李子孝，劉翔宇，朱皞罡，王孟，楊昕，王春娟，姜勇，林琳，王韜，趙性泉1，，王擁軍1，（*第一作者）

作者單位

1100070 北京首都醫(yī)科大學(xué)附屬北京天壇醫(yī)院神經(jīng)病學(xué)中心2國(guó)家神經(jīng)系統(tǒng)疾病臨床醫(yī)學(xué)研究中心

3國(guó)家神經(jīng)系統(tǒng)疾病醫(yī)療質(zhì)量控制中心

4北京航空航天大學(xué)生物與醫(yī)學(xué)工程學(xué)院

5軟件開發(fā)環(huán)境國(guó)家重點(diǎn)實(shí)驗(yàn)室

6北京大數(shù)據(jù)精準(zhǔn)醫(yī)療高精尖創(chuàng)新中心（北京航空航天大學(xué)&首都醫(yī)科大學(xué)）

7首都醫(yī)科大學(xué)附屬北京天壇醫(yī)院信息中心

健康醫(yī)療大數(shù)據(jù)作為我國(guó)國(guó)家戰(zhàn)略資源，助力《“健康中國(guó)2030”規(guī)劃綱要》和人工智能發(fā)展戰(zhàn)略的實(shí)施[1]。來自醫(yī)院信息系統(tǒng)的數(shù)據(jù)，如電子病歷、檢驗(yàn)報(bào)告、影像資源、醫(yī)囑和病案首頁(yè)成為健康醫(yī)療大數(shù)據(jù)主要來源之一[2]，應(yīng)用于醫(yī)療質(zhì)量過程評(píng)價(jià)的數(shù)據(jù)來源[3]。如何實(shí)現(xiàn)醫(yī)院間的數(shù)據(jù)可信、安全和持續(xù)的互聯(lián)互通是開展基于數(shù)據(jù)決策的醫(yī)療質(zhì)量評(píng)價(jià)和改進(jìn)的基礎(chǔ)。

醫(yī)療質(zhì)量評(píng)價(jià)和改進(jìn)是提高缺血性卒中醫(yī)療服務(wù)質(zhì)量和降低患者卒中復(fù)發(fā)的有效途徑之一[4-5]。持續(xù)地獲得患者診療過程數(shù)據(jù)是開展醫(yī)療質(zhì)量評(píng)價(jià)和改進(jìn)的基石[6]?；谌斯ざ武浫氲淖渲性\療過程醫(yī)療質(zhì)量數(shù)據(jù)采集和上報(bào)是目前國(guó)內(nèi)外常用的數(shù)據(jù)采集模式[7-8]。然而，這種數(shù)據(jù)采集模式存在數(shù)據(jù)質(zhì)量準(zhǔn)確性、連續(xù)性、人工成本、時(shí)效性等問題，以及參與醫(yī)院對(duì)數(shù)據(jù)安全性和分享性的疑慮，制約對(duì)醫(yī)療數(shù)據(jù)溯源性、可持續(xù)、及時(shí)性、可及性的缺血性卒中醫(yī)療質(zhì)量評(píng)價(jià)和改進(jìn)[9]。基于電子病歷、實(shí)驗(yàn)室檢測(cè)、影像報(bào)告和醫(yī)囑等醫(yī)院信息系統(tǒng)的數(shù)據(jù)進(jìn)行結(jié)構(gòu)化和匯交并形成醫(yī)院診療數(shù)據(jù)庫(kù)成為開展缺血性卒中醫(yī)療質(zhì)量過程評(píng)價(jià)的新的數(shù)據(jù)來源[3]。但是為了確保信息安全，傳統(tǒng)的數(shù)據(jù)庫(kù)形成以醫(yī)院、科室，甚至是設(shè)備為單位的“信息孤島”[10]，這種傳統(tǒng)的數(shù)據(jù)中心化聚合分析思路制約多中心遠(yuǎn)程調(diào)用計(jì)算和評(píng)價(jià)，成為阻礙醫(yī)療大數(shù)據(jù)、人工智能等新興技術(shù)應(yīng)用于醫(yī)療質(zhì)量評(píng)價(jià)和改進(jìn)的重要因素之一[11]。

基于智能合約區(qū)塊鏈的醫(yī)院信息系統(tǒng)數(shù)據(jù)平臺(tái)建設(shè)已逐步在國(guó)內(nèi)開展[12-13]。區(qū)塊鏈（block chain）采用分布式的數(shù)據(jù)存儲(chǔ)、點(diǎn)對(duì)點(diǎn)傳輸、共識(shí)機(jī)制、加密算法等計(jì)算機(jī)技術(shù)，實(shí)現(xiàn)去中心化的分布式結(jié)構(gòu)的醫(yī)療數(shù)據(jù)共享，為數(shù)據(jù)存儲(chǔ)傳輸、溯源性、安全性等提供了良好的解決方案。在醫(yī)院間，實(shí)現(xiàn)去中心化并最終形成統(tǒng)一標(biāo)準(zhǔn)的數(shù)據(jù)分中心，為進(jìn)一步醫(yī)療數(shù)據(jù)分析和開展人工智能應(yīng)用奠定堅(jiān)實(shí)基礎(chǔ)[14]。

本文介紹了探索采用“模型投放”，即算法流替代數(shù)據(jù)傳輸?shù)乃枷耄詤^(qū)塊鏈[15]和智能合約[16]技術(shù)為依托，整合安全沙箱[17]、密碼學(xué)、摘要生成等關(guān)鍵技術(shù)，開展基于醫(yī)院信息系統(tǒng)數(shù)據(jù)的缺血性卒中醫(yī)療質(zhì)量過程指標(biāo)評(píng)價(jià)體系。

1 平臺(tái)模型和技術(shù)

1.1 基于區(qū)塊鏈的技術(shù)模型和架構(gòu) 缺血性卒中醫(yī)療質(zhì)量評(píng)價(jià)應(yīng)用基于區(qū)塊鏈及相關(guān)技術(shù)，構(gòu)建醫(yī)療指標(biāo)評(píng)價(jià)共享的實(shí)施方案，完成相關(guān)的信息交換指標(biāo)。該場(chǎng)景中的研究對(duì)象主要有3類：①醫(yī)院：選擇前期已完成缺血性卒中醫(yī)療信息系統(tǒng)相關(guān)數(shù)據(jù)結(jié)構(gòu)化的醫(yī)院。②患者：采用ICD-10編碼確定的主診斷為缺血性卒中患者（I63）。③缺血性卒中醫(yī)療質(zhì)量控制指標(biāo)：采用國(guó)家衛(wèi)生健康委頒布的缺血性卒中醫(yī)療質(zhì)量控制指標(biāo)中用藥相關(guān)指標(biāo)。

缺血性卒中醫(yī)療質(zhì)量評(píng)價(jià)整體應(yīng)用場(chǎng)景分為敏感域和公共域兩個(gè)部分。敏感域?qū)儆诟麽t(yī)院自有和相互隔離，內(nèi)部存放用于進(jìn)行缺血性卒中醫(yī)療質(zhì)量指標(biāo)評(píng)價(jià)的基礎(chǔ)醫(yī)療信息，禁止外部網(wǎng)絡(luò)訪問個(gè)案數(shù)據(jù)。公共域作為開放環(huán)境，負(fù)責(zé)提供用于進(jìn)行缺血性卒中醫(yī)療質(zhì)量指標(biāo)評(píng)價(jià)的數(shù)據(jù)分析算法，可對(duì)算法進(jìn)行迭代更新。算法以“算法流”方式進(jìn)行投放，隨用隨取。

技術(shù)架構(gòu)采用軟硬件混合搭建，主要硬件以“數(shù)據(jù)網(wǎng)關(guān)”作為前置機(jī)；軟件則以區(qū)塊鏈、智能合約以及安全沙箱等技術(shù)為基礎(chǔ)進(jìn)行開發(fā)。架構(gòu)分為基礎(chǔ)層、管理層和操作層三層（圖1）?；A(chǔ)層為嵌入式操作系統(tǒng)，提供基礎(chǔ)的硬件接口訪問能力；管理層以Docker沙箱技術(shù)[18]為藍(lán)本，針對(duì)沙箱的創(chuàng)建、管理、維護(hù)、清除等生命周期管理以及數(shù)據(jù)安全擦寫等功能進(jìn)行了針對(duì)性的補(bǔ)充和增強(qiáng)；操作層則在沙箱內(nèi)部提供對(duì)算法的基礎(chǔ)環(huán)境支持。

1.1.1 執(zhí)行方法 在已完成缺血性卒中醫(yī)療質(zhì)量數(shù)據(jù)結(jié)構(gòu)化的醫(yī)院部署數(shù)據(jù)網(wǎng)關(guān)，完成“敏感域-公開域”隔離帶的搭建。執(zhí)行過程中，智能合約依據(jù)各醫(yī)院審閱授權(quán)，并記錄在區(qū)塊鏈上的操作主體，負(fù)責(zé)整體控制；數(shù)據(jù)網(wǎng)關(guān)中的安全沙箱作為授權(quán)執(zhí)行機(jī)構(gòu)，具體協(xié)調(diào)算法流、數(shù)據(jù)流，并輸出分析結(jié)果和運(yùn)行日志。

在具體執(zhí)行時(shí)，用于評(píng)價(jià)缺血性卒中醫(yī)療質(zhì)量的智能合約根據(jù)實(shí)際操作醫(yī)院的情況，在數(shù)據(jù)網(wǎng)關(guān)生成安全沙箱，并將算法流從公共域引入。此后，可能包含敏感信息的患者數(shù)據(jù)（如患者隱私信息、人口學(xué)特征等）以加密方式通過私有域進(jìn)入安全沙箱。在沙箱內(nèi)部，數(shù)據(jù)完成解密后，算法完成數(shù)據(jù)分析并輸出結(jié)果，反饋給預(yù)先指定的用戶。并將操作流程記錄在區(qū)塊鏈上。沙箱管理系統(tǒng)在捕獲完成信號(hào)后，對(duì)沙箱進(jìn)行銷毀，保障敏感數(shù)據(jù)安全無(wú)泄露，整個(gè)流程如圖2。

圖1 區(qū)塊鏈系統(tǒng)架構(gòu)

圖2 區(qū)塊鏈系統(tǒng)中數(shù)據(jù)和算法的流程

1.1.2 關(guān)鍵技術(shù)

（1）敏感數(shù)據(jù)的跟蹤保護(hù)

從需求產(chǎn)生并準(zhǔn)備執(zhí)行開始，區(qū)塊鏈系統(tǒng)對(duì)數(shù)據(jù)調(diào)取、算法分析、結(jié)果輸出、沙箱銷毀等全部操作進(jìn)行共識(shí)和記錄，其不可篡改的特點(diǎn)保障數(shù)據(jù)的安全，同時(shí)也記錄了數(shù)據(jù)與結(jié)論之間的關(guān)聯(lián)關(guān)系。采用了基于微實(shí)數(shù)并行排序思想的微誤差共識(shí)協(xié)議（?-differential agreement，EDA）[19]。通過搶占式排序和并發(fā)共識(shí)，以提供適合業(yè)務(wù)場(chǎng)景的系統(tǒng)性能。

（2）基于智能合約的算法調(diào)用機(jī)制

區(qū)塊鏈系統(tǒng)在完成數(shù)據(jù)跟蹤保護(hù)的同時(shí)，對(duì)醫(yī)療質(zhì)量評(píng)價(jià)算法的調(diào)用情況進(jìn)行記錄，以統(tǒng)計(jì)算法運(yùn)行效率、準(zhǔn)確率等參數(shù)。采用智能合約技術(shù)對(duì)算法進(jìn)行整合，使每一個(gè)算法成為一個(gè)獨(dú)立的智能合約，通過調(diào)用智能合約，獲得算法的運(yùn)行權(quán)限，并將算法流投入安全沙箱，對(duì)沙箱內(nèi)的數(shù)據(jù)進(jìn)行分析。智能合約的每次調(diào)用和運(yùn)行記錄同樣會(huì)被區(qū)塊鏈系統(tǒng)記錄，并與安全沙箱的輸出日志一一對(duì)應(yīng)。

（3）基于元數(shù)據(jù)鏈的跨中心檢索機(jī)制

采用目錄鏈共享檢索機(jī)制，應(yīng)用摘要生成算法，將醫(yī)療信息非敏感的元標(biāo)簽存放于公開的元數(shù)據(jù)鏈上。采用基于局部敏感哈希[20]的特征檢索系統(tǒng)，生成特征區(qū)域的局部敏感哈希字符串并建立映射關(guān)系。因?yàn)楣Ｖ蹬c原始數(shù)據(jù)為單向映射，可以實(shí)現(xiàn)保護(hù)原始數(shù)據(jù)的同時(shí)，完成數(shù)據(jù)的“以圖檢圖”。通過特征檢索，找到目標(biāo)數(shù)據(jù)后，調(diào)用預(yù)先簽署的智能合約或采用文件交換途徑，向醫(yī)院的數(shù)據(jù)庫(kù)借取對(duì)應(yīng)的資料，并完成統(tǒng)計(jì)分析。

1.2 形式化語(yǔ)言和工作流建模工具 眾多的研究表明臨床指南和臨床決策路徑可以被計(jì)算機(jī)程序解釋執(zhí)行[21]。其中有代表性的工作流建模語(yǔ)言和工具會(huì)嵌入邏輯規(guī)則來表示任務(wù)的結(jié)構(gòu)，如計(jì)劃、決策和動(dòng)作。這些任務(wù)組成面向時(shí)間的流程來代表臨床決策路徑和指南，例如Asbru、EON、GLIF、GUIDE、PRODIGY與PROforma[22]。

本文提出一種去中心化的工作流建模語(yǔ)言和引擎工具，該工具通過認(rèn)知計(jì)算模型引入工作流建模過程，使用認(rèn)知分析出的本體及其關(guān)聯(lián)規(guī)則并封裝成要素構(gòu)件，以構(gòu)件拖拽方式實(shí)現(xiàn)工作流的可視化設(shè)計(jì)，創(chuàng)建后的工作流程可以在區(qū)塊鏈上運(yùn)行。此工作流建模語(yǔ)言和引擎工具可以替代以代碼形式建立的智能合約，用于構(gòu)建并部署一系列決策支持系統(tǒng)、指南和其他臨床應(yīng)用程序。

通過工作流引擎，可以將臨床指南和醫(yī)療準(zhǔn)則建模為任務(wù)和數(shù)據(jù)項(xiàng)的組合。其中任務(wù)模型分為4類：“動(dòng)作”表示需要在外部環(huán)境中執(zhí)行的過程，“查詢”是指需要從外部系統(tǒng)獲取信息和讀取數(shù)據(jù)過程，“決策”是必須做出選擇的過程，“計(jì)劃”是按照規(guī)則和分類組合在一起的任務(wù)集合。工作流引擎形式化過程可以用有向圖來表示，其中節(jié)點(diǎn)表示任務(wù)，連線表示調(diào)度關(guān)系?！皠?dòng)作”被表示為正方形，“查詢”被表示為菱形，“決策”被表示為圓形，“計(jì)劃”被表示為平行四邊形。模型本身包含一個(gè)根計(jì)劃，根計(jì)劃可以遞歸地劃分為子計(jì)劃（圖3）。

圖3展示了工作流引擎的技術(shù)架構(gòu)圖。Web應(yīng)用端是工作流創(chuàng)建的編輯器、狀態(tài)跟蹤器和查詢器，提供工作流設(shè)計(jì)、創(chuàng)建、狀態(tài)監(jiān)視、校驗(yàn)、查詢功能。在應(yīng)用端界面存儲(chǔ)了工作流的任務(wù)基礎(chǔ)模塊：“動(dòng)作”“查詢”“決策”和“計(jì)劃”。通過拖拽任務(wù)模塊和組合資源庫(kù)模板庫(kù)，可以定義出新的資源庫(kù)模塊以及更復(fù)雜的工作流程序。資源庫(kù)以本體資源庫(kù)、合約模板庫(kù)、語(yǔ)法語(yǔ)義庫(kù)為基礎(chǔ)，支持上層可視化合約的構(gòu)建。服務(wù)與組件主要有兩個(gè)部分，一是合約虛擬機(jī)（smart contract virtual machine，SCVM），負(fù)責(zé)測(cè)試和執(zhí)行構(gòu)建的合約，二是服務(wù)模塊，完成工作流、資源定位、遠(yuǎn)程調(diào)用等服務(wù)。存儲(chǔ)與查詢應(yīng)用程序接口（application programming interface，API），以標(biāo)準(zhǔn)化API的方式對(duì)合約的執(zhí)行過程及結(jié)果進(jìn)行存取。持久化存儲(chǔ)與索引，以區(qū)塊鏈的方式進(jìn)行存儲(chǔ)，建立資源和合約的索引，便于存取。

圖4演示了一個(gè)通過工作流引擎創(chuàng)建的智能合約。從開始節(jié)點(diǎn)開始執(zhí)行后面接兩個(gè)“計(jì)劃”——分別通過沙箱提取“抗血小板藥物治療率分子統(tǒng)計(jì)”和“抗血小板藥物治療率單項(xiàng)藥物統(tǒng)計(jì)”數(shù)據(jù)，然后連接一個(gè)決策——“抗血小板藥物治療醫(yī)療質(zhì)量指標(biāo)算法1”，用來評(píng)估缺血性卒中患者抗血小板藥物治療率，從而明確需要改進(jìn)的指標(biāo)。最后，沙箱在通過數(shù)據(jù)網(wǎng)管輸出計(jì)算結(jié)果后，完成自銷毀。

圖5 基于醫(yī)院信息系統(tǒng)的缺血性卒中醫(yī)療質(zhì)量評(píng)價(jià)平臺(tái)

2 運(yùn)行及測(cè)試結(jié)果

2.1 系統(tǒng)運(yùn)行結(jié)果 采用上述思路和方法，搭建了基于醫(yī)院信息系統(tǒng)的缺血性卒中醫(yī)療質(zhì)量評(píng)價(jià)平臺(tái)（圖5），選擇三家已完成缺血性卒中醫(yī)療質(zhì)量數(shù)據(jù)結(jié)構(gòu)化的試點(diǎn)醫(yī)院的數(shù)據(jù)庫(kù)參與醫(yī)療質(zhì)量評(píng)估工作。通過合約創(chuàng)建工具，研究人員在系統(tǒng)中以圖形化流程的方式創(chuàng)建、校驗(yàn)和發(fā)布智能合約。

用戶通過調(diào)用相應(yīng)的智能合約，自動(dòng)對(duì)醫(yī)院的數(shù)據(jù)進(jìn)行分析評(píng)估，并生成分析結(jié)果。在驗(yàn)證中，系統(tǒng)對(duì)各參與醫(yī)院的病案記錄、檢驗(yàn)信息和醫(yī)囑信息等數(shù)據(jù)進(jìn)行分析，完成缺血性卒中住院日、費(fèi)用、死亡率等效率、負(fù)擔(dān)、結(jié)局指標(biāo)的測(cè)算。分析過程中，智能合約通過調(diào)用外部測(cè)算方法，對(duì)院內(nèi)醫(yī)療信息摘要進(jìn)行檢索，并對(duì)需要分析的內(nèi)容進(jìn)行提取。整個(gè)過程中，全部計(jì)算發(fā)生在數(shù)據(jù)網(wǎng)關(guān)根據(jù)智能合約創(chuàng)建安全沙箱中。分析結(jié)束后，沙箱對(duì)醫(yī)院輸出分析結(jié)果，并完成自我銷毀，受保護(hù)的醫(yī)療數(shù)據(jù)未離開醫(yī)院私有域，安全性得到了有效驗(yàn)證。

系統(tǒng)在三家醫(yī)療機(jī)構(gòu)的數(shù)據(jù)中完成初步驗(yàn)證，并獲得了良好的系統(tǒng)性能（表1），區(qū)塊鏈秒平均寫入通量達(dá)到9000條記錄，特征檢索時(shí)間不高于10 ms，能夠在多中心協(xié)作和敏感信息受控場(chǎng)景中，開展缺血性卒中醫(yī)療質(zhì)量藥物相關(guān)過程指標(biāo)評(píng)價(jià)，具體結(jié)果見表2。

表2 缺血性卒中醫(yī)療質(zhì)量過程指標(biāo)評(píng)價(jià)

2.2 系統(tǒng)測(cè)試結(jié)果

（1）沙箱測(cè)試結(jié)果

功能性：實(shí)現(xiàn)沙箱創(chuàng)建、沙箱銷毀、沙箱單次執(zhí)行、沙箱多請(qǐng)求執(zhí)行、沙箱超時(shí)控制、沙箱數(shù)量控制、沙箱內(nèi)禁止訪問外網(wǎng)域名控制、沙箱內(nèi)禁止訪問外網(wǎng)IP加端口控制、沙箱內(nèi)存監(jiān)控、沙箱內(nèi)禁止文件寫入磁盤和沙箱中禁用linux系統(tǒng)中/usr/sbin下相關(guān)指令等功能。

性能效率：支持沙箱單次執(zhí)行，超時(shí)設(shè)置為9 s、算法延時(shí)設(shè)置為5 s時(shí)，沙箱支持合約算法執(zhí)行完成運(yùn)行時(shí)間為5.146 s；支持沙箱多請(qǐng)求執(zhí)行，超時(shí)設(shè)置為29 s，在沙箱數(shù)為3，隊(duì)列數(shù)為3的情況下，共執(zhí)行727次算法合約，沙箱支持合約執(zhí)行完成的平均運(yùn)行時(shí)間為16.603 s。

（2）合約測(cè)試結(jié)果

在單用戶場(chǎng)景下，數(shù)據(jù)目錄寫入事務(wù)平均響應(yīng)時(shí)間為1.58 s，查看事務(wù)平均響應(yīng)時(shí)間為0.08 s，提交事務(wù)平均響應(yīng)時(shí)間為1.59 s；在10 654條分布式數(shù)據(jù)中進(jìn)行數(shù)據(jù)目錄查詢，事務(wù)平均響應(yīng)時(shí)間為0.13 s；進(jìn)行數(shù)據(jù)目錄詳情查看，事務(wù)平均響應(yīng)時(shí)間為0.11 s；提交數(shù)據(jù)庫(kù)事務(wù)平均響應(yīng)時(shí)間為1.30 s；加載全部庫(kù)目錄事務(wù)平均響應(yīng)時(shí)間為0.07 s；進(jìn)行庫(kù)目錄詳情查看事務(wù)平均響應(yīng)時(shí)間為0.73 s；提交表目錄事務(wù)平均響應(yīng)時(shí)間為0.99 s；在10 703條數(shù)據(jù)中進(jìn)行表目錄查詢事務(wù)平均響應(yīng)時(shí)間為0.15 s；表目錄詳情查看事務(wù)平均響應(yīng)時(shí)間為0.11 s；在遠(yuǎn)程源數(shù)據(jù)庫(kù)中對(duì)己上鏈的庫(kù)表字段進(jìn)行修改，操作結(jié)果同步到系統(tǒng)中時(shí)延為10 s；在遠(yuǎn)程源數(shù)據(jù)庫(kù)中對(duì)已上鏈的庫(kù)表字段進(jìn)行刪除，操作結(jié)果同步到系統(tǒng)中時(shí)延為10 s；在遠(yuǎn)程源數(shù)據(jù)庫(kù)中對(duì)已上鏈的庫(kù)表字段進(jìn)行新增，操作結(jié)果同步到系統(tǒng)中時(shí)延為5 s；通過可視化方式創(chuàng)建不帶算法的數(shù)據(jù)合約，事務(wù)平均響應(yīng)時(shí)間為0.72 s；通過本地上傳方式創(chuàng)建不帶算法的數(shù)據(jù)合約，事務(wù)平均響應(yīng)時(shí)間為0.29 s。

10個(gè)用戶并發(fā)場(chǎng)景：調(diào)用數(shù)據(jù)目錄上鏈接口，事務(wù)平均響應(yīng)時(shí)間為0.17 s；調(diào)用庫(kù)目錄上鏈接口，事務(wù)平均響應(yīng)時(shí)間為0.36 s；調(diào)用表目錄上鏈接口，事務(wù)平均響應(yīng)時(shí)間為0.17 s；可視化創(chuàng)建合約接口，創(chuàng)建不帶算法的數(shù)據(jù)合約，事務(wù)平均響應(yīng)時(shí)間為1.41 s；本地上傳創(chuàng)建接口，創(chuàng)建不帶算法的數(shù)據(jù)合約，事務(wù)平均響應(yīng)時(shí)間為0.83 s；帶數(shù)組去重算法的數(shù)據(jù)合約執(zhí)行接口，事務(wù)平均響應(yīng)時(shí)間為0.68 s。

20個(gè)用戶并發(fā)場(chǎng)景：調(diào)用查看職責(zé)目錄詳情接口，事務(wù)平均響應(yīng)時(shí)間為0.06 s；調(diào)用數(shù)據(jù)目錄查詢接口，在10 654條數(shù)據(jù)中進(jìn)行數(shù)據(jù)目錄查詢，事務(wù)平均響應(yīng)時(shí)間為0.18 s；調(diào)用查看數(shù)據(jù)目錄詳情接口，事務(wù)平均響應(yīng)時(shí)間為0.07 s；調(diào)用庫(kù)目錄查詢接口，返回全部庫(kù)目錄數(shù)據(jù)，事務(wù)平均響應(yīng)時(shí)間為0.08 s；調(diào)用查看庫(kù)目錄詳情接口，事務(wù)平均響應(yīng)時(shí)間為0.08 s；調(diào)用查詢表目錄接口，在10 703條數(shù)據(jù)中進(jìn)行表目錄查詢，事務(wù)平均響應(yīng)時(shí)間為0.10 s；調(diào)用查看表目錄詳情接口，事務(wù)平均響應(yīng)時(shí)間為0.30 s；調(diào)用不帶算法的數(shù)據(jù)合約執(zhí)行接口，事務(wù)平均響應(yīng)時(shí)間為1.01 s；調(diào)用帶數(shù)組去重算法的數(shù)據(jù)合約執(zhí)行接口，事務(wù)平均響應(yīng)時(shí)間為1.26 s。

50個(gè)用戶并發(fā)場(chǎng)景：調(diào)用不帶算法的數(shù)據(jù)合約執(zhí)行接口，事務(wù)平均響應(yīng)時(shí)間為3.01 s。

3 討論

本文初步探索了區(qū)塊鏈技術(shù)在缺血性卒中醫(yī)療質(zhì)量評(píng)價(jià)體系中的應(yīng)用，其中融合智能合約、安全沙箱、摘要生成等區(qū)塊鏈技術(shù)手段，建立了缺血性卒中醫(yī)療質(zhì)量評(píng)價(jià)平臺(tái)。在三家已完成缺血性卒中醫(yī)療質(zhì)量數(shù)據(jù)結(jié)構(gòu)化的醫(yī)院的數(shù)據(jù)庫(kù)架構(gòu)上，有效實(shí)現(xiàn)了缺血性卒中醫(yī)療質(zhì)量指標(biāo)評(píng)價(jià)。進(jìn)一步應(yīng)用數(shù)據(jù)信息提取、數(shù)字化追溯和跨域投放，為開展基于醫(yī)院信息系統(tǒng)的醫(yī)療質(zhì)量評(píng)價(jià)和持續(xù)改進(jìn)奠定了技術(shù)基礎(chǔ)。

這種醫(yī)療質(zhì)量評(píng)價(jià)體系基于區(qū)塊鏈技術(shù)實(shí)現(xiàn)了數(shù)據(jù)不易篡改、很難偽造、可追溯、分布式基礎(chǔ)機(jī)構(gòu)，與計(jì)算范式的醫(yī)院信息互聯(lián)互通信息平臺(tái)建設(shè)。平臺(tái)利用分布的區(qū)塊鏈?zhǔn)綌?shù)據(jù)結(jié)構(gòu)來驗(yàn)證與存儲(chǔ)腦血管病質(zhì)控醫(yī)院臨床數(shù)據(jù)，采用分布式節(jié)點(diǎn)共識(shí)算法來生成和更新醫(yī)院的臨床數(shù)據(jù)，應(yīng)用密碼學(xué)方式保證臨床數(shù)據(jù)傳輸和訪問的安全，利用由自動(dòng)化腳本代碼組成的質(zhì)控醫(yī)院間智能合約來編程和操作臨床數(shù)據(jù)。

平臺(tái)基于區(qū)塊鏈技術(shù)的關(guān)鍵環(huán)節(jié)如下：

（1）對(duì)質(zhì)控醫(yī)院的腦血管病臨床數(shù)據(jù)資源和結(jié)構(gòu)進(jìn)行評(píng)估，形成詳細(xì)的臨床數(shù)據(jù)目錄鏈系統(tǒng)，覆蓋臨床數(shù)據(jù)結(jié)構(gòu)和內(nèi)容。之后對(duì)臨床數(shù)據(jù)資源進(jìn)一步進(jìn)行規(guī)范化完善，逐步達(dá)到有價(jià)值臨床數(shù)據(jù)的目標(biāo)。

（2）項(xiàng)目醫(yī)院有價(jià)值臨床數(shù)據(jù)證明的發(fā)放，這個(gè)過程主要針對(duì)有價(jià)值臨床數(shù)據(jù)證明本身文件實(shí)現(xiàn)防偽，利用區(qū)塊鏈可以做到電子權(quán)益證明去中心化發(fā)放，并且保證不可篡改。

（3）項(xiàng)目醫(yī)院有價(jià)值臨床數(shù)據(jù)的流通，這個(gè)環(huán)節(jié)反映有價(jià)值臨床數(shù)據(jù)的流動(dòng)性?；趨^(qū)塊鏈，這個(gè)有價(jià)值臨床數(shù)據(jù)資產(chǎn)可以實(shí)現(xiàn)點(diǎn)對(duì)點(diǎn)流通，并可以再切分，促進(jìn)流動(dòng)性的增強(qiáng)。

綜合上述三個(gè)環(huán)節(jié)，平臺(tái)在醫(yī)療領(lǐng)域中可將臨床數(shù)據(jù)轉(zhuǎn)變?yōu)橛袃r(jià)值的臨床數(shù)據(jù)，這種權(quán)威而專業(yè)的評(píng)估有著非常重要的作用，可以提供評(píng)估、風(fēng)控、增值等服務(wù)。

本探索研究是在區(qū)塊鏈系統(tǒng)的基礎(chǔ)上，采用基于智能合約的缺血性卒中醫(yī)療質(zhì)控指標(biāo)算法整合和調(diào)用機(jī)制，使每一個(gè)算法成為一個(gè)獨(dú)立的智能合約，通過調(diào)用智能合約，獲得算法的運(yùn)行權(quán)限，并將算法流投入安全沙箱，對(duì)沙箱內(nèi)的數(shù)據(jù)進(jìn)行分析。智能合約的每次調(diào)用和運(yùn)行記錄同樣會(huì)被區(qū)塊鏈系統(tǒng)記錄，并與安全沙箱的輸出日志一一對(duì)應(yīng)。在完成數(shù)據(jù)跟蹤保護(hù)的同時(shí)，對(duì)質(zhì)控指標(biāo)的算法的調(diào)用情況進(jìn)行記錄，以統(tǒng)計(jì)算法運(yùn)行效率、準(zhǔn)確率等參數(shù)，便于總結(jié)算法瓶頸，為后續(xù)升級(jí)提供方向。

在利用醫(yī)療數(shù)據(jù)開展質(zhì)控評(píng)價(jià)工作中，經(jīng)常需要進(jìn)行跨醫(yī)院協(xié)調(diào)支持。然而，傳統(tǒng)的檢索是建立在對(duì)數(shù)據(jù)庫(kù)的直接訪問基礎(chǔ)上，這在多中心醫(yī)院協(xié)同中存在數(shù)據(jù)管理和安全等的屏障，而應(yīng)用區(qū)塊鏈技術(shù)的優(yōu)勢(shì)實(shí)現(xiàn)了基于元數(shù)據(jù)鏈的跨中心檢索機(jī)制，采用目錄鏈共享檢索機(jī)制，應(yīng)用摘要生成算法，將醫(yī)療信息非敏感的元標(biāo)簽存放于公開的元數(shù)據(jù)鏈上。醫(yī)院通過特征檢索，找到目標(biāo)數(shù)據(jù)后，調(diào)用預(yù)先簽署的智能合約或采用文件交換途徑，向原始醫(yī)院借取對(duì)應(yīng)的資料，并完成統(tǒng)計(jì)分析。

在數(shù)據(jù)安全方面，數(shù)字化信息具有易復(fù)制、難追蹤等特性，很難做到有效保護(hù)。本研究通過引入?yún)^(qū)塊鏈的數(shù)字資產(chǎn)化思想，將數(shù)據(jù)作為特殊資產(chǎn)，在區(qū)塊鏈上進(jìn)行管理，明確權(quán)屬并跟蹤記錄其流動(dòng)，同時(shí)，結(jié)合安全沙箱和加密技術(shù)，做到使用留痕、用后銷毀，保障原始數(shù)據(jù)的安全性和唯一性，從而使得數(shù)據(jù)的管理和保護(hù)成為可能。從需求產(chǎn)生并準(zhǔn)備執(zhí)行開始，區(qū)塊鏈系統(tǒng)對(duì)數(shù)據(jù)調(diào)取、算法分析、結(jié)果輸出、沙箱銷毀等全部操作進(jìn)行共識(shí)和記錄，其不可篡改的特點(diǎn)保障了數(shù)據(jù)的安全，同時(shí)也記錄了數(shù)據(jù)與結(jié)論之間的關(guān)聯(lián)關(guān)系，使之可以在不獲取原始數(shù)據(jù)的情況下，證明結(jié)論的有效性和可重復(fù)性。

醫(yī)療行業(yè)是典型的高通量并發(fā)場(chǎng)景，全流程的記錄需求會(huì)對(duì)區(qū)塊鏈系統(tǒng)產(chǎn)生巨大的壓力，傳統(tǒng)的公有鏈系統(tǒng)共識(shí)協(xié)議[如工作量證明算法（proof of work，PoW）、股權(quán)證明（proof of stake，PoS）等]無(wú)法提供足夠的并發(fā)性能[21]。本研究采用了基于微實(shí)數(shù)并行排序思想的EDA共識(shí)協(xié)議[19]，通過搶占式排序和并發(fā)共識(shí)，以提供適合業(yè)務(wù)場(chǎng)景的系統(tǒng)性能。

本研究的快速實(shí)施依托“十三五”國(guó)家重點(diǎn)研發(fā)計(jì)劃正在開展的基于醫(yī)院信息系統(tǒng)的腦血管病大數(shù)據(jù)平臺(tái)建設(shè)，根據(jù)卒中醫(yī)療質(zhì)量評(píng)價(jià)的需要變量進(jìn)行結(jié)構(gòu)化和標(biāo)準(zhǔn)化的處理，建立醫(yī)院卒中質(zhì)控專用的數(shù)據(jù)庫(kù)，這為開展基于區(qū)塊鏈的缺血性卒中質(zhì)控平臺(tái)建設(shè)、數(shù)據(jù)調(diào)取和分析奠定了堅(jiān)實(shí)的基礎(chǔ)。目前已完成如下工作：設(shè)計(jì)信息系統(tǒng)標(biāo)準(zhǔn)數(shù)據(jù)接口，規(guī)范數(shù)據(jù)字典；收集各醫(yī)院的接口數(shù)據(jù)，校驗(yàn)上報(bào)數(shù)據(jù)，對(duì)整體性、種類完整性、數(shù)據(jù)項(xiàng)完整性等進(jìn)行檢查；數(shù)據(jù)清洗，處理問題數(shù)據(jù)，收集原始資料，保障數(shù)據(jù)溯源；組織醫(yī)療專業(yè)人員進(jìn)行業(yè)務(wù)邏輯核查和數(shù)據(jù)修正，并對(duì)數(shù)據(jù)字典和采集規(guī)范進(jìn)行補(bǔ)充、完善等。

本研究主要為解決如何在非本地中心開展缺血性卒中醫(yī)療質(zhì)量指標(biāo)的評(píng)價(jià)，即在不暴露醫(yī)療信息等敏感數(shù)據(jù)的條件下，基于“模型投放”架構(gòu)，解決醫(yī)療質(zhì)量指標(biāo)算法的推送、應(yīng)用、迭代以及后評(píng)估問題。在數(shù)據(jù)分析及評(píng)估應(yīng)用的完整流程中，算法需要在運(yùn)算平臺(tái)上調(diào)用數(shù)據(jù)，并形成運(yùn)算結(jié)果對(duì)外輸出。在上述生態(tài)內(nèi)，算法、數(shù)據(jù)與運(yùn)算平臺(tái)三者缺一不可。而傳統(tǒng)的以保護(hù)敏感信息為目的的“信息孤島”則徹底將數(shù)據(jù)從生態(tài)中割離開，形成了巨大空洞，阻礙了未來“人工智能+醫(yī)療”的深入結(jié)合與推進(jìn)[11]。未來將區(qū)塊鏈和人工智能相結(jié)合，基于深度學(xué)習(xí)的醫(yī)療人工智能分析技術(shù)，是一種以數(shù)據(jù)基礎(chǔ)與應(yīng)用效果直接正相關(guān)的統(tǒng)計(jì)分析方法。隨著目前醫(yī)療數(shù)據(jù)的使用途徑縮窄，未來這種技術(shù)的發(fā)展方向也正被社會(huì)各界廣泛關(guān)注[14]。對(duì)于人工智能這種嚴(yán)重依賴數(shù)據(jù)迭代和更新的應(yīng)用，“一次成型”的部署方式難以發(fā)揮其功能和價(jià)值。目前系統(tǒng)已經(jīng)具備了算法的投放能力，下一步將與多中心數(shù)據(jù)統(tǒng)計(jì)，特別是聯(lián)邦學(xué)習(xí)、多方安全計(jì)算相結(jié)合，解決應(yīng)用算法在敏感信息環(huán)境中的投放問題，打通數(shù)據(jù)交匯渠道，探索并推動(dòng)形成醫(yī)療數(shù)據(jù)模型設(shè)計(jì)開發(fā)的新模式，即醫(yī)療機(jī)構(gòu)提供數(shù)據(jù)基礎(chǔ)、醫(yī)療知識(shí)和應(yīng)用渠道，科研機(jī)構(gòu)提供模型的智力支持，整體環(huán)境將從現(xiàn)在的以科研機(jī)構(gòu)或企業(yè)為中心，調(diào)整為以醫(yī)療機(jī)構(gòu)為中心，將為醫(yī)療行業(yè)與信息技術(shù)融合提供更堅(jiān)實(shí)的發(fā)展基礎(chǔ)和廣闊前景。

致謝：北京嘉和美康信息技術(shù)有限公司張雷、郭偉光，張義超、郝昌龍、王濤、邵義工程師對(duì)結(jié)構(gòu)化數(shù)據(jù)庫(kù)建設(shè)的技術(shù)支撐。