近年来，随着云计算、大数据、物联网、移动互联网、人工智能等新兴技术不断涌现和成熟，加速了传统医疗行业与这些新兴技术的融合，其中以健康医疗大数据为代表的医疗新业态，不断的激发着医疗行业的发展。医疗行业通过实施大数据项目，可提供众多人群的精准医疗数据服务，为临床决策与科研、基因测序、新药研发和健康管理等提供海量存储及大数据分析能力。大数据分析技术使临床决策支持系统更智能，通过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，提醒医生防止潜在的错误，减少和降低医疗事故率。大数据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，减少过度治疗，以及治疗不足，找到针对特定病人的最佳治疗途径。

现阶段大数据系统最基本的组件是处理框架，处理框架和处理引擎负责对数据系统中的数据进行计算，依据所要处理的数据类型和数据状态分类，一些系统可以用批处理方式处理数据，一些系统可以用流方式处理连续不断流入系统的数据，另外还有一些系统可以同时处理这两类数据。经过对几种大数据处理框架和处理引擎的比较，结合医院现有应用系统的建设情况和数据量的规模以及数据类型的复杂度（医疗数据包括结构化和非结构化还有半结构化数据，数据类型多种多样，有的数据适合批处理，而有的数据适合流处理）如何进行技术路线的选择以及项目落地后日常运维难点如何解决？都是需要经过详细的对比与实践。

twt社区特意邀请了来自某三甲医院的专家和医疗行业的专家进行线上交流分享答疑，帮助大家解决在医疗行业大数据平台建设项目的路线选择难点、日常运维难点。

答疑嘉宾：

吴庆斌  现任某三甲医院  信息科科长

从事医院信息化管理工作10余年，全程参与医院HIS、PACS、LIS、EMR、HRP等核心系统建设；参与编写国家级医院信息管理专著6部，参与省部级科技项目4项，发表论文6篇。

崔哲   长春理想科技有限公司  高级项目经理

工作至今14年，主要参与规划医疗行业与银行业等企事业单位的系统集成、机房迁移，子系统升级，统一平台搭建，大数据平台建设，容灾备份等项目。2013年存储架构师冠军，2015年闪存大赛十强。

原创分享内容：医疗行业大数据平台技术路线及日常运维难点解决方案