为什么要建大数据中心？

从整体上看，当前医院信息化建设活动可以划分为三大块，分别是业务信息系统建设、集成、数据分析利用。在这三大板块里，数据中心位于一个非常基础的地位，每一个板块都与它有很深的关联。

早期，信息中心主要的职责是建系统；后来逐渐发展为“建设”与“运维”并重，以保证系统可靠、稳定的运行；现在，信息中心不只负责建系统管硬件，如何提供真正的信息服务，变成一个越来越重要的问题。实际上，这个需求是客观存在的，以解放军总医院计算机室为例，每天都有科室来申请查数据，以做统计分析。虽然解放军总医院计算机室安排了专人对接查询数据，逐渐变得有程序，但总体来讲，还是自发、散在的服务。相信大多数医院的信息科普遍面临同样的问题。

医院信息中心需要借助大数据的理念，向数据服务方面转型，把自发的、散在的、无序的利用变成有组织的、有顶层设计的服务。在这样的背景下，解放军总医院成立了大数据中心。对于信息中心来讲，辅助各科室查询数据从“友情出演”变成了“领衔主演”。

定位不同职责不同

医院大数据中心不局限于某个分析主题，利用大数据技术，覆盖数据标准、数据采集、数据校验、数据分类、存储治理及分析应用全方位内容。不牵涉业务流程，将数据从入口、出口、准确性、权限、安全等方面全面管理起来，构建统一的数据秩序，以“统一数据”为出发点，形成统一的数据资源库，提供给不同应用灵活使用。

大数据中心有三种定位：管理、处理和分析。

第一，数据资源管理，即把大数据整合管理起来提供数据资源服务，科室需要的数据经过审批和授权后，由大数据中心提供，这是基本职能； 

第二个，数据的处理和加工服务，根据临床问题研究需要对原始数据进行处理，从中抽取一些特征，然后提供给临床； 

第三个，数据的分析服务，即按照科室的需求做数据的分析，比如病例分布、基于数据建立模型进行疾病和不良事件预测等。 

大数据中心的定位不同，其职责也不同。

如果大数据中心定位为大数据管理职能，有三个职责：第一，整合各个业务系统数据；第二，形成长期的管理机制，即对历史的、现在的数据资源进行一体化的管理；第三，根据临床访问需求，进行访问授权。这一定位的工作平台为数据整合平台（ETL）、数据检索系统、数据浏览系统和数据在线使用（虚拟桌面），所需人才为IT工程师。 

如果大数据中心定位为加工中心，其职责主要是根据用户需求，从原始数据加工生成特征数据。这一定位的工作平台包含以下几方面：第一，增加自然语言处理工具；第二，建立专病数据库的平台，帮助一线的医护人员或科研人员整理数据；第三，建立组学数据等专业化技术平台支撑特定数据的处理。该定位所需人才还是IT工程师 。 

如果大数据中心定位为分析服务中心，其职责是为用户提供数据分析服务，所需平台除了数据检索、加工分析外，还包括以下几个方面：第一，各种类型的建模工具；第二，可视化平台，通过图表把数据分析结果更直观的展示出来；第三，需建立大数据深度学习平台。这时所需人才除了传统的IT工程师，还需要专门的数据分析工程师。 

“大数据中心”有不同的内涵，不同的职能定位对应不同的技术平台与人才团队建设内容。在提出建设大数据中心规划时，首先要明确大数据中心的职能定位。

医院大数据中心建设六个常见问题

问题一：医院已建立了CDR还需再建设大数据中心吗？

在不同场景下，“医院数据中心”的含义也并不相同，通常有两类数据中心：第一类是以业务支撑为主、面向电子病历的数据中心，也即CDR，其作用是支撑日常的医疗活动，进行医疗过程中的数据收集与呈现，同时兼顾常规报表统计等功能。第二类是以管理和科研利用为主的数据分析中心，也即大数据中心，其作用是面向临床研究、医院管理与智能产品开发，满足数据批量处理的挖掘与分析需求。

从技术手段来看，大数据中心一般需引入ETL等方式，在数据组织方面以群体数据为中心，通常对实时性要求不高。在医院已经建有CDR的基础上，为开展大数据分析工作，仍需建立大数据分析中心。原因有三。

首先，二者收集与使用的数据内容有异。

其次，二者工作模式不同。

第三，二者技术形态也不一样。

问题二：医院数据能否一次性治理到位？

数据治理通常有两种路径。第一种路径是将不同来源的异构数据进行整合，建立数据库；再对文本数据进行解析，将数据结构化；最后对于非标准术语进行归一处理，形成清洗后的数据，后续可以以其为基础进行数据分析。第二种路径是整合原始数据形成原始数据资源池，待研究问题产生以后，再针对特定问题选取相关数据进行结构化和归一化处理。

薛万国表示，数据治理是贯穿数据分析整个过程的，没有办法一次性完成。他建议：在数据整合阶段，以数据结构转换为主，尽量保持数据的原始性，但为了便于数据检索，可以在整合完成后进行数据特征抽取；数据加工与深度治理，则放在面向特定目标和问题的研究阶段再进行处理。

问题三：专病数据库是不是数据研究的必由之路？

目前医院常见的专病数据库分为两种：一种是基础病例库，一般要求特征数越全越好，数据整理的工作量很大；一种是面向问题的病例库，也即针对特定科研课题的数据收集，对数据质量要求较高，其优点是数据质量高、后期的数据处理量小，缺点是工作量巨大。这是大部分专病数据库效果不佳的主要原因。

薛万国认为，当医院建有大数据中心和相应的服务能力以后，可以将病例原始数据整合在数据资源池内，临床科研人员针对具体的研究问题，利用大数据中心提供的服务进行数据加工、特征抽取和数据分析。这种方式的优点是前期的工作量小、难度低，适合缺乏长期专门团队的临床科室，缺点是数据质量不及专病数据库。这种方式的好处在回顾性科研课题中表现较为明显。

问题四：是否存在一体化的大数据平台？

大数据的利用通常分为四个阶段：数据整合、数据处理、数据建模分析及数据可视化，在每个阶段需要用到的工具都有所不同。

不同阶段所用工具五花八门，各有特点，也都有各自优秀的厂家和产品。医院的大数据平台实质是一组工具集，不同用户的使用偏好也各不相同，没有必要将所有人都束缚在单一平台上。

薛万国认为：“一体化大数据平台很难适用，即便存在，效率也未必会高。”

问题五：在大数据中心建设过程中，是否一定要用到Hadoop？

医疗大数据往往是“大”和“小”并存，“大”是指医院内的全量数据很大。但在研究具体临床问题时，所涉及的数据量又是很“小”的，往往是几万例、几千例，甚至是几百例病例。

薛万国认为，在处理医疗大数据时，混合技术更为适宜。传统技术，特别是关系数据库技术，其数据加工、管理、分析功能都非常成熟，生态环境也非常好，适用于大部分数据处理场景。在追求检索速度时，则可能需要用到Hadoop或其他分布式并行处理技术。“如果把所有的工作都放在Hadoop上来做，无异于自缚手脚。”

薛万国认为，Hadoop在医疗行业也面临很大的局限性：技术体系较为复杂，生态圈较小，常用工具的匹配性相对较差，不太适于数据录入和数据加工。所以，医院的大数据中心建设不一定要采用Hadoop。

问题六：是否需要在信息中心部门之外设立大数据中心部门？

大数据中心和信息中心的职能与特点不同：传统信息中心通常以信息系统建设和运维为主要职能，大数据中心的职能是提供数据服务，尤其是为临床医学研究提供服务，这些服务是个性化的，需要特定技能的团队来提供。

同时，大数据中心和信息中心的关系又非常紧密，大数据中心的建设紧密依赖于医院的信息化建设，所有的数据都来源于信息系统，二者密不可分。在数据质量方面，也需要通过信息化建设来不断地提升数据质量。

薛万国认为理想状态是：信息中心提供原始数据，大数据中心分析数据、建立模型，所得成果再通过医院信息系统赋能临床。

薛万国表示：“大数据中心和信息中心并非简单的分与合的问题，应该在医院内建立一个大信息体制，这个体制要体现出大数据中心是传统医院信息化内涵的扩展。至于大数据中心是否需要独立设置，这只是行政管理、分工管理上的形式问题。”

如何建好、用好大数据中心？

解放军总医院成立大数据中心之后，明确了其定位——为各科室提供服务。那么如何利用大数据提供的契机为医院医疗的创新发展、科研的创新发展、管理的创新发展提供服务？必须要有服务的地方、服务的平台、服务的人员，一个运作的实体才能开展有组织的服务。

第一，需要一个公共顶层设计的基础平台。这个基础平台包括软、硬件平台、人工服务，可以提供各种各样的支持。此外，大数据需要一系列的技术支撑，才能在原始的业务数据上去做大量的分析。

第二，需要有技术的服务人员。很多医院的信息中心，现在不缺IT的人，缺数据分析的人才。我们的平台应该提供这样的服务：科室有数据的利用需求，有思路，我们除了提供技术上的支持，还有专人来给予支持配合。

第三，大数据真正的落脚点在应用上。解放军总医院的做法是一方面跟科室调研，另一方面，征集科室的项目。解放军总医院用设课题的办法，给科室资助，科室来申报，进而调动起各科室的积极性。靠项目的需求来牵引，靠我们提供的数据服务，把各科室的积极性吸引到平台上来。所以，解放军总医院的做法是建平台，同时抓应用。  

作者：薛万国  解放军总医院大数据中心主任