医疗大数据平台中数据模型的构建需要对接不同厂商、不同版本的不同系统，需要深度了解和对接医院的各个信息化系统，一方面需要满足医院信息化系统的实际情况和应用需要，另一方面还需要契合国家和行业的各项数据标准要求，以满足大数据平台对智慧医院各项评级，包括互联互通测评、电子病历评级、智慧管理评级和智慧服务评级的需要。
获取各种系统数据后，通过数据集成服务将数据进行清洗、转换，并调用数据治理服务将不同来源的数据集成到源数据存储层，源数据存储层主要是为了将不同厂商、不同数据库类型的异构数据集成至统一的数据模型中，为了使异构数据能够变成统一可用数据，通过基于NLP的结构化服务平台及大数据治理服务平台将数据集成到医院数据中心中，然后为不同主题提供统一的数据来源。
基于对国家和行业标准数据集的深刻理解，结合医院的信息化现状，形成医院特有的可扩展的数据模型，再按照实际应用需求形成不同类型的主题数据中心，支持顶层的不同应用，满足各种应用场景全面支撑智慧医院应用建设。
通过选择不同数据源，数据结构或者输入SQL语句产生逻辑封装成不同的数据API。
可维护管理API服务的启用、停用、测试和授权管理，支持查看接口请求参数、相应响应参数等信息。
统计分析指的是关于API接口的调用次数、服务应用数、用户规模数、调用异常情况等信息。同时增加周、月、日环比增长，随着时间趋势观察数据中台的调用情况。
提供创建人、审核状态、申请内容、使用范围、使用时间等信息，让审核管理员快速查看信息，审核通过。
采用的CDM通用数据模型是基于PCORnet CDM、OHDSI OMOP CDM设计的，并与国内临床疾病数据充分整合，能有效的实现不同来源、不同标准数据的整合，保证数据检索与应用的效率。此外更完美兼容了国内外疾病模型，有效地保证未来实现数据国际互通的可能性。
通用数据模型的建立旨在将各业务系统对同一指标的不同表述进行统一。文本数据经人工智能自然语言处理技术完成后结构化，通过对应医学术语标准集进行术语的归一及标准化，保证信息提取的准确性及一致性，将不同表述经过数据治理后纳入通用数据模型框架。
基于通用数据模型的基础，对应不同病种的个性化需求，进一步在医疗范围内建立标准化模型，规范医疗数据管理基本信息内容，为医疗机构数据管理提供一套术语规范、定义明确、语义语境无歧义并支持扩展的标准。
以患者为单位，整合人口学、病史、检查、化验、治疗、院外随访等信息集成全结构化数据，进一步以变量为单位进行域和值的精确逻辑判断进行数据清洗，搭配专病逻辑规则转化，处理完成数据存储于标准模型。构建一套完整的数据治理及质控流程，实现在数据收集、存储、搜索、发布交换等应用中的完整性、准确性、一致性和可比性，保证专病数据在应用、共享层面的有效性最优化。
个人健康档案主索引系统是对传统患者主索引系统的延伸，基于医院系统患者数据、区域健康档案等患者及居民维度的信息，通过建立统一的个人健康档案主索引、依据高效精准的匹配算法支持患者就诊、健康、医疗卫生相关信息全面整合的患者主索引统一管理系统。个人健康档案系统可为区域内各业务系统、管理系统与患者主索引相关的各项服务，包括人员信息注册、更新、查询等，实现区域的患者信息统一管理。
基于人工智能的个人健康档案主索引采用机器学习算法，以历史数据为基础训练集，自动训练出匹配规则，相较与传统患者主索引规则匹配，具有更高的准确率、召回率和可解释性。
系统实现任何与患者个人数据相关的数据改动（如注册，撤销注册等），并通过卫生局提供SMS的服务接口发送相应的消息传至患者手机。
数据融合主索引接收HL7的A01、A04、A05三种类型的消息，从消息中获取患者的个人信息与就诊信息，对患者信息进行注册等操作，并保存就诊信息。
统计分析：实时统计出最近注册的患者人次以折线图的形式展示。同时也可以根据日期范围进行统计分析。
患者匹配：主要根据患者识别字、姓名、性别、生日等信息进行匹配，首先在根据患者识别字在交叉索引中查找匹配的患者，将查询结果中的患者信息与当前患者的信息进行匹配，若信息一致，则标识为同一患者，否则为新患者。
患者注册：数据融合主索引接收HL7的A01、A04、A05三种类型的消息，从消息中获取患者的个人信息与就诊信息，对患者信息进行注册等操作，并保存就诊信息。
患者更新：数据融合主索引接收HL7的A08类型的消息，从消息中获取患者的个人信息，对患者信息进行更新等操作。
患者合并：数据融合主索引接收HL7的A40类型的消息，从消息中获取需要合并的患者标识信息，对患者信息进行合并等操作；另外，通过数据融合主索引管理介面，管理员可以对患者主索引信息进行审核，当发现同一患者被分配不同的主索引时，可以对其进行合并操作。
患者拆分：通过数据融合主索引管理介面，管理可以对患者的交叉索引进行审核，当发现不同患者错误地归入了同一主索引标识，可以对其进行拆分操作。
检索患者个人信息：数据融合主索引接收HL7的Q22类型的消息，此消息中的查询准则可以包括标志符、姓名、性别、生日、地址、帐号等，并包括返回结果的数量，数据融合主索引经过查询匹配后，返回符合条件的患者信息。
检索交叉索引：数据融合主索引接收HL7的Q23类型的消息，此消息中的查询准则可以包括识别字和查询的目标标识域，数据融合主索引经过查询匹配后，返回目标域的识别字。
患者就诊查询：通过数据融合主索引的管理介面，可以查询患者的历次就诊信息。
机构注册：具有查询、新增、修改、删除系统范围内涉及到的机构信息，包括机构编号、机构名称、上级机构等基本信息；
系统注册：具有查询、新增、修改、删除系统范围内涉及到的相关系统信息，如HIS、LIS、RIS、PACS等，包括机构编号、系统名称、备注信息等；
患者主索引查询：包括根据选择的条件查询符合条件的患者主索引信息，查询选择患者的所有就诊信息，人口学信息以及就医简史等信息；
患者交叉索引查询：根据选择的条件查询符合条件的患者主索引信息以及关联的交叉信息，以及查看选择的交叉信息的详细信息。
将医院现有患者资料进行主索引初始化，形成基于患者主索引的患者索引数据库。主要根据患者标识符、姓名、性别、生日等信息进PG电子官方平台入口行匹配，首先再根据患者标识符在交叉索引中查找匹配的患者，将查询结果中的患者信息与当前患者的信息进行匹配，若信息一致，则标识为同一患者，否则为新患者。
在挂号程序中调用EMPI服务，识别患者关键信息，进行患者ID注册和搜索，如果当前新患者与已有索引库中的患者相似，则自动进行匹配。
在入院管理系统中调用EMPI服务，识别患者关键信息，如果当前新患者与已有索引库中的患者相似，则自动进行匹配。
在调阅患者历史检验报告时，通过EMPI，将符合主索引规则的患者多次门诊、住院的检验报告同时进行展示。
在不同医院之间进行就诊和转诊的患者，通过建立索引规则和机制可以进行数据映射和关联，并展示患者全生命周期的数据。
首创的患者主索引核心算法内置了人口学匹配模型Fellige-Sunter（高准确率）和IHE PIX模型（高性能），注册合并速度在300～450TPS，比起业界平均水平要高出20多倍，且能真正满足大型区域级数据融合的需求。
特别声明：智慧医疗网转载其他网站内容，出于传递更多信息而非盈利之目的，同时并不代表赞成其观点或证实其描述，内容仅供参考。版权归原作者所有，若有侵权，请联系我们删除。
下一篇：温州市卫生健康信息中心基于数据与能力双轮驱动，构建医疗 AI 服务新模式
温州市卫生健康信息中心基于数据与能力双轮驱动，构建医疗 AI 服务新模式
黄天荫院士：AI赋能医疗，DeepDKD系统与人工智能医院引领健康新范式
“人工智能+脑科学”再添拼图：复旦儿科启动我国首个儿童脑健康大模型应用
多领域应用助力提升临床诊断和药品研发效率人工智能为健康服务注入新动力（健康焦点）
温州市卫生健康信息中心基于数据与能力双轮驱动，构建医疗 AI 服务新模式
黄天荫院士：AI赋能医疗，DeepDKD系统与人工智能医院引领健康新范式
“人工智能+脑科学”再添拼图：复旦儿科启动我国首个儿童脑健康大模型应用
多领域应用助力提升临床诊断和药品研发效率人工智能为健康服务注入新动力（健康焦点）
