[發(fā)明專利]基于大數(shù)據(jù)并行處理的健康決策系統(tǒng)

在審

• 申請(qǐng)?zhí)枺?/td>: 201711472247.3
• 申請(qǐng)日: 2017-12-29
• 公開（公告）號(hào): CN108090209A
• 公開（公告）日: 2018-05-29
• 發(fā)明（設(shè)計(jì)）人: 潘國(guó)棟;霍曉軍;吳棟;周琳;戚偉;孟紀(jì)元;趙磊;王建安;李永;孫朝陽(yáng);張延莉;馬衛(wèi)
• 申請(qǐng)（專利權(quán)）人: 河南電力醫(yī)院
• 主分類號(hào): G06F17/30
• 分類號(hào): G06F17/30;G16H50/70
• 代理公司: 鄭州中原專利事務(wù)所有限公司 41109
• 代理人: 李想

基于大數(shù)據(jù)并行處理的健康決策系統(tǒng)的數(shù)據(jù)處理方法：第一步：執(zhí)行數(shù)據(jù)裝載（Extract?Transform?Load，簡(jiǎn)稱ETL）過程，將不同來(lái)源、格式、特點(diǎn)性質(zhì)的醫(yī)療數(shù)據(jù)通過執(zhí)行數(shù)據(jù)裝載過程在物理上有機(jī)的整合進(jìn)行集中性存放，形成規(guī)范的數(shù)據(jù)存儲(chǔ)，執(zhí)行數(shù)據(jù)裝載過程將數(shù)據(jù)存放在數(shù)據(jù)倉(cāng)庫(kù)中；第二步：對(duì)數(shù)據(jù)倉(cāng)庫(kù)中的數(shù)據(jù)通過多變量信息瓶頸方法進(jìn)行壓縮。本發(fā)明首先通過Kettle將不同來(lái)源、格式、特點(diǎn)性質(zhì)的醫(yī)療數(shù)據(jù)通過ETL過程在物理上有機(jī)的整合進(jìn)行集中性存放，形成規(guī)范的主題數(shù)據(jù)存儲(chǔ)。其次通過大數(shù)據(jù)并行處理框架，采用多變量的IB方法，使模型滿足海量數(shù)據(jù)的健康決策分析，同時(shí)采用高性能的內(nèi)存數(shù)據(jù)庫(kù)集群進(jìn)行數(shù)據(jù)存取提高性能。

技術(shù)領(lǐng)域

本發(fā)明涉及基于大數(shù)據(jù)并行處理的健康決策系統(tǒng)。

背景技術(shù)

在醫(yī)療過程中如何從管理科學(xué)角度較少可避免的不良事件的發(fā)生，保障患者安全性，提高醫(yī)療品質(zhì)與效率是國(guó)家醫(yī)學(xué)理論界的重要研究課題之一。互聯(lián)網(wǎng)、智能傳感器、大數(shù)據(jù)、機(jī)器學(xué)習(xí)等新興信息通信技術(shù)與信息感知方式的快速發(fā)展，使數(shù)據(jù)驅(qū)動(dòng)的健康醫(yī)療涵蓋更多的方向，并將在臨床治療的比較效果研究、臨床決策支持系統(tǒng)、對(duì)醫(yī)療檔案的先進(jìn)分析中為有效降低醫(yī)療決策失誤發(fā)揮重要的作用。

醫(yī)療與健康決策支持主要是要提高醫(yī)療系統(tǒng)的品質(zhì)與效率，從已研究的方向來(lái)看：第一類，集中運(yùn)用運(yùn)籌學(xué)理論與方法、基礎(chǔ)工業(yè)工程，從人為失誤、醫(yī)療流程和醫(yī)療風(fēng)險(xiǎn)等方面探討醫(yī)療管理與服務(wù)系統(tǒng)存在的問題，以達(dá)到提升醫(yī)療管理與醫(yī)療服務(wù)品質(zhì)與效率的目標(biāo)。這一類的研究多基于運(yùn)籌學(xué)模型，優(yōu)化醫(yī)療過程、改善醫(yī)院管理，為后續(xù)研究提供了寶貴的醫(yī)療實(shí)踐經(jīng)驗(yàn)和大量基礎(chǔ)性的數(shù)據(jù)。第二類，隨著模式識(shí)別、信息資源管理、移動(dòng)互聯(lián)、大數(shù)據(jù)等新技術(shù)、新模式與新需求的發(fā)展與應(yīng)用，開始對(duì)由醫(yī)療大數(shù)據(jù)引發(fā)的邏輯推理等深層次問題進(jìn)行探討。這些研究力圖將原來(lái)應(yīng)用于軍事決策、自動(dòng)化辨識(shí)、數(shù)據(jù)挖掘領(lǐng)域的研究成果應(yīng)用于醫(yī)療決策系統(tǒng)，研究角度也擴(kuò)展到基于案例推理、基于規(guī)則的推理、不確定性、信息獲取與傳遞和信息融合、數(shù)據(jù)處理效率等數(shù)據(jù)驅(qū)動(dòng)的醫(yī)療決策支持領(lǐng)域。

當(dāng)前，新一輪科技革命和產(chǎn)業(yè)變革孕育興起，大數(shù)據(jù)的積聚、理論算法的革新、計(jì)算能力的提升及網(wǎng)絡(luò)設(shè)施的演進(jìn)，驅(qū)動(dòng)人工智能發(fā)展進(jìn)入新階段，人工智能正加快與經(jīng)濟(jì)社會(huì)各領(lǐng)域滲透融合，帶動(dòng)技術(shù)進(jìn)步、推動(dòng)產(chǎn)業(yè)升級(jí)、助力經(jīng)濟(jì)轉(zhuǎn)型、促進(jìn)社會(huì)進(jìn)步。

在醫(yī)療人工智能領(lǐng)域，人體健康的抽象化概念進(jìn)行數(shù)據(jù)化分析和進(jìn)行數(shù)據(jù)化的健康決策制定是無(wú)人化醫(yī)療和人工智能醫(yī)療所要解決的重要問題。

發(fā)明內(nèi)容

為解決上述問題，本發(fā)明提供基于大數(shù)據(jù)并行處理的健康決策系統(tǒng)。

本發(fā)明的技術(shù)方案具體為：

基于大數(shù)據(jù)并行處理的健康決策系統(tǒng)的數(shù)據(jù)處理方法：

第一步：執(zhí)行數(shù)據(jù)裝載(Extract-Transform-Load，簡(jiǎn)稱ETL)過程，將不同來(lái)源、格式、特點(diǎn)性質(zhì)的醫(yī)療數(shù)據(jù)通過執(zhí)行數(shù)據(jù)裝載過程在物理上有機(jī)的整合進(jìn)行集中性存放，形成規(guī)范的數(shù)據(jù)存儲(chǔ)，執(zhí)行數(shù)據(jù)裝載過程將數(shù)據(jù)存放在數(shù)據(jù)倉(cāng)庫(kù)中；

第二步：對(duì)數(shù)據(jù)倉(cāng)庫(kù)中的數(shù)據(jù)通過多變量信息瓶頸方法進(jìn)行壓縮。

進(jìn)一步的：執(zhí)行數(shù)據(jù)裝載(Extract-Transform-Load，簡(jiǎn)稱ETL)過程具體過程為：

(1)數(shù)據(jù)抽取：將數(shù)據(jù)從醫(yī)療單位、體檢部門、門診等單位的業(yè)務(wù)系統(tǒng)中抽取出來(lái)。

(2)數(shù)據(jù)轉(zhuǎn)化/清洗：按照預(yù)先設(shè)計(jì)好的規(guī)則將抽取得數(shù)據(jù)進(jìn)行轉(zhuǎn)換、清洗，以及處理一些冗余、歧義的數(shù)據(jù)，使異構(gòu)的數(shù)據(jù)實(shí)現(xiàn)統(tǒng)一管理。

(3)數(shù)據(jù)質(zhì)量檢查：對(duì)來(lái)源數(shù)據(jù)和清洗后的數(shù)據(jù)進(jìn)行檢查，保證加載后的數(shù)據(jù)的一致性和正確性。

(4)數(shù)據(jù)加載：將清洗后的數(shù)據(jù)加載到數(shù)據(jù)倉(cāng)庫(kù)中。。