【国家健康医疗大数据东部中心】Apache_Doris在区域医疗影像平台中的应用_22页_6mb

Apache Doris 在区域医疗影像平台中的应用总结

核心内容

Apache Doris 被引入常州市健康医疗大数据平台，用于优化医疗影像数据的采集、治理与服务流程。该平台依托国家健康医疗大数据（东部）中心建设，旨在提升数据质量、增强实时监控能力、支持即席查询与分析，并实现全省范围内医疗影像数据的统一管理与应用。

主要观点

• 数据治理需求高：医疗影像数据具有结构化与非结构化数据混合、数据量大、实时性要求高等特点，需要高效的数据治理机制。
• Hadoop架构的局限性：Hadoop体系虽然功能全面，但组件多、运维复杂、部署成本高、难以支持实时场景，限制了平台的扩展性与性能。
• Apache Doris的优势：Doris 提供了轻量化、全面覆盖数据生命周期、强大的计算引擎以及稳定的运行能力，显著提升了数据处理效率与质量监控能力。

关键信息

背景介绍

• 试点项目：2016年10月获批国家健康医疗大数据中心及产业园建设国家级试点。
• 建设与运营：2019年3月常州国资与中国电子合资负责平台的规划、建设与运营。
• 发展里程碑：
  • 2019年12月江苏省卫生健康云（常州区域）试运行。
  • 2020年1月多个省级试点项目依托“云大脑”开发、服务与管理。
  • 2021年9月启动百日攻关，实现全省三级医疗机构及部分三甲医院接入。
  • 2023年实现全省100%公立医院及部分私立医院接入。
  • 2024年在常州市率先提供数据服务，实现“无胶片化”。

数据特殊性

• 及时性要求高：影像数据需在临床中及时应用，涉及多源数据关联与多质量指标稽核。
• 数据重复性高：需处理大量重传、补传操作，确保数据唯一性与可靠性。
• 数据采集点多：涉及2000余家医疗机构，需兼容不同数据情况。
• 行业特殊性：
  • 数据关联难度大，检查数据分批上云，JOIN操作复杂。
  • 指标口径多，需监控27个核心指标，共140余个质量指标。
  • 数据服务场景多，包括质量预警、看板、监控、代办、BI大屏、报表等。

架构演进

• Hadoop体系问题：
  • 组件多，导致运维成本高。
  • 部署成本高，计算节点边际成本高。
  • 难以兼容新场景，无法满足实时性需求。
  • 拓展性差，需不断引入新组件。
• Apache Doris的优势：
  • 架构轻量化，开发与维护便捷。
  • 覆盖数据全生命周期，从采集到使用。
  • 强大的计算引擎，支持快速写入与查询。
  • 稳定运行，具备高效的故障修复与资源管理能力。

应用示例

• 质量代办：支持异常类型、异常明细、跟进人、任务时间等信息展示。
• 质量监测：提供机构名称、所属市、区、更新时间、异常天数、异常明细等维度的监控。
• 质量看板：可视化展示数据质量状态，辅助决策与问题分析。
• 质量改善成效：
  • 人员效率提升3倍：优化了数据治理流程，减少人工干预。
  • 平台组件减少70%：简化了数据处理架构。
  • 计算效率提升30+倍：基于Doris的聚合模型与物化视图能力，实现快速数据处理。
  • 物理资源节省70%：优化了资源利用效率。

未来展望

• 平台级建设：以Doris为基础，构建统一的数据中台，提升平台的简单性、强大性与便捷性。
• 业务向演进：在轻量化业务场景中，以Doris为核心，独立承担数据存储、计算与服务。
• 管理向发展：在数据资产管理、血缘管理等方向，进一步探索Doris的能力，提升数据治理水平。

总结

Apache Doris 在区域医疗影像平台中发挥了重要作用，显著提升了数据处理效率与质量监控能力。通过优化架构、减少组件依赖、提升计算性能，Doris 成为了医疗影像数据治理的重要支撑。未来，平台将基于Doris构建更强大的数据中台，进一步提升数据治理水平与业务服务能力。