【作 者】楊興禮，付永全，胡芳俁，梁梁，雷新剛，張繼武

0 引言

隨著“以病人為中心”理念的深化和實踐發(fā)展，圍繞病人的各種臨床信息系統(tǒng)產(chǎn)生了海量的臨床數(shù)據(jù)，這些數(shù)據(jù)為醫(yī)護(hù)人員提供了豐富的診療信息。但這些信息的使用往往都是后處理方式，有一定的時滯性，不能及時反應(yīng)患者病情的變化情況。尤其對于急危重癥患者，實時、準(zhǔn)確的病情判斷，對于挽救病人生命、提高診療質(zhì)量具有非常重要的意義。大數(shù)據(jù)時代，如何對持續(xù)大流量的實時臨床數(shù)據(jù)進(jìn)行分析并快速響應(yīng)，是一項高價值和高挑戰(zhàn)性的工作[1]。

本文結(jié)合流式計算框架Storm與消息隊列系統(tǒng)MetaQ提出一種基于Storm的實時病情預(yù)警服務(wù)的設(shè)計方案，其優(yōu)勢主要體現(xiàn)在海量臨床監(jiān)測數(shù)據(jù)的存儲與處理，通過實時計算和分析早期預(yù)警評分，據(jù)此產(chǎn)生報警或預(yù)警信息，以達(dá)到監(jiān)控急危重癥患者的病情狀態(tài)的目的。

1 改良早期預(yù)警評分

改良早期預(yù)警評分(Modif i ed Early Warning Score,MEWS)是一種簡單的生理學(xué)評分，通過幾個常規(guī)的病情參數(shù)即可完成對患者的病情評價[2]。MEWS評分系統(tǒng)評估包括收縮壓、心率、呼吸、體溫和神志五項基本的生命指標(biāo)，評分在0～4分，病員病情穩(wěn)定，無潛在危重病風(fēng)險，可按照一般病員護(hù)理常規(guī)予以護(hù)理；評分在5～8分的患者，患者病情不穩(wěn)定，病情變化危險大，存在“潛在危重病”危險；≥9分的患者，病情危重，條件允許應(yīng)當(dāng)送入重癥監(jiān)護(hù)室或者?？撇》拷邮苤委焄3]。評分細(xì)則如表1所示。

表1 早期預(yù)警MEWS評分表（改良）Tab.1 MEWS scoring form

罹患嚴(yán)重疾病的患者發(fā)生急性病情變化時通常伴有上述生理指標(biāo)的改變，這些改變經(jīng)常在患者發(fā)生嚴(yán)重不良事件之前數(shù)小時到24 h內(nèi)出現(xiàn)。國外研究顯示，醫(yī)務(wù)人員能否及時識別這種突發(fā)的病情變化并給予充分的處理，與急危重癥患者的預(yù)后如死亡或呼吸、心搏驟停等密切相關(guān)[4]。通過對MEWS的實時計算和監(jiān)控，可以有效識別出危重患者潛在的病情變化，提早進(jìn)行臨床干預(yù)，避免延誤患者病情。

2 系統(tǒng)設(shè)計與實現(xiàn)

2.1 系統(tǒng)組成

實時計算系統(tǒng)的第一步是患者臨床數(shù)據(jù)的采集。以ICU重癥監(jiān)護(hù)病房為例，臨床數(shù)據(jù)流的產(chǎn)生源頭主要有床旁監(jiān)護(hù)設(shè)備和院內(nèi)臨床數(shù)據(jù)存儲。系統(tǒng)通過設(shè)備網(wǎng)關(guān)和數(shù)據(jù)網(wǎng)關(guān)來進(jìn)行數(shù)據(jù)的獲取。

圖1 ICU患者臨床數(shù)據(jù)采集Fig.1 ICU patients’ clinical data collection

由于采集數(shù)據(jù)的速度和處理數(shù)據(jù)的速度不一定匹配，需要一個消息中間件作為緩沖，本系統(tǒng)采用MetaQ消息隊列集群作為緩沖池，為數(shù)據(jù)接入提供保障。流式計算部分采用Storm集群作為計算平臺。實時計算的結(jié)果寫入MySQL云存儲服務(wù)器中，并根據(jù)需要在客戶端應(yīng)用中進(jìn)行展示。系統(tǒng)組成結(jié)構(gòu)如圖2所示。

圖2 基于Storm的急危重癥實時病情預(yù)警系統(tǒng)組成結(jié)構(gòu)Fig.2 Structure of real-time disease warning system based on Storm

其中，Storm集群通過運行在主控節(jié)點的Nimbus服務(wù)在集群內(nèi)分配任務(wù)給各工作節(jié)點，并監(jiān)控集群運行狀態(tài)。各工作節(jié)點通過Supervisor后臺程序?qū)崟r監(jiān)聽從主控節(jié)點分配給它執(zhí)行的任務(wù)，據(jù)此啟動或停止執(zhí)行任務(wù)的工作進(jìn)程。主控節(jié)點和工作節(jié)點之間通過Zookeeper集群來實現(xiàn)協(xié)調(diào)[5]。Storm集群組成結(jié)構(gòu)如圖3所示。

圖3 Storm集群組成結(jié)構(gòu)Fig.3 Storm cluster structure

2.2 體系架構(gòu)設(shè)計

根據(jù)對系統(tǒng)組成和業(yè)務(wù)功能的分析，該病情預(yù)警系統(tǒng)分為四層架構(gòu)：數(shù)據(jù)采集層、實時計算層、數(shù)據(jù)落地層和信息展現(xiàn)層[6]。同時，提供一個貫穿四層的元數(shù)據(jù)處理器，以解決在不同的臨床環(huán)境和多種數(shù)據(jù)流情況下的數(shù)據(jù)異構(gòu)問題。急危重癥實時病情預(yù)警系統(tǒng)體系架構(gòu)如圖4所示。

圖4 急危重癥實時病情預(yù)警系統(tǒng)體系架構(gòu)Fig.4 System architecture of real-time disease warning system

（1）數(shù)據(jù)采集

用于MEWS評分的數(shù)據(jù)項目主要來自于監(jiān)護(hù)設(shè)備和護(hù)理記錄。根據(jù)數(shù)據(jù)流來源的不同可分別采用設(shè)備網(wǎng)關(guān)或數(shù)據(jù)網(wǎng)關(guān)兩種技術(shù)進(jìn)行數(shù)據(jù)采集，并將獲取到的數(shù)據(jù)，同步推送到消息隊列中。

（2）實時計算

實時計算采用Storm集群技術(shù)框架，主要由一個發(fā)射器（Spout）和一系列的處理器（Bolt）組成。MEWS評分實時計算拓?fù)湓O(shè)計如圖5所示。

圖5 MEWS評分實時計算拓?fù)湓O(shè)計Fig.5 Real-time computing topology design of MEWS scoring

消息隊列發(fā)射器MetaQSpout負(fù)責(zé)讀取數(shù)據(jù)流并進(jìn)行有限的數(shù)據(jù)格式化、異常檢查后，將數(shù)據(jù)封裝發(fā)送給后續(xù)處理器。發(fā)送完畢后，發(fā)射器的任務(wù)就結(jié)束了，后臺的守護(hù)線程AckTask負(fù)責(zé)跟蹤任務(wù)到達(dá)Bolt后是否執(zhí)行成功。從Spout發(fā)送任務(wù)到Bolt中有多種分組方式，如直接分組、隨機(jī)分組、廣播分組等。本系統(tǒng)只需要把任務(wù)發(fā)散到各臺機(jī)器中執(zhí)行，所以采用比較簡單的隨機(jī)分組方式[6]。

本系統(tǒng)搭載的處理器主要有單項評分處理器MapperBolt、總分計算處理器CalcBolt、存儲處理器MySqlBolt、消息隊列處理器MetaQBolt以及打印處理器PrintBolt這幾種類型。運行過程中可根據(jù)處理任務(wù)的負(fù)載情況按需調(diào)整處理器的數(shù)量。

發(fā)射器、處理器間均使用tuple結(jié)構(gòu)傳遞數(shù)據(jù)流。一個tuple代表數(shù)據(jù)流中的一個基本的處理單元，一個沒有邊界的、源源不斷的、連續(xù)的tuple序列就組成了Stream[7]。

（3）數(shù)據(jù)落地

最終計算結(jié)果的存儲（暫存或持久化）稱為數(shù)據(jù)落地。伴隨著持續(xù)產(chǎn)生的臨床數(shù)據(jù)流，實時計算的結(jié)果數(shù)據(jù)量也將會非常龐大，考慮到大數(shù)據(jù)的存儲和使用，同時保證系統(tǒng)的高可用性，系統(tǒng)采用兩種數(shù)據(jù)落地方式：MySQL云存儲和回寫消息隊列，以支持不同的使用場景。云存儲的數(shù)據(jù)可應(yīng)用于各種臨床信息系統(tǒng)；消息隊列主要作為實時的病情預(yù)警消息源。

（4）信息展現(xiàn)

通過對落地的計算結(jié)果進(jìn)行整理和分析，可以在各種臨床信息系統(tǒng)中進(jìn)行展示。其中消息隊列中的預(yù)警信息可基于SignalR技術(shù)實時推送到預(yù)警系統(tǒng)中，以便及時提醒到醫(yī)護(hù)人員。

（5）元數(shù)據(jù)處理器

元數(shù)據(jù)是關(guān)于數(shù)據(jù)的組織、數(shù)據(jù)域以及關(guān)系的信息，也就是“關(guān)于數(shù)據(jù)的數(shù)據(jù)”。由于各家醫(yī)院、各個臨床信息系統(tǒng)的開發(fā)語言、運行平臺和通信協(xié)議的不同，對外數(shù)據(jù)交換的數(shù)據(jù)格式也存在很大的差異[8]。為了使系統(tǒng)在各種異構(gòu)環(huán)境下都可以有效運行，系統(tǒng)設(shè)計中專門定義了元數(shù)據(jù)處理器，以解決因語言差異、平臺差異、協(xié)議差異和數(shù)據(jù)差異所造成的高代價的系統(tǒng)集成和信息資源共享問題，通過配置將不同的數(shù)據(jù)格式與元數(shù)據(jù)標(biāo)準(zhǔn)進(jìn)行映射處理。

2.3 設(shè)計方案分析與評價

隨著急危重癥患者監(jiān)護(hù)技術(shù)的發(fā)展，全面的臨床數(shù)據(jù)采集與存儲為實時病情預(yù)警提供了很好的運行基礎(chǔ)。該設(shè)計方案在我們的模擬病房試運行一周時間，共計算MEWS評分40萬余次，發(fā)現(xiàn)報警患者5例次，均可在發(fā)現(xiàn)后5 s內(nèi)通知實驗人員。同時，系統(tǒng)使用人員可在后臺監(jiān)控平臺查看患者評分結(jié)果的分布情況。統(tǒng)計分析見圖6所示。

圖6 MEWS評分實時計算統(tǒng)計分析（24小時）Fig.6 MEWS calculation results stat(in 24 hours)

本文討論的設(shè)計方案有如下幾個方面的優(yōu)勢：

（1） 系統(tǒng)只依賴于臨床數(shù)據(jù)的采集與發(fā)送，對現(xiàn)有臨床業(yè)務(wù)系統(tǒng)的運行沒有任何影響；

（2） 通過集群的架構(gòu)模式，可以根據(jù)監(jiān)控的患者數(shù)量隨時擴(kuò)展系統(tǒng)的處理能力；

（3） 系統(tǒng)自動進(jìn)行評分計算，可以及時發(fā)現(xiàn)問題并通知到相關(guān)的醫(yī)護(hù)人員，減輕臨床工作量；

（4） 系統(tǒng)為使用者提供了一目了然的統(tǒng)計分析界面，可方便地進(jìn)行查閱與跟蹤。

該設(shè)計方案雖然具有許多優(yōu)點，但仍然存在一些可以改進(jìn)的地方。一方面，臨床采集的數(shù)據(jù)會因為設(shè)備或網(wǎng)絡(luò)原因產(chǎn)生一些偏差，導(dǎo)致計算結(jié)果存在誤差，可能出現(xiàn)“謊報軍情”的情況。在處理過程中，系統(tǒng)需要對輸入的原始數(shù)據(jù)進(jìn)行合理有效的去噪處理。另一方面，患者在有限時間內(nèi)的病情狀態(tài)是相對穩(wěn)定的，而報警計算是實時不間斷的，所以系統(tǒng)有可能在某一段時間內(nèi)反復(fù)產(chǎn)生相同的報警信息，這樣既浪費了系統(tǒng)運能，處理不當(dāng)還會對臨床工作造成干擾。后期需要考慮制定更加合理的報警等級及報警策略。

3 結(jié)語

本文設(shè)計并實現(xiàn)了一種基于Storm的實時病情預(yù)警系統(tǒng)，通過計算和分析臨床早期預(yù)警評分，可以實時監(jiān)測急危重癥病人的病情狀態(tài)，并根據(jù)嚴(yán)重程度為醫(yī)護(hù)人員提供及時的臨床提醒。該設(shè)計為臨床病情預(yù)警提供了新的解決方案，并且具有低成本、高效率、易于擴(kuò)展等優(yōu)點，相信可以為提升臨床質(zhì)量、提高患者安全方面提供一些新的思路和參考。

[1] 任慧朋. 醫(yī)療大數(shù)據(jù)環(huán)境下的健康信息分析方法[J]. 中國醫(yī)療設(shè)備, 2016, 31(5): 173-177.

[2] 劉海霞. ICU早期預(yù)警評分對護(hù)理工作的指導(dǎo)作用[J]. 現(xiàn)代預(yù)防醫(yī)學(xué), 2011, 38(22): 4800-4801.

[3] 張玉英, 石根萍. 改良早期預(yù)警評分早期識別急診“潛在危重患者”臨床分析[J]. 中華實用診斷與治療雜志, 2009, 23(12): 1246-1247.

[4] Saxon R. The recognition and early management of critical illness[J]. Ann R Coll Surg Engl, 2005, 87:315-322.

[5] 王明. 基于實時流技術(shù)的詐騙短信預(yù)警系統(tǒng)的設(shè)計與實現(xiàn)[J]. 軟件, 2015, 36(1): 32-37.

[6] 胡宇舟, 范濱, 顧學(xué)道, 等. 基于Storm的云計算在自動清分系統(tǒng)中的實時數(shù)據(jù)處理應(yīng)用[J]. 計算機(jī)應(yīng)用, 2014(S1): 96-99.

[7] 王銘坤, 袁少光, 朱永利, 等. 基于Storm的海量數(shù)據(jù)實時聚類[J].計算機(jī)應(yīng)用, 2014, 34(11): 3078-3081.

[8] 楊喆, 葉青, 劉丹紅, 等. 醫(yī)學(xué)觀察數(shù)據(jù)的元數(shù)據(jù)框架及標(biāo)準(zhǔn)化應(yīng)用[J]. 中國數(shù)字醫(yī)學(xué), 2012, 7(2): 37-40.