医疗大数据管理层
1.医疗大数据资源
医疗大数据资源种类繁多、结构复杂，主要包括：
1）诊疗数据
诊疗数据主要来源于区域医疗系统、社区医疗系统、医疗机构系统等，包括门诊诊断数据、住院数据、处方数据、检验检查报告等。这类数据通常在总体上呈结构化，但在具体的数据字段，如出院小结、诊断说明等信息还是非结构化的文本。这部分数据量巨大，以一个中等城市上千万人口计算，不计影像数据。三年的业务数据将超过几十太字节，如果考虑影像数据，三年业务数据已达到上百万太字节。
这类信息往往携带有居民的隐私信息，对其共享利用稍有不慎，会引起隐私泄漏。所以对这类数据。可以用混淆算法对数据进行脱敏处理，并结合数据加密服务建立数据的密文索引，以方便访问处理。
2）药品数据
这部分数据来源于公开的医药监部门，数据通常也是呈总体结构化、局部平面文本的特点，药品数据一旦建立，较少更改，通常需要保存很长时间。
这类数据通常需要针对描述文字进行专业的语义识别，提取更加有代表性的特征文字建立索引。另一方面，需要考虑药品还具有很多日语化的别名，在诊疗数据中所记录的往往是别名而不是药品名，系统需要建立高效的、智能化的识别技术，来处理这种情况。
3）健康数据
系统会通过数据交换的方式从区域医疗信息平台、医院、卫生部门信息中心、第三方机构等单位获取居民的健康数据。数据源通常是流式的更新数据，并且数据已经高度地结构化，可以直接使用。
由于健康数据是从各个医疗、健康机构汇集而来，对居民的标识方式各不相同，所采集的健康数据需要经过身份识别才能与系统内的诊疗数据等融合起来，形成完整的健康档案。另一方面，由于各机构之间数据结构并不一致，数据平台需要建立统一的元数据模型来管理这些异构数据，处理中需要特别注意对隐私的保护。
4）医疗知识库
这类数据有两大类，一类是来源于权威数据源的专业公共知识库，另一类是系统通过对医疗大数据分析而建立起来的自有知识库。
医疗知识库的管理和使用都具有严格的限制，它是上层基于医疗大数据分析沉淀后的知识基础，需要提供高效的、快速的访问手段和关联机制。
5）外源数据(https://www.daowen.com)
外源数据主要指医疗信息系统之外的，国家卫生标准、药品、环境、气象等数据，均是网上公开资料，可从网上获取，并经相关专家确认后再使用；不能直接从网上获取的，则考虑通过权威机构开放数据服务后获得。
2.医疗大数据融合处理
多源数据汇集后，还需进行有效的融合处理，才能进行有序组织，构成医疗大数据核心资源。
1）医疗大数据主数据管理
医疗信息系统各个业务单元之间不可避免地存在资源冗余、描述不一致、数据项不完整等情况。因此，迫切地需要建立集中的主数据管理，以解决如下问题。
（1）医疗大数据的融合处理需要整体效应，加强各个业务单元的管理信息系统和应用系统之间的连接。
（2）避免数据来源不一，数据统计和口径不统一，消除“信息孤岛”，为利用各种医疗数据进行深层分析和辅助决策提供了一致化的数据基础。
（3）降低软硬件投资和系统维护的总体成本，大幅提高基础设施的综合利用率，简化管理维护工作（存储备份、容灾切换等），提高系统和数据的安全性。
2）患者身份交叉索引（PIX）处理
融合医疗健康信息，需要解决不同医疗机构、不同信息系统之间的数据共享和身份识别问题。国际上，由IHE组织提出了“cross—enterprise document sharing（XDS）”集成规范。XDS的基本思想是使用eb XML Registry架构存储医疗文档用以共享。而要实现共享，首先就需要解决相同患者在不同信息系统里的患者标识号（patient identifier，PID）如何进行关联的问题。为此，IHE专门定义了“patient identifier cross—referencing（PIX）”集成规范，XDS中也推荐使用PIX对患者标识号的关联进行管理。PIX解决了多个患者标识域里患者标识号（PID）如何进行关联的问题，其框架示意图如图3-3所示。3）融合诊疗事件形成医疗事件时间序列
图3-3 PIX框架示意
时间序列分析直接以事物在不同时刻的状态所形成的数据为研究对象，通过对时间序列数据的特征进行分析和研究，揭示事物的发展变化规律。在做时间序列分析之前，需要将医疗数据首先按照时间序列排列融合起来。时间序列融合通俗说就是按照居民医疗健康数据的产生时间，将数据按照元数据规范整合起来，形成一个覆盖居民全生命周期的完整的医疗健康数据集。
对于时间序列融合，首先要求数据的覆盖范围广，能够覆盖居民全部的医疗和健康行为；另一方面要求数据采集及时，能够快速地获取到数据；最后是对数据的分析融合完整。