Q1：医疗行业建设大数据项目，可以取得哪些业务价值和其它价值？
A1：医疗行业建设大数据项目业务价值体现在以下四点：
1)大数据分析获取最佳性价比治疗方案：通过全面分析病人特征数据和疗效数据，然后比较多种干预措施的有效性，可以找到针对特定病人的最佳治疗途径。研究表明，对同一病人来说，医疗服务提供方不同，医疗护理方法和效果不同，成本上也存在很大差异。将有可能减少过度治疗(比如避免那些副作用比疗效明显的治疗方式)，以及治疗不足。
2)临床决策支持系统，提高准确性，减少医疗事故率：临床决策支持系统可提高工作效率和诊疗质量。临床决策支持系统分析医生输入条目，比较其与医学指引不同地方，提醒医生防止潜在的错误，如药物不良反应。医疗服务提供方可以降低医疗事故率和索赔数，尤其是那些临床错误引起的医疗事故。大数据分析技术将使临床决策支持系统更智能，如可以使用图像分析和识别技术，识别医疗影像(X光、CT、MRI)数据，或者挖掘医疗文献数据建立医疗专家数据库，从而给医生提出诊疗建议。
3)医疗数据透明度，实现高效管理，降低成本：提高医疗过程数据的透明度，可以使医疗从业者、医疗机构绩效更透明，间接促进医疗服务质量提高。数据分析可以带来业务流程的精简，通过精益生产降低成本，找到符合需求的工作更高效的员工，从而提高护理质量并给病人带来更好的体验，也给医疗服务机构带来额外的业绩增长潜力。公开发布医疗质量和绩效数据还可以帮助病人做出更明智的健康护理决定，这也将帮助医疗服务提供方提高总体绩效，从而更具竞争力
4)公众健康：大数据使用可改善公众健康监控。公共卫生部门可以通过覆盖全国的患者电子病历数据库，快速检测传染病，进行全面的疫情监测，并通过集成疾病监测和响应程序，快速进行响应。卫生部门可以更快地检测出新的传染病和疫情。通过提供准确和及时的公众健康咨询，将会大幅提高公众健康风险意识，同时也将降低传染病感染风险。所有的这些都将帮助人们创造更好生活。
Q2：医疗行业大数据项目整体架构上如何设计？
A2：医疗行业大数据项目整体架构包括逻辑架构和物理架构的设计
逻辑架构从功能上划分包括三个方面：
一是资源层，资源层又包括云基础设施(涉及隐私的数据放在私有云、可以对外公开的数据放在公有云上可以节约私有云的建设投入)、服务器、存储、网络安全等基础设施以及对这些设施的监管和运维；物理资源层（包括各种数据库和数据仓库等）、虚拟资源池（包括健康档案、电子病历和公共卫生、临床诊断等）和应用资源中心；
二是服务层包括医院的各个业务系统，决策支持与管理系统以及基于这些系统建设的大数据分析平台；
三是展现层主要是各服务对像的接入，在这三个层面中低层为高层提供服务。
物理架构分为内网和外网两个部分：
内外网核以层和汇聚层都是双冗余架构的（一台交换机或线路故障不影响业务的正常运行），内外网有数据的交互，为了保障内网的数据安全和网络安全，外网用户需要通过授权的ssl vpn帐号才可以访问内网的数据。所有的业务系统和数据库均采用集群架构，从而实现业务系统的高可靠性和高可用性。
Q3：医疗行业大数据项目需求模型如何确定？有哪些关键业务参数要考虑？
A3：基于患者就诊过程的医疗大数据分析与应用模型。
该模型展现了从患者入院到出院过程中产生的相关数据，主要包括患者特征数据、病种数据、治疗方案与费用数据、治疗状态数据及在该过程中产生的管理类数据。
1)患者特征数据：患者特征数据主要有主诉、现病史、检查检验类数据。涵盖了疾病的主要症状、体征、发病过程、检查、诊断、治疗及既往疾病信息、不良嗜好甚至职业、居住地等全部信息（例如：患者信息中的国籍、性别、民族、婚姻、职业、地址、电话等等。）
2)病种数据：即患者疾病的诊断结果，一般有第一诊断、第二诊断、第三诊断等。目前使用ICD-10进行疾病的分类与编码(国际疾病分类（international Classification of diseases ,ICD），是依据疾病的病因、部位、病理及临床表现的特征，按照规则将疾病分门别类，并用编码的方法来表示的系统。)。
3)治疗方案与费用数据:根据诊断结果为患者提供的治疗方案与费用数据主要包括药品、检查、检验、手术、护理、治疗6大类，此外费用数据还有材料费、床位费、护理费、换药费用等。
4)治疗状态数据:治疗状态数据即患者出院时的治疗结论，一般分为治愈、好转、未愈、死亡4类。
5)管理类数据:除患者就医过程产生的服务于医院管理的数据外，还包括医院运营和管理系统中的数据，如物资系统、HRP、财务系统、绩效考核系统等产生的数据。
Q4：医疗行业大数据项目技术难点有哪些？如何解决？
A4：医疗行业大数据项目技术难点包括以下几个方面：
一是非结构化文档及自然语言的结构化处理。包括中文分词、标准化、XML解析、本体构建、语义标注等。例如，电子病历的“结构化”是从医学信息学的角度将以自然语言方式录入的医疗文书按照医学术语的要求进行结构化分析，并将这些语义结构最终以关系型结构的方式保存到数据库中。
二是医疗大数据标准化与整合。将不同科室，不同业务系统的非结构化、零乱的数据整合成有利用价值的数据；对大数据进行过滤，设计脏数据过滤规则；数据一致性检查，无效值和缺失值处理。
三是数据聚类分析、算法与建模。包括贝叶斯模型、人工神经网络、随机森林算法、决策树理论、d-s证据理论、临床决策指标矩阵理论等，有可能在一类应用中要涉及多个模型与算法。
四是大数据快速检索与处理。包括基础设施建设；大容量医疗数据的组织、存储与索引技术，实现数据的高并发访问与快速提取等。采用全闪存阵列实现对原有存储系统加速的方式，为大数据分析平台的搭建提供存储架构的支持。
五是数据安全。要确保医疗大数据利用过程中，不被外界窃取和修改，要建立相应的数据加密技术和数据访问授权机制等。数据加密采用ssl vpn技术加密，保障数据的传输安全和内容安全，数据的访问要实现双因子认证，帐号密码加专用密钥的方式。
Q5：医疗行业大数据项目主机、存储、数据库如何选型？
A5：设备选型要注意三个方面：价格与成本、产品扩展能力与业务扩展能力、售后服务。
首先，由于医院对信息化的投入都是有预算的，因此需要注意的是产品价格低并不代表总拥有成本低，总拥有成本还包括后续的维护成本、升级成本等。
其次，医院信息化最大的特点就是业务增长迅速，他们需要产品能随着业务的发展而升级，一方面满足业务的需要，另一方面也保护原有的投资。
最后，服务是购买任何产品都要考虑的，但医院尤其看重售后服务，因为由于自身技术水平和人力所限，当产品出现故障后，他们更加依赖厂商的售后服务。
