1. 课程导入与工程全景
在真实医院信息化环境中，数据从来不是“天生整齐”的。一个患者可能同时出现在HIS、LIS、PACS、电子病历、体检系统、随访系统、医保结算系统以及若干专科数据库中。每个系统都有自己的编码体系、时间口径、主键规则、字段命名和更新频率。多源医疗数据融合治理，指的就是围绕这些分散、异构、持续变化的医疗数据，建立一套可落地、可追溯、可复用的工程化处理体系，使数据从“能存”走向“可信、可用、可共享、可审计”。
本课程不以抽象概念为主线，而以真实医疗数据融合治理工程任务为主线。也就是说，我们关心的不是“数据治理”这个词有多完整，而是当面对一批来自HIS、LIS、PACS和随访系统的数据时，如何识别患者、统一术语、处理缺失与冲突、建立质量规则、形成可追溯的数据资产，并最终支撑临床科研、运营分析、区域互认或专病数据库建设。
一、定义：融合治理不是简单“把表拼起来”
多源医疗数据融合治理至少包含三个层次。第一层是数据接入与汇聚，解决“数据在哪里、如何稳定取到”的问题；第二层是语义与结构统一，解决“同一个患者、同一个检验项目、同一个诊断在不同系统中如何对齐”的问题；第三层是治理与持续运营，解决“数据质量谁负责、规则如何版本化、问题如何闭环”的问题。只做第一层，得到的是数据湖里的原始堆积；只做第二层，可能得到一次性清洗结果；只有三层同时成立，才可能形成可持续的融合治理能力。
例如，某患者在同一天于门诊和急诊各产生一条就诊记录。HIS中患者主索引为P20240512001，急诊系统中却使用E202405120778，姓名相同但身份证号缺失，手机号一个为旧号、一个为新号。若直接按姓名合并，可能把同名患者错误归并；若完全不合并，又无法形成完整就诊链。融合治理要做的，是依据身份证、医保卡、手机号、出生日期、性别等多字段组合，建立匹配评分与人工复核机制，而不是简单做一次JOIN。
二、目标：从“可用数据”到“可信数据资产”
工程目标通常可以归纳为四个可检验方向：完整性，关键字段缺失率是否降到可接受范围；一致性，同一指标在不同系统中的口径是否统一；准确性，患者主索引、诊断编码、检验结果单位是否正确；可追溯性，每条融合结果能否回溯到原始系统、原始记录和处理规则。对于临床科研场景，还要增加时效性和可复用性，例如专病库能否按周更新，规则能否复用到下一个病种。
这些目标不能只写在制度里，必须落到可观测指标上。比如患者主索引匹配准确率、诊断编码映射覆盖率、检验项目单位统一率、关键字段空值率、跨系统时间戳偏差率、数据质量规则触发次数与闭环率。它们既是验收依据，也是后续章节中反复使用的工程抓手。
三、挑战：医疗数据的“多源”到底难在哪里
第一，主键不统一。患者、就诊、医嘱、检验、影像检查在不同系统中各有主键，且存在一人在多院区、多卡号、多联系人信息的情况。第二，术语与编码异构。诊断可能使用ICD-10、ICD-9-CM-3或院内自定义码，检验项目可能使用LOINC、院内码或设备码，药品可能使用国家医保码、院内码或商品名。第三，时间语义复杂。开单时间、采样时间、报告时间、审核时间、入库时间并不等价，跨系统时间偏差会直接影响时序分析。第四，隐私与合规约束。直接标识符、准标识符、敏感病种信息需要分级分类处理，融合过程必须保留审计线索。第五，数据持续变化。源系统升级、字段新增、编码版本切换都会使治理规则失效，因此治理不是一次性项目，而是持续运营。
四、生命周期：从接入到退役的闭环
一个可运营的融合治理生命周期通常包括：需求与范围界定，明确是建专病库、做运营分析还是支撑区域互认；源系统盘点与接入，记录库表、接口、更新频率、责任人和数据量；标准与规则设计，确定主索引策略、术语映射、质量规则和隐私分级；融合处理与质量检查，执行匹配、映射、去重、时序对齐和异常检测；服务发布与消费，以数据集、API或视图形式提供使用；监控、审计与迭代，跟踪规则命中、数据变化和用户反馈；归档与退役，对历史版本、映射表和审计记录进行保留或清理。这个生命周期不是线性一次完成，而是随源系统变化持续循环。
五、典型系统架构：分层解耦，责任清晰
结合真实工程，典型架构可分为源系统层、接入与缓冲层、融合治理核心层、服务与应用层。源系统层保留原始业务语义；接入层负责抽取、脱敏、加密和原始层落库；核心层完成患者主索引、术语映射、质量规则、时序对齐和血缘追踪；服务层面向专病库、科研检索、运营看板和区域共享输出。这样分层的好处是：源系统变化时，尽量只影响接入层；标准变化时，主要调整核心层映射与规则；应用变化时，不必反复改动底层数据。
六、本课程的主线任务
后续章节将围绕一个贯穿式工程任务展开：以某医院多源数据为对象，完成患者主索引构建、诊断与检验术语映射、缺失与冲突处理、质量规则配置、时序对齐、血缘记录和专病数据集发布。每一步都要求给出可检查的输入、处理逻辑、参数示例和结果判断依据。例如患者匹配可采用“身份证精确匹配优先、医保卡+姓名+出生日期组合评分、手机号辅助验证”的策略；检验单位统一可采用“源单位→标准单位”的换算表，并记录换算系数和生效版本；质量规则可配置为“关键字段空值率超过5%触发告警、诊断编码未映射记录进入待处理队列”。
需要强调的是，本课程中的参数、数据和结果示例，除特别说明外均为教学示例或合理假设，用于说明工程方法，不代表任何真实机构的实际运行结果。真正重要的是：当源系统、编码版本、数据量和合规要求变化时，你能否依据这套架构与生命周期，重新设计规则、验证结果并持续运营。
从下一项具体任务开始，我们将进入源系统盘点与数据接入，先回答“数据在哪里、长什么样、能不能稳定拿到”这三个基础问题。