医疗数据跑起来，存储能不“颤抖”吗？

　　今年是新医改启动十周年。回首过去十年，信息化作为新医改四梁八柱中的一柱，稳稳地支撑起医院的发展，使中国医疗机构可以最大程度去满足人民群众迅速增长的健康服务需求。

 

　　作为医院运转的重要组成部分，信息一刻不停的流淌着。数据金沙在信息河流中快速涌出，带了机遇，也带来了挑战。近日，HC3i中国数字医疗网邀请北京大学肿瘤医院信息中心主任衡反修、IBM存储架构师李建华，共同探讨医疗数据开放趋势下的机遇和挑战。以下是采访内容摘要。

 

　　历史回顾：医疗数据跑起来，存储在“颤抖”

 

　　自1998年6月1日参加医疗信息化工作以来，衡反修在医疗信息化领域钻研了21年，对于这段历史熟稔于心。

 

　　中国医疗信息化大致经历了4个阶段：从最初零的突破到临床应用系统的建设，从系统整合到数据整合与深度应用，每个阶段都是医院信息体系的一次跃迁。

 

　　“医院信息化建设过程同样是医疗数据发生发展的过程。”衡反修介绍说，北大肿瘤医院从2004年开始从事数据仓库的数据分析，到2008年进行BI分析，2014年逐步建立临床数据中心，2018年全面开展大数据平台的建设和应用。目前我院已经积累了大量的数据，比如HIS数据500G，电子病历数据600G，影像数据300T。

 

　　“我院于2018年上线北肿云病历，推动信息惠民。”衡反修介绍说，云病历APP可以提供患者就医的数据共享，包括门诊、住院所有的检验检查报告、费用信息记录，诊断信息、就诊记录等，包括其当前的和数年前的历史数据都可以提供给患者，避免了患者周舟车劳顿。“有句话说的好--让数据多跑路，患者少跑路。”

 

　　为了支撑更加丰富的“数据多跑路”需求，医疗机构需要优化基础架构。李建华认为，基础架构的扩展能力、冗余设计和多源数据的物理架构的打通都将是接下来医院CIO选择基础架构的重要参考因素。

 

　　聚焦当下：“医疗大数据对患者开放成为趋势”

 

　　“医疗大数据对患者开放成为趋势。”衡反修提到，北京市卫计委推行的30家电子病历共享工程就是政策缩影，尽管目前数据只是对医疗结构公开（患者就诊时授权）。但相信新的一年将有更多医疗结构加入共享平台，也相信不久，数据平台也会给患者个体开放。当然数据的开放共享对服务器、存储的性能和IO操作肯定也会有更高的要求。

 

　　基于NVMe协议的全闪存储的出现，可以很好的解决医院HIS 、电子病历等传统OLTP或OLAP类系统的响应时间、数据吞吐的压力。“我们IBM的FS9100系列NVMe存储，实测的响应时间都可以达到微妙基本。一台2U的FS９100可以最高存储2P的数据，同时达到200多万的IOPS。”李建华说。

 

　　· 医学科研：非结构化数据带来新困扰--数光盘

 

　　随着精准医学的兴起，研究型医院对于影像数据、基因数据、分子病理数据的需求开始萌芽。“我院有分子诊断中心、肿瘤生物医学中心等，通过对基因数据分析，实现个性化诊疗和患病机理挖掘。我们信息中心机房建设有1.5PB基因数据存储设备。”衡反修说，当然还有很多手术示教等视频资料，这些资料目前很多都由相关科室刻制光盘进行手工管理。

 

　　要建设一个基因数据平台，数据量是非常可观的。李建华介绍说，我们有一个南京的客户2018年建立了一个健康医疗大数据平台，该包括3亿人口的基因数据。该平台实现了超大容量数据分层存储：最底层采用IBM对象存储容量达到15PB，应用IBM ESS高性能存储解决了很多用户负载均衡的问题，并在应用层采用 IBM spectrum lsf统一调度，性能可达到30GB/秒。李建华认为，对于受到海量非结构化数据困扰的医院来说，这类模式同样适用。

 

　　· 医生转变：假如医生欢迎AI，信息科要做好哪些准备？

 

　　大夫正在主动迎接AI挑战。有人工才能智能，目前很多大型研究型医院都在积极开展AI在科研领域的探索。医生并不排斥AI，因为AI能够帮助医生提高诊断的准确率。

 

　　当然，医生的工作节奏非常紧张，所有AI计算都希望都是在秒级响应。无论患者还是大夫，都没工夫等着AI在后台慢慢动脑子。衡反修说，“我代表医院希望像IBM这样的深蓝、沃森缔造者能提供更快更强的超能力计算机芯片。”

 

　　“IBM也在多方努力去实现。”李建华表示。

 

　　首先，随着Watson人工智能平台在医疗行业的应用越来越广，Watson正全面拥抱公有云，未来在IBM、亚马逊、微软的公有云都可以提供watson的服务。

 

　　其次，2018年12月IBM推出基于英伟达的DGX系统和IBM的spectrum scale的Spectrum AI 解决方案，可以为人工智能应用提供超级强大的处理性能和可扩展、云集成、多协议的高性能、高扩展的AI解决方案。

 

　　最后，存储架构对于AI来说也很重要，在数据的分析和机器学习阶段都需要存储的高I/O性能。

 

　　· 平台困扰：多应用有多中心，如何一把抓？

 

　　上百个应用，数据多源异构又缺少标准，还要保障数据的一致性和准确性，数据中心数据接入的挑战是最大的。“我们CDR接入了近一年的时间，”衡反修说，大数据平台1个多月就接入了，但数据的核对进行了2个月。此后数据从T+30过渡到T_0的实时数据，也用了1年有余，可见数据层面的复杂性。

 

　　这类问题在医院中比较普遍，李建华说，医院需要一个统一管理数据和存储的解决方案：打通多个数据库、数据中心，进行统一管理。IBM软件定义光谱存储系列可以很好的满足医院的需求。比如：Spectrum virtualize可以整合底层架构，简化管理。该产品可以整合400多种不同品牌的存储系统，高IO性能还可以满足医疗数据实时分析检索的需求。

 

　　放眼未来：科技兴医如何实现可持续发展

 

　　面对一个机遇迸发的科技兴医新时代，更加开放的医疗数据应用环境让医院、企业、研究机构有机会携手探索中国医疗发展的新模式，而要实现科技兴医的可持续发展还好做好充分的准备。

 

　　“科技兴医要做好顶层设计和底层建设。”衡反修认为，做好更加长远的规划方可实现科技兴医的可持续发展。面对飞速发展的大数据、AI，能不能让医疗数据资源创造更多的价值？李建华表示，“无论是Watson还是底层架构，对于医疗数据的应用IBM已经做好了准备。”