歡迎諮詢，合做！html
1、數據資產目錄建設算法
依據衛生部信息化工做領導小組辦公室衛生部統計信息中心2011年3月發佈的《基於電子病歷的醫院信息平臺建設技術解決方案——業務部分》。安全
臨牀服務域架構
包含12個二級類目：患者標識、患者服務、入出轉、醫囑、病歷文書、護理文書、檢驗、檢查、手術麻醉、治療、輸血、健康體檢，業務子域共計26個。機器學習
醫院管理域oop
包含4個二級類目：醫療管理、人力資源管理、財務管理、物資及後勤服務管理。共有業務子域共26個。學習
平臺應用域大數據
包含5個二級類目：區域醫療協同、管理決策、臨牀決策、公共衛生信息上報、患者公衆服務。共有業務子域20個。url
梳理建設以業務活動爲核心的數據資產目錄，如圖一：spa
圖一：以業務活動爲核心的數據資產目錄
2、數據中心建設
根據業務活動建立主題，如圖二：
圖三：業務活動主題
梳理數據元標識符，保證每個數據元的標識符具備惟一性（基本數據集：城鄉居民健康檔案、疾病管理、醫療服務、電子病歷等）
一、數據元標識符「DE08.10.052.00」來源依據《TCHIA 7.3-2018 高血壓專科電子病歷數據集 第3部分：高血壓門(急)診處方》，如圖三：
圖三：TCHIA 7.3-2018 高血壓專科電子病歷數據集 第3部分：高血壓門(急)診處方
二、數據容許值「WS218--2002」來源依據《WS 218-2002 衛生機構（組織）分類與代碼》，如圖四：
圖四：WS 218-2002 衛生機構（組織）分類與代碼
關聯映射業務系統表字段，並建立調度任務，如圖五。
圖五：建立映射關係，並加入調度任務
映射多表狀況下，須要選擇關聯表主外鍵字段，如圖六：
圖六：主外鍵關係
調度任務可支持針對單表、全表，歷史數據抽取，實時數據監聽抽取倆種模式，若是圖七：
圖七：調度任務
3、數據質量質控
具備對數據質量進行評估的完整的指標體系。至少應該有完整性（事件、表單、記錄、表項），一致性（主數據一致性、邏輯一致性），惟一性（無二義冗餘、指標及計算口徑），及時性，原始性，可溯源性及可測量性。
4、數據中臺建設
根據數據資產目錄快速定位業務主題，如圖八：
圖八：根據目錄快速定位業務表
根據不一樣業務場景，自定義勾選數據元名稱，自動生成API或新的主題庫（數據集市）
5、技術架構參考
數據倉庫
主要步驟包括：⑴ 命名實體識別，即在文本中找到關鍵詞，並能與文中所指的概念對應起來。如在某一文本中，不只能經過基因符號識別出這個基因，也能夠經過同義詞，或以往名稱識別出該基因。⑵ 信息抽取，基於語言結構的先驗知識（如天然語言中的主、謂、賓三元結構），經過天然語言處理方法，抽取出特定的動詞或名詞。⑶ 信息存儲，將抽取到的信息（數據）加載並轉存到標準化數據模型中，造成以患者爲中心、醫院臨牀信息系統（HIS、EMR、LIS、PACS等）無縫、連續和可互操做的集中式醫療大數據平臺。該過程當中的數據抽取、轉化、加載稱之爲數據倉庫（extract-transform-load, ETL）技術。
構建綜合診治知識庫
精準治療毫不是某一階段的精準，應貫穿治療全過程，即治療前須要精準診斷，而後精準治療，治療失敗後還須要再精準診斷和再精準治療，直至治療結束。
機器學習與應用
獲取並控制到海量且有效的醫療大數據後，運用不一樣的機器學習算法，對規範化治療中出現的「耐藥性」病例進行再分析，從構建好的知識庫中進行「學習」並存儲，爲下一步的臨牀治療（包括藥物、手術、放/化療和生物治療）實施提供精確的支持與指導。
大數據技術
基於Hadoop大數據平臺搭建全文檢索引擎，實現海量結構、非結構化數據的高效存儲和檢索，提供更快、更優用戶體驗。
安全管理
醫療大數據的隱私保護主要依賴於傳統數據隱私保護的密碼學技術。經過創建數據的分級制度，對於不一樣級別的信息採用不一樣的保護措施，並設定訪問權限的控制。
歡迎諮詢，合做！
weix：wonter
推薦閱讀：