基于数据驱动模式的医疗设备精准化维修系统设计

张付领，李家宽，孙元硕，周双勤，刘志猛，晁 勇，梁 田，王 宇，查玉华

（解放军总医院医疗保障中心，北京 100071）

0 引言

随着工程技术与现代医学的深度结合，医疗设备已广泛应用于临床诊疗、康复疗养、科学研究等领域，种类、数量及资产总额不断增长，提高了医疗机构诊疗能力的同时，也对医疗设备管理能力提出了挑战，特别是医疗设备故障的处置能力。为此，国家及行业内相继颁布了《医疗器械使用质量监督管理办法》《医疗卫生机构医学装备管理方法》，对医疗设备的规范化管理、精准化保障提出了明确要求。医疗设备故障不仅干扰正常的医疗秩序，同时增加患者的健康隐患。这就需要医疗设备管理部门提高医疗设备保障能力、规范流程管理、降低故障风险，做好日常预防性维护，提高维修能力及处置效率，缩短平均故障时间，增强保障能力。

由于医疗设备具有多学科领域交叉、高度个性化及专业性等特点，对医疗设备的维修管理不仅是业务管理，更需要基于医疗设备技术特点及运行状态建立一种自动化、精准化的动态维修管理模式，充分利用领域内的专业知识，从维修档案中提取设备维修相关规则，加快维修人才队伍建设，提高医疗设备维修的精准性和科学性。因此，本文拟构建医疗设备精准化维修系统，基于医疗设备维修档案数据挖掘过程，实现规则提取及知识发现，优化业务流程；并采用数据驱动业务机制，规范业务管理，提高维修效能。

1 需求分析

目前，业内医疗设备维修管理尚未形成精准高效的管理体系，部分医疗机构的维修管理依赖于人工流转，信息记录载体依赖纸质文档，同时，尚未建立健全医疗设备维修档案体系，维修档案也缺乏与业务系统的数据联动，更新具有滞后性，存在维修状态更新不及时、无法实时掌握设备状态等问题；同时，在数据应用方面，维修决策依赖于主观决定，导致检索、统计效率及数据利用率较低，且容易出现数据错误，导致年度医疗设备维修经费预算估算、维修方案制订、设备整体运行状态缺乏数据支持。现有的医疗设备维修管理系统存在功能单一、数据零散、信息间缺乏互通机制、流程缺乏主动控制及数据辅助决策等问题。因此，需要优化业务流转，提高周转效率；融合业务系统与维修档案，实现数据整合，加强数据挖掘与知识发现能力。

1.1 自动化业务流转机制

系统可通过构建消息映射及响应机制，基于数据流实现流程触发，构建起业务数据流生成、数据变化响应、数据驱动业务的数据洞察机制，达到程序控制的目的[1]。建立覆盖维修申请、项目立项、维修谈判、合约签订、维修实施、零配件申请、配件采购及出入库管理、结果验收、评价反馈、经费结算等自动化全业务流程管理体系，减少人工控制模式下维修流程被动流转的现象，提高维修流程的自动化、高效性和精细化程度，为确保医疗质量提供功能支持。

1.2 业务系统数据融合与维修档案管理功能

与传统设备维修相比，医疗设备维修档案涉及业务种类繁多、更新速度快，同时，数据具有多源性、异构性、高度个性化及专业化等特点，导致传统的医疗设备维修档案管理方法无法满足医疗设备维修管理需求。因此，需要建立有针对性、动态的数据管理模式，实现维修业务数据整合为医疗设备维修档案，即实现多源业务数据整合，可将医疗设备固定资产管理系统、医疗设备维修管理系统、档案管理系统、维修配件库管理系统、财务账目核销系统等业务系统数据整合为医疗设备维修档案管理功能[2]；实现异构数据转换、扩展、存储；具备面向主题建模、权限访问控制、数据容灾备份等功能。

1.3 维修档案数据挖掘与知识发现

医疗设备维修能力的强弱本质在于维修知识积累及其应用程度的区别，医疗设备维修缺乏有效的数据分析挖掘与知识发现机制，制约了医疗设备维修管理向精准化保障转型的进程。因此，需要在医疗设备维修档案管理的条件下，加速知识生成与应用，实现医疗设备状态评估、故障预测预警及维修策略辅助决策。然而在传统的应用中，存在着依赖于人工干预、缺乏自动化预测流程等问题，使数据挖掘的准确性和实时性受到限制[3]。因此，系统应构建动态数据挖掘与知识发现模式，提高医疗设备维修数据分析能力、建立实时评估方法、实现准确的预警[4]，实现数据加工、数据挖掘、知识库构建、辅助决策提供等功能，健全数据驱动管理体系，实现业务流程、数据应用的一致性、连续性和准确性[5]。

2 实现方法

数据驱动模式是一种以数据流为核心，通过数据集成梳理、挖掘分析，从中发现问题进而解决问题，实现驱动创新的业务模式，该模式有助于简化业务模式、降低管理难度，可通过数据挖掘实现知识发现并反馈优化业务流程[2，6]。本文将数据驱动模式应用于医疗设备维修管理过程，有助于构建可持续性医疗设备维修优化机制，提高维修决策的精准性。

本文拟针对不同医疗设备间的技术特点及个体特征，构建医疗设备精准化维修系统，以维修档案数据为驱动，全面覆盖医疗设备维修立项、维修操作过程、配件使用、档案管理、账目核销等过程，实现不同业务系统间数据采集、汇聚整合、挖掘分析、应用反馈等，为维修人员及管理者提供辅助决策，全面提高医疗设备维修能力。

2.1 自动化业务流转过程分析

医疗设备维修流程如图1所示，可分为立项申请、维修谈判、维修实施、账务核销、档案管理等。具体流程执行分别由流程文档记录，系统通过建立消息池记录并通过定时检测消息状态监控流程进展，当对应流程完成并形成文档记录后，系统向消息池发出对应消息，通过消息映射后的处理过程推动流程转换[7]。这样不仅提高了流转效率，同时有助于保持过程文档的完整性。

图1 医疗设备维修流程图

2.2 维修档案管理功能实现方法

维修档案管理用于实现维修业务中涉及的记录信息收集、关联整合、统计查询及数据挖掘等功能。

2.2.1 数据采集

数据采集采用定义数据源、数据源连接、数据表转换系列流程实现，从而完成从不同业务系统中获取数据[8]。用户可通过向导在线配置连接字符串，完成数据源连接，采用数据抽取工具完成数据抽取-转化-载入（extract transform load，ETL）过程，最后实现数据集中存储。

2.2.2 汇聚整合

系统从业务系统中完成数据采集后，因数据存在异构性且缺乏表间关联，为实现数据维度分析、关联挖掘等[9]，需要在数据采集完成后建立直接数据联系。本文拟采用数据模型映射法实现数据整合，即由领域专家基于业务系统分别建立数据模型，将批量采集数据经预定义数据模型映射后建立数据集合。

2.2.3 挖掘分析及辅助决策

挖掘分析可从维修档案数据中分析出其中隐含的数据价值，可为系统提供业务数据统计、业务数据价值分析、模型构建、应用场景实现等功能。本文拟基于第三方挖掘分析工具及专家辅助决策理论建立包括数据准备、规则提取、规则呈现及应用全流程的自动化挖掘分析组件。

3 系统设计

系统架构图如图2所示，包括数据存储层、公共技术层、服务层、业务层和展示层。其中，采用数据中台系统实现数据驱动功能，即基于维修业务数据整合，分析数据价值并为医疗设备维修提供决策支持。

图2 医疗设备精准化维修系统架构图

3.1 数据存储层

数据存储层包括固定资产系统、文档数据库、维修配件数据库以及维修账目数据库等业务系统数据库，并通过公共技术层经ETL、整合形成维修档案对象。采用Ceph实现维修档案对象、业务文件及线性表持久化，该技术具有容错性强、数据均衡性分布、并行度高、无单点故障、去中心化、扩展灵活等技术特点[10]，可同时满足块存储、文件存储以及对象存储技术要求。采用Ceph对象存储技术结合RESTful API、CephFS网络文件系统实现院内私有云数据访问并建立档案文件集中存储体系。系统采用存储访问librados为数据访问提供接口，并通过librados建立Ceph访问连接。

3.2 公共技术层

公共技术层为系统各层提供ETL、数据整合、流数据处理、数据访问控制、统计挖掘等服务。

3.2.1 ETL

采用Kettle开源可视化工具实现系统ETL功能，该工具具有易于配置、数据源兼容性强、支持二次开发及定时管理等特点[11]，能够满足系统开发需求。采用Kettle增量同步策略实现批量业务系统同步，如图3（a）所示，系统采用时间戳实现记录标识，启动ETL任务后，根据连接字符串实现数据连接，获取目标数据表并选择目标字段，选择时间戳调用librados完成数据查询，按照时间戳保留查询结果；若为关联表ETL，需要记录数据关联特征。ETL抽取完毕后记录日志并关闭连接。

图3 公共技术层实现流程

3.2.2 数据整合

数据整合可将不同来源异构数据加载到统一数据视图，能够提高低层数据来源的透明度、可重用性、数据管控能力等[9]。本文采用预定义数据视图模板、数据视图映射方式实现数据整合功能，具体实现流程如图3（b）所示。系统建立数据连接后，获取原始数据表结构，经数据视图初始化、数据约束定义后将原始数据记录按照数据视图实现存储对象映射，映射后对象经持久化后写入操作日志。

3.2.3 流数据处理

维修业务流数据处理采用Apache开源项目Kafka结合Spark Stream实现。采用Kafka为流数据扩增提供消息队列，使得多业务系统同步数据持续扩展转换为队列增量实现[12]。依次批量处理队列数据，从而将流数据处理复杂度由O（N2）降为O（N），提高多平台异构业务系统数据处理效率。

3.2.4 统计挖掘

统计挖掘包括数据统计、挖掘分析。数据统计基于Apache开源项目Kylin实现多维数据分析功能，Kylin采用数据超立方体[13]、预聚合技术实现，具有高效统计分析效能。系统基于预定义主题模型及多维数据模型，根据检索条件实现多维统计分析功能，统计流程如图3（c）所示。挖掘分析基于Rapid Miner数据挖掘分析工具开发实现。如图3（d）所示，系统获取挖掘分析任务类型，用户选择样本后，构建读取样本数据信息Operator对象并获取样本数据信息[14]。用户定义并初始化挖掘分析模型，完成数据分组后载入样本数据完成模型训练，测试、评估模型性能后进行存储。

3.3 服务层

服务层可响应用户请求，实现系统具体业务功能，服务功能围绕具体维修过程展开。维修实施过程如图4所示。当遇到医疗设备故障后，使用人员发出维修申请，医疗设备管理人员维修立项并通知维修工程师前往维修，维修工程师根据维修状况向维修配件管理人员发出配件申请，经批准后完成配件领用，由维修人员完成维修记录。最后，经医疗设备管理人员、医疗设备使用人员共同验收后核销维修成本。服务层基于浏览器/服务器（Browser/Server，B/S）架构实现，具体采用Spring Boot框架开发，该框架内嵌Servlet容器，支持对象模型、开箱即用、约定配置等开发策略[15]，满足系统开发要求，而且降低了实现复杂度。

图4 维修实施过程

3.4 展示层

展示层用于实现用户交互功能，可分别为医疗设备使用人员、管理人员及维修人员提供设备状态查询、在线报修、流程控制、配件管理、档案存储以及在线记录填报等功能。展示层采用React前端框架开发实现，该框架支持声明式描述、单向数据流响应以及文档对象模型（document object model，DOM）模拟等技术[16]，可提高交互响应速度及开发效率。

4 应用效果

系统部署采用虚拟化技术模拟实现，测试过程采用解放军总医院第五医学中心南院区2016—2019年度的维修记录及2020年4月的医疗设备明细数据作为样例。

在测试中，分别针对系统功能进行业务流程、维修档案管理等功能测试。在医疗设备维修过程中，分别测试医疗设备使用人员、管理人员以及维修人员报修、立项、配件申请、配件出入库以及经费核销等功能。通过测试，系统可覆盖医疗设备维修标准化业务过程，如图5所示，用户可通过报修页面中的可视化向导完成故障申报流程，并支持用户采用检索控件、现场图片等方式简化申报描述；同时，系统可向用户提供同类设备常见故障描述、处理过程信息、维修人员联系方式等，为故障应急处置提供决策支持。当报修完成后，报修人员可在线实时跟踪设备维修状态。用户可通过设置设备检索条件查询目标设备信息，可浏览设备历史事件列表；维修人员可通过系统记录维修过程，系统可根据报修设备信息及故障描述，给予历史维修建议。

图5 系统运行界面

原有维修模式与本系统的性能对比见表1，平均响应时长由23.2 min缩短至3.6 min，平均故障分析时长由204.0 min缩短为27.4 min，平均修复时长由438.0 min缩短为330.0 min，维修能力显著提升。

表1 2种维修模式性能测试对比单位：min

基于数据驱动模式，医疗设备维修行为与维修服务评估指标密切关联，强化了使用人员、管理人员以及维修人员三方互联互通、监督评估，用户均可实时掌握设备维修状态，确保维修响应的快捷性。同时采用数据驱动方式，维修业务流程各环节可通过过程记录及业务状态变化实现自动流转，降低了人为操作带来的滞后性，进一步提高了维修流程的实时性和客观性。与此同时，采用数据驱动机制及模块化分级设计，降低了系统与固化业务流程的耦合性，提高了系统的兼容性、适应性。用户可实现单台设备历史维修记录查阅，并可基于相似度评估、知识匹配、主成分分析、多维数据查询，建立设备故障库，获得相似故障辅助决策、故障成因分析、同类设备故障明细等，提高知识复用程度，发挥数据价值；系统可通过数据层实现固定资产、医疗设备台账、财务报销、零配件出入库等数据关联及整合，实现数据集成，且支持数据跨域访问，允许用户执行数据挖掘任务，分析数据信息，形成辅助策略，为用户决策提供支持，从而实现将业务数据转换为业务效能，同时业务可支持数据更新，不断迭代循环的数据驱动运营体系[17]。

5 结语

随着医疗设备在临床诊疗、康复疗养、科学研究等领域应用范围的扩展，其种类、数量及资产总额不断增长，对医疗设备管理能力提出了挑战。但由于医疗设备维修活动存在个性化、专业性、随机性、突发性等特点，传统的工作模式存在流转缓慢、过程记录管理等困难，难以结合设备自身技术、使用特点开展针对性维修活动，已难以满足医疗设备维修的现实需求。因此，本文将数据驱动模式引入医疗设备维修管理过程，细化维修业务流程，通过过程记录及数据状态变化，控制业务流转，完善管理过程；基于维修过程记录建立健全设备维修档案，加快维修知识积累，结合数据挖掘方法，提高知识复用能力，发挥知识效能。目前，系统运行中部分流程信息输入仍依靠手工，在线审核缺乏实时性、移动性等问题，在下一步研究中，可结合物联网、多媒体转换等技术，实现数据采集的自动化、智能化，提高医疗设备维修保障效能。