摘要：近年来,医疗系统信息化改革已经基本完成,医疗管理水平得到了显著提升,信息化技术的应用也大大减轻了医护人员的工作压力。本文提出了一种基于大数据技术的药品信息化管理系统设计理念,在简要论述该系统架构的基础上,阐述了其设计原则,并详细介绍了该系统在重建信息化管理流程中所使用的核心技术,以期为大数据技术在其他领域的推广应用提供参考。

　　关键词：大数据；信息化；系统；架构；设计

　　0引言

　　为全面落实国家信息化发展战略,相关行业发挥信息化驱动引领作用,并完成了数字化、网络化、智能化的跃迁,其中,医疗信息化改革具有代表性。医疗行业数据具有规模大、类型复杂的特点,这给医疗管理工作带来了巨大压力,在药品管理方面尤为突出。基于大数据技术的药品信息化管理系统实现了药品采购、使用、回收的全过程监管,并能够根据库存和实际情况进行预警,从而避免因药品管理不当导致的各种严重后果。

　　1药品信息化管理系统架构设计

　　基于药品的特殊性,以及为充分发挥大数据技术优势,该信息化管理系统采用了较为典型的面向服务的架构（Service-Oriented Architecture,SOA）。相较于其他类型的架构设计,SOA架构在功能模块定义上更加独立,且相关服务的接口调用更加灵活,能够满足复杂接口管理的需要[1]。该系统架构是以数据为核心,在系统内部设计、开发、部署和管理数据模型。基于大数据技术的药品信息化管理系统主要包括系统集成单元、I/O单元、流程管理单元、协议单元、基础数据单元、业务管理单元、统计分析单元、预警单元（如图1所示）。

　　系统集成单元主要包括各种信息化管理软件,如企业资源计划（Enterprise Resource Planning,ERP）软件、制造执行系统（manufacturing execution system,MES）等,用于处理机调度、实施进程控制等；I/O单元承担数据传输、协议转换等功能,同时能够解决CPU高速处理与其他低速设备之间的响应延迟匹配问题；流程管理单元负责对所有业务流程的合规性进行审核,并保证相关流程顺利执行；协议单元可以提供多种通信协议、数据格式协议等支持,提高系统兼容性；基础数据单元用于采集、存储各种业务数据,并对业务数据进行预处理；统计分析单元需要对基础数据进行深度挖掘,利用数据模型评估未来一段时间内的药品库存变化情况；预警单元实现流程预警和库存预警,执行依据来自统计分析单元。

　　2设计原则

　　SOA架构强调面向服务的重要性,在考虑药品信息化管理系统架构的基础上,还应提供多元化的服务策略。根据该要求,基于大数据的药品信息化管理系统设计应遵守以下三大原则。

　　第一,松耦合原则。任何类型的服务之间都具有依赖关系,为避免服务器之间的相互干扰,则需要将这种依赖关系降至最低[2]。相比于紧耦合机制,松耦合原则下的服务通讯可以满足Web服务的动态地址绑定,灵活性更高,且环境适应性更强。

　　第二,抽象原则。基于大数据的药品信息化管理系统数据来源较为复杂,且相关服务接口、流程的逻辑复杂,这对数据采集、处理效率、质量有着较高要求。抽象原则能够弱化数据结构、类型、来源差异,通过隐蔽处理避免服务审核导致系统资源开销过大等问题。

　　第三,标准化原则。为提高系统通信和数据处理效率,应统一通信协议、数据格式标准。针对SOA架构的服务机制,应采用Web服务描述语言（Web Services Description Language,WSDL）和开放应用编程接口（Open Application Programming Interface,OpenAPI）等标准化契约,使服务过程和结果更加清晰、准确。

　　3核心技术分析

　　该系统需要动态处理来自不同部门的药品需求,同时监管药品的出、入库情况,并能够区分特殊药品的溯源管理流程等。为保证药品管理效率,该系统设计中使用了数据智能分类技术、分布式数据库技术和智能决策技术。

　　3.1数据智能分类技术

　　复杂的数据类型会直接影响数据处理效率,根据一定原则、方法、标准对数据进行分类,可以更好地识别和管理数据。药品信息化管理需要区分药品属性、特征、来源、用途等数据,并要求所涉及数据应确保安全性、完整性和可用性,以便后期溯源管理,而数据智能分类技术可以满足以上要求。

　　（1）数据识别与管理。

　　数据识别的难点在于对结构化数据、非结构化数据和半结构化数据的处理,在分类机制的选择方面存在较大差异[3]。结构化数据具有明确的、预定义的数据模型,且具有一致的数据表现逻辑,并主要存储于关系型数据库之中；非结构化数据属于未预定义的数据模型,数据表现逻辑混乱,如图片、文档、视频等；半结构化数据多带有数据的描述信息,结构与数据的融合度较高,最常见的有日志文件、XML文档等。针对结构化数据,系统利用正则表达式匹配度对数据特定的字段进行读取,并识别数据类别,但该方法的准确率偏低,因此,其适用于具有固定格式的结构化数据。在数据采集过程中,包含姓名、产品名称等在内的数据类型,可通过文本分类实现较高的准确率,但系统资源开销较大。

　　在完成数据识别后,基础数据单元可以对所有元数据进行管理,记录数据的相关属性,如数据创建者、创建时间、最后修改时间、数据格式等。分析元数据,能够辅助数据统计分析单元对药品信息类别、级别等进行处理,提高管理效率。

　　（2）机器学习与人工智能。

　　除考虑以标签的方式提高数据分类效率外,系统数据智能分类技术还利用监督学习算法、无监督学习算法和深度学习算法辅助分类。首先,系统将已经标注好的数据作为训练样本,使用决策树、支持向量机等监督学习算法分析数据特征值,确定其数据类型；其次,对于未明确标注信息的非结构化数据,无监督学习通过聚类分析能够实现目标数据的归一化处理；最后,药品信息化管理中存在大量的图像、视频数据,机器学习在处理相关数据时存在局限性,通过卷积神经网络、循环神经网络等深度学习算法提取数据的深层次特征,可以实现目标数据的二次分类,提高数据分类的精准度。

　　3.2分布式数据库技术

　　为满足药品信息化管理系统的大规模数据存储要求,提高数据存储效率,以及避免系统故障导致数据丢失、损坏等,该设计方案摒弃了传统的集中式数据库架构,选择了较为安全、高效的分布式数据库架构。分布式数据库充分利用网络节点单元的存储资源,通过构建多个存储节点,可实现数据的高效分发,并强化了系统的数据冗余性。根据SOA架构的服务机制,分布式数据库功能由各网络节点共同完成,通过客户端下发结构化查询语言（Structured Query Language,SQL）,经过调度器模组对各节点执行单元进行控制。在此过程中,客户端需要动态遍历节点状态,使节点管理模组能够正常工作（如图2所示）。

　　药品信息化管理需要动态链接多个部门,因此,基于相关业务流程的分布式事务作为分布式数据库实现可通过读写分离机制发挥节点优势。当药品信息需要在多个部门进行备份时,分布式数据库将选中某一节点为主节点,如此,则可以显著优化访问路径,其他节点则作为从节点,并与主节点保持同步。分布式数据库的执行过程需要采取科学的逻辑计划,以最大限度避免消耗网络资源。由于主节点承担动态数据读写功能,在访问请求大规模并发的情况下,分布式数据库将增加主节点数量,这体现了分布式数据库技术的灵活性、可靠性。

　　3.3智能决策技术

　　药品信息化管理系统不仅能够提供动态库存信息,还能够根据药品的实际消耗情况进行智能分析,从而对药品采购、使用等进行智能决策。该系统融合大量病例,可以根据诊断情况确定处方中相关药品的科学性、合理性,在发现处方与药品之间无法匹配时,系统将禁止药品出库,并将处方发送给相关人员进行核实,这在加强药品管理的同时,也降低了人为因素导致的各种失误。

　　除此之外,该系统预警单元还能够对既往数据进行分析,并结合当前不同药品的实际使用情况对库存进行统计,通过大数据模型分析未来一段时间内某一药品的库存风险,并进行预警。在考虑成本的情况下,系统会给出相对合理的药品采购清单与数量,并根据实际入库情况动态更新该预警信息。

　　4结语

　　基于大数据技术的药品信息化管理系统解决了传统信息管理低效、滞后的问题,且稳定性显著提升。随着医疗信息化改革的持续深入开展以及相关数据规模的不断扩大,药品信息化管理系统的优势将得到充分发挥。

　参考文献

　　[1]赵艳,宋平,朱立峰.基于物联网的医疗设备信息化平台建设实践[J].中国数字医学,2024,19(3):68-73.

　　[2]刘京.基于大数据分析的医院信息化管理系统建设分析[J].中国信息界,2024(5):167-169.

　　[3]周红涛,刘小宇,闫翔.RFID技术在医疗设备信息化管理中的应用研究[J].电子元器件与信息技术,2024,8(1):209-212.