大数据应用 医疗健康应用实例与系统分析(4)

中间服务层：为了对用户提供统一的数据形式，系统添加中间服务层来预处理数据，将数据转换为符合HL7规范的数据，中间服务层还提供接收体征数据、传送数据到处理平台、接收处理平台结果并发送给用户以及信号处理的功能（例如将加速度数据转换为记步数据）。

数据存储服务：系统接收中间服务层的数据，存放至分布式数据库HDFS中。

分析服务：系统采用Hadoop作为主要的数据分析平台。

4.4 小结

在设计医疗健康大数据处理平台时，必须把数据放在优先考虑的位置。下面总结了前文提到的医疗健康大数据平台设计思路，提出了定义数据源、确定数据处理方式、分析数据流向、设计系统的一般步骤。

（1）定义数据源

医疗健康大数据的数据来源包括结构化、半结构化、无结构化的医疗单位数据、个人健康数据和公共健康数据。例如医疗单位的电子病例数据、放射信息管理系统数据，传感器收集的体温、脉搏等个人数据，公共健康数据（包括政府发布的流感信息、社交媒体信息）等。为了实现良好的数据流，必须首先将平台所要收集的信息分类，分析每种数据的特点，包括：是否是结构化、无结构化或半结构化数据；是否需要预处理；包含何种有用信息。

（2）确定数据处理方式

大数据的处理方式包括前文提到机器学习、分类、聚类、回归等。根据上一步分析得到的数据特点和数据价值选择相应的处理方式。比如参考文献[34]中，为了得到用户的运动数据，需要用户的记步数据，而记步数据可以通过将源数据中的用户加速度信息经过信号处理获得。

（3）分析数据流向

根据数据源、数据处理方法和数据结构确定数据流方向。iEpi[1]中的各类传感器数据经过在手机端汇总后到达服务器，以临时文件方式存储，经过分析后存放在数据库中，最后提供给用户挖掘其中的关系、模式。

（4）设计系统

根据数据流的特点和数据处理方式选择现有的大数据处理平台作为子系统，然后设计中间系统以连接多个子系统。

5 医疗健康大数据技术

5.1 可视化技术

医疗可视化技术一直存在，比如X光、CT、核磁共振、远程医疗等。医疗可视化的功能在于为病人、医生以及利益相关者提供更深的理解，以帮助其做出更好的决策。

随着医疗信息化的到来以及移动设备、社交网络的流行，医疗健康数据呈爆发式增长，医生、制药公司、公共卫生机构无法在面对海量数据时有直观的了解，需要利用可视化技术将数据以直观的方式呈现给相关人员。

5.1.1 分析

医疗健康大数据来源主要包含3个方面[6]：个人健康数据、医疗数据、人口健康数据。在个人健康数据方面，数据来源主要是传感器信息和在线信息。使用可视化技术处理个人健康数据、个人疾病数据可以帮助用户更容易地实现健康管理、疾病管理。处理个人饮食、运动数据可以帮助用户直观了解身体状况，有助于用户保持身体健康。在医疗数据方面，数据来源主要是医学研究数据、电子病例数据。医生无法跟上从这些数据中发现新的医学知识的速度并将其用到病人的治疗上，医疗可视化将为医生提供直观了解新知识的机会。人口健康数据以及疾病监控数据可以通过可视化技术帮助用户了解人口健康状况、疾病爆发状况。

5.1.2 挑战

由于需要处理大量数据以提供可视化的分析报告，可视化服务需要较长时延才能提供。当作为临床决策支持系统时，医师希望在短时间内获得服务，这对可视化服务提供者提出了实时性服务的挑战。

5.2 个性化医疗

考虑到患者间存在很大的差异，不存在针对一种病症的适应所有情况的治疗方案[36]，实际上，研究人员一直在寻找针对病人的治疗经历、基因信息、遗传信息、环境信息、生活方式等信息给予个性化治疗的方案[37]。鉴于人类基因工程的原因，人类可以从基因角度给予患者个性化治疗。

5.2.1 分析

个性化治疗一般使用以下工具：家族健康历史，利用家族健康历史整合遗传信息可以有效帮助预测疾病，进行主动的预防性措施；基因信息，指利用基因信息及其衍生物信息，包括RNA、蛋白质、代谢产物信息进行疾病预测和个性化治疗，然而，基因检测费用高昂[38]，基因多态性的特质可能导致评估错误及预测错误，导致了通过基因检测提供个性化治疗难以获得较高的性价比；临床决策支持系统，其提供了一个利用所有信息为患者提供个性化治疗方案的机会。

5.2.2 挑战

个性化医疗的挑战主要在于部分用于疾病预测、疗效预测的数据源难以获得。首先，平价的个人基因分析技术应该被提上日程；其次，用户不愿意提交个人医疗数据的部分原因是担心隐私泄露[39]，这就对医疗数据提供商的安全和隐私保护提出了要求。

6 结束语

本文首先介绍了大数据概念、特点与处理平台，之后分析了医疗健康行业的数据来源与特点，然后讨论了利用大数据技术应对医疗健康行业挑战的例子，最后介绍了医疗健康大数据系统与关键技术。目前医疗健康大数据还处于初期发展阶段，但是它已经展现了改变医疗服务的潜力。医疗健康服务提供商利用大数据分析技术可以从临床数据、研究数据、个人健康数据、公共健康数据中挖掘潜在的关系，为临床决策、公共卫生、个人健康提供帮助。将来，医疗健康大数据将会快速地发展。目前，医疗健康大数据还面临着诸多挑战，隐私问题关系到用户的数据不会被用作恶意用途，数据安全和标准化需要成立专门的机构来管理。然而，随着技术的发展，医疗技术和大数据技术的结合将更好地为人类健康提供服务。