医学信息数据库

3.2　医学信息数据库

3.2.1　数据库基本概念

1）数据库

一个完整的数据库系统可以用下图表示:

图3－3　数据库系统及其应用

数据库（database，简称DB）是在计算机存储设备上合理存放的、相互关联的数据的集合，并由相应的系统软件，即数据库管理系统（database management system，简称DBMS）进行管理。DBMS是数据库系统的核心，是用于建立、使用和维护数据库的系统软件。成熟的DBMS软件都是一些国际大软件公司开发的。

应用程序（application），即面向用户的处理数据的软件，通常它们是由专门的软件专家根据用户需要而设计开发的。它们向用户提供使用和处理数据库内数据的接口。这些界面通常是易于理解并且方便使用的。不同的用户角色可能使用不同的应用程序。比如药房使用的程序与挂号收费使用的程序是不同的。

系统管理员（database administrator，简称DBA）需要有一定的软件开发经验，对于DBMS和数据库的硬件设备要有相当的了解。他的具体职责包括:规划和定义数据库结构，定义数据库的安全性要求和完整性约束，选择数据库的存储结构和存取路径，监督和控制数据库的使用和运行，改进数据库系统和重组数据库。

数据库（DB），数据库管理系统（DBMS）和应用程序是构成一个实用数据库的三个必备条件。

2）数据结构、数据模型和数据库类型

在数据库系统中，不仅数据本身的内容，而且数据之间的关系都是非常重要的。为了在数据库系统中存储数据，数据库系统设计时首先要根据数据之间的关系决定以什么样的组织方式将数据存储于数据库中，这些描述数据之间关系的方式称为数据结构。数据库系统的数据和数据间关系都需要存储在数据库中。

为了实现采用的数据结构，不同类型的数据库系统各自建立了相应的数据模型。表示实体类型及实体类型间联系的模型称为数据模型。数据模型分为不同的层次。

概念模型:也称信息模型，它是按用户的观点来对数据和信息建模的。概念模型主要用于数据库的总体设计。这种独立于计算机系统的信息模型，只是用来描述某个特定应用单位的信息结构，完全不涉及数据在计算机系统中如何存放等具体问题。概念模型应该简单、清晰，易于用户理解，便于数据库设计人员与用户交流和确认。例如在关系型数据库设计中，通常用简明的E－R（entity－relationship，实体关系）图来描述现实世界的概念模型。

数据模型:也称为结构数据模型，主要包括网状模型，层次模型，关系模型等，它是按计算机系统的观点来对数据建模。这类模型涉及计算机系统和数据库管理系统，主要用于DBMS即数据库管理系统的实现。各种类型的DBMS软件都是基于某种数据模型的。数据模型是严格定义的一组概念的集合，一般包括数据结构、数据操作和数据完整性约束三部分。

数据结构用于描述系统的静态特性，例如关系模型中的属性、属性值范围、关系等。通常按照数据结构的类型来命名数据模型，如关系结构的数据模型称为关系模型。

数据操作是对系统动态特性的描述，数据库主要有检索和更新（添加、删除、修改）两大类操作。数据模型必须定义这些操作的确切含义、操作符号、操作规则以及实现操作的语言。

数据的约束条件是一组描述约束规则的集合。完整性规则是给定的数据模型中数据及其联系应遵循的存储规则，用以保证数据的正确、有效和一致。此外，数据模型还应该为具体应用所涉及的数据规定必须遵守的特定语言条件。例如性别必须为“男”和“女”两个值中的一个。

不同的数据模型具有不同的数据结构形式。例如就关系数据模型的数据结构而言，从用户看来，一个关系模型的逻辑结构是一些有关联的二维表，每个表由行和列组成。关系数据模型的操作主要包括查询、添加、删除和更新数据。这些操作必须满足数据的完整性要求。关系型数据库的标准查询操作语言是SQL语言。

任何一个数据库都至少采用一种数据模型。利用所设计的数据模型，人们抽象出并合理地表示现实世界中的真实数据关系。

数据库的类型可依据数据模型的不同，分为以下几类:

（1）层次数据库。层次型数据库管理系统是紧随网状数据库而出现的。现实世界中很多事物是按层次组织起来的。层次数据模型的提出，首先是为了模拟这种按层次组织起来的事物。层次数据库也是按记录来存取数据的。层次数据模型中最基本的数据关系是基本层次关系，它代表两个记录型之间一对多的关系，也叫做双亲子女关系（PCR）。数据库中有且仅有一个记录型无双亲，称为根节点。其他记录型有且仅有一个双亲。在层次模型中从一个节点到其双亲的映射是惟一的，所以对每一个记录型（除根节点外）只需要指出它的双亲，就可以表示出层次模型的整体结构。层次模型是树状的。最著名最典型的层次数据库系统是IBM公司的IMS（information management system），这是IBM公司研制的最早的大型数据库系统程序产品。从20世纪60年代末产生起，如今已经发展到IMSV6，提供群集、n路数据共享、消息队列共享等先进特性的支持。这个具有40年历史的数据库产品在如今的www应用链接、商务智能应用中扮演着新的角色。层次数据库的突出优点之一是在于它的非常有效的存储功能。因为它采用稀疏数组存储结构进行数据的存储，不会浪费存储空间。当插入的一个新数据记录被存储时，不仅存储了它的数据，而且存储了它和其他数据记录之间的链接，因而能提供更快速的查询响应速度。

（2）网状数据库。网状数据库是导航式（navigation）数据库，用户在操作数据库时不但说明要做什么，还要说明怎么做。例如在查找语句中不但要说明查找的对象，而且要规定存取路径。世界上第一个网状数据库管理系统也是第一个DBMS是美国通用电气公司Bachman等人在1964年开发成功的IDS（integrated data store）。网状数据库模型对于层次和非层次结构的事物都能比较自然地模拟，在关系数据库出现之前网状DBMS要比层次DBMS用得普遍。在数据库发展史上，网状数据库占有重要地位。网状数据库是灵活的，可以在需要时使它看起来就像一个层次数据库，也可以使一个网状数据库看起来就像一个顺序访问文件。

网状数据库在卫生医疗方面也有过应用。有影响的实例是由Larry Weed领衔开发的PROMIS（Problem Oriented Medical Information System）系统。这个面向疾病问题的医疗信息系统是在Vermont大学建立的早期电子病历系统。

（3）关系型数据库。关系型数据库是采用关系模型为基础结构的数据库。关系模型的特点就是把数据组织成二维表的形式，也就是用一种二维表的形式即关系来组织数据。也就是以行和列的形式存储数据，以便于用户理解。这一系列的行和列被称为表，一组表组成了数据库。人们可以在各个数据项之间建立关联关系，也可以在各个表之间建立关系。关系模型就是利用这些关系来描述现实世界中实际存在的数据关系的。一个关系可以用来描述一个实体及其属性，也可以用来描述实体之间的联系。二维表的每一行叫做关系的一条数据，也是一个记录。二维表的每一列表示的是实体的一个属性。在关系型数据库中就是由反映现实世界中各数据实体和其属性关系的一系列的二维表模型来建立的，对这种数据库数据的检索和维护也是围绕二维表关系模型来进行的。

关系型数据库系统的好处是所用模型结构较为简单，其结构也较易于改动。而其缺点是它的I/O（输入输出）的使用强度较大。有时为了得到一个数据，需要多次的硬盘访问才能找到。为了组成医院信息系统即HIS的数据库，它可能包括几百张表格。而较大医院的信息系统数据库甚至包括几千张表。

用户用查询（query）来检索关系型数据库中的数据。一个query是一个用于指定数据库中行和列的SELECT语句。关系型数据库通常包含下列组件:客户端应用程序（client），数据库服务器（server），数据库（database）。

结构查询语言（structured query language）（SQL）是client端和server端的桥梁，client用SQL来向server端发送请求，server则返回client端要求的结果。现在流行的大型关系型数据库有IBM DB2、IBM UDB、Oracle、SQL Server、SyBase、Informix等。

（4）面向对象数据库。以面向对象的概念和方法（诸如多态、封装、继承、重载等）设计的数据库称为面向对象数据库（OODB）。这可以使数据库系统的分析、设计最大程度地与人们对客观世界的认识相一致。

面向对象数据库在数据模型中提供了多种语义，允许定义复杂的数据类型和关联。在面向对象数据库模型的设计里，包含有数据和程序代码一起封装的概念。使用面向对象数据库管理系统，在设计用户应用程序时，并不需要知道作为基础的数据组织结构的细节。这既减轻了应用程序设计员的工作强度，也实现了模块化开发应用程序的概念，从而提高了该程序被多次利用的可能性。

面向对象数据库的缺点是，纯对象数据库速度慢、缺少像SQL一样简单易用的查询语言，在可靠性和商品化方面也不够成熟。

面向对象数据库中在很多情况下能满足特定应用的需要。随着许多基本设计应用（如MACD和ECAD）中的数据库向面向对象数据库的过渡，面向对象思想也逐渐延伸到其他涉及复杂数据的应用中，其中包括辅助软件工程（CASE）、计算机辅助印刷（CAP）和材料需求计划（MRP）。

还有许多应用要求多媒体数据库。它们要求以集成方式和文本或图形信息一起处理关系数据，这些应用包括高级办公室系统的其他文档管理系统。

人工智能（AI）应用的需要，如专家系统，也推动了面向对象数据库的发展。专家系统常需要处理各种复杂的数据类型。与关系数据库不同，面向对象数据库不因数据类型的增加而降低处理效率。

（5）XML数据库。XML数据库是泛指利用XML扩展标记语言来帮助实现数据的存储。XML是以标记格式来表示的，“开始标记”和“结束标记”之间的是一些标记定义的数据。这些标记就是各个字段名，而在它们之间是数据内容。因此，有人将存储XML数据的数据库称为XML数据库。

在这种XML数据库中，单元记录不必要由计算机程序的结构或一个数据层来定义，而是由一个文档类型描述来定义的。

XML数据库提供的是功能很强的数据模型，它的长处在于它的灵活性，可以表示广泛的数据。并且XML是能被Web浏览器所识别，因此不仅可以用XML来建立数据模型，而且浏览器能自动地知道如何去正确显示，因为它理解XML标记语法的含义。如在病人病案首页中，一个病人的定义之中包括病人识别码、姓名、性别、生日等数据都可以用XML定义后很方便地存储在数据库中。

XML数据库的缺点是比较传统数据库还不很成熟，还处于发展阶段。目前较适用的XML格式的数据库是中等复杂程度和中等规模的数据库，例如一百个字段和一百万条记录以下的数据库应用场合。

3.2.2　医学信息数据库及其应用

数据库以它所存储信息、数据的范畴和属性而具有不同的应用领域。存储在医学数据库内的是与医学有关的一切信息，它涵盖的范围非常广泛，遍及基因组分析，医院管理和临床应用，远程医学，医学研究应用，医学知识库应用，医学教学，医学信息检索，医学决策支持，公共卫生，疾病预警监视，防范生物恐怖袭击等诸多领域。

以下是几个具体应用医学信息数据库的实例。

1）公共卫生数据的因特网应用

访问流行病学数据对公共卫生事业是极其重要的。然而，一般情况下已公布数据都是过时的，由于保密、安全以及其他原因，现有数据库又不能访问。尽管有了因特网，但数据仍然不及时。针对这种情况，美国华盛顿州卫生局的流行病学、卫生统计和公共卫生实验室开发了基于Web应用联机的流行病学查询和作图系统。该系统可以对州或地区的公共卫生数据（死亡、出生、癌症登记、住院、性传播疾病、损伤、突发事件应对、环境执法）进行研究、统计和地理分析，以便进行卫生评估或监察支持。该系统特别强调事件发生在何处，在不同的地理等级（州、县、邮编地区等）的卫生评估会按年龄、性别的发生率进行展示。对小数量问题的发生率，运用经验贝叶斯平滑法进行调整后也可获得。信息提供方式有图表、表格和地图。提供对象分为三个层次，即三种安全水平:一般群众、公共卫生和医疗保健工作者以及流行病学家和卫生官员。

该系统开发的原则是尊重隐私，信息准确及时，容易使用，高效存取，对发生率数据的计算和表示标准化。

该数据库对100种死亡原因按年龄、性别、种族、年份、地理进行分解。如果用户提出有另外的死亡原因要加到数据库中，可根据新的国际疾病分类法用SAS程序脱机运行。

2）对心电图数据的获取和分析

心电图是临床使用最频繁的常规检查方法之一，但是心电图数据的获取、存储和分析使用的是不同的格式和软件平台。数据只有在开放式情况下共享和解释，其益处才能充分利用。这就需要研究跨平台的解决方案，以支持生物医学培训、决策和远程医学应用。

英国的Haiying Wang等人研究了一种用于心电图数据获取和分析的标记语言（ecgML），取得了很好的结果。基于XML技术的优越性，ecgML有能力提供一种独立于系统、应用和格式的解决方案，拟订一种开放透明的表示、交换和挖掘心电图数据的方法。因此，ecgML不仅可用于在心电图数据中进行知识发现的基本成分构成，同时它还遵循将内容和表示信息分开的原则。

ecgML能够把心电图数据无缝整合到电子病历和临床实践指南中。该方案能够支持不同的心电图获取和可视化设备之间的数据交换，还可能使用不同软件平台和应用进行数据挖掘，它通常能帮助实施自动决策支持模型，如基于案例的推理。

3）计算机辅助诊断

计算机辅助诊断（computed aided diagnosis，CAD）作为一种帮助放射科医生进行图像诊断的基本工具，现在已转变为一种更为复杂的应用系统。图像处理功能和模式识别程序通常需有一套数据存储在一个数据库中，作为一套标准或数据仓库。在诊断过程中由医生进行的操作（提醒注意）要有一个友好的用户界面。要将图像处理、数据库结构和图形用户界面整合在一起，就要设计多层CAD系统。

波兰的Ewa Pietka等为对骨龄评估方法进行评价，设计构建了计算机辅助诊断系统信息学基础设施。该系统设计为三层:第一层为数据库管理系统，第二层为应用层，最后一层为表示层。数据库管理系统负责数据存档和分配。应用层包括管理应用服务器，www服务器和一个CAD工作站共三个部分。应用层的任务包括数据库访问，由图形用户界面授予的数据表示，以及由设计的动态网页所允许的对整个CAD系统的远程访问。表示层通过一个网页取景器允许对系统进行方便的远程访问。在用户端，网页取景器则作为访问整个系统的一个界面。

计算机辅助诊断在检测和诊断乳腺癌方面发挥了不可替代的作用。乳腺X线摄影是早期检测乳腺癌的最佳筛查方法。乳腺放射线获取技术能使乳腺癌早期体征在乳房X线照片上更明显。但乳腺X线检查的精确度取决于乳腺X线图像的质量和放射科医生对这些图像的解释能力。使用对某一图像的计算机化的分析输出，可以帮助放射科医生检测和诊断乳腺癌，并且可能改进对乳腺癌图像的解释和后续的卫生保健。

计算机医学诊断应用从三个不同方面改进了分析:首先，通过使用定量特征而不是直观插入提高了客观性。这些特征是自动而不是手工提取的，这样一方面提高了分析的速度，同时使测量不受外部条件（比如光线）、测量的不精确和错误（比如刻度错误）等的影响。第二，规定了一种透明算法，使决策过程在特征分析中标准化。这就再次提高了客观性并解决了可复制性问题。最后，这样可使一套图像和描述图像的特征能够被采集并被认可为一种医学标准。

4）生物芯片技术的应用

简单地说，生物芯片就是在一块指甲大小的玻片、硅片、尼龙膜等材料上放上生物样品，然后由一种仪器收集信号，用计算机分析数据结果。目前制备芯片的固相材料有玻片、硅片、金属片、尼龙膜等。

生物芯片是20世纪80年代末在生命科学领域中迅速发展起来的一项高新技术，它主要是指通过微加工技术和微电子技术在固格体芯片表面构建的微型生物化学分析系统，以实现对细胞、蛋白质、DNA以及其他生物组分的准确、快速、大信息量的检测。常用的生物芯片分为三大类:即基因芯片、蛋白质芯片和芯片实验室。生物芯片的主要特点是高通量、微型化和自动化。芯片上集成的成千上万的密集排列的分子微阵列，能够在短时间内分析大量的生物分子，使人们快速准确地获取样品中的生物信息，效率是传统检测手段的成百上千倍。它将是继大规模集成电路之后的又一次具有深远意义的科学技术革命。

生物芯片技术可以将极其大量的探针同时固定于支持物上，因此可以实现一次对大量生物分子进行的检测分析，弥补了传统核酸印迹杂交（southern blotting和northern blotting）等技术复杂、自动化程度低、检测目的分子数量少、低通量等不足，很快成为“后基因组计划”时期基因功能研究以及现代医学科学、医学诊断学发展的强有力的工具，推动了新基因的发现、基因诊断、药物筛选、给药个性化等方面的重大进展，给整个生命科学带来广泛深刻的变革。

生物芯片技术从出现，经历逐步发展，到现在已进入成熟阶段，并已逐步成为生命科学研究的重要手段。之前一些无法实现的科研设想成为可能。

我国生物芯片技术也呈现了极其迅猛的发展态势，目前的生物芯片产品有500多种，10余种芯片或相关产品实现产业化生产。产品主要包括:人乳头瘤病毒分型基因芯片及阅读仪；结核杆菌耐药基因芯片及阅读仪；地中海贫血基因芯片及阅读仪；生物电芯片（商品名:乳福康）；睡眠障碍康复芯片；HD－2001A生物芯片检测仪；LE－01－B生物芯片阅读系统；生物芯片影像读取仪；EcoScan－100微阵列芯片扫描仪等。适用范围涵盖了疾病病因筛查和诊断、早期预警、健康评估、药物应答预测与疾病诊治方式的关系等领域。

尽管生物芯片技术已经取得了长足发展，但仍然存在着许多难题。比如成本昂贵；探针的合成与固定复杂，尤其是制作高密度的探针阵列更是如此；在信号的获取与分析上，目前大多使用荧光法进行检测和分析，重复性较好，但灵敏度不高；另外，对如此大量的数据信息进行读取与分析也是一个艰巨的技术问题，要想广泛应用到临床疾病的诊断还需要一定的时间。但是我们相信，在不久的将来，随着生物芯片技术的不断完善，它一定会为医学事业作出更大的贡献。

3.2.3　数据库安全

数据的安全性关系到整个系统能否正常的运行，最终关系到单位能否提供正常的服务。虽然，计算机技术的发展给人们的日常生活提供了很多便利，然而，人为的操作错误，系统软件或应用软件的缺陷，硬件的损毁，电脑病毒，黑客攻击，自然灾难等等诸多因素都有可能造成计算机中数据的丢失或错乱等，从而给医院造成无可估量的损失。

对于医疗信息数据库的常见安全威胁包括自然灾害，电力中断，软件故障，硬件故障，战争行为和病毒等。

虽然没有计算机系统和数据库系统是绝对安全的，但是主动采取一些措施可能保护相应系统免受危害。这些措施有权限控制、预防性对策、矫正过程和检测行为。

权限控制:降低了蓄意攻击的可能性。常见的权限控制包括多级验证和密码保护等安全特性。物理验证，如指纹验证，虹膜验证，脸部验证都属于物理验证，使对重要服务器的访问者有更严密的保安措施，只给很少的使用者提供访问权。

预防性对策:能屏蔽掉攻击，从而导致攻击不成功或减少它的影响。防火墙能够阻止未经授权的系统访问，这是预防性对策的一个实例。

矫正过程:能够降低威胁的影响。数据库备份。灾难恢复计划和硬件设备的备用都是矫正过程的例子。数据库的备份是最常用的减少损失的办法。单次备份又分为全备份和增量备份两种。按时间分有定时备份和人工不定时备份。按设备分有本机备份和异机备份。按地点分有本地备份和异地备份。比如每一天做一次数据库备份，这样即使发生数据库的破坏，我们可以用备份数据库来恢复绝大部分的信息，所丢失的只是上次备份以后更新的内容。异机备份是指将备份做到另一台机器上。这样即使这台机器发生故障，那台备份机器就可以顶上来提供信息数据。

检测行为:能够识别威胁的攻击行为并触发预防性对策和矫正过程。例如，杀毒软件能够检测到病毒进入系统并能够按配置来自动清除系统文件或隔离受感染的文件。很多用来跟踪用户、文件更新以及对重要系统的更改的监视软件也可以用来帮助检测标明入侵或威胁的异常。

存放数据库的设备（服务器）应该被安置在一个特殊场所，要有严密的防火、防爆、防震、防盗措施。不间断电源的使用可以减少突然事故引发停电受到的影响。

3.2.4　数据库概念的扩充

随着传统的数据库技术日趋成熟、计算机网络技术的飞速发展和应用范围的扩大，以分布式为主要特征的数据库系统的研究与开发受到人们的注意。分布式数据库是数据库技术与网络技术相结合的产物，在数据库领域已形成一个分支。分布式数据库的研究始于20世纪70年代中期。世界上第一个分布式数据库系统SDD－1是由美国计算机公司（CCA）于1979年在DEC计算机上实现的。20世纪90年代以来，分布式数据库系统进入商品化应用阶段，传统的关系数据库产品均发展成以计算机网络及多任务操作系统为核心的分布式数据库产品，同时分布式数据库逐步向客户机/服务器模式发展。

1）分布式数据库（distributed database system，DDBS）的分类

（1）同构同质型DDBS:各个场地都采用同一类型的数据模型（譬如都是关系型），并且是同一型号的DBMS。

（2）同构异质型DDBS:各个场地采用同一类型的数据模型，但是DBMS的型号不同，譬如DB2、ORACLE、SYBASE、SQL Server等。

（3）异构型DDBS:各个场地的数据模型的型号不同，甚至类型也不同。随着计算机网络技术的发展，异种机联网问题已经得到较好的解决，此时依靠异构型DDBS就能存取全网中各种异构局部库中的数据。

2）DDBS的基本特点

（1）物理分布性:数据不是存储在一个场地，而是存储在计算机网络的多个场地。

（2）逻辑整体性:数据物理分布在各个场地，但逻辑上是一个整体，它们被所有用户（全局用户）共享，并由一个DDBMS统一管理。

（3）场地自治性:各场地上的数据由本地的DBMS管理，具有自治处理能力，完成本场地的应用（局部应用）。

（4）场地之间协作性:各场地虽然具有高度的自治性，但是又相互协作构成一个整体。

3）DDBS的其他特点

①数据独立性。②集中与自治相结合的控制机制。③适当增加数据冗余度。④事务管理的分布性。

4）DDBS的优点

①具有灵活的体系结构。②适应分布式的管理和控制机构。③经济性能优越。④系统的可靠性高、可用性好。⑤局部应用的响应速度快。⑥可扩展性好，易于集成现有的系统。

5）DDBS的缺点

①系统开销较大，主要花在通信部分。②复杂的存取结构（如辅助索引、文件的链接技术），在集中式DBS中是有效存取数据的重要技术，但在分布式系统中不一定有效。③数据的安全性和保密性较难处理。

6）分布式数据库管理系统（如图3-4所示）

图3－4　分布式数据库管理系统示意图

（1）“分布计算”概念突破了集中式DBS的框架，数据分布使系统走上分布式DB的道路，功能分布使系统走上C/S道路。这是DBS的两个发展。

（2）C/S系统包括一个计算机网络，通常用一个局域网联结。几乎在所有情况下，客户机都是微机；服务器有时用小型机或大型机，但多数情况下也使用微机或高档微机。应用程序在客户机上处理，DBMS和OS的数据管理分放在服务器上。

（3）C/S结构经历了从两层、三层到多层的演变过程。总的趋势是使客户机越来越“瘦”，变成浏览器；而服务器的种类越来越多，容易实现系统的组装。

（4）C/S系统使应用与用户更加贴近，为用户提供较好的性能和更复杂的界面。

（5）分布式系统是在集中式系统的基础上发展而来的。DDB是数据库技术与网络技术结合的产物。随着计算机网络技术的飞速发展，DDBS日益成为数据库领域的主流方向。

（6）DDB具有数据分布性和逻辑整体性的特点。DDBS能够支持涉及多个场地的全局应用。DDB的数据存储有数据分片和数据分配两种策略。

（7）DDB的模式结构为理解DDBS提供了一种通用的概念结构。分布透明性是DDBS追求的目标。DDBMS是负责管理分布环境下，逻辑集成数据的存取、一致性、有效性和完备性的软件系统。

（8）DDBS中数据分布在各个场地，系统中压倒一切的性能目标是尽量减少网络中传送信息的次数和传送的数据量。分布式查询中基于半联接的优化策略是常用的技术。

（9）对于并发控制和恢复，DDBMS环境中会出现大量在集中式DBMS环境中碰不到的问题。分布式的并发控制有主场地方法和主拷贝方法，再辅之以备份场地技术。