《醫療大數據智能采集及管理技術規范》編制說明

一、標準制定的必要性

醫療大數據是指醫療領域中產生并囊括的各類數據和信息，如病歷、影像、檢驗等大

數據集合。醫療大數據具有規模大、類型多、價值高、安全性強等特點，它可以為醫療服

務、科學研究、公共衛生、健康管理等提供有力的支撐和決策依據。醫療大數據智能采集

及管理技術是指利用人工智能、云計算、物聯網等技術，實現對醫療大數據的高效獲取、

標準化處理、安全存儲、合理共享和深度分析的技術。它可以提高醫療大數據的收集效率

和質量，保證數據的真實、準確和完整，促進數據的交流和利用，增強數據的價值和意義。

在過去的十幾年里，國內大力投資醫療系統信息化建設，產生并積累了大量醫療數據，

迫切需要通過人工智能及大數據等技術來挖掘和實現數據價值。這需要整合更加先進的技

術基礎設施以更有效的方式進行數據集成、數據標準化以及數據分析，最終實現醫療大數

據更有效的應用。2020年的新冠疫情爆發進一步推動了國內醫療健康產業的數字革命，AI、

大數據、數字孿生等技術與醫療健康產業不斷結合，促使醫療健康產業對于數據的利用又

上了一個新的臺階。同時，來自不同方面的要素也在推動著醫療大數據產品市場的發展。

醫院方面，公立醫院轉型壓力與日俱增，需要引入數字化醫療管理解決方案發揮電子

病歷（EMR）的潛力以提高臨床研究效率、降低人工成本、提高疾病診斷和治療質量、更

好地管理病人。醫院正逐漸推出創新業務模式，注重學術研究、臨床治療、轉化醫學及患

者管理，推升了對醫療數據集成及應用的需求。區域衛健方面，經過全民信息健康平臺的

初步建設，積累了大量的數據，這些數據如何產生更大的應用價值，如何在區域里面互聯

互認，如何跨區域互聯互認方面有明確的需求。醫保局管理每年數萬億的醫保，對于如何

使用數據來更好地管理醫保基金有強烈的需求。疾控方面，隨著全球疫情的頻繁爆發，如

何使用數據來更加快速、精準的進行流行疾病的風險管控有強烈的需求。

因此，編寫醫療大數據智能采集及管理技術規范具有很強的必要性。首先，由于醫療

大數據來源廣泛、格式不一、標準不統一，導致數據的不兼容、不互通、不可比，給數據

的整合、分析和應用帶來困難。需要制定統一的醫療大數據智能采集及管理技術規范，規

范數據的定義、分類、編碼、格式、質量等方面，實現數據的標準化和規范化。其次，隨

著人工智能、云計算、物聯網等技術的發展和應用，醫療大數據智能采集及管理技術也在

不斷創新和進步，出現了許多新的方法和模式，如智能識別、智能分析、智能服務等。需

要制定符合時代發展和技術變革的醫療大數據智能采集及管理技術規范，引導和推動技術

1

的創新和應用。最后，醫療大數據涉及個人隱私和公共利益，具有較高的敏感性和風險性，

需要嚴格遵守相關法律法規和倫理原則，防止數據的泄露、篡改、濫用等。需要制定全面

和嚴格的醫療大數據智能采集及管理技術規范，明確數據的所有權、責任、權限等方面，

保護數據的安全和合法。

綜上所述，編寫醫療大數據智能采集及管理團體技術規范是一項重要而緊迫的任務，

它可以為醫療大數據的發展和應用提供指導和保障，促進醫療領域的信息化和智能化。

二、標準編制原則及依據

1、按照GB/T1.1－2020《標準化工作導則第1部分：標準化文件的結構和起草規則》

要求進行編寫。

2、參照相關法律、法規和規定，在編制過程中著重考慮了科學性、適用性和可操作性。

三、項目背景及工作情況

（一）任務來源

根據《中國國際科技促進會標準化工作委員會團體標準管理辦法》的有關規定，經中

國國際科技促進會標準化工作委員會及相關專家技術審核，批準《醫療大數據智能采集及

管理技術規范》團體標準制定計劃，計劃編號為：CI2023250。本標準由河南科技大學提

出，中國國際科技促進會歸口。

根據計劃要求，本標準完成時限為6個月。

（二）標準起草單位

本標準的主要起草單位是河南科技大學，負責標準文檔起草及相關文件的編制。

（三）標準研制過程及相關工作計劃

1、前期準備工作

項目立項前，標準編制小組查閱、研讀相關國內外文獻，廣泛搜集醫療大數據智能采集及

管理相關的材料。同時，多次與醫院和大數據相關行業人員進行調研、交流，廣泛征求標準制

定方面的意見和建議。

2、標準起草過程

團體標準立項通知公示后，標準編制小組首先組織了標注制定工作會議，各編寫人員根據

工作計劃分工和編寫要求開展了相關工作。在標準起草期間，編制小組主編單位及參編單位組

織了數次內部研討會和專家咨詢會，經過多次修改，于2023年8月完成了標準初稿及編制說明的

撰寫?作。

2

3、征求意見情況

2023年9月標準編制小組先后通過現場會議、電話、微信等多種形式征集?業專家相關意見

和建議。針對征集的意見，標準編制小組召開了研討會，將收集到的意見進行匯總處理分析，

在充分吸納合理意見的基礎上，先后修改和完成標準內容，于2023年11月根據在各單位反饋意

見基礎上，形成了標準征求意見稿并由中國國際科技促進會提交全國標準信息平臺公示。

（四）主要試驗（或驗證）情況分析

1.醫療大數據分布分級存儲技術

醫療大數據分布分級存儲技術是一種利用多級索引和虛擬映射將醫療數據索引與授權同級

醫院交互，并同時連結上級醫院，逐步匯聚至區域醫療大數據云平臺的技術，如圖3-1所示。

圖3-1醫療大數據分布分級存儲技術

它實現了醫療數據的分布式存儲、分級管理、分域應用和分布式處理，從而提高了醫療數

據的安全性、可靠性、效率和價值。考慮利用分布式系統和分層架構來解決醫療數據的海量、

多樣、動態和敏感性，根據數據的價值、訪問頻率、安全等級等因素，將數據分散存儲在不同

的存儲介質和節點上實現數據的高效管理和保護。在具體實施中，根據醫療領域中各種情境下

的數據特征需求創建不同大小的測試數據集，如表3-1所示。

表3-1測試數據集

數據大小1G10G50G100G150G200G250G300G

而后創建一個由不同配置的存儲機器構成的分布分級存儲集群進行存儲測試，將不同數據

集的平均速率與傳統存儲方法相比較。如圖3-2所示，分別使用傳統的可靠數據存儲方法和使用

改進后的可靠分布分級存儲方法多次將不同大小的測試數據進行存儲的平均存儲速度比較，其

3

中橫坐標代表被存儲數據的大小，縱坐標代表存儲速度，不同圖例分別代表傳統可靠存儲方法

與改進后的分布分級存儲方法的存儲速度。通過觀察圖表可以得知，在處理較大數據時，改進

后的數據存儲方法的速度明顯快于傳統存儲方法。這種迅速的分布分級存儲方法對于對數據完

整性有高要求的系統尤為關鍵。它不僅確保了數據在存儲時的完整性和正確性，相較于傳統數

據存儲方法，存儲效率得到了顯著提升，從而促進了醫療資源的優化配置。

圖3-2兩種方法比較

2.醫療大數據自律管理技術

醫療大數據自律管理技術是一種針對醫療領域的大規模數據采集、處理和應用而設計的技

術手段。在這一技術框架下，通過引入自動化和智能化的方法，實現對醫療數據的自我管理、

監控和優化。醫療大數據所包含的信息涵蓋了廣泛的領域，包括臨床數據、醫學影像、遺傳學

數據、病歷資料、藥物信息等。

為了有效處理這些龐大而復雜的醫療數據，大數據自律管理技術采用了分布式計算的思想。

首先，將醫療數據劃分為多個子數據集，然后將這些子數據集分發到多個計算節點上進行并行

數據分析。每個計算節點獨立進行數據分析，加速了整個過程的執行速度。分析完成后，各個

計算節點將其分析結果傳回主節點，進行結果的匯總和綜合分析。最終，得到了全面而準確的

數據分析結果。關鍵的一點是，醫療大數據自律管理技術不僅僅停留在數據分析階段，更是在

結果生成后進行自我管理、監控和優化。通過對分析結果的綜合評估，系統能夠自動調整參數、

優化算法，以適應不斷變化的醫療數據特點。這種自律性質使得系統更具適應性和靈活性，能

夠應對醫學領域快速發展和不斷涌現的新數據。

3.醫療大數據快速檢索技術

醫療大數據快速檢索方法的主要目標是應對龐大而錯綜復雜的醫療信息數據集，以便迅速

而準確地定位所需的信息。在這一領域，由于醫療數據的多樣性和大量性，采用高效的檢索方

4

法至關重要，以滿足醫療研究、臨床決策和患者護理等方面的需求。主要包括以下幾個方面：

數據采集：通過各種渠道和方式，收集醫療數據，包括臨床數據、醫學影像、遺傳學數據、

病歷資料、藥物信息等。數據采集要保證數據的完整性、準確性、時效性和合法性，遵循數據

安全和隱私保護的原則，實現數據的標準化、規范化和清洗。

數據索引：通過分布式計算、云計算、邊緣計算等技術，對醫療數據進行存儲、傳輸、加

密、備份、恢復等操作，保證數據的可用性、可靠性和可擴展性。同時，通過數據挖掘、機器

學習、深度學習、自然語言處理等技術，對醫療數據進行索引、分類、聚類、標簽、摘要等操

作，提高數據的可檢索性、可理解性和可視化性。

數據檢索：通過可視化、智能化、個性化等技術，對醫療數據進行展示、交互、推薦等操

作，為不同的用戶和場景提供數據服務和數據產品。數據檢索要滿足用戶的需求和期望，提高

用戶的滿意度和忠誠度，同時要遵守數據的使用規則和權限，防止數據的濫用和泄露。

數據分析：通過統計分析、關聯分析、預測分析、優化分析等技術，對醫療數據進行分析、

挖掘、建模、預測等操作，提取數據的特征、規律、知識和價值。數據分析要基于數據的質量、

安全、效率和價值，為醫療的診斷、治療、預防、管理等提供數據依據和決策參考。

4.醫療大數據協同優化技術

醫療大數據協同優化技術是指利用大數據技術和人工智能技術，對醫療健康領域的多源多

模態數據進行有效管理、分析和應用，以提高醫療服務質量和效率，降低醫療成本和風險，促

進醫療創新和發展的一種技術方法。首先使用存儲冗余優化方法，即采用分布式存儲、云存儲、

邊緣計算等技術，對醫療大數據進行高效、安全、可靠的存儲和備份，從而減少數據冗余

和沖突，提高數據存取速度和質量。其次采用數據分析與挖掘方法，通過運用機器學習、

深度學習、自然語言處理等技術，對醫療大數據進行智能化的分析和挖掘，提取數據中的

有價值的信息和知識，支持醫療決策、診斷、治療、預防等各個環節。最后采用加密、脫

敏、授權、審計等技術，對醫療大數據進行有效的安全和隱私保護，防止數據泄露、篡改、

濫用等風險，保障數據的合法性和合規性，如圖3-3所示。

5

圖3-3醫療大數據協同優化技術

5.安全訪問控制技術

醫療大數據安全訪問控制技術是指通過采用各種技術手段，對醫療大數據的采集、存儲、

傳輸、使用、共享等過程進行有效的安全管理和保護，防止數據的泄露、篡改、濫用等風險，

保障數據的合法性和合規性的一種技術方法。主要包含了：醫療大數據安全態勢感知技術，通

過對醫療數據環境中的各種安全事件和威脅進行實時監測、分析和評估，構建醫療大數據安全

態勢感知模型，實現對醫療數據安全狀況的動態感知和預警，提高醫療數據安全防御能力和響

應效率。該技術可以幫助醫療機構及時發現和應對數據泄露、篡改、攻擊等安全風險，保障醫

療數據的安全性和可信度。醫療大數據云平臺安全監測技術，通過對云平臺上的醫療數據進行

全面的安全監測，包括數據的來源、流向、內容、狀態等，實現對數據的安全性、完整性、可

用性、一致性等的評估和保障，防止數據在云平臺上的泄露、丟失、損壞等風險。該技術可以

幫助醫療機構對云平臺上的數據進行有效的管理和控制，實現數據的安全存儲和傳輸，滿足數

據的合規性和質量性要求。以及醫療大數據用戶異常行為檢測技術，通過對用戶的正常行為進

行建模和學習，對用戶的實時行為進行監測和分析，識別出用戶的異常行為，如越權訪問、非

法操作、惡意攻擊等，實現對用戶的安全行為管理和控制，防止用戶對數據造成破壞或泄露。

該技術可以幫助醫療機構對用戶的數據訪問和使用進行有效的監督和審計，防止數據的濫用和

泄露，保護用戶的隱私和權益。通過建立相對完善的數據安全訪問控制機制，可以加強對敏感

數據的訪問控制、數據安全。

四、標準制定的基本原則

標準編制過程中，遵循了以下基本原則：

1)標準需要具有行業特點，指標及其對應的分析方法要積極參照采用國家標準和行業標準。

2)標準能夠體現出產品的具有關鍵共性的技術要素。

3)標準能夠為產品的開發、改進指出明確的方向。

4)標準需要具有科學性、先進性和可操作性。

5)要能夠結合行業實際情況和產品特點。

6)與相關標準法規協調一致。

7)促進行業健康發展與技術進步。

五、標準主要內容

本標準規定了醫療大數據智能采集及管理技術要求，正文部分共分四章，內容包括標

準的適用范圍、規范性引用文件、術語和定義、總體設計。

6

六、與有關法律法規和強制性標準的關系

遵守和符合相關法律法規和強制性標準要求。規范性引用文件包括：

GB/T24466-2009《健康信息學電子健康記錄體系架構需求》

DB3206/T1019-2021《醫療保險醫療服務大數據智能監控系統管理規范》

DB3206/T1018-2021《醫療保險醫療服務大數據智慧結算系統管理規范》

GB/T40665.3-2021