InterSystems × Google 医疗 AI 数据平台架构

解决跨系统患者身份不一致、数据重复和术语不统一，使医疗数据能够进入 FHIR、分析与 AI 流程。

英文 PDF · 8 页 · 968 KB2025-10-28 版 · 文件版本日期浏览次数2

适用对象

医院信息部门、医疗数据架构与 AI 开发团队

方案摘要

InterSystems 与 Google 的联合架构围绕医疗 AI 所需的数据基础展开。医院与支付机构的数据来自不同 EHR、理赔和设备系统，患者身份、术语和重复记录影响后续分析。白皮书将 InterSystems 的连接、身份管理及数据标准化能力，与 Google Cloud 的医疗接口、BigQuery、Vertex AI 和 Gemini 等能力组合，使业务应用能够使用持续更新的纵向健康记录。

Google HDE Ecosystem 采用 Bring Your Own FHIR 的合作方式，由专业伙伴处理数据转换和映射，Google 提供 AI、分析与安全基础。InterSystems Health Connect 负责系统连接及信息传输，支持 HL7、FHIR、CDA、X12、DICOM 和 REST 等适配方式，也提供可视化数据转换工具。文档强调既要理解标准，也要掌握不同 EHR 的具体数据访问方式。

身份管理由 InterSystems EMPI 承接，利用多种匹配方法将不同来源中的患者记录归属于同一人员，并提供人工处理疑难匹配、重复身份识别、任务分配及报告能力。HealthShare Unified Care Record 进一步汇聚病历、理赔、社会健康因素、设备和可穿戴数据，按患者形成纵向记录。对过敏、用药和诊断等信息实施去重，减少同一信息多次进入下游分析。

术语管理负责将多来源名称和编码映射到共同标准，支持不同机构对相同临床概念形成一致理解。处理后的数据以 FHIR 等形式提供给 Google HDE，并保持更新，使医疗搜索、人群分析、临床风险评分和生成式应用能够访问较完整的数据。方案按组件组织，机构可以选择所需能力，医疗搜索也可以连接其他 FHIR 后端，体现了接口与应用之间的组合关系。

文中数据模型围绕人员组织临床、理赔、文档和社会因素，也可以扩展其他来源。重复记录处理针对不同信息类别采用相应规则，身份匹配疑难情况由人员工作列表承接。数据更新继续传递至下游，因此新增记录和变化能够参与分析。这些设计说明，提供 FHIR 接口之外，还需要持续维护人员归属、语义与重复信息，才能形成适合 AI 使用的纵向记录。

白皮书适合用于理解医疗 AI 平台的数据流与职责：上游系统提供数据，集成平台负责连接、身份和标准化，云平台提供分析及模型服务，最终应用使用这些结果。它明确了数据治理对 AI 质量的重要性，也说明医疗数据的集成需要产品经验与持续运行支持。文档中的商业提供方式和市场计划具有资料发布时点属性，具体采购、地区可用性及部署参数需要对应产品资料确认。

InterSystems × Google 医疗 AI 数据平台架构

联系haonan

刘浩南

方案原文 PDF · 8 页