王咸宁:互联网医院信息系统架构设计

互联网医院是实体医疗的延伸，是以互联网技术为手段，以自由联盟的方式整合区域内各类医疗资源 和健康资源，建设区域协同的智慧医疗平台。通过互联网医院建设，推进分级诊疗和医疗资源下沉，促进区域内各类医疗机构协同发展，为大众提供更优质、便捷、安全、高效医疗健康服务。通过互联网打破时间空间的限制，向患者提供线上诊疗服务，开展在线复诊、在线医嘱、在线评估、在线审方、处方流转等线上服务，并可实现医院诊疗数据的线上线下融合，通过互联网技术扩大医疗服务半径，为患者更加便捷、可及的医疗服务。本方案对互联网医院信息系统的总体架构、核心应用架构、数据架构、技术支撑体系以及系统集成架构进行设计，供相关从业人员参考。

1.总体架构设计

1.1分层架构原则（用户层/业务层/数据层）

互联网医院信息系统应采用分层解耦的模块化架构，构建“云-边-端”协同体系（图1）。

图1 系统分层架构图

互联网医院核心架构主要分为三层：

用户交互层：支持微信/APP/Web等多终端接入，集成生物识别（人脸/声纹）认证。

业务服务层：包含在线诊疗、药品配送、远程会诊等12类核心服务模块，并提供统一身份认证、电子签名、支付结算等公共服务组件。

数据资源层：建设医疗数据平台，实现结构化病历、影像数据、设备数据的标准化存储。

典型技术选型包含Spring Cloud微服务框架、Kubernetes容器编排、Redis分布式缓存，满足每秒5000+并发问诊需求。

1.用户层（交互层）

1）多端适配：支持Web（React/Vue3）、移动端（Flutter/React Native）、自助终端（Electron）等多终端接入，通过SSO单点登录实现统一身份认证。

2）生物识别集成：集成人脸识别、声纹认证技术，确保患者身份真实性（错误率≤0.01%）。

3）交互优化：响应时间≤500ms，支持离线问诊数据缓存与同步。

2.业务层（服务层）

1）微服务模块：按领域驱动设计（DDD）拆分为在线诊疗、药品配送、远程会诊等独立服务，单服务代码量≤5万行，API响应时间≤300ms。

在线诊疗模块：支持图文/音视频问诊、处方流转（区块链存证）。

药品配送模块：对接物流企业API，处方审核至发药全流程<8分钟。

远程会诊模块：基于H.323/SIP协议，集成MCU视频会议系统，支持5G切片技术（时延≤10ms）。

2）公共服务组件：包括统一身份认证（OAuth2.0+JWT）、统一支付（支持医保电子凭证，支持微信/支付宝/医保多渠道）、电子签名（ *** 2/ *** 3国密算法）、智能分诊引擎（NLP症状匹配准确率≥92%）。

3.数据层（资源层）

1）医疗数据治理：

主数据管理（患者ID、药品编码、诊断术语映射SNOMED CT/ICD-11）。

数据中台构建（Apache Kafka实现TB级实时数据管道）。

2）存储体系设计：

热数据层：全闪存阵列（NetApp AFF A800，延迟≤0.1ms）。

温数据层：Ceph分布式存储（PACS影像秒级调阅）。

冷数据层：蓝光归档库（Panasonic BDXL，满足50年存储要求）。 

1.2微服务与容器化架构

1.微服务拆分原则

1）领域驱动设计（DDD）：

按业务域划分服务（如预约服务、医嘱服务、药品服务）。

服务粒度控制（单个服务代码量≤5万行，API响应时间≤300ms）。 

2）技术栈选型：

框架：基于Spring Cloud 微服务框架（如Spring Cloud Alibaba）。

通信协议：gRPC（高性能RPC框架）。

消息队列：RocketMQ（支持事务消息）。 

3）微服务治理

技术栈：Spring Cloud Alibaba（Nacos注册中心+Sentinel限流），通信协议采用gRPC（性能优于HTTP/REst）。

服务拆分：按业务域划分（如预约服务、医嘱服务），支持灰度发布与蓝绿部署，故障转移时间<200ms。

2.容器化实施路径

1）Kubernetes集群：

节点规划：Master节点高可用（3节点etcd集群），Worker节点弹性扩展（支持自动扩缩容）。

*** 方案：Calico *** 插件实现Pod间通信，Istio服务网格管理南北向流量。

2）镜像管理规范：

镜像仓库：Harbor私有仓库（集成Trivy漏洞扫描）。

构建流水线：Gitlab CI/CD实现镜像自动化构建（DevOps平台日均构建≥500次）。

3.服务治理与监控

1）可观测性体系：

日志采集：Elasticsearch+Fluentd+Kibana（EFK）堆栈，日志留存≥180天。

指标监控：Prometheus+Grafana（CPU/内存利用率≥85%触发自动扩容）。

2）安全防护机制：

零信任架构：基于ABAC模型的动态授权（环境/角色/操作三重校验）。

容器运行时安全：Falco实时监测异常容器行为。

2.核心应用架构

核心架构从业务层面可划分为患者端（智能分诊、全病程管理、线上医保结算等），医生工作台（多模态病历系统、跨院区协同、危急值预警等），管理驾驶舱（实时运营看板、药品追溯系统、质控分析模块等），核心应用架构明细见图2。

图2核心应用架构图（虚线框部分）

1.标准符合性

1)患者端应符合《互联网医院管理办法》复诊患者身份核验要求；

2)医生端遵循《电子病历应用管理规范》结构化录入标准；

3)管理端满足《 *** 安全等级保护2.0》三级等保监控要求。

2.技术创新

1)基于联邦学习的跨机构病历分析（数据不出域）；

2)5G切片 *** 保障远程手术指导（时延≤10ms）；

3)区块链+隐私计算实现处方防篡改与数据最小化利用。

2.1患者端功能模块（在线诊疗/预约/支付）

1.功能框架与技术实现

患者端功能模块需满足《互联网诊疗监管细则》要求，支持全流程线上服务闭环。

1）智能分诊与挂号

AI分诊引擎：基于NLP技术和知识图谱（覆盖3000+疾病库），结合患者主诉自动推荐科室（准确率≥95%）。

多渠道预约：支持微信公众号、小程序、APP等多端接入，实时同步医院号源池（响应时间≤500ms），集成候补挂号机制。

实名核验：通过人脸识别（活体检测）+医保电子凭证双因素认证，确保患者身份真实性（错误率≤0.01%）。

2）在线诊疗服务

多模态问诊：支持图文、音视频问诊（H.265编码），集成电子听诊器等IoT设备数据采集。

复诊管理：自动绑定历史病历（基于患者唯一ID），智能推送复诊提醒（提前3天短信/APP通知）。

处方流转：对接医保电子处方平台，支持区块链存证（如Hyperledger Fabric），流转全流程<8分钟。

3）支付与药品服务

医保混合支付：支持医保电子凭证扫码支付，自费部分对接微信/支付宝。

药品配送追踪：开放API对接物流企业，患者可实时查看药品物流状态（GPS定位+温湿度监控）。

2.关键技术支撑

1）分布式事务处理：采用Seata框架（一种开源的分布式事务框架）保障支付与处方审核的ACID特性（事务成功率≥99.99%）。

2）隐私保护：敏感数据（如身份证号、联系方式）采用动态脱敏技术，查询接口添加Laplace噪声（ε=0.1）。

3）性能优化：基于Redis缓存高频查询数据（如号源、药品目录），QPS≥5000。

2.2医生端功能模块（电子处方/病历协同）

1.核心功能设计

1）多模态病历系统

智能录入：集成ASR语音引擎（如科大讯飞医疗专用版，识别率≥98%），支持结构化模板自动填充（基于SNOMED CT术语映射）。

AI质控：实时校验诊断与检查结果的逻辑一致性（如血压>200mmHg触发弹窗提醒），质控规则库覆盖率≥90%。

2）电子处方管理

合理用药辅助：对接合理用药知识库（覆盖《国家基本药物目录》685种药品），自动检测禁忌症和相互作用（检出率≥95%）。

电子签名：采用 *** 2国密算法实现处方签名，签名时间戳同步国家授时中心（误差≤1秒）。

3）跨机构协同

病历互认：遵循HL7 CDA标准生成共享文档，支持区域平台调阅（响应时间≤5秒）。

远程会诊：集成MCU视频会议系统（支持H.323/SIP协议），支持5G *** 切片（时延≤10ms，带宽≥500Mbps）。

2.技术架构

1）微服务设计：按领域拆分处方服务、会诊服务、质控服务，单服务代码量≤5万行，API响应时间≤300ms。

2）容器化部署：基于Kubernetes集群实现自动扩缩容（CPU利用率≥85%触发扩容）。

3）安全防护：零信任架构（ZTA）管控访问权限，操作日志留存≥180天。

2.3管理端功能中枢（运营监控/数据驾驶舱）

1.功能模块设计

1）实时运营看板

核心指标监控：在线医生接诊率、处方审核时效、药品配送准时率等20+指标可视化展示（刷新频率≤1秒）。

异常预警：通过Flink实时计算引擎检测业务异常（如超适应证开药），5分钟内推送至管理员终端。

2）数据驾驶舱

多维度分析：支持DRG/DIP分组分析、患者来源热力图、医生绩效排名等（数据延时≤5分钟）。

决策支持：内置机器学习模型（如随机森林、LSTM）预测门诊量峰值（准确率≥85%），辅助排班优化。

3）质控与追溯系统

全链路追溯：基于区块链记录处方流转、病历修改等关键操作（存证响应时间≤2秒）。

合规审计：自动生成《互联网诊疗月度质控报告》，符合三级等保日志审计要求。

2.技术实现

1）大数据平台：采用Hadoop+Spark构建数据湖，日均处理日志量≥1TB，支持PB级数据离线分析。

2）可视化工具：集成Apache Superset+ECharts，支持自定义仪表盘（拖拽式配置）。

3）安全体系：通过堡垒机管控运 *** 限，数据库透明加密（TDE）保障敏感数据存储安全。

3.数据架构规划

3.1医疗数据标准化（HL7 FHIR/DICOM）

1.建设目标与技术要求

基于《全国医院信息化建设标准》和《电子病历应用管理规范》，构建符合国际标准的医疗数据体系：

1）HL7 FHIR实施路径

临床数据建模：定义6类核心资源（Patient/Observation/MedicationRequest等），覆盖率≥95%业务场景。

术语映射：建立ICD-11与SNOMED CT双向映射库（映射准确率≥98%），支持LOINC标准化检验项目编码（覆盖率≥90%）。

接口规范：RESTful API遵循FHIR R5标准，响应时间≤500ms；批量数据交换采用Bundle资源包格式，支持5万条/秒吞吐量。

2）DICOM标准化应用

影像存储架构：采用VNA（厂商中立归档）模式，支持CR/DR/CT/MRI等模态数据统一存储（JPEG2000无损压缩）。

传输协议优化：DICOM Secure传输协议（TLS 1.3加密），支持DCMTK工具包实现跨院区影像秒级调阅（加载时间≤3秒）。

三维重建服务：集成MITK框架，支持心脏/肿瘤等器官三维建模（模型生成时间≤30秒）。

2.典型应用场景

1）跨机构数据共享：通过FHIR API对接上级平台，日均完成10万+次检验检查结果互认。

2）AI影像分析：基于DICOM影像的肺结节AI筛查（敏感度98.2%），结节体积测量误差≤0.5mm³。

3.2数据中台与知识图谱构建

互联网医院数据中台（图3）的核心能力是海量异构数据汇聚、全生命周期数据治理、数据资产化、资产服务化、服务智能化。

图3互联网医院数据中台架构图（虚线框内部分）

以集中汇聚的数据湖支撑，分区分层的理念设计，建设快速响应、统一服务的数据中台。

数据中台是一体化平台，基于大数据和AI技术，实现全域数据的汇聚、治理、服务。

数据中台以中台化架构，通过数据服务与前端业务紧密结合，快速响应业务需要；

数据中台提供数据智能化能力，通过构建数据模型、数据标签等方式，释放数据资产价值；

数据中台建设本质上是对数据进行持续治理、应用和运营，因此不是一个项目，而是一个长期持续的过程。

1.数据中台架构设计

采用“1+3+N”分层架构，满足日处理PB级数据需求：

1）数据湖基座：

采集层：Flume+Kafka实时采集HIS/EMR/PACS等11类系统数据（延迟≤1秒）；

存储层：

热数据：Alluxio内存加速层（查询响应≤100ms）；

温数据：HDFS分布式存储（压缩率≥70%）；

冷数据：Glacier归档存储（成本降低80%）。

2）数据治理体系：

主数据管理：统一患者主索引（EMPI），消除30%冗余数据；

质量监控：部署Great Expectations框架，自动检测数据完整性（达标率≥99.9%）。

3）数据服务层：

低代码报表平台：Superset+ECharts，支持50+种可视化模板；

实时分析引擎：Flink处理流数据（吞吐量≥10万条/秒）；

隐私计算：采用联邦学习技术，支持跨院科研协作（数据不出域）。

2.知识图谱构建与应用

1）知识建模：构建肿瘤诊疗图谱（覆盖NCCN指南300+路径），包含：

疾病-症状关联（准确率≥95%）；

药物-靶点关系（基于DrugBank数据库）；

治疗方案推理（支持多条件组合查询）。

2）智能应用场景：

辅助诊断：基于症状的鉴别诊断推荐（TOP3准确率92%）；

合理用药：实时检测1.2万种药物相互作用（检出率≥95%）；

科研探索：Neo4j图数据库支持复杂关系挖掘（如COVID-19并发症模式分析）。

3.关键技术支撑

1）图计算引擎：Apache AGE扩展PostgreSQL，支持10亿级节点遍历；

2）NLP服务：BERT医疗版实现病历后结构化（实体抽取F1值≥0.86）；

3）区块链存证：Hyperledger Fabric记录数据溯源信息（存证延迟≤2秒）。

4.技术支撑体系

4.1云原生技术体系（Kubernetes/Service Mesh）

基于云原生技术体系（图4）实现互联网医院的弹性扩展与高效治理。

图4系统技术组件架构图

伴随云计算的滚滚浪潮，将云原生(CloudNative)技术体系应用在医疗信息化领域已成为行业的必然选择。此类技术架构的特点是采用开源堆栈（如K8S+Docker）进行容器化，基于微服务架构提高灵活性和可维护性，借助敏捷 *** 、DevOps支持持续迭代和运维自动化，利用云平台设施实现弹性伸缩、动态调度、优化资源利用率。

1.核心架构与关键技术

1）Kubernetes集群设计

异构资源调度：采用Intel Xeon与ARM架构混合部署，通过Kubernetes的调度器扩展（Scheduler Extender）实现GPU节点智能分配，支持AI推理与影像处理负载弹性伸缩。Worker节点支持自动扩缩容（HPA/VPA联动），CPU利用率≥85%触发扩容，响应时间≤30秒。

多租户隔离：基于Namespace划分业务域（如互联网医院、电子病历），通过NetworkPolicy实现Pod间 *** 策略管控，结合Cilium eBPF技术实现微隔离。

2）Service Mesh治理体系

Istio服务网格：集成Envoy *** 实现东西向流量管理，支持金丝雀发布（Canary Release）、故障注入（延迟/错误率模拟）、熔断（错误率≥30%触发熔断）。

跨云流量管理：通过Multi-Cluster Gateway实现混合云统一入口，私有云（OpenStack）与公有云间服务调用延迟≤50ms，支持跨AZ容灾切换（RTO≤15秒）。

3）DevOps流水线

GitOps实践：采用Argo CD实现配置即代码（IaC），容器镜像构建通过Harbor自动扫描漏洞（CVE漏洞检出率100%），镜像推送触发自动部署至Kubernetes。

灰度发布控制：结合Prometheus指标（QPS/错误率）动态调整流量权重，支持业务版本无感知升级。

2.关键技术

1）智能弹性扩容：基于机器学习预测流量峰值，自动扩展问诊会话容器。

2）服务网格治理：通过Istio实现跨云服务流量管理，故障转移时间<200ms。

3）低代码开发平台：提供可视化流程设计器，快速搭建互联网诊疗新场景。

3.典型技术栈组合：

1）前端：Vue3+Electron跨平台框架。

2）后端：Java17+Spring Boot3微服务。

3）数据库：PostgreSQL14分布式集群。

4）中间件：RocketMQ消息队列+Nacos配置中心。

4.2智能化组件集成（AI辅助诊断/NLP引擎）

1.AI辅助诊断系统

1）关键技术栈

多模态融合模型：采用3D Swin Transformer架构处理DICOM影像，结合MONAI框架实现CT/MRI多模态数据联合训练（如肺结节检测敏感度98.2%，假阳性率≤0.5/例）。

联邦学习平台：基于NVIDIA FLARE框架实现跨机构模型协作，支持数据不出域训练（如肿瘤诊疗知识图谱共建），模型迭代效率提升40%。

2）临床辅助场景

危急值预警：集成LSTM模型预测ICU患者病情恶化风险（AUC=0.89），提前6小时推送预警至医护终端。

手术规划支持：基于MITK框架的心脏三维建模系统，模型生成时间≤30秒，辅助医生制定介入方案。

3）可解释性与合规

Grad-CAM可视化：生成病灶区域热力图，支持放射科医生二次复核，符合《AI医疗器械审评指南》要求。

差分隐私保护：采用Opacus库添加Laplace噪声（ε=0.1），满足《个人信息保护法》匿名化要求。

2.NLP引擎应用

1）病历结构化处理

BERT医疗版模型：实现电子病历后结构化（实体抽取F1≥0.86），支持诊断术语与SNOMED CT/ICD-11自动映射，映射准确率≥95%。

智能质控规则：基于规则引擎（Drools）实时校验逻辑矛盾（如“高血压”未关联用药记录），质控覆盖率≥90%。

2）语音交互系统

多方言ASR引擎：集成医疗专用语音识别（支持23种方言，离线识别率≥98%），问诊录音自动转为结构化病历。

智能问答助手：基于GPT-4定制医疗知识库，支持患者症状自检（准确率≥92%）与用药指导（知识库覆盖685种国家基药）。

3）科研数据治理

非结构化挖掘：利用Neo4j图数据库构建疾病-基因关联 *** ，支持复杂科研查询（如“EGFR突变与肺癌化疗耐药性关联分析”）。

自动报告生成：通过Prompt Engineering生成标准化科研论文模板，效率提升70%。

3.医疗大模型

集成医疗领域预训练大模型（如‘神农’医疗大模型、左医GPT等），支持病历质控、鉴别诊断推荐等功能，需通过NMPA医疗器械二类认证，Top3诊断建议准确率≥85%，误诊率≤0.5%。

4.医疗元宇宙融合

探索构建VR远程会诊空间，支持DICOM影像三维重建与全息呈现，时延≤50ms，分辨率≥4K，符合DICOM PS3.21交互协议。

5.实施规范与要点

1）安全合规

云原生组件通过等保三级认证，数据传输采用国密 *** 4算法加密，存储层启用TDE透明加密。

2）性能指标

AI推理服务响应时间≤500ms（ONNX+TensorRT优化），NLP引擎支持≥500并发会话。

3）AI伦理审查机制

应设立算法偏见监测模块，针对性别、年龄、地域等维度进行公平性测试，偏差系数≤0.15。

5.系统集成架构

5.1院内系统对接（HIS/LIS/PACS）

1.核心对接逻辑与技术规范

1）HIS系统对接

（1）医嘱闭环管理：

互联网医院开立的电子处方、检验检查申请实时推送至HIS（响应时间≤300ms），HIS执行后同步反馈状态（闭环率≥99.5%）。

医保线上结算通过HIS接口调用医保平台电子凭证核验服务，支持实时医保混合支付（门诊医保结算响应时间≤1秒）。

（2）数据同步机制：

采用HL7 FHIR R5标准构建患者主索引（EMPI），实现患者ID、诊疗记录、费用明细的双向同步。

通过Kafka消息队列实现异步数据管道，确保高峰时段医嘱同步不阻塞（吞吐量≥5万条/秒）。

2）LIS系统对接

（1）标本全流程追溯：

检验申请单生成唯一条码（Code 128编码），与LIS标本接收模块联动，支持扫码核验（错误率≤0.01%）。

检验结果推送采用DICOM SR结构化报告格式，支持异常值智能标注（如血红蛋白<70g/L触发预警）。

3）PACS系统对接

（1）影像调阅优化：

基于DICOM Secure协议实现影像无损传输（JPEG2000压缩算法），调阅延迟≤3秒。

集成AI影像识别模块，自动生成结构化报告（如肺结节位置/大小/密度标注准确率≥98%）。

2.技术标准与安全合规

1）接口规范：

遵循IHE XDS标准定义交互协议，支持RESTful API和Web Service双模式。

数据加密采用国密 *** 4算法（传输层TLS 1.3+存储层透明加密）。

2）等保合规：

接口调用日志留存≥180天，关键操作（如处方修改）需二次生物认证（人脸+声纹）。

5.2外部平台互联（医保/监管/物流系统）

1.医保平台对接

1）支付结算体系

支持医保电子凭证扫码支付，日均处理结算订单≥10万笔。

统筹支付逻辑：自动拆分医保支付/个账支付/自费金额，实现跨省异地结算（RPO≤15分钟）。

医保接口对接要求：需通过医保局API认证，支持 *** 2/ *** 4算法加密，日均交易失败率≤0.01%。

2）药品目录管理

与医保药品库实时同步（每日凌晨自动比对），禁开药品（如精神类）自动拦截（准确率≥99.9%）。

2.监管平台对接

1）数据上报机制

依据《互联网医院监管数据传输规范》（DB64/T XXXX）：备案类数据（机构资质/医生执业信息）每日增量同步。

业务类数据（电子处方/诊疗记录）诊疗结束后5分钟内推送。

不良事件（医疗争议）实时上报并关联区块链存证（Hyperledger Fabric存证延迟≤2秒）。

2）审计与溯源

监管平台可实时调阅诊疗过程全量数据（含音视频问诊录像），支持基于时间戳的司法取证。

3.物流系统对接

1）处方配送体系

开放API对接物流企业，支持：

冷链药品配送：2-8℃恒温箱+GPS温湿度监控（超温报警率≤0.1%）。

紧急药品即时达：同城10km内2小时送达，药品拆封校验需人脸核验。

2）供应链协同

基于城市仓的“四轮+二轮”接驳配送模式：药厂→城市仓（四轮运输）→药店/患者（二轮配送），全链路平均时效≤4小时。

图5所示为医保在线支付下的复诊配药流程。

图 5 医保在线支付下的复诊配药流程

通过互联网打破时间空间的限制，向患者提供线上诊疗服务，开展在线复诊、在线医嘱、在线评估、在线审方、处方流转等线上服务，并可实现医院诊疗数据的线上线下融合，通过互联网技术扩大医疗服务半径，为患者更加便捷、可及的医疗服务。

4.典型架构与创新

1）混合云灾备架构：

核心业务部署私有云（OpenStack），互联网应用弹性扩展至公有云，支持跨云容灾切换（RTO≤15秒）。

2）区块链处方流转：

处方修改/审核/配送关键操作上链存证，存证区块生成时间≤2秒，支持医疗纠纷溯源。

3）零信任安全模型：

基于ABAC动态授权（环境/角色/操作三重校验），非法访问拦截率≥99.99%。

通过上述架构设计，可实现互联网医院与院内系统的高效协同，同时满足医保控费、 *** 监管及患者便捷服务的多维需求。

作者简介：王咸宁（Xianning Wang），开源IT技术探索者，致力于信息技术在健康医疗应用领域的研究。