跳到主要内容

2. 总体架构

2.1 业务架构​

角色定义​

放射科医生（Radiologist）​

  • 职责：使用AI辅助诊断系统进行影像诊断，审核AI诊断结果，出具诊断报告
  • 权限：影像查看、AI诊断调用、报告编辑和审核、历史记录查询
  • 典型场景：CT/MRI/X光片阅片、AI辅助诊断、报告撰写和审核、疑难病例会诊

临床医生（Clinician）​

  • 职责：使用智能病历系统进行病历录入，获得AI辅助诊断建议，制定治疗方案
  • 权限：病历录入和编辑、AI辅助诊断、用药建议查询、患者信息查看
  • 典型场景：门诊病历录入、住院病历管理、诊断辅助、用药指导

系统管理员（System Admin）​

  • 职责：系统运维、性能监控、安全管理、数据备份、用户权限管理
  • 权限：系统配置、用户管理、安全审计、数据管理、模型管理
  • 典型场景：系统部署、性能优化、安全加固、故障处理、数据备份

医学影像技师（Technician）​

  • 职责：操作影像设备，上传影像数据，管理影像质量
  • 权限：影像上传、影像质量检查、设备管理
  • 典型场景：影像采集、影像上传、质量检查、设备维护

医院信息科管理员（IT Admin）​

  • 职责：管理医院信息系统集成，配置系统参数，监控系统运行
  • 权限：系统集成配置、参数设置、运行监控、日志查看
  • 典型场景：HIS/PACS系统集成、系统配置、运行监控、问题处理

用例分析​

用例1：AI辅助影像诊断​

  • 参与者：放射科医生、AI诊断系统、PACS系统
  • 前置条件：医生已登录系统，影像已上传到PACS，AI模型已部署
  • 主流程：
    1. 医生在PACS系统中选择待诊断影像
    2. 系统调用AI诊断接口，进行影像分析和病灶识别
    3. AI返回诊断结果（病灶位置、类型、严重程度、诊断建议）
    4. 医生审核AI诊断结果，结合临床信息进行综合判断
    5. 医生编辑和确认诊断报告
    6. 系统保存诊断报告，同步到HIS系统
  • 后置条件：诊断报告已生成并保存，患者可查看报告
  • 扩展流程：如果AI诊断置信度低，系统提示医生重点关注；如果发现紧急情况，系统自动告警

用例2：智能病历录入与辅助诊断​

  • 参与者：临床医生、语音识别系统、NLP系统、知识库系统
  • 前置条件：医生已登录系统，患者已挂号，知识库已构建
  • 主流程：
    1. 医生通过语音或文字录入患者主诉、现病史等信息
    2. 系统进行语音识别和自然语言处理，提取关键信息
    3. 系统将非结构化文本转换为结构化病历数据
    4. 系统基于病历信息，从知识库检索相关疾病信息
    5. 系统提供诊断建议、鉴别诊断、检查建议、用药建议
    6. 医生审核建议，确认或修改诊断
    7. 系统保存结构化病历，生成病历摘要
  • 后置条件：病历已保存，诊断建议已记录，可用于后续诊疗
  • 扩展流程：如果诊断不明确，系统建议进一步检查；如果发现罕见病，系统提示专家会诊

用例3：药物研发辅助​

  • 参与者：药物研发人员、文献检索系统、数据分析系统
  • 前置条件：研发人员已登录系统，研究目标已确定
  • 主流程：
    1. 研发人员输入研究主题或药物靶点
    2. 系统检索相关医学文献、临床试验数据、专利信息
    3. 系统进行数据挖掘和分析，提取关键信息
    4. 系统提供药物设计建议、临床试验方案建议
    5. 研发人员审核建议，制定研究计划
    6. 系统保存研究记录，生成研究报告
  • 后置条件：研究方案已制定，可用于后续研发工作
  • 扩展流程：如果发现已有类似研究，系统提示避免重复；如果发现潜在风险，系统提示注意

故事地图​

2.2 技术架构​

AI-Native四层架构​

智能医疗系统采用AI-Native四层架构，从下到上依次为基础设施层、模型层、编排层和应用层。

应用层​

应用层提供面向不同用户角色的交互界面：

  • Web医生工作站：基于Vue 3 + TypeScript开发，提供影像查看、AI诊断、报告编辑等功能，支持多屏显示、快捷键操作，提升医生工作效率
  • 移动医生App：基于React Native开发，支持iOS和Android，提供移动查房、紧急会诊、消息通知等功能
  • 管理后台：提供系统管理、用户管理、模型管理、数据统计等功能，支持多租户管理
  • 患者端小程序：基于微信小程序开发，提供报告查询、预约挂号、健康咨询等功能

编排层​

编排层负责业务流程编排和智能体协调：

  • API网关：基于Kong或Nginx开发，提供统一API入口、认证授权、限流熔断、请求路由等功能
  • 工作流引擎n8n：用于复杂业务流程编排，如影像诊断流程、病历审核流程、报告发布流程等
  • 智能体编排Dify：用于AI智能体编排，如诊断智能体、用药建议智能体、文献检索智能体等
  • 业务编排服务：基于Python FastAPI开发，提供核心业务逻辑编排，协调各个子系统

模型层​

模型层提供各种AI模型服务：

  • 影像识别模型：基于深度学习（CNN、Transformer）的医疗影像识别模型，支持CT、MRI、X光、超声等多种影像类型，支持病灶检测、分割、分类等任务
  • 自然语言处理模型：基于大语言模型（LLM）的病历理解、报告生成、知识问答等NLP任务
  • 知识图谱模型：基于医疗知识图谱的疾病诊断、用药推荐、检查建议等知识推理任务
  • 多模态融合模型：融合影像、文本、结构化数据等多模态信息的综合诊断模型
  • 模型服务网关：提供统一的模型调用接口，支持模型路由、负载均衡、A/B测试等功能

基础设施层​

基础设施层提供计算、存储、网络等基础能力：

  • 计算资源K8s：基于Kubernetes的容器编排平台，提供弹性伸缩、自动恢复、资源调度等功能
  • 存储MinIO/OSS：对象存储服务，用于存储医疗影像、文档等非结构化数据，支持多副本、生命周期管理
  • 向量数据库Milvus：用于存储医疗知识库的向量数据，支持相似度检索、批量查询等功能
  • 关系数据库MySQL：用于存储结构化数据，如患者信息、诊断记录、系统配置等
  • 消息队列RabbitMQ：用于异步任务处理，如影像分析任务、报告生成任务等
  • 缓存Redis：用于缓存热点数据，如患者信息、诊断结果、系统配置等，提升系统响应速度

技术栈​

前端技术​

  • Vue 3 + TypeScript：医生工作站前端框架，提供响应式UI和类型安全
  • React Native：移动App开发框架，支持iOS和Android双平台
  • 微信小程序：患者端小程序开发框架
  • TailwindCSS：CSS框架，提供快速UI开发
  • ECharts：数据可视化库，用于影像展示、数据统计等

后端技术​

  • Python 3.11 + FastAPI：核心业务服务开发框架，提供高性能API服务
  • Node.js + Express：部分微服务开发框架
  • n8n：工作流编排引擎，用于业务流程自动化
  • Dify：AI应用开发平台，用于智能体编排

AI/ML技术​

  • PyTorch/TensorFlow：深度学习框架，用于模型训练和推理
  • Transformers：预训练模型库，用于NLP任务
  • OpenCV/SimpleITK：医学影像处理库
  • LangChain：LLM应用开发框架，用于RAG应用开发

数据存储​

  • MySQL 8.0：关系数据库，存储结构化数据
  • Milvus：向量数据库，存储知识库向量数据
  • MinIO/Aliyun OSS：对象存储，存储影像和文档
  • Redis：缓存数据库，提升性能
  • Elasticsearch：搜索引擎，用于全文检索

DevOps技术​

  • Docker + Docker Compose：容器化部署
  • Kubernetes：容器编排平台
  • GitHub Actions：CI/CD自动化
  • Prometheus + Grafana：监控和可视化
  • ELK Stack：日志收集和分析

2.3 部署架构​

云/边/端混合部署​

智能医疗系统采用云边端混合部署架构，满足不同场景需求：

云端部署​

  • 核心AI服务：部署在公有云或私有云，提供强大的计算能力，支持大规模并发请求
  • 知识库服务：部署在云端，集中管理医疗知识库，支持多医院共享
  • 数据存储：云端存储，提供高可靠性和可扩展性
  • 管理平台：云端管理平台，统一管理所有医院和用户

边缘部署​

  • 边缘AI节点：部署在医院内网，提供低延迟的AI推理服务，保护数据隐私
  • 本地缓存：缓存常用数据和模型，减少网络传输
  • 数据同步：与云端数据同步，确保数据一致性

终端设备​

  • 医生工作站：部署在医院内网，直接访问边缘AI节点
  • 移动设备：通过VPN或专线访问系统
  • 影像设备：通过DICOM协议直接上传影像到PACS系统

高可用设计​

多机房部署​

  • 主备机房：主机房和备机房异地部署，主备切换时间≤5分钟
  • 负载均衡：使用F5或Nginx进行负载均衡，支持健康检查和自动故障转移
  • 数据同步：主备机房数据实时同步，RPO≤1分钟

服务高可用​

  • 服务冗余：关键服务至少部署2个实例，支持自动故障转移
  • 数据库主从：MySQL主从复制，支持读写分离和自动切换
  • 缓存集群：Redis集群模式，支持数据分片和故障自动恢复

监控告警​

  • 实时监控：7×24小时监控系统运行状态，关键指标1分钟采集一次
  • 自动告警：异常情况自动告警，通过短信、邮件、钉钉等方式通知运维人员
  • 故障自愈：支持自动重启、自动扩容等自愈机制

扩展性设计​

水平扩展​

  • 无状态服务：应用服务设计为无状态，支持水平扩展
  • 数据库分库分表：支持按医院、按时间等维度分库分表
  • 缓存分片：Redis支持分片，支持大规模数据缓存

弹性伸缩​

  • 自动扩容：基于CPU、内存、请求量等指标自动扩容
  • 定时扩容：支持定时扩容，应对业务高峰期
  • 成本优化：支持按需扩容，降低资源成本

性能优化​

  • CDN加速：静态资源通过CDN加速，提升访问速度
  • 数据库优化：索引优化、查询优化、连接池优化
  • 缓存策略：多级缓存策略，提升响应速度