【作者】李明亮 刘峰 陈硕 李强

【摘要】 健康体检机构对于创建健康医疗大数据有得天独厚的数据优势，但是健康体检系统在采 集受检者体征信息的过程中会产生大量文本型数据，可通过进行结构化处理从而将大段文本型数据 拆分转化为数值型对照码的形式分别进行存储，以方便进行查询统计和创建科研队列。通过创建标 准结论词和规范化录入阳性体征描述内容等方法，将文本内容结构化理念植入健康体检系统的设计 当中，同时运用正则匹配、智能分段、文字替换、截取片段等技术手段，对历史数据进行结构化处 理实现对文本型数据的挖掘整理，最终形成研究性数据源并纳入大数据研究。以上述方法对北京市 体检中心为例通过文本结构化处理新生成近万条变量，为后续创建研究性队列提供了良好的数据基 础。随着各体检机构信息化建设的不断发展和完善，文本型数据结构化处理的技术方法日趋成熟， 从海量的文本型数据中提取出有价值的信息进行科研创新，从而推动健康体检机构职能由目前单一 的指标采集向健康管理职能转型，将成为体检机构未来发展的重要工作。