4. 医疗数据模型与Schema演进
医疗湖仓的数据模型不是把医院数据库的表原样搬进数据湖，而是围绕临床与运营主题域重新组织。患者、就诊、医嘱、检验、影像、费用这六个主题域，构成了绝大多数医疗分析场景的骨架。理解它们之间的主键关系、时间语义和编码依赖，是批流一体处理能否落地的前提。
主题域建模：以业务事件为中心
主题域建模的核心是识别“业务事件”和“业务实体”。患者是实体，就诊是事件，医嘱是就诊内的事件，检验和影像是医嘱的执行结果，费用则是就诊与医嘱共同派生的财务事件。在湖仓中，通常采用“事实表+维度表”的宽表化思路，但医疗场景下更强调事件的时间戳和状态流转。
以就诊域为例，一次就诊至少包含：就诊标识（visit_id）、患者标识（patient_id）、就诊类型（门诊/急诊/住院）、入院时间、出院时间、科室、主治医生。医嘱域则包含：医嘱标识（order_id）、就诊标识、医嘱类型（药品/检验/检查/手术）、开立时间、执行时间、状态（已开立/已执行/已停止/已取消）。检验域通过申请单号与医嘱关联，包含标本类型、检验项目代码、结果值、单位、参考区间、危急值标志。影像域包含检查号、检查部位、影像号、报告状态。费用域包含收费项目、金额、医保支付类型、结算时间。
这些域之间不是简单的星型关系，而是存在多对多和时序依赖。例如，一条医嘱可能对应多条检验结果，一次就诊可能对应多条费用明细。在湖仓中，通常用“事件表+实体快照”的方式存储：事件表记录每次状态变化，实体快照记录当前最新状态。这样既能支持流式增量更新，也能支持历史回溯。
Schema-on-Read与Schema演进
医疗数据的Schema变化非常频繁。医院信息系统升级、检验项目新增、医保政策调整，都会导致字段增减或语义变化。如果采用Schema-on-Write，每次变更都要停机改表，这在批流一体场景下不可接受。因此，湖仓通常采用Schema-on-Read：写入时保留原始结构（如Parquet/ORC的列式存储），读取时由查询引擎根据元数据解析。
Schema演进需要解决三个问题：新增字段、删除字段、字段类型变更。在Delta Lake或Iceberg中，新增字段可以通过ALTER TABLE ADD COLUMN完成，历史数据该字段为NULL；删除字段通常用DROP COLUMN，但底层文件仍保留，读取时忽略；类型变更（如int转string）需要重写数据或使用兼容类型。对于流式写入，Schema Registry可以集中管理Avro/Protobuf的版本，消费者根据版本号解析。
实际工程中，建议为每个主题域维护一个“Schema版本表”，记录字段名、类型、生效时间、变更原因。当流式作业读取到新版本数据时，先检查Schema兼容性，再决定是否继续处理。不兼容的变更（如字段重命名）应通过新增字段+数据回填的方式过渡，而不是直接修改原字段。
医疗编码标准集成
ICD、SNOMED、LOINC是医疗数据互操作的三根支柱。ICD用于疾病诊断和手术操作分类，SNOMED用于临床术语的细粒度表达，LOINC用于检验项目和观察指标的标准化编码。在湖仓中，这些编码不是简单存成字符串，而是需要建立映射表和层级关系。
以检验域为例，医院内部检验项目代码（如“血常规-白细胞”）需要映射到LOINC代码（如“6690-2”）。映射表通常包含：本地代码、本地名称、标准代码、标准名称、映射置信度、生效时间。对于ICD，诊断编码需要支持多版本（ICD-9、ICD-10、ICD-11），并且要处理“主诊断/次诊断”的优先级。SNOMED则常用于症状、部位、严重程度等结构化字段。
集成时，建议在湖仓中建立“编码维表”，用标准代码作为主键，本地代码作为属性。查询时通过JOIN获取标准语义。对于流式数据，编码映射可以做成广播状态，避免每条记录都查外部数据库。同时，要保留原始编码和映射后的标准编码，便于追溯和审计。
批流一体的建模实践
在批流一体架构中，主题域建模需要同时考虑批处理的全量快照和流处理的增量变更。一个常见的做法是：用CDC（变更数据捕获）将医院数据库的binlog实时写入湖仓的“原始层”，然后在“明细层”按主题域做清洗和标准化，最后在“汇总层”构建宽表和指标。
以医嘱状态流转为例，原始层记录每次状态变更（开立→执行→停止），明细层按order_id聚合出当前状态和状态时间线，汇总层则计算“医嘱执行率”“平均执行时长”等指标。流处理负责实时更新状态，批处理负责历史回填和一致性校验。两者通过同一份Schema元数据协调，避免口径不一致。
编码集成应尽量前置到明细层。也就是说，在数据进入汇总层之前，就已经完成了ICD、SNOMED、LOINC的映射。这样上层分析可以直接使用标准编码，而不需要每次查询都做映射。映射表本身也可以作为维度表，通过流式广播或定期刷新保持最新。
最后需要强调的是，医疗数据模型不是一次性设计出来的，而是随着业务和标准演进的。湖仓的价值在于它允许你“先存后治”——先把原始数据以低成本保留下来，再根据分析需求逐步完善Schema和编码映射。这种灵活性，正是批流一体处理在医疗场景中不可替代的原因。