医学影像大数据中心解决方案

医学影像大数据中心

解决方案

目录

第1章建设背景及意义 (2)

1.1医疗信息化与智能化发展趋势 (2)

1.2方案目标 (3)

1.3业务场景与建设内容 (4)

第2章建设原则 (6)

2.1平台建设标准 (6)

2.2数据建设标准 (7)

第3章总体设计 (8)

3.1设计架构 (8)

第4章数据服务中台 (10)

4.1设计背景 (10)

4.2设计目标 (11)

第1章建设背景及意义

1.1医疗信息化与智能化发展趋势

1)医疗信息化发展趋势

医疗信息数字化、标准化和网络化，以及云计算、大数据和人工智能的应用，已经成为医学领域发展的主流方向。搭建医疗数据云平台和大数据智能中心是紧随当代互联网普及趋势，全面实现院内/区域内医疗数据信息化，落实国家分级诊疗政策，推动个性化卫生服务的最佳解决方案。通过医疗大数据智能中心，将预防、诊疗、临床作业过程数字化和信息化，既可以优化医疗环境、提高医疗效率和品质，也可以充分利用和挖掘医疗信息，服务于医疗类科研和医疗卫生管理。

医院信息管理系统（HIS）、临床信息系统（CIS）、图像存档及通讯系统（PACS）和电子病历（CPR）等医疗信息系统的普及，促进了医疗信息数字化的发展，医疗数据中又有超过90%的数据来自于医疗影像。随着影像设备数字化的发展，通讯技术的逐渐成熟，影像云平台和数字智能胶片已经成为影像诊断发展的主流。三维渲染，薄层CT，四维超声，灌注成像，弥散成像等成像技术的发展，也使得传统医用胶片已经无法有效传递影像的信息，影像数字化传输和保存成为必然趋势。

2)人工智能：率先辅助医学影像

影像技术的飞速发展和影像设备在医院的普及使用，使得影像诊断逐步成为临床决策的核心依据。随着人工智能技术的发展，近年来计算机对图像的识别率有了显著的提升，使得使用人工智能技术图像辅助阅片成为了可能。由于医学影像数量大、数字化程度高以及商业价值清晰等特点，医疗人工智能技术将率先在医学影像做出突破。

3)大数据分析：挖掘医疗数据价值

医疗数据符合典型大数据的四大特征，具有海量的数据规模，快速的数据流转和动态变化，多样的数据类型和巨大的数据价值。然而，散乱分布的医疗数据给查找和调阅带来诸多困难，而且也限制了大数据价值的挖掘，医疗数据集中管理和后结构化势在必行，才能够为医学研究、个性化治疗、疾病预测和疗效评估、

临床决策支持和重大医疗卫生风险评估带来新的应用价值。

4)云计算：云断部署兴起降低医疗服务成本

在医疗硬件设备和软件的竞争已经白热化的今天，降低或者免除一次性软硬件投入为医生和患者提供可以通过互联网实时使用和运行的医疗软件具有成本低、部署迅速、避免重复性劳动等优势。在医院内部部署云服务，为各个科室和合作机构提供互联网医疗相关服务，已经在各大医院开始流行。

1.2方案目标

利用移动互联网、大数据、人工智能、云计算等先进的技术手段，以搭建数据中台为核心，按照标准统一汇集、整理、存储、分析来自各个医院的影像数据，形成具有大数据服务能力的云平台支撑基础，更快更好地服务于各项医疗影像业务场景，落实影像数据的“聚、通、用”政策，实现“惠政、惠医、惠民”的目标，真正赋能智能医疗。

通过建设区域医学影像大数据云平台，实现机构之间信息互联互通，解决信息孤岛。逐步整合各级医疗机构内的所有医学影像业务系统、所有医学影像资源、所有影像检查数据，形成覆盖整个医学统一的、集中的影像诊断、数据、服务和管理的中心。其次，在区域的医疗机构的范围内建立了影像存储、归档的统一标准和数据治理、质量控制的规范流程，为上层应用场景提供数据服务打下坚实基础。

为政府相关部门和医院建立了有效及时的影像质量控制手段，实现了质控的自动化、智能化、实时化，提高影像质控效率和质量水平。通过AI质控平台，首先建立了长效的影像质量控制和反馈体系，增加了各级质控部门的理解和利用数据的能力，促进本领域医疗质量监测评价反馈预警和持续改进的能力；其次，提供了科学数据和大数据分析能力，可协助多种疾病的质量控制指标、标准和质量管理要求的拟定，为卫生政策的制定提供数据决策支撑，通过医疗信息化技术提升医疗效率，降低医疗成本。

对于医院来说，区域医学影像大数据云平台将生产系统与其他平台隔离，保证生产系统不间断使用的同时，为医院提供影像统一存储及中转平台。与此同时，

医疗数据潜在价值将被充分挖掘。云平台中集成的各种人工智能辅助诊断系统，会很好的帮助基层医疗机构提升业务水平，提高诊断效率，帮助他们不断学习、提高。同时，在区域大数据云平台之上，可以对医疗数据进行高效检索、后结构化和分析计算，并借助大数据的思维和方法进行研究，完成过去传统思维、方法、技术无法完成的任务，实现历史医疗资源的再利用，从而为医院科研，教学提供坚实的数据基础，增强医院竞争力。

提供以患者为中心的智能影像服务，提高就医体验。形成患者个人的影像健康档案管理，方便进行慢性病长期追踪和个人及家庭成员的健康管理，可享受到大数据挖掘科研成果，实现精准医疗扶贫建设。

1.3业务场景与建设内容

区域医学影像大数据云平台涉及的使用对象包括了政府相关部门、三级医院、基层医疗机构和患者。基于本平台的具体的应用场景如下：

业务场景总述

平台建设规划：实现4项应用服务以及4个项目建设目标

4项服务：

患者影像健康档案服务：以数字化形式发布患者检查影像及报告，形成患者影像健康档案，并提供智能报告解读和专家咨询服务；

●区域影像互联互通服务：包含影像汇总、分享，远程诊断、远程会诊等服务内容；

●智能辅助诊断服务：提供多病种基于人工智能的医学影像智能辅助诊断服务；

●区域影像管理服务：为管理机构和政府决策层，提供影像质控、医保控费细目、公

共卫生防控支持以及决策分析数据支持服务

4个建设目标：

●通过建设患者影像健康档案服务，实现惠患者，降成本的目标

●通过建设区域影像互联互通服务，实现分级诊疗，优化调度医生资源的目标●通过建设智能辅助诊断服务，实现疾病早筛早查早诊治，提高诊断质量和效

率的目标

●通过建设区域影像管理服务，实现影像质控，医保控费核算以及决策数据统

计分析的目标

第2章建设原则

本章从平台的技术架构以及数据治理两个方面阐述了区域医学影像大数据云平台的建设原则，内容如下：

2.1平台建设标准

面对影像数据量的指数级增长，平台的存储和运算模式要足以应对当前和未来5-10年的数据量和数据复杂程度，提供集中、低成本、高可靠的平台架构。

1)可用性：保证平台的高可用，在整体设计上的可用性需要达到99.95%以上。

并且能够根据应用负载进行弹性扩容，在任意一台机器故障时或流量波动等情况下都能做到不中断对外服务。在性能方面，用户进行在线实时查询业务操作，实现秒级搜索（查询时间低于5秒）。

2)拓展性：采用互联网级技术架构，具备弹性伸缩，动态增加和删除系统节点

等，业务扩展需要简单方便，通过增加网页等方式即可增加服务器功能。平台的用户同时在线数量，须满足未来10-15年发展需求。

3)灵活性：从平台角度出发，可采用B/S架构实现跨平台操作，可采用Linux

系统实现系统定制和开发；从开发角度出发，开发语言不必局限于单一技术栈，可结合具体场景合理选择；从更新服务端的角度出发，每个服务可独立扩展，开发、变更、升级不再需要协调其它服务部署对本服务的影响，提高了交付和问题响应速度；从客户端维护角度出发，只需要改变网页，即可实现所有用户的同步更新，保证客户端操作系统的平台无关性和降低维护的成本。

4)可集成：充分体现与集成其他系统的友好性。首先应有统一的API接口及对

应的接口标准规范和协议，其次，在与多个系统集成的环境下，具有动态调度能力和均衡流量的处理机制，保证最小延迟的实时计算与输出能力。

5)稳定性：保证高并发需求，实施流量控制。所有负载均衡均采用集群部署，

集群之间实时会话同步，以消除服务器单点，提升冗余，保证服务稳定。6)安全性：符合三级等保2.0标准，在网络和通信安全，设备与计算安全，应

用和数据安全三个方面有完整的安全体系保障。其次，平台系统需采用可提

供更高内核保护，如采用Linux系统，既不容易遭受病毒攻击，减少系统崩溃带来的安全危险。

2.2数据建设标准

在流程管控方面，大多数医疗机构现有的系统或平台中数据治理的各模块大多都是独立地执行功能，通过数据治理可以将数据管理各个环节打通，实现完整的数据管控流程。在规范和共享方面，数据治理能够消除数据的不一致性，建立规范的数据应用标准，实现数据广泛共享，并能够将数据作为组织机构的宝贵资产应用于业务、管理、战略决策中，发挥数据资产的商业价值。建设数据标准，不仅能够及时发现、解决和监控数据问题，从根本上改善和解决系统的数据质量问题，还可设定严密的数据安全机制，可以降低医疗机构数据风险，这有助于减低IT建设及运维成本，对医疗机构的稳定运营极其重要。

1)数据标准：影像数据按照DICOM 3.0的标准统一进行管理。

2)数据质控：在影像拍摄环节，影像报告环节和疾控环节，使用人工智能系统

来实现对部分影像的辅助评分，逐步实现医学影像质控自动化、常态化，提高医学影像成像检查规范化与标准化水平。

3)数据验证：在影像数据平台处理、生产后的数据应与原业务系统的数据保持

一致，平台应有一套完整的校验机制来保证数据的一致性、完整性、正确性。

只要验证通过后数据才可以被临床所使用。数据验证环节建议医院和承建单位双方进行共同验证，其方法包括并不限于平台建设方提供数据报告，包括接入数据范围（系统数量）、数据量（需要分类，比如患者、报告、影像检查等）、数据纵深（起始到终止日期），医院信息部门工程师可进行宏观数据核验。数据质量抽样检查等。

4)数据加密：用多种方法将敏感数据加密存储和传输。此外，加解密对上层业

务透明，上层业务只需指定敏感数据，加解密过程业务完全不感知。

第3章总体设计

3.1设计架构

影像数据是整个平台的核心内容，如何实现对影像数据的抽取、加工治理、提供数据服务是建设整个平台的核心内容，因此影像数据中台的建设是关键。以数据中台为核心的数据治理和其背后先进的IT技术两个维度来保证平台的实用性，先进性，标准性和安全性，具体架构如下：

智能云影像辅助诊断大数据平台方案设计总图

基础平台层：包含了IaaS层和PaaS层。在IaaS层，提供了物理资源、虚拟资源、资源池（开发测试资源池、生产运行资源池），以及对中心基础设施进行调度的资源管理与调度系统，并具有提供计算虚拟化，存储虚拟化和网络虚拟化等功能。在PaaS层，提供了上层所有系统依赖的服务器集群服务和微服务基础设施服务。

影像数据中台：院内的PACS、影像设备和RIS系统为数据来源，按照医院同意的统一数据标准，通过DICOM网关、Web Service和流/批处理数据管道三

种方法进行数据同步工作。数据治理包括了清洗流程、数据加工、质量控制和标准管理四个步骤。通过这四个步骤的处理，形成了数据的基础模型、融合模型和挖掘模型，保证进入平台数据的完整性和有效性。基于整理过程后，平台提供了：影像报告检索，报告智能解读，疾病知识库，大数据分析和全量标注等数据服务。最后，所有需要数据的系统通过数据服务网关对接到数据中台，提供的数据服务统一与外对接。

应用层：以本平台提供的数据服务为基础建设各类应用，包括不限于1）AI 质控平台，从院内质控到云端区域后质控全面覆盖影像检查、报告内容、诊断结果的质量控制场景；2）影像云平台，提供云归档、云阅片、云诊断等远程影像服务，助力医联体及县域医共体的建设；3）AI辅助诊断平台，为区域内基层医疗机构提供影像阅片的辅助平台，提高诊断准确率；4）科研大数据平台，融合了多种科研方法的一站式平台，加速科研进程；5）数字智能胶片，提供影像报告及影像给患者，方便转诊会诊，促进二次问询。

标准规范体系：本平台搭建主要参照DICOM影像标准及根据医院实际需求制定的影像数据治理，影像数据质控的规范。

安全保障体系：本平台从链路安全，主机安全，应用安全及数据安全等方面描述了平台的保障体系。

第4章数据服务中台

4.1设计背景

（一）数据中台的定义

数据中台在技术中的定义是指：通过规范流程和规则库，基于流程引擎构建统一的、可配置的数据转换、清洗、比对、关联、融合等加工处理过程，对异构异源海量离散的数据资源加工生产，生成易于分析利用的、可共享的数据，得数据治理能够覆盖元数据、隐私、数据质量、业务流程整合、主数据整合和数据生命周期管理等环境。

具体到医疗环境来讲，医生对数据的需求持续增长，用户范围从管理部门扩展到整个院内环节，数据治理不仅要面向某个科室或者某个部门，还要面向所有医院业务场景。数据中台统一了影像数据从采集到存储的统一标准，增加了数据的可用度，以更快的更便捷的方式给医院的上层业务提供数据服务。

（二）影像数据中台的功能描述

1)建立统一的影像数据的标准，汇集数据，互联互通

2)制定完整、规范的数据治理流程

3)面向业务数据查询接口与数据查询逻辑的统一化

（三）搭建数据中台的意义

解决现有问题：

1)作为中转平台，解放业务系统。业务系统只进行轻量维护业务流程的操

作，减少风险。中转平台提供标准的接口服务及强大的对接能力。

2)作为影像数据存储备份，动态扩容，灵活调阅。

优化现有水平：

1)挖掘医疗数据潜在价值，为医院科研、教学提供坚实的数据基础

2)加速从数据到价值的转化过程，提高响应医院业务的效率

3)构建数据驱动的业务本身，在数据中台上为医院孵化出创新业务

4.2设计目标

1）融合微服务和容器化技术，解决传统架构系统的计算能力无法扩展问题医学影像数据中台的子系统全部基于分布式架构，融合分布式微服务和

容器化弹性计算，能够根据接入的设备、系统数量和业务量按需部署实

例，并可无限弹性扩展。

2）解决存储扩展与访问效率瓶颈，满足上层数据应用统一快速数据访问传统NAS存储随文件增长，访问时延急剧上升。采用私有云存储(分布式

对象存储)，可以为医学影像文件提供EB级高可靠、易扩展的分布式存

储，使医学影像数据存储适应微服务同比扩容，数据全量在线。

3）提供可视化、自主化数据服务开发能力，满足异构系统的数据服务定制需求

支持数据服务可视化、自主化敏捷开发，数据服务开发、审核、发布全

流程管理。规范性数据服务直接访问DICOMweb数据网关，定制化要求高

的走数据服务开发。

4）提供集中、低成本、高可靠的医学影像数据资产管理

构建统一医学影像数据模型、元数据中心，通过资产分析、应用、优化、运营四方面对看清数据资产、降低数据管理成本、追踪数据价值，避免

数据资产分散存储。基于纠删码容忍集群多台服务器设备级别故障，相

比HDFS等三副本存储要节约存储成本。

5）单套存储系统能够满足生产应用存储，大数据分析平台，数据管理医学影像文件存储在分布式对象存储可直接用于分析，无需先将数据转

移到HDFS，可实现数据在Spark、Hadoop和云存储的无缝互操作，单套

存储系统满足生产应用存储，大数据分析平台，数据管理，减少数据搬

迁，统一进行运维和管理。性能随容量线性扩展，相比HDFS或其他文件

系统性能和扩展能力要更强。