王闰，刘秋美，张圆

（牡丹江医学院附属红旗医院，黑龙江 牡丹江 157011）

0 引言

脑卒中表现为高发病率、高致残率、高病死率，严重的影响了患者的生活，成为社会发展的负担。当前，我国医疗资源分布不均，对脑卒中的预防、康复、护理的全民参与存在一定的困难。心脑血管疾病80%是可预防的，积极控制危险因素和个体化治疗是降低其发生的根本途径[1]。通过预防、康复、护理等慢病管理模式和策略，降低发病率、病死率、病残率是医疗健康发展的规划目标。近些年来，大数据、人工智能、精准医疗等医工结合技术快速发展，在卫生医疗领域发挥的作用越来越大。一些研究运用大数据技术于慢性高危疾病的评估及个体化干预、随访。国家卫生部于2009年起动了“国家脑卒中防治工程”并建立“中国卒中数据中心”[2]。在此基础上，该中心建立涵盖社区、乡镇、医院门诊与住院的多个数据库，存储500万个筛查对象和高危人群的信息资料，为脑卒中的预防、康复、护理提供信息服务，充分利用大数据技术，为新医疗发挥作用。云计算技术是一种新兴的计算模型，基于公开的标准和服务为基础，以互联网为中心，提供安全、快速、便捷的数据存储与网络计算服务[3]。在脑卒中智慧医疗服务中，基于分布式、并行处理、网格计算云端技术，应用脑卒中检测方法与模式，连接临床数据库，开展脑卒中疾病的预防、康复、护理的干预，对于提高脑卒中患者的生活质量，降低脑卒中的病死率、发病率有重大的意义。

本文探讨基于云计算的脑卒中大数据平台的构建，为智慧医疗体系提供借鉴。

1 脑卒中大数据平台构建需求分析

1.1 脑卒中大数据平台的数据集成化、自动化、特征化

脑卒中数据来源于参与的医院，数据采集须标准化与规范化。在采集过程中，须保证数据采集的自动化水平，即数据采集、交换、处理自动化，覆盖完全化、数据大规模化、信息价值最大化[5-7]。因此，在脑卒中数据管理中，必须要制定严格的脑卒中数据标准，确保数据存储过程中安全、稳定，为后续的脑卒中预防、康复、护理提供数据支持。脑卒中大数据分析要围绕临床质控、科研支撑、公共服务等目标。

1.2 脑卒中大数据特征化

脑卒中大数据平台中的数据要具备一定的特征参量的提取能力，脑卒中的大数据来源多元化，包括患者影像数据、患者基本信息数据、家庭、社区等。数据既有结构化的也有非结构化、半结构化的，数据复杂；数据的使用需求既有决策使用、分析使用、开发使用等不同需求；数据类型也包括患者病史、用药、各种体检等信息数据。因此，数据必须进行清洗等处理，是按脑卒中大数据的特征参量化、结构化，使之能够作为数据分析的目标。

1.3 用户需求分析

基于云计算的脑卒中预防、康复、护理医疗服务大数据平台使面向脑卒中个体化信息服务的系统，用户主要是患者（家属）、医疗机构、平台管理员。患者用户在使用大数据应用平台中获取康复过程中的帮助信息，更好的为身体康复服务；医疗机构人员在使用大数据平台过程中，实现智能诊断服务，精准医疗服务[4]；系统管理员是维护系统正常运作的工作人员，系统管理员可对系统的使用权限予以设定、对系统的平稳运行实施技术维护。

2 脑卒中大数据平台的设计

2.1 平台系统架构

每天各个医院、社区、家庭、个人都会产生海量医疗信息数据，为保障脑卒中大数据平台的数据共享与协同访问，对脑卒中大数据平台有严格的技术要求：并发处理能力、并发访问能力。传统的关系型数据库无法满足大规模、高频率的数据存储与访问，基于脑卒中大数据分析的海量数据存储与处理要求，本系统架构采用Hadoop分布式框架，以HBase数据库作为脑卒中大数据存储系统，本系统架构如图1所示。

图1 系统架构图

2.2 数据库设计

传统的关系型数据库无法满足大规模、海量数据的存储处理要求，采用HBase数据库可解决海量数据的读取、存储瓶颈问题。利用基于Hadoop云计算的分布式系统集群优势实现大数据的并行计算[5-8]。数据库需要高效的存储读写策略，存储管理技术中涉及数据结构化、半结构化、非结构化的集成统一管理。

数据库的数据结构模型采用卫生部《城乡居民健康档案基本数据集》规定的数据元素。应用规范化、一致性的数据划分原则，实现完善的个人健康数据中心，合理的为医院、社区、家庭、个人数据交换、共享和深入数据挖掘提供基础服务。根据卫生部《城乡居民健康档案基本数据集》的信息，确立数据元模型，如表1所示。

表1 数据元模型

2.3 数据传输协议与接口设计

由于数据来源于不同医疗机构、家庭、个人，不同机构的数据库采用的表结构不同，因此，为便于数据库的可扩展性、数据库之间异构差异透明传输，本大数据平台采用SOAP访问协议，采用SOAP Web Service技术实现同步传输。接口设计需着眼于数据传输的同步性实现。用户可用的业务逻辑接口需要实现从医疗机构-大数据平台的数据同步传输。脑卒中数据挖掘过程需要平台使用者与平台

3 脑卒中大数据平台的分析系统

脑卒中患者的数据信息海量存储、交换、分析，为脑卒中预防、康复、护理等医疗服务提供决策支持，系统平台的数据分析处理技术主要包括大数据的预处理、数据挖掘算法、数据分析接口等技术。

3.1 大数据的预处理

脑卒中数据来源多元化，数据结构复杂化、多样化，既有结构化数据，也有非结构化数据，也有半结构化数据，此外，数据还具有多样性、动态性等参量特征。脑卒中的数据挖掘分析需要对脑卒中的大数据进行清洗、去除空缺、去除噪声数据，完成数据文本、数值与预定义的掩码相一致。

3.2 数据挖掘处理算法

脑卒中数据挖掘算法即数据的分类算法涉及聚类、分类等技术，应用数据挖掘技术实现脑卒中的数据聚合与分类[6-10]。基于脑卒中数据挖掘技术完成数据的分析过程，构建数据筛查、脑卒中患者的治疗模型，围绕特定的目标人群和医院、个体化的康复、预防与护理服务。应用统计学分析中的关联、回归、神经网络、机器学习等算法技术，寻找脑卒中数据中的参量特征相关性、关联性，应用异常检测、预测、关联分析，实现多维度、组间数据中的关系，为脑卒中患者的预防、康复、护理提供智能决策诊断服务。

4 结论

本文对应用数据挖掘技术的脑卒中预防、康复、护理医疗服务大数据平台构建研究，研究中初步研究了系统需求、系统架构、关键技术[11-13]。基于云计算的脑卒中预防、康复护理医疗大数据平台的实现，最终可为脑卒中的医疗服务提供帮助。

随着我国人口老龄化的进程加快，脑卒中发病率越来越高，如何利用现代化智慧医疗技术，提高脑卒中患者的智能化诊疗水平，控制脑卒中患者的发病机会和提高康复水平，是我国医疗服务的重要研究方向。基于云计算的脑卒中预防、康复、护理医疗大数据服务平台，在优化医疗服务、促进我国健康信息服务和智能化水平发挥重要的作用。