，我国在医疗数据主要是指社会及个体在医疗行为中产生的个人健康医疗档案、管理数据、区域电子病历等业务数据。 对这些数据科学的分析处理后，可为医生在医疗过程中提供辅助诊断，为医疗科研提供帮助， 为医疗管理提高效率。 因此医疗数据处理在医学领域始终处于非常关键，核心的地位，伴随着医学的发展一直在不断进步。医疗数据存储从最原始的口述、 记忆，到纸笔记录，再发展到如今的电子数据存储； 数据类型从统计数据，

2、到心电，脑电等信号数据，再发展到CT，MRI，PET等图像数据；数据量从几例，几十例病例，到硬盘可存储数据量， 再发展到现在的云存储，大数据。随着医疗数据的不断增长，医疗数据处理系统性能也不断提升。 目前，我国医疗数据正处于于一个转折点， 一方面医疗机构医疗20 世纪 60 年代早期医疗数据处理系统出现了医院电脑信息管理系统的构想， Lockheed Martin 研发了医院信息系统原型， 即后来的 HIS 系统， 90 年代早中期，日本在 HIS 系统方面处于领先地位，由于医学影像设备的需求， PACS 系统也整合在 HIS 系统中。在这一阶段医疗数据处理系统关注实现两个目标： 1. 使系统

3、进一步适应临床环境， 2. 建立 HIS 系统与外部实体如检验室，药房的联系。随着应用的拓展，更多的医疗数据子系统希望通过接口与 HIS 系统实现联系，由于任务的多样性， 技术的局限性， 部门系统的偏向性以及医疗数据处理系统开发者的理念， 各数据子系统整合到 HIS 系统、在不同系统间实现同步更新，管理通信服务器以及解决重复功能十分困难。到了 21 世纪，随着基于组件技术、通信系统、分布式系统以及网络为中心的体系架构出现，使得医疗数据处理系统（包括 HIS 系统）同质性以及数据分析处理上升到了一个新阶段，为不断上升的医疗数据的处理和应用提供了可能。目前的医疗数据处理系统包含不同功能的子系统，重

4、要的有电子医疗记录系统（electronic medical record, EMR）、检验信息 管 理 系 统 （ laboratoryinformationmanagement system, LIMS ）、放射科信息系统（ radiology information system, RIS）、医学影像存储与通信系统（ picture archiving and communication system, PACS）等。各医疗数据处理子系统针对各自数据特点采用相应的处理手段和软件技术， 并通过子系统的配合， 提供及时的医疗数据支持以及稳定，优质的医疗环境，满足了现代社会患者日益提升的医疗服

5、务需求。除了医疗信息管理， 医疗诊断数据处理系统对于疾病研究与诊断也是非常重要的。 早期的疾病诊断数据主要通过医生对病人症状观察， 尸体解剖，药物服用情况追踪等方式获取。 随着人体电生理信号的发现， 医疗诊断数据的种类越来越多，处理方式也越来越复杂。 19 世纪，研究学者便发现心电与脑电数据。 经历一个多世纪的发展，心电、脑电等信号数据的分析与处理方法已经非常成熟，并在临床上得到非常广泛的应用。 20 世纪 30 年代，断层成像技术的出现与发展，不小的损失。 PACS的研制则很好地解决了这些问题。 PACS是一种提供多类数字图像数据存储及提取的医学影像技术。该系统对于所有图像，按统一格式（ D

6、ICOM）进行存储及传输，非图像使得更多的研究学者开始关注医疗图像数据。 随着医学影像设备的飞速发展， 以及医学临床诊断的需要，图像数据处理逐步成为医疗诊断数据处理系统中非常重要的部分。 在医院利用图像数据进行疾病诊断初期， 图像数据大多通过胶片系统显示，存储。对于图像数据处理的研究，大多集中在如何快速，准确成像，提高图像质量等方面。然而，由于医院规模逐渐增大， 疾病复杂性逐渐增强，及时管理医学图像数据成为医学界的众多挑战之一。对于复杂疑难疾病患者， 往往需要通过大量的放射科图像数据联合诊断治疗。同时，患者进行复诊时， 通常需要回看之前拍摄的放射科图像。胶片存储系统已经无法满足这些需求，胶片的

7、意外丢失与损坏更是会带个患者与医院数据则通过常规标准格式（如PDF），封装在DICOM中。PACS除了代替胶片系统， 实现医学图像获取，显示，存储，传输和管理功能，其还可以对图像进行增强变换， 局部缩放，旋转平移以及各种滤波分析， 获得更为清晰的图像和有关量化数据，为医疗诊断提供了更客观的依据。PACS系统的想法最初诞生于 1982 年的放射学会议上。同时，被提起的可替换名称还有图像管 理 与 通 讯 系 统 （ image management andcommunication system, IMAC）以及综合诊断系统（ integrated diagnostic system, IDS）

8、。这些名字表示放射科图像管理系统技术难度的不同层次，目前最常用名称的是 PACS系统。 80 年代至 90 年代， PACS系统研究主要处于构造原型阶段。最初的 PACS系统是在堪萨斯大学搭建实验的，并在第二台 PACS系统上运用了网络技术。在 PACS研究的第二阶段，研究者更关注于提高数据传输速率， 增强数据库效率， 增强显示分辨率，提高用户体验等方面。目前， PACS系统已经全面进入医院临床。 PACS系统的常规流程包括：当病人正在接受检验或检验结束后， 图像数据会转移到接受节点上； 通过网络，格式化的图像进入数据库中； 需求的图像数据目录会被添加到工作列表中；特定的工作台则会接受传输来的

9、病人图像数据。目前，除了临床医疗数据系统， 个人医疗数据系统同样在飞速发展。 个人医疗数据或称个人健康记录（ personal health record ）早在上个世纪 70 年代就提出过。然而，直到 21 世纪，相关研究及文章才开始大量发表。 早期，个人医疗数据通过纸质方式来记录存储， 其中包含检验报告，临床病例以及个人的健康历史记录等。 纸质虽然数据可靠，低消耗，但是较难定位，更新以及与他人分享。随着 EMR或电子健康记录（electronic health record, EHR ）的出现与发展，人们逐步开始通过电子器件记录自身的健康状况。个人医疗数据通过电脑等电子器件存储，可以更好地

10、实现数据输入，数据加密，数据分享等功能。 随着智能移动设备， 无线通讯网络的飞速发展，个人医疗数据也开始向网络存储的方向发展。基于网络的个人医疗数据处理从本质上讲，与个人电子医疗数据类似。然而，通过网络，人们可以轻易整合各设备的个人医疗数据。目前，基于网络的个人医疗数据处理是当前的研究热点，也有许多大型公司， 企业提供相应的服务支持。当前发展近年来，医疗行业进入了重要的历史转折点：随着全球老龄化进程的加剧， 医疗大数据时代已然到来 ( 如图 1) 。在新的时代下，医疗数据处理系统与软件技术的发展与大数据、 云计算、数据安全等技术紧密结合，呈现蓬勃发展的趋势。图 1当前的医疗大数据主要来源于：1

11、. 制药企业 / 生命科学领域 药物研发是相当密集型的过程，对于中小型的企业也在 TB 以上的。在生命科学领域， 随着计算能力和基因测序能力逐步增加，美国哈佛医学院个人基因组项目负责人詹森 鲍比就认为，到 2015 年，将会 有5000 万人拥有个人基因图谱，而一个基因组序列文件大小约为 750MB。2. 临床决策支持、诊断相关影像信息 临床和实验室数据整合在一起， 使得医疗机构面临的数据增长非常快（如图 2），一张普通 CT 图像含有大约 150MB 的数据，一个标准的病理图则接近 5GB。如果将这些数据量乘以人口数量和平均寿命，仅一个社区医院累积的数据量， 就可达数TB 甚至数 PB 之多

12、。图 23. 费用报销，患者就医过程中产生的费用信息、报销信息、新农合基金使用情况等。4. 患者行为 社交网络。随着移动设备和移动互联网的飞速发展，便携化的生理设备正在普及，如果个体健康信息都能连入互联网， 由此产生的数据量不可估量。大数据给医疗信息领域带来的变革大数据在各行各业中都有宽广的应用前景， 尤其针对医疗领域这种数据量大， 数据种类多， 数据来源复杂的场合，更具有得天独厚的优势。1. 个性化医药的研发大数据技术的出现使得医药研发人员可以得到最为详尽的患者数据 , 从而研发出最贴合患者病情的针对性药物 , 提高治疗效果。如对患者的行为习惯、情绪所处环境等进行细节化测量 , 并针对性地调

13、整和优化药物配比。 针对新药研发项目 , 医药公司可以通过大数据分析公众对该种类药品的需求度及预测未来发展趋势 , 从而可以更有效的利用资源 , 提高研发产出比。2. 便捷式疾病诊疗服务首先，从疾病预防方面来看 , 通过云平台可采集居民的健康数据， 以便居民随时查阅自身的健康状况，配合专家在线咨询服务， 可使居民在第一时间内了解身体存在的健康隐患及未来可能会发生的疾病风险， 做到防患于未然， 同时也减轻了个人医疗负担。另一方面 , 医疗结构可对远程监控系统采集到的大量数据进行科学分析， 同时很方便的和患者进行充分沟通，通过如预约门诊等方式来合理安排医疗资源，以减少病人住院时间和均衡急诊量，避免

14、医疗拥挤现象。同时，综合以往大规模数据进行分析和管理， 提高医疗卫生服务水平和效率，为患者提供更优化的体贴式服务。3. 科学的公共卫生管理通过广泛的数据采集， 大数据对公共卫生状况进行数字化的整合和分析， 提高疾病预报和预警能力，防止疫情爆发。并针对每一块定点区域，成立卫生信息管理平台。 建立本区域内居民健康信息库，对疫情及传染病进行实时监控和快速反应，以实现降低传染率和节约医疗支出的目的。同时，通过信息平台可以很方便的开展疫病预防宣传工作，大幅提高公众健康风险意识， 改善区域内公共卫生状况。4. 准确的健康危险因素分析大数据技术将互联网、 物联网、医疗信息网络等相互关联， 形成一个统一的有机体， 可以实现对健康危险因素数据的全方位数据收集， 例如自然环境因素（大气、土壤、水文等信息） ，社会环境因素（经济收入、营养条件、医疗保障水平、受教育程度等信息），生物因