数据集中平台数据量大且繁杂,其中信息价值也比较高,如果能够对其进行有效的存储、处理、查询和分析,那么就可为医生做出更为科学和准确的诊断,或者帮助研究新的医疗方法。然而,如何将海量、复杂的数据的存储、处理和保护成本降至最低,同时还能对此进行实时或准实时的处理、查询和响应?
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。
收起