文档介绍：2017年智慧医疗大数据解决方案
目录
第1章概要 4
第2章医疗大数据面临的挑战 7
医疗大数据与医院信息系统之间的具有本质的差异 7
小问题放大万倍就会大的吓人 9
医疗大数据面临八大难题 10
国家大数据标准工程堪比“两弹一星” 14
医疗行业的信息系统顶层设计为何难产 15
大数据挖掘中的问题:大数据的关键不在于大而在于如何挖掘 16
我国医疗行业每年产生多少数据 16
挖掘关系数据库系统所产生的医疗数据非常困难 17
仅患者与数据的对应关系就是一个大问题 18
关系数据库理论的致命伤 19
关系数据库中的数据在大数据环境中为何变成无意义的数据 19
关系数据库系统是一种完全封闭的系统:外来数据无法入住 22
关系数据库中的数据与数据系统密不可分 22
关系数据库中的数据与数据结构密不可分 23
关系数据库中的数据与应用程序密不可分 23
关系数据库中的数据一旦脱离相应的系统就成了无意义的数据 24
关系数据库无法实现病历信息的结构化存贮 24
关系数据库中的数据都是“方言”,大数据需要的是“普通话” 24
关系数据库如何处理国家医疗大数据中数万个数据库、数千万张表 25
大数据之梦十年后成真 26
信息化社会由概念到比较成熟用了30多年时间 27
千年虫问题的启示 27
大数据工程远比千年虫问题复杂 28
五年之内(2020年前)医疗大数据只是纸上谈兵 29
必须开发新型的软件工具才能对医疗大数据进行高效挖掘 29
第3章发明专利:医学信息的结构化存贮方法 30
在了解医学信息的结构化存贮方法时的注意事项 31
医学信息的结构化存贮方法 32
数据的完整性是大数据的根本 38
大数据的策略:以适当的数据冗余而使数据易识别 38
一个事物的数据 40
事物分类 40
关系数据库的缺陷:关系 42
数据的可识别性 46
数据的多样性 48
元数据及国际元数据标准非常重要 48
大数据的关键:让数据自己说话 49
大数据的策略:用数据代替程序 51
与信息系统的耦合度为零的数据才是合格的大数据 52
医学信息的结构化存贮方法与关系数据库的对比 55
应用医学信息的结构化存贮方法的注意事项 55
超大表化问题:分为多张表 56
关系数据库中的二维表是数据不具独立性的一个根本原因 56
“万能数据结构表”存放病历信息的例子 56
医学信息的结构化存贮方法实现互联互通非常简单 58
结构化录入病历信息的例子:症状的结构化 58
第4章独立数据库在医疗大数据方面的优势 61
大数据中最重要的就是查询 61
超大表问题 61
自动调整表的长度 62
自动查询多张表 62
用独立数据库实现国家医疗大数据的存贮处理 63
独立数据库如何处理国家医疗大数据中数十万个数据库、数千万张表 63
疾病、症状的相关数据 65
第一章、概要
关系数据库理论存在很多很严重的问题,例如,用关系数据库系统所设计出的信息系统都是孤岛型系统,难以实现系统之间的互联互通;在大数据时代,人们发现,,当前的大多数医疗信息系统都是用关系数据库系统而设计的。
用关系数据库系统所设计出的信息系统之所以难以互联互通,孤岛问题严重,根本原因在于“异构数据”。《医学信息的结构化存贮方法》中的“万能数据结构表”可以存贮各种各样的数据,也可说用《医学信息的结构化存贮方法》所设计出的信息系统所产生的数据都是“同构”的,不存在“异构数据”的问题。关系数据库理论先天不足,不可能解决“异构数据”问题。
医院信息系统所处理的数据只是某家医院所产生的某些特定的数据(可称作小数据)。,这些数据存贮在数千万张表中,这些系统由不同的开发商所开发,各系统的数据结构各不相同。每家医院的信息化工作都涉及几十个厂家,每个厂家的数据、标准、采集、存储都不一样。因此,即便是在一家医院,都会出现很多孤岛,整个医疗行业的信