导语： 一位专病研究者想要回顾性分析 5 年病例，往往要等数据科排期取数、逐系统导出、手工对齐——等数据就绪，研究热情已经凉了一半。奥腾科技为某三甲医院建设医疗多模态数据一站式归集与科研中台，依托 Ottomi-Nexus 融合医学知识库与标准医学数据模型，让临床、检验、影像数据"归得进、查得到、用得安"，科研数据准备从"数月"走向"数天"。

一、项目背景

三甲医院的数据环境是医疗行业复杂度的缩影：HIS（医院信息系统）管诊疗流程，LIS（检验信息系统）管化验数据，PACS（影像归档系统）管 CT/MRI 影像，EMR（电子病历）沉淀半结构化文本，还有病理、心电、随访等专科系统——多源异构、体量庞大、实时性要求不一。临床科研对这些数据的渴求日益强烈，但数据分散、标准不一、取数流程长，科研数据准备往往成为研究的"卡脖子"环节。

医院以"科研反哺临床"为目标启动医疗数据中台与科研中台建设，同时对接互联互通标准化成熟度测评要求，以评促建提升全院数据治理水平。

二、核心痛点

业务痛点

1. 科研取数难。 回顾性研究需要跨 HIS、LIS、PACS 等多个系统抽取数据，依赖信息科排期配合，一个专病队列的数据准备动辄数月。

2. 数据标准不统一。 疾病诊断、检验项目、药品名称在不同系统中的编码与书写不一致，多源数据难以直接合并分析。

3. 随访与结局数据缺失。 专病研究的随访数据散落在各科室，缺少统一归集渠道，研究完整性不足。

IT 与安全痛点

1. 多模态数据集成复杂。 结构化诊疗数据、半结构化病历文本、非结构化影像数据的统一接入与治理难度大，传统集成方式开发成本高。

2. 医疗隐私管控要求严。 患者信息高度敏感，数据用于科研必须严格脱敏与授权管控，隐私保护与数据可用性必须兼顾。

三、解决方案

1. 多模态数据一站式归集：院内数据"一张网"

以 Ottomi-Nexus 多模态 AI 数据中台为底座，通过分布式消息总线、数据服务平台、多源同步三大能力，完成 HIS、LIS、PACS、EMR、病理等系统的多模态数据接入：结构化数据全量/增量同步，检查报告、病历文本等半结构化数据解析入库，影像数据建立索引归档，支持异步订阅发布、同步请求响应、异构批量采集等多种交换模式。

2. 医学知识库 + 标准模型：数据"讲医学的语言"

融合医学知识库与标准医学数据模型，内置医疗质控、术语标准化等行业规则：诊断编码、检验项目、药品字典按标准术语体系映射归一，多层级数据模型（主题域 → 业务对象 → 逻辑实体）自动化创建，一套配置多处运行，从源头保障科研数据的规范性与可合并性。

3. 一站式科研中台：取数从"排期"变"自助"

建设科研中台，为研究者提供一站式科研数据服务：专病队列在线构建，多条件筛选自动生成入组名单与变量集；数据导出按项目授权审批，敏感字段自动执行动态脱敏与水印溯源；科研数据目录可视化检索，配套数据质量六维评估，研究者所见即所得、取数即合规。

4. 全链路医疗数据隐私管控

通过资产地图、血缘分析与隐私计算，结合安全策略与医疗数据风险场景，实现数据采集、治理、分析到共享的全流程、多角色、多应用数据可见可用：患者个人信息全角色强制脱敏，科研导出嵌入个性化水印可追溯，访问审计全链路留痕，满足医疗数据安全与个人信息保护合规要求。

5. 智能问数与 BI 展示：让数据服务临床与管理

基于寻数问数智能体提供对话式查数能力：科室主任问"本科室上月手术台次与平均住院日"，系统直接返回指标口径与图表；配套 BI 展示能力提供就诊监测、科室流量、药材使用、设备运行等管理看板，数据应用覆盖临床、科研、管理多场景。

四、落地成效

- 科研提速： 专病队列数据准备周期由平均数月缩短至一周以内，科研数据申请流程线上化、审批透明化，研究项目数据就绪效率显著提升；

- 标准统一： 核心诊断、检验、药品字典完成术语标准化映射，跨系统数据口径一致性明显提升，为互联互通标准化成熟度测评提供了扎实的数据基础；

- 隐私合规： 科研数据导出脱敏覆盖率 100%，水印溯源覆盖全部导出场景，运行期间未发生患者隐私泄露事件；

- 用数普及： 智能问数与 BI 看板投入使用后，科室自助取数占比持续提升，信息科临时取数需求明显下降。

五、客户价值

本案例是奥腾在医疗行业"数据中台 + 科研中台"组合的落地实践。对医院而言，医疗多模态数据一站式归集解决的是"数据资产的原始积累"，医学知识库与标准模型解决的是"数据的可信程度"，科研中台解决的是"数据价值的兑现效率"——当研究者可以在数天内完成过去数月的数据准备，数据中台的价值就从 IT 项目升维为科研生产力基础设施。在此基础上，多中心科研协作、AI 辅助诊断等进阶场景都有了可靠的数据底座，医疗数据从"存起来"走向"用起来"。