医疗数据中台能够支持哪些医疗数据业务?
医疗数据中台基于自身行业经验积累与医疗资源沉淀,以客户需求为导向,拥有包括医院、医疗集团、区域卫健、医保、疾控等相关方面的成熟解决方案。
医疗数据中台的产品功能有哪些?
功能列表 | 说明 |
数据治理 | 数据采集、数据标准管理、数据模型管理、数据质量管理、医学术语算法、医疗数据标准化、主索引、主数据、数据指标。 |
数据资产 | 数据地图、数据资产目录、数据工作流目录、数据服务目录、数据血缘分析、元数据管理。 |
数据应用 | 居民健康档案、智能医患标签、卫健综合监管、医院决策分析、疾病预测模型、临床预警引擎、症候群预警监测、基金收支洞察、数据分析 BI 报表、数字孪生 BI 展示、智能数据检索。 |
医疗数据中台有什么优势?
![](https://qcloudimg.tencent-cloud.cn/image/document/c7deb63bf522312629a13678ccf2bd83.png)
![](https://qcloudimg.tencent-cloud.cn/image/document/c7deb63bf522312629a13678ccf2bd83.png)
医疗数据中台有哪些产品价值?
在医保场景下
结合 TBDS 提供了大规模离线和实时数据处理的能力,产品针对医保行业数据交换的复杂性,适配了多元异构数据源,针对国家对医保数据上报的不同需求,落地了离线+实时的数据上报模式,保证了数据上报的及时性。
针对医保行业大量数据质控规则在大数据量的运行做了针对性的性能优化,完成了广东省医保数据的归集和治理,保证了数据上报的准确性。
获得多家医保经办厂商的产品兼容性互认证明:经过与多家公司产品的联合严格测试,医保数据中台展现出了优异的兼容能力在测试期间运行稳定、性能卓越,安全可靠。
每天约2亿+的数据传输和共享,通过医保数据中台的数据高效流转,能够将时间控制在1小时以内,极大的提升了客户的用数体验。
凭借平台高性能,提升数据及时性,实现每天与国家局的数据交换,支撑了全部医保应用系统的数据使用,期间保障了业务平稳运行,实现“0”事故。
在疾控场景下
汇聚接入医院、社康、药店、哨点、学校,多源数据实时合并,亿级数据可达分钟级计算,支撑流调系统、新冠监测预警系统、重点人群业务、新冠患者全景系统等业务系统。
沉淀腾讯医疗_疾控机构数据采集目录标准集。
提供数据同步、质控、EMPI、API 调用、转码等符合医疗数据处理的可视化算子。
沉淀有不同维度的多种质控模板、质控规则3000+条,积累不同场景用户监控 Dashboard 需求。
在医院及医疗集团场景下
高效的数据和应用集成:通过多源同步工具、分布式消息总线、数据服务平台三大平台组件,支撑多源异构批量采集、异步订阅发布、同步请求响应等复杂数据交换、服务场景的可视化配置,支撑了项目的快速实施和稳定运行。
即时的数据计算和查询:基于腾讯技术积累的分布式 ETL 架构,其内核采用全内存链式计算,具有高效能、高容错和低延迟特性,同时内置了医疗质控、术语标准化等行业处理规则和模型,实现了一套可视化配置的流批统一框架。
一站式 DevOps 的数据治理:可根据数据标准进行多层级数据模型、质控规则、数据治理流程的自动化创建,且数据开发运维流程具有可视化、沉浸式、一站式、易溯源等特点,大幅降项目二次开发、数据治理、实施运维的成本。
全链路的医疗数据隐私管控:通过数据资产地图、血缘分析和隐私计算技术,将数据安全策略与医疗行业数据风险场景结合,实现从数据采集、治理、分析到共享的全流程、多节点、不同角色、不同应用场景的数据可用和可运营。
技术开放平台的生态建设模式:
在数据标准层,提供基于 HL7 FHIR 标准的调试平台。
在 AI 模型层,在提供并集成了通用机器学习框架、自动化机器学习 pipeline、增强分析特征工程、以及医疗预训练模型仓库的基础上,积累了大量单病种(肺结节、肾损伤、新观症候群)分析挖掘的训练模板。
在应用展示层,提供支持医疗组件的低代码 CareDesgin 开发平台;在逻辑处理层,提供可插拔规则和服务的 datapipeline 引擎。
在区域卫健场景下
实现共性数据和服务的封装和利用,将业务数据化,数据资产化。搭建数据获取快速通道,实现数据需求的及时应答,并将产生的新数据进行沉淀。在这个过程中,完成中台数据流的闭环,随着业务的发展,中台资产越来越丰富。
通过业务指标对底层数据的质控要求及使用需求,建立数据流动治理加工的过程,流动在这个系统的数据才是最终价值的体现,要保障这些流动就需要一个可视化一站式的数据工作站,将整个治理过程工程化,将治理结果透明化。
将数据采集标准,业务主题标准以及依仗的元数据建立起来,并在此标准之上建设 ODS 与 CMD 的数仓,配置上所需的质控规则,以及最终质控结果的评价指标;搭载数据治理算法,医疗数据的治理需要经过结构映射,术语标准化,病历结构化,EMPI 等等这些算法或是 SQL 可以灵活的在可视工作流上进行配置加载,减轻数据治理工作;运行质控规则,计算质控结果,对比评价指标,展示监控信息,面向不同场景的质控 Dashboard,针对数据工作流提供了更加全面和细致的监控功能,没有达到评价指标的质控数据支持进行下钻进行问题定位;数据加工挖掘,包含运营指标生产,临床专病变量,人群标签挖掘等。
医疗数据中台需要什么软硬件配置?
模块 | 模块 | CPU(核) | CPU(核) | 存储(sata/G) | 数量 | 系统类型 |
中台所需硬件 | 业务查询场景 | 64 | 128 | 5000 | 2 | CentOS7.7 |
| 数据运算存储场景 | 24 | 128 | 1600 | 5 | CentOS7.7 |
| | 16 | 64 | 1600 | 2 | CentOS7.7 |
| | 24 | 128 | 6000 | 6+ | CentOS7.7 |
| 数据中台管理工具 | 8 | 32 | 500 | 2 | CentOS7.7 |
| 数据中台-测试 | 8 | 32 | 500 | 1 | CentOS7.7 |
| 数据中台-测试 | 64 | 128 | 1000 | 1 | CentOS7.7 |
TDSQL-硬件 | 业务增删改场景 | 16 | 32 | 500 | 5 | CentOS7.7 |
| | 16 | 64 | 6000 | 3 | CentOS7.7 |
add-on | 消息总线 | 8 | 32 | 500 | 4 | CentOS7.7 |