数据集中平台建设的基础架构是什么样的？

结构化数据，可以考虑ibm svc+flashsystem的方式，热点数据自动easy tier至闪存上，非热点数据放在普通盘上，既保证性能又保证资产价值。

非结构化数据，可以考虑IBM 的 gpfs，属于海量数据存储方案，如影像数据，可在线不断增加空间，属于PB级方案。

分级存储只能解决访问效率和数据存储成本问题，并不能解决用户数据整合需求。医疗行业用户数据孤岛比较多，单一的存储虚拟化整合和分层存储并不能很好的解决，还得从用户业务分析上入手，改变用户数据交换和存储数据结构，然后再进行数据整合。

目前很多医院的IT兄还挺溜在按不同业务分别部署的分散式方式，这是由于组织管理等条件逐步形成的延续方案。 但这种方式对IT系统的成长、管理的弊端是显而易见的。因此也有很多思想成熟的医院开始进行数据集中的工作。

需要注意的是，数据（IT）系统是否能够集中，是和医院的组织、管理架构息息相关的。 如果不能打破医院科室、业务的藩篱，紧靠IT部门

是做不到数据集中的。

对于数据集中的实现方式，IBM和合作伙伴已经有了一些大型医院的经验。 这首先要从系统的调研、规划、设计开始。对于各科室、专业的

业务系统特点进行分类，再进行统一的规划。比如计算密集型、I/O密集型、数据密集型的不同业务应用，如何削峰填谷充分利用资源，又能

充分保证系统的稳定性、灵活性、可维护性。这些是要在做具体项目的时候要首先考虑的。 至于具体的技术实现，IBM有很多成型方案可以

帮助合作伙伴和客户。

医疗数据类型较多，有结构化数据也有非机构化数据（其中也包括大量的影像数据）。 对于这些数据，我们既应该考虑到业

务系统对于高可靠、高性能的要求，也要同时兼顾成本要求。 因此采用不同的数据存储资源池、存储分层和数据生命周期管理的整体思路解

决这类问题是比较合适的。 比如用Spectrum storage的系列软件实现存储生命周期管理和统一监控。同事对于图片、影响等数据，可以使用

Spectrum scale的方案构建低成本、高可用的、高灵活性的存储资源。

个人理解，这个问题主要涉及的并不单纯在存储，而主要关注数据获取与使用的两端。针对医疗IT领域的技术实现及医疗海量数据本身的价值，在业内都还存在分歧，不过已经有些许尝试摸索，可供各位同仁借鉴：

1、集成平台的建设

2、BI数据挖掘分析

集成平台的建设，是BI得以开展的基础，实现数据的清洗、上传、存储、流转。国内医疗IT领域对集成平台的认知，大约始于2011年前后的区卫信息化建设，之后又有所发展，到如今一个主要的认知共识为：以EMR为中心，通过集成平台建设实现院内各医疗信息化系统的数据层面交互，为此制定了相应的数据集等标准。在技术实践中，特别是中间件技术中，orion渐脱颖而出。在案例中，以我个人了解，北方何雨生老师就任期间的中日友好医院，以及南方深圳的港大医院，集成平台建设与应用较具代表性。以承建方来看，昙花一现的凯歌（后解体，目前凯华有继承），以及北大医信值得推荐。从咨询机构方面看，埃森哲是首选。

BI数据挖掘分析，则目前的市场割据态势不明，专业面向医疗行业分析应用的案例还较少，目前的建设中着重突出的还是面向管理层的决策分析。而针对医疗病种分析、疾病统计等，还比较的少。如果硬要从BI承建方考虑，我个人投永洪1票。

此外，对亚健康、慢病监管所产生的生理体征数据，是否有价值，如何存储、使用，还是一个争议话题。

采用分级存储的方式，热数据存在闪存上，不经常访问的数据存在传统阵列上，归档的数据存在带库上，这样即保证的业务的高速运行，同时也节约了成本