医疗大数据解决方案.docx

医疗大数据解决方案
与信息系统的耦合度为零的数据才是合格的大数据
，然而要对关系数据库中的数据进行挖掘非常困难。大数据并不是小数据之和，关系数据库系统不适合处理大数据。发明专利技术（）《医学信息的结构化存贮方法》非常适合处理医疗大数据。
目 录
医疗大数据解决方案 1
第1章 概要 4
名词定义 5
第2章 医疗大数据面临的挑战 7
医疗大数据与医院信息系统之间的具有本质的差异 7
小问题放大万倍就会大的吓人 9
医疗大数据面临八大难题 10
国家大数据标准工程堪比“两弹一星” 14
医疗行业的信息系统顶层设计为何难产 15
大数据挖掘中的问题：大数据的关键不在于大而在于如何挖掘 16
我国医疗行业每年产生多少数据 16
挖掘关系数据库系统所产生的医疗数据非常困难 17
仅患者与数据的对应关系就是一个大问题 18
关系数据库理论的致命伤 19
关系数据库中的数据在大数据环境中为何变成无意义的数据 19
关系数据库系统是一种完全封闭的系统：外来数据无法入住 22
关系数据库中的数据与数据系统密不可分 22
关系数据库中的数据与数据结构密不可分 23
关系数据库中的数据与应用程序密不可分 23
关系数据库中的数据一旦脱离相应的系统就成了无意义的数据 24
关系数据库无法实现病历信息的结构化存贮 24
关系数据库中的数据都是“方言”，大数据需要的是“普通话” 24
关系数据库如何处理国家医疗大数据中数万个数据库、数千万张表 25
大数据之梦十年后成真 26
信息化社会由概念到比较成熟用了30多年时间 27
千年虫问题的启示 27
大数据工程远比千年虫问题复杂 28
五年之内（2020年前）医疗大数据只是纸上谈兵 29
必须开发新型的软件工具才能对医疗大数据进行高效挖掘 29
第3章 发明专利：医学信息的结构化存贮方法 30
在了解医学信息的结构化存贮方法时的注意事项 31
医学信息的结构化存贮方法 32
数据的完整性是大数据的根本 38
大数据的策略：以适当的数据冗余而使数据易识别 38
一个事物的数据 40
事物分类 40
关系数据库的缺陷：关系 42
数据的可识别性 46
数据的多样性 48
元数据及国际元数据标准非常重要 48
大数据的关键：让数据自己说话 49
大数据的策略：用数据代替程序 51
与信息系统的耦合度为零的数据才是合格的大数据 52
医学信息的结构化存贮方法与关系数据库的对比 55
应用医学信息的结构化存贮方法的注意事项 55
超大表化问题：分为多张表 56
关系数据库中的二维表是数据不具独立性的一个根本原因 56
“万能数据结构表”存放病历信息的例子 56
医学信息的结构化存贮方法实现互联互通非常简单 58
结构化录入病历信息的例子：症状的结构化 58
第4章 独立数据库在医疗大数据方面的优势 61
大数据中最重要的就是查询 61
超大表问题 61
自动调整表的长度 62
自动查询多张表 62
用独立数据库实现国家医疗大数据的存贮处理 63
独立数据库如何处理国家医疗大数据中数十万个数据库、数千万张表 63
疾病、症状的相关数据 65
概要
关系数据库理论存在很多很严重的问题，例如，用关系数据库系统所设计出的信息系统都是孤岛型系统，难以实现系统之间的互联互通；在大数据时代，人们发现，，当前的大多数医疗信息系统都是用关系数据库系统而设计的。
用关系数据库系统所设计出的信息系统之所以难以互联互通，孤岛问题严重，根本原因在于“异构数据”。《医学信息的结构化存贮方法》中的“万能数据结构表”可以存贮各种各样的数据，也可说用《医学信息的结构化存贮方法》所设计出的信息系统所产生的数据都是“同构”的，不存在“异构数据”的问题。关系数据库理论先天不足，不可能解决“异构