FAQ、集成平台、数据同步、实时CDR、多中心集成
前言
随着互联互通的改造,以及医院基于集成平台应用更为多样和广泛,越来越多的医院开始深入思考如何用好平台。 Odin在与许多医院沟通交流后,总结了一些医院平台建设中比较关心的问题和需求,将会分期发布,供各位参考,也希望大家多提建议(本文为第三篇)。
医院多数据中心集成建设: 通过一体化集群架构实现高性能的统一运维
问题: 我们医院已经建成了临床数据中心(CDR)和运营数据中心 (ODR),正在建设科研数据中心(RDR),另外还有其他各种主题库的建设,想问集成平台如何能够在多个数据中心的建设中实现统一运维,降低集成成本?
解决方案:
医院中建立了多个中心,想要实现集成平台在多个数据中心的统一运维,对集成平台的架构功能和负载能力都是极大的考验。
Odin采用先进的一体化集群架构(Controller+Worker),让运维人员能够通过一个中心化的管理界面同时监控多个服务器,管理多个数据中心的运行状态,实现运维管理一体化。 这种集中式管理不仅提高了效率,还减少了运维工作的复杂性和难度。
同时,Odin引擎的统一配置管理功能可以让运维人员在不同数据中心之间实现环境配置和逻辑的共享,减少重复工作,节省了人力和时间成本。 这种高度复用的设计使得整体集成方案更加规范和统一,有助于降低开发和维护的成本。
此外,Odin引擎集群版也具备出色的性能,根据Intel官网上发布的 《ODIN 引擎全场景一体化集群版基于第三代英特尔® 至强® HCI 平台优化方案白皮书》,集群配置在5 Worker 单台16核环境下,平均TPS(每秒事务处理量)高达3万以上。 辅以集群架构自身的按需弹性扩展能力,完全能满足大型三甲医院多中心建设时的负载需求,为医院多数据中心的集成建设提供支持。
集成+接口双驱动模式,实现医院T+0的实时CDR
问题: 我们现有系统之间已经做好了接口之间的调用对接,并且生产一直在用,现在要做CDR,采用开放数据库表视图轮询虽然可以得到CDR所需要的数据,但在做一些基于CDR进行实时分析和计算的应用时(比如决策支持,实时BI,协同业务等),这些数据就满足不了,如果用Odin引擎来解决在这方面有没有合适的解决方案?
解决方案:
如果要不改变原有业务之间的对接方式,同时又能获取到对接交互中的关键数据同步到CDR中,传统视图轮询方式,为了降低业务系统压力,时延要达到小时或者十几分钟。 此情形源于医院在建设集成平台初期难以确定哪些业务数据将纳入CDR中,导致大多数情况下CDR同步只能考虑事后的数据集成。 然而,在面对新的应用时,从这种模式下产生的CDR库中获取相应数据已无法满足需求。
Odin的集成、接口双驱动模式,兼具ESB对于高并发环境下服务请求的快速并行处理能力和集成引擎对于多种医疗标准(包括HL7 v2、HL7 CDA、HL7 FHIR等)的异步转换支持,可以在不改变原有接口交互的方式下,进行服务同步转发的同时,采用异步消息及时推送满足CDR对实时数据同步技术的需求,并且当推送或CDR系统出现异常,也不会反向影响原有业务之间的交互。
多样化数据类型支持+自动化映射功能,覆盖广泛数据应用
问题: 我院最近正在以电子病历数据规范为切入点推进数据治理,由于大量的电子病历文本数据通常以非结构化的形式存在,包括医生的手写笔记、语音记录、诊断报告文本等,集成平台在处理此类非结构化数据,统一数据规范方面能提供什么帮助?
解决方案:
根据IDC发布的白皮书《Data Age 2025》,预测到2025年,企业数据中将有80%以上是 自然语言的结构化处理,而且这一比例每年以55%的速度增长。 医院作为其中重要的应用领域,也面临着类似的挑战。 在医院环境中,非结构化数据并不仅限于电子病历系统,它们广泛分布于各个临床业务系统中。 正因如此,非结构化数据的处理能力已然成为医院数据治理的基石和关键所在。
对此,Odin提供了如下功能支持:
- 支持非结构化数据的结构化处理: Odin提供Groovy(100%兼容java)脚本化数据处理方式,能对非结构化数据进行处理,对于一些医疗中病历记录等非结构化数据灵活解析。
- 多样化数据结构支持: Odin内嵌支持XML、JSON等常见数据格式以及HL7、DICOM等医疗行业专用标准,也能采用DFDL解析在医疗行业中相对复杂或罕见的数据格式,包括二进制数据等,助力医院实现对文本、图像等多种数据类型进行处理 ,并在存储和传输过程中保持数据的完整性和一致性。 这种多样化数据结构的支持使得医院能够整合并有效地利用来自不同数据源的信息,从而更好地支持临床决策和医疗服务。
- 自动化映射功能: 在多源数据整合的过程中,不同系统和数据源往往使用不同的数据标准和格式。 Odin具备自动化映射功能将不同数据结构映射到统一的数据模型中,以便更好地进行数据处理和分析,大量减少了手动映射的工作量,提高了数据整合的效率和准确性。
Odin文章评论: