《医疗大数据智能采集及管理技术规范编制说明》

《医疗大数据智能采集及管理技术规范》编制说明

一、标准制定的必要性

医疗大数据是指医疗领域中产生并囊括的各类数据和信息，如病历、影像、检验等大

数据集合。医疗大数据具有规模大、类型多、价值高、安全性强等特点，它可以为医疗服

务、科学研究、公共卫生、健康管理等提供有力的支撑和决策依据。医疗大数据智能采集

及管理技术是指利用人工智能、云计算、物联网等技术，实现对医疗大数据的高效获取、

标准化处理、安全存储、合理共享和深度分析的技术。它可以提高医疗大数据的收集效率

和质量，保证数据的真实、准确和完整，促进数据的交流和利用，增强数据的价值和意义。

在过去的十几年里，国内大力投资医疗系统信息化建设，产生并积累了大量医疗数据，

迫切需要通过人工智能及大数据等技术来挖掘和实现数据价值。这需要整合更加先进的技

术基础设施以更有效的方式进行数据集成、数据标准化以及数据分析，最终实现医疗大数

据更有效的应用。2020年的新冠疫情爆发进一步推动了国内医疗健康产业的数字革命，AI、

大数据、数字孪生等技术与医疗健康产业不断结合，促使医疗健康产业对于数据的利用又

上了一个新的台阶。同时，来自不同方面的要素也在推动着医疗大数据产品市场的发展。

医院方面，公立医院转型压力与日俱增，需要引入数字化医疗管理解决方案发挥电子

病历（EMR）的潜力以提高临床研究效率、降低人工成本、提高疾病诊断和治疗质量、更

好地管理病人。医院正逐渐推出创新业务模式，注重学术研究、临床治疗、转化医学及患

者管理，推升了对医疗数据集成及应用的需求。区域卫健方面，经过全民信息健康平台的

初步建设，积累了大量的数据，这些数据如何产生更大的应用价值，如何在区域里面互联

互认，如何跨区域互联互认方面有明确的需求。医保局管理每年数万亿的医保，对于如何

使用数据来更好地管理医保基金有强烈的需求。疾控方面，随着全球疫情的频繁爆发，如

何使用数据来更加快速、精准的进行流行疾病的风险管控有强烈的需求。

因此，编写医疗大数据智能采集及管理技术规范具有很强的必要性。首先，由于医疗

大数据来源广泛、格式不一、标准不统一，导致数据的不兼容、不互通、不可比，给数据

的整合、分析和应用带来困难。需要制定统一的医疗大数据智能采集及管理技术规范，规

范数据的定义、分类、编码、格式、质量等方面，实现数据的标准化和规范化。其次，随

着人工智能、云计算、物联网等技术的发展和应用，医疗大数据智能采集及管理技术也在

不断创新和进步，出现了许多新的方法和模式，如智能识别、智能分析、智能服务等。需

要制定符合时代发展和技术变革的医疗大数据智能采集及管理技术规范，引导和推动技术

1

的创新和应用。最后，医疗大数据涉及个人隐私和公共利益，具有较高的敏感性和风险性，

需要严格遵守相关法律法规和伦理原则，防止数据的泄露、篡改、滥用等。需要制定全面

和严格的医疗大数据智能采集及管理技术规范，明确数据的所有权、责任、权限等方面，

保护数据的安全和合法。

综上所述，编写医疗大数据智能采集及管理团体技术规范是一项重要而紧迫的任务，

它可以为医疗大数据的发展和应用提供指导和保障，促进医疗领域的信息化和智能化。

二、标准编制原则及依据

1、按照GB/T1.1－2020《标准化工作导则第1部分：标准化文件的结构和起草规则》

要求进行编写。

2、参照相关法律、法规和规定，在编制过程中着重考虑了科学性、适用性和可操作性。

三、项目背景及工作情况

（一）任务来源

根据《中国国际科技促进会标准化工作委员会团体标准管理办法》的有关规定，经中

国国际科技促进会标准化工作委员会及相关专家技术审核，批准《医疗大数据智能采集及

管理技术规范》团体标准制定计划，计划编号为：CI2023250。本标准由河南科技大学提

出，中国国际科技促进会归口。

根据计划要求，本标准完成时限为6个月。

（二）标准起草单位

本标准的主要起草单位是河南科技大学，负责标准文档起草及相关文件的编制。

（三）标准研制过程及相关工作计划

1、前期准备工作

项目立项前，标准编制小组查阅、研读相关国内外文献，广泛搜集医疗大数据智能采集及

管理相关的材料。同时，多次与医院和大数据相关行业人员进行调研、交流，广泛征求标准制

定方面的意见和建议。

2、标准起草过程

团体标准立项通知公示后，标准编制小组首先组织了标注制定工作会议，各编写人员根据

工作计划分工和编写要求开展了相关工作。在标准起草期间，编制小组主编单位及参编单位组

织了数次内部研讨会和专家咨询会，经过多次修改，于2023年8月完成了标准初稿及编制说明的

撰写⼯作。

2

3、征求意见情况

2023年9月标准编制小组先后通过现场会议、电话、微信等多种形式征集⾏业专家相关意见

和建议。针对征集的意见，标准编制小组召开了研讨会，将收集到的意见进行汇总处理分析，

在充分吸纳合理意见的基础上，先后修改和完成标准内容，于2023年11月根据在各单位反馈意

见基础上，形成了标准征求意见稿并由中国国际科技促进会提交全国标准信息平台公示。

（四）主要试验（或验证）情况分析

1.医疗大数据分布分级存储技术

医疗大数据分布分级存储技术是一种利用多级索引和虚拟映射将医疗数据索引与授权同级

医院交互，并同时连结上级医院，逐步汇聚至区域医疗大数据云平台的技术，如图3-1所示。

图3-1医疗大数据分布分级存储技术

它实现了医疗数据的分布式存储、分级管理、分域应用和分布式处理，从而提高了医疗数

据的安全性、可靠性、效率和价值。考虑利用分布式系统和分层架构来解决医疗数据的海量、

多样、动态和敏感性，根据数据的价值、访问频率、安全等级等因素，将数据分散存储在不同

的存储介质和节点上实现数据的高效管理和保护。在具体实施中，根据医疗领域中各种情境下

的数据特征需求创建不同大小的测试数据集，如表3-1所示。

表3-1测试数据集

数据大小1G10G50G100G150G200G250G300G

而后创建一个由不同配置的存储机器构成的分布分级存储集群进行存储测试，将不同数据

集的平均速率与传统存储方法相比较。如图3-2所示，分别使用传统的可靠数据存储方法和使用

改进后的可靠分布分级存储方法多次将不同大小的测试数据进行存储的平均存储速度比较，其

3

中横坐标代表被存储数据的大小，纵坐标代表存储速度，不同图例分别代表传统可靠存储方法

与改进后的分布分级存储方法的存储速度。通过观察图表可以得知，在处理较大数据时，改进

后的数据存储方法的速度明显快于传统存储方法。这种迅速的分布分级存储方法对于对数据完

整性有高要求的系统尤为关键。它不仅确保了数据在存储时的完整性和正确性，相较于传统数

据存储方法，存储效率得到了显著提升，从而促进了医疗资源的优化配置。

图3-2两种方法比较

2.医疗大数据自律管理技术

医疗大数据自律管理技术是一种针对医疗领域的大规模数据采集、处理和应用而设计的技

术手段。在这一技术框架下，通过引入自动化和智能化的方法，实现对医疗数据的自我管理、

监控和优化。医疗大数据所包含的信息涵盖了广泛的领域，包括临床数据、医学影像、遗传学

数据、病历资料、药物信息等。

为了有效处理这些庞大而复杂的医疗数据，大数据自律管理技术采用了分布式计算的思想。

首先，将医疗数据划分为多个子数据集，然后将这些子数据集分发到多个计算节点上进行并行

数据分析。每个计算节点独立进行数据分析，加速了整个过程的执行速度。分析完成后，各个

计算节点将其分析结果传回主节点，进行结果的汇总和综合分析。最终，得到了全面而准确的

数据分析结果。关键的一点是，医疗大数据自律管理技术不仅仅停留在数据分析阶段，更是在

结果生成后进行自我管理、监控和优化。通过对分析结果的综合评估，系统能够自动调整参数、

优化算法，以适应不断变化的医疗数据特点。这种自律性质使得系统更具适应性和灵活性，能

够应对医学领域快速发展和不断涌现的新数据。

3.医疗大数据快速检索技术

医疗大数据快速检索方法的主要目标是应对庞大而错综复杂的医疗信息数据集，以便迅速

而准确地定位所需的信息。在这一领域，由于医疗数据的多样性和大量性，采用高效的检索方

4

法至关重要，以满足医疗研究、临床决策和患者护理等方面的需求。主要包括以下几个方面：

数据采集：通过各种渠道和方式，收集医疗数据，包括临床数据、医学影像、遗传学数据、

病历资料、药物信息等。数据采集要保证数据的完整性、准确性、时效性和合法性，遵循数据

安全和隐私保护的原则，实现数据的标准化、规范化和清洗。

数据索引：通过分布式计算、云计算、边缘计算等技术，对医疗数据进行存储、传输、加

密、备份、恢复等操作，保证数据的可用性、可靠性和可扩展性。同时，通过数据挖掘、机器

学习、深度学习、自然语言处理等技术，对医疗数据进行索引、分类、聚类、标签、摘要等操

作，提高数据的可检索性、可理解性和可视化性。

数据检索：通过可视化、智能化、个性化等技术，对医疗数据进行展示、交互、推荐等操

作，为不同的用户和场景提供数据服务和数据产品。数据检索要满足用户的需求和期望，提高

用户的满意度和忠诚度，同时要遵守数据的使用规则和权限，防止数据的滥用和泄露。

数据分析：通过统计分析、关联分析、预测分析、优化分析等技术，对医疗数据进行分析、

挖掘、建模、预测等操作，提取数据的特征、规律、知识和价值。数据分析要基于数据的质量、

安全、效率和价值，为医疗的诊断、治疗、预防、管理等提供数据依据和决策参考。

4.医疗大数据协同优化技术

医疗大数据协同优化技术是指利用大数据技术和人工智能技术，对医疗健康领域的多源多

模态数据进行有效管理、分析和应用，以提高医疗服务质量和效率，降低医疗成本和风险，促

进医疗创新和发展的一种技术方法。首先使用存储冗余优化方法，即采用分布式存储、云存储、

边缘计算等技术，对医疗大数据进行高效、安全、可靠的存储和备份，从而减少数据冗余

和冲突，提高数据存取速度和质量。其次采用数据分析与挖掘方法，通过运用机器学习、

深度学习、自然语言处理等技术，对医疗大数据进行智能化的分析和挖掘，提取数据中的

有价值的信息和知识，支持医疗决策、诊断、治疗、预防等各个环节。最后采用加密、脱

敏、授权、审计等技术，对医疗大数据进行有效的安全和隐私保护，防止数据泄露、篡改、

滥用等风险，保障数据的合法性和合规性，如图3-3所示。

5

图3-3医疗大数据协同优化技术

5.安全访问控制技术

医疗大数据安全访问控制技术是指通过采用各种技术手段，对医疗大数据的采集、存储、

传输、使用、共享等过程进行有效的安全管理和保护，防止数据的泄露、篡改、滥用等风险，

保障数据的合法性和合规性的一种技术方法。主要包含了：医疗大数据安全态势感知技术，通

过对医疗数据环境中的各种安全事件和威胁进行实时监测、分析和评估，构建医疗大数据安全

态势感知模型，实现对医疗数据安全状况的动态感知和预警，提高医疗数据安全防御能力和响

应效率。该技术可以帮助医疗机构及时发现和应对数据泄露、篡改、攻击等安全风险，保障医

疗数据的安全性和可信度。医疗大数据云平台安全监测技术，通过对云平台上的医疗数据进行

全面的安全监测，包括数据的来源、流向、内容、状态等，实现对数据的安全性、完整性、可

用性、一致性等的评估和保障，防止数据在云平台上的泄露、丢失、损坏等风险。该技术可以

帮助医疗机构对云平台上的数据进行有效的管理和控制，实现数据的安全存储和传输，满足数

据的合规性和质量性要求。以及医疗大数据用户异常行为检测技术，通过对用户的正常行为进

行建模和学习，对用户的实时行为进行监测和分析，识别出用户的异常行为，如越权访问、非

法操作、恶意攻击等，实现对用户的安全行为管理和控制，防止用户对数据造成破坏或泄露。

该技术可以帮助医疗机构对用户的数据访问和使用进行有效的监督和审计，防止数据的滥用和

泄露，保护用户的隐私和权益。通过建立相对完善的数据安全访问控制机制，可以加强对敏感

数据的访问控制、数据安全。

四、标准制定的基本原则

标准编制过程中，遵循了以下基本原则：

1)标准需要具有行业特点，指标及其对应的分析方法要积极参照采用国家标准和行业标准。

2)标准能够体现出产品的具有关键共性的技术要素。

3)标准能够为产品的开发、改进指出明确的方向。

4)标准需要具有科学性、先进性和可操作性。

5)要能够结合行业实际情况和产品特点。

6)与相关标准法规协调一致。

7)促进行业健康发展与技术进步。

五、标准主要内容

本标准规定了医疗大数据智能采集及管理技术要求，正文部分共分四章，内容包括标

准的适用范围、规范性引用文件、术语和定义、总体设计。

6

六、与有关法律法规和强制性标准的关系

遵守和符合相关法律法规和强制性标准要求。规范性引用文件包括：

GB/T24466-2009《健康信息学电子健康记录体系架构需求》

DB3206/T1019-2021《医疗保险医疗服务大数据智能监控系统管理规范》

DB3206/T1018-2021《医疗保险医疗服务大数据智慧结算系统管理规范》

GB/T40665.3-2021