案例酷|吉林医保:新架构解决老问题

本文涉及的产品
云原生大数据计算服务 MaxCompute,5000CU*H 100GB 3个月
云原生大数据计算服务MaxCompute,500CU*H 100GB 3个月
简介: 案例酷|吉林医保:新架构解决老问题

本文摘自《云栖战略参考》,这本刊物由阿里云与钛媒体联合策划。目的是为了把各个行业先行者的技术探索、业务实践呈现出来,与思考同样问题的“数字先行者”共同探讨、碰撞,希望这些内容能让你有所启发。


阿里云多年经验沉淀总结出的“应缓存尽缓存、应异步尽异步、大表要分库分表、并发平行散开”创新性最佳IT实践,支撑了医保信息化系统的改造。


2021年6月,21天完成云平台部署、测试,60天第一批三个试点城市同步上线,吉林省医疗保障信息化项目建设创造了“中国速度”,也给全国统一医保信息平台建设在地方上的推进提供了一个可参考的样本。


作为数字医疗保障体系的建设重点,医保信息化难题积弊20余年,终于在各方的努力下被逐步攻克。


在国家医保局的推动和指导下,全国各地方省市级医保部门也先后树立起了医疗保障信息平台建设目标。但各地方实际落实的差异性,也对项目建设的具体需求、上线落地、使用效果以及进一步发展等方面都提出不同要求。


理解整体医保信息化系统建设和吉林省医疗保障信息化项目推进思路,对洞察包括医保系统在内的大健康产业发展以及数字政府建设都具有十分重要的参考价值。



历史的难题


中国的医保信息化建设最早要追溯到上世纪末期,由全国开展的医疗保险制度的改革说起。1998年,我国正式确定了城镇职工基本医疗保险制度框架,此后全国逐步建立了新农合制度和城镇居民医疗保险,而后进一步整合为城乡居民医疗保险,实现了参保人民全覆盖。但当时各地医保政策及落实情况参差不齐,加之医保信息化建设缺乏统筹规划,最终导致全国约400个统筹区的自建系统彼此割裂,分散在人社、民政、卫健等不同部门,互不衔接、互不共享。


“十三五”期间,我国医疗保险覆盖超过13亿人,医保电子凭证全渠道用户量超过3亿,成为世界上最大的医疗保障服务体系,标准不统一、数据不互认共享、各统筹区封闭管理等历史问题愈发凸显。医疗保障系统如何扩容并实现统一标准、统一管理?打造“全国统一医保信息平台”势在必行


2018年5月31日,国家医疗保障局正式挂牌成立,从医保基金监管、医保标准化等方面,对医保信息化提出了新的要求。同年8月,国家医保局召开医保标准化研究专家座谈会,研究部署医保业务标准制定工作,正式启动医保信息化工作。2019年3月,《医疗保障信息平台建设工程初步设计方案》获批,由此平台前期准备工作基本结束,进入平台建设阶段。


2019年4月,国家医保信息平台招投标工作正式启动。2020年10月,国家医保信息平台主体建设完成,平台建设重点开始转向地方落地应用。截至2022年3月底,国家医保信息平台已在全国31个省份和新疆生产建设兵团上线。这标志着,历时2年11个月,全国统一的医保信息平台全面建成。


2018年国家医疗保障局成立后,阿里云全面参与国家医疗保障新一轮信息化建设整体规划,组建技术专家组驻扎国家医保局进行架构设计,先后承担了国家医保局信息平台、国家智慧医保实验室平台、国家医保局核心业务云平台资源扩容等项目的建设。


深入参与国家医保局项目建设的同时,阿里云进一步全面投入参与到全国各省市地方建设实践中,也正是在这个阶段,吉林省医疗保障信息平台由阿里云中标,阿里云与吉林医保局客户一起创造了“中国速度”。


这背后离不开两个关键点:一是阿里云在国家医保局已经完成所有软件的适配,在地方能够快速验证,实现快速对接;二是阿里云是国家医保局项目规划及建设的关键技术力量,“云+双中台”架构体系是由阿里云提出,不仅对这一整套系统的底层技术架构相当熟悉,能够快速排查问题、推进进程,而且在国家及其他省份经过长时间的积累,有一支专业的团队,能够支撑项目快速上线实施,提早避免问题,给出最佳实施路径。



新架构解决老问题


将互相割裂的400套统筹区医保信息化系统统一为一套版本,是阿里云首先要理解和解决的问题,也是阿里云后期在国家医保局推出整体双中台架构的根本原因。


一个现成的方案是,重塑这400套割裂的系统,再通过一套软件将这400套系统进行兼容,形成一套大型集成软件包。但是“400合1”的方案并不具备适应业务发展的能力,假设再多出来第401、第402……整个软件包就会不断面临着因需求的出现而反复新增、修改等系统升级的工作,根本不具备稳定性。


究其根本,是传统IOE架构支撑下的医保信息化系统体系,已经远远无法满足当时如此海量的用户使用诉求了。例如,各地方参保人数持续增加,也因财政经济的不同而有所差异,从地市到省级,再到全国统筹,参保人数的容量从几百万到上亿,波动范围非常大。


医保系统不断升级的技术要求下,选择先进的分布式云计算架构成为必然。“过去的IOE架构只能纵向扩展,而分布式云架构可以横向无限扩展,未来新的需求出现,也可以通过横向扩展补充进去。”阿里云首席架构师魏文麟表示。而针对多系统的统一化运行和新需求扩容,阿里云底层的分布式计算能力就能解决。阿里云多年经验沉淀总结出的“应缓存尽缓存、应异步尽异步、大表要分库分表、并发平行散开”创新性最佳IT实践,支撑了医保信息化系统的改造。


与此同时,基于阿里云提供的底层能力,400套系统中95%的同类型需求进行了取舍、合并,通过配置库和计算公式引擎、万能政策树引擎,对接形成了自定义开源脚本,而另外5%无法兼容的需求则采用定制化开发,最终基于一套横向可扩展的分布式云架构,将400套系统需求实现归拢。


通过编制统一的业务编码、数据规范,形成全国自上而下医保信息数据交换的“通用语言”,无异于打造了医保标准化的新引擎,实现全国医保信息互通互联、数据互认,为后续诸多医保重大改革奠定基础。



用中台“解锁”复杂场景


医保信息互通互联后的下一步,是让这套全球最大的医疗保障服务体系中的海量数据能够发挥真正的价值。“中台”正是对症良药,而阿里云在这一领域也积累了很多成熟的经验。而且医疗政府行业,并不敏感于先进技术,更依托于成熟可落地的技术产品,这要求阿里云给出的逻辑、产品一定是经过千锤百炼、能够零风险上线。实际上,这是医疗保障领域的第一次中台实践


在中台概念之前,“共享业务中心”其实更为常见,即把共享的业务服务和依赖的数据进行聚合,如共享财务中心。而医保信息平台中也需要构建类似的“共享业务中心”,在此需求基础之上,业务中台通过更高程度的能力抽象,解决掉了共享业务中心的低耦合性,既可以实现业务中心的服务调用,同时又可以避免烟囱式系统的重复、割裂的建设,从根本上解决原本系统扩展性低、稳定性差、无法支撑高并发等问题。如政策中心板块,要求政策高度一致,研发设计时就可以将政策统一的业务抽离出来,将政策相关数据汇聚,沉淀到业务中台,实现业务共享和稳定。


阿里云规划的业务中台总体设计思路是,将医保信息化系统中原有的14个应用系统服务能力进行提炼,抽取出60多个共用服务,最终形成15个业务中心,包括统一认证中心、政策中心、结算中心、引擎中心等等。


以联网结算为例,这是医保信息化系统中核心且涉及民生舆情的业务场景之一,作为一种大型交易应用系统,联网结算具有高并发、低延时、追溯审计等特点。患者在联网医院或零售药店进行结算缴费时,系统要即时向医保结算中心发起医保支付申请,通过支付模块进行计算,返回正确结果。患者只是看到了一张写明了费用和缴费明细的单子,但这个结果背后是一整套复杂、精准的运转:医保信息化系统不仅要达到毫秒级反馈,还要同时处理多个相似请求,并保持24小时不间断计算。


中台应用只是其中一部分,新一代信息化系统主要包括:一个云平台、两个中台、三类保障和四类应用。一个云平台,即承载分布式计算服务的IaaS和PaaS;两个中台,即数据中台和业务中台,前者主要面向监管分析系统,负责全域数据存储、数据萃取、数据处理、面向场景算法迭代,后者主要面向核心交易系统,负责业务场景、交易处理、数据生成、用户触点;三类保障则涉及标准、安全、运维;四类应用则包括服务类、经办类、监管类、分析类等面向具体场景的应用。


从全局视角来看,这套医保信息化系统实现了业务全局共享、数据全局打通的核心命题,将原先分散在各部门、各区域自行采购和建设的不同系统,进行了统一管理和数据的互联互通,同时,通过在业务支撑层整合通用服务能力,为上层应用系统提供各类基础能力,从而最终保障了各类业务办理的有效、平稳运行。



医疗大数据的未来


正因为阿里云在国家医保局的架构设计及产品适配验证,吉林省医保局的信息化建设项目与阿里云的合作水到渠成


2021年5月26日,阿里云成功中标吉林医保局信息化建设项目,21天完成云平台部署、测试,短短60天就实现了吉林医保项目的实施上线。在整体推进过程中,阿里云在项目中赋能加深核心的技术设计思想,同时,凭借在产品使用搭配方面的丰富经验,提供了包括IaaS层、PaaS层、DaaS层、云管理、云安全等成熟产品,从而保障了平台高效上线运行。


对于吉林医保而言,作为全国7个医保电子凭证首发省份之一和国家首批医保信息化建设试点省份,能够如此之快推动医保信息化建设项目,除了来自上级单位的推动和指导,选择与国家医保局相同的标准解决方案和技术产品路线之外,还离不开“人和”。


在前期沟通时,“吉林医保希望在最短时间内将云平台做起来,相关领导对医保信息化的认知很深刻,有很多新想法,要求也比较高,希望尽量让所有的数字资产得到充分利用。”魏文麟回忆道。


良好的沟通和认可下,吉林医保在阿里云驻场作业时,也积极配合,双方碰撞出来很多火花。而阿里云也对这个省级医保信息化项目特别重视,魏文麟介绍称,在时间紧迫的吉林医保项目中,面对当地中标的其他业务系统,如何快速接入阿里云的新建医保信息平台,阿里云对每一个出现的问题都会第一时间解决,并在历史数据上云阶段全面驻场支持,从而加快了工作进度。


天时、地利、人和,整个吉林医保信息化系统的搭建和上线运行时间点卡位,超出了预期。


2021年6月21日,吉林医保首批并网实现了辽源市、长白山市、白城市3个统筹区、近6亿历史数据上云,是全国首个试点同时上线3个地市的省份,也是东北首个上线新医保平台的省份。此次吉林省医疗保障信息平台覆盖全省近2500万人,成为未来吉林全省医保业务运行的基础。同年7月2日,吉林省医保信息平台一期试点区域成功上云,其中包括42家医保经办机构、2381家医疗定点机构,上线首日平台就完成了超26万笔交易请求。


随着全国各地市逐步落地应用,全国统一医保信息平台建设完成,医保系统实现融合互通,同时医保数据归集治理迈上新台阶。


当前的医保信息化工作是在“除旧疾”,满足人们日常的各类医疗支付需求,但医保大数据是一座宝库,由于海量历史数据的沉淀,医保大数据分析的基础已经具备,未来医保信息化系统将为医保筹资、待遇保障、支付制度、药品耗材招标采购、基金监管等领域的精细化政策制定提供数据推演和决策支撑。未来,医保数据将进一步全面带动我国大健康产业的发展,在医疗健康服务、医药数据服务、商业保险服务、信用金融服务等方面发挥重要价值,在未来可以连接G端、B端、C端,线上线下全产业链条,为地方产业发展和跨行业业务融合提供重要的数据支撑。


业务中台已经实现了业务组件的高度运行,实现业务的自由组合可配置。未来医保大数据价值将被充分挖掘,真正实现医保“双中台”驱动模式。目前,部分省市已经在开展相关探索,对医保数据做全维度分析,进行大数据治理和挖掘项目的延伸。

相关实践学习
基于MaxCompute的热门话题分析
本实验围绕社交用户发布的文章做了详尽的分析,通过分析能得到用户群体年龄分布,性别分布,地理位置分布,以及热门话题的热度。
SaaS 模式云数据仓库必修课
本课程由阿里云开发者社区和阿里云大数据团队共同出品,是SaaS模式云原生数据仓库领导者MaxCompute核心课程。本课程由阿里云资深产品和技术专家们从概念到方法,从场景到实践,体系化的将阿里巴巴飞天大数据平台10多年的经过验证的方法与实践深入浅出的讲给开发者们。帮助大数据开发者快速了解并掌握SaaS模式的云原生的数据仓库,助力开发者学习了解先进的技术栈,并能在实际业务中敏捷的进行大数据分析,赋能企业业务。 通过本课程可以了解SaaS模式云原生数据仓库领导者MaxCompute核心功能及典型适用场景,可应用MaxCompute实现数仓搭建,快速进行大数据分析。适合大数据工程师、大数据分析师 大量数据需要处理、存储和管理,需要搭建数据仓库?学它! 没有足够人员和经验来运维大数据平台,不想自建IDC买机器,需要免运维的大数据平台?会SQL就等于会大数据?学它! 想知道大数据用得对不对,想用更少的钱得到持续演进的数仓能力?获得极致弹性的计算资源和更好的性能,以及持续保护数据安全的生产环境?学它! 想要获得灵活的分析能力,快速洞察数据规律特征?想要兼得数据湖的灵活性与数据仓库的成长性?学它! 出品人:阿里云大数据产品及研发团队专家 产品 MaxCompute 官网 https://www.aliyun.com/product/odps 
相关文章
|
1月前
|
运维 NoSQL Java
后端架构演进:微服务架构的优缺点与实战案例分析
【10月更文挑战第28天】本文探讨了微服务架构与单体架构的优缺点,并通过实战案例分析了微服务架构在实际应用中的表现。微服务架构具有高内聚、低耦合、独立部署等优势,但也面临分布式系统的复杂性和较高的运维成本。通过某电商平台的实际案例,展示了微服务架构在提升系统性能和团队协作效率方面的显著效果,同时也指出了其带来的挑战。
84 4
|
3月前
|
缓存 负载均衡 数据管理
深入探索微服务架构的核心要素与实践策略在当今软件开发领域,微服务架构以其独特的优势和灵活性,已成为众多企业和开发者的首选。本文将深入探讨微服务架构的核心要素,包括服务拆分、通信机制、数据管理等,并结合实际案例分析其在不同场景下的应用策略,旨在为读者提供一套全面、深入的微服务架构实践指南。**
**微服务架构作为软件开发领域的热门话题,正引领着一场技术革新。本文从微服务架构的核心要素出发,详细阐述了服务拆分的原则与方法、通信机制的选择与优化、数据管理的策略与挑战等内容。同时,结合具体案例,分析了微服务架构在不同场景下的应用策略,为读者提供了实用的指导和建议。
|
4月前
|
前端开发 大数据 数据库
🔥大数据洪流下的决战:JSF 表格组件如何做到毫秒级响应?揭秘背后的性能魔法!💪
【8月更文挑战第31天】在 Web 应用中,表格组件常用于展示和操作数据,但在大数据量下性能会成瓶颈。本文介绍在 JavaServer Faces(JSF)中优化表格组件的方法,包括数据处理、分页及懒加载等技术。通过后端分页或懒加载按需加载数据,减少不必要的数据加载和优化数据库查询,并利用缓存机制减少数据库访问次数,从而提高表格组件的响应速度和整体性能。掌握这些最佳实践对开发高性能 JSF 应用至关重要。
76 0
|
4月前
|
存储 设计模式 运维
Angular遇上Azure Functions:探索无服务器架构下的开发实践——从在线投票系统案例深入分析前端与后端的协同工作
【8月更文挑战第31天】在现代软件开发中,无服务器架构因可扩展性和成本效益而备受青睐。本文通过构建一个在线投票应用,介绍如何结合Angular前端框架与Azure Functions后端服务,快速搭建高效、可扩展的应用系统。Angular提供响应式编程和组件化能力,适合构建动态用户界面;Azure Functions则简化了后端逻辑处理与数据存储。通过具体示例代码,详细展示了从设置Azure Functions到整合Angular前端的全过程,帮助开发者轻松上手无服务器应用开发。
34 0
|
6月前
|
缓存 NoSQL Java
案例 采用Springboot默认的缓存方案Simple在三层架构中完成一个手机验证码生成校验的程序
案例 采用Springboot默认的缓存方案Simple在三层架构中完成一个手机验证码生成校验的程序
118 5
|
5月前
|
负载均衡 Java 微服务
Java中的可扩展微服务架构设计案例解析
Java中的可扩展微服务架构设计案例解析
|
6月前
|
运维 监控 安全
园区网典型组网架构及案例实践
园区网典型组网架构及案例实践
|
7月前
|
消息中间件 运维 Java
B/S架构,采用JAVA编程的医院云HIS系统源码,公立二甲医院应用案例
SaaS模式Java版云HIS系统,在公立二甲医院应用多年,经过多年持续优化系统运行稳定、功能齐全,界面布局合理、操作简便。融合B/S版电子病历系统,支持电子病历四级,HIS与电子病历系统均拥有自主知识产权。 云HIS系统采用云端SaaS服务的方式提供,使用用户通过浏览器即能访问,无需关注系统的部署、维护、升级等问题,系统充分考虑了模板化、配置化、智能化、扩展化等设计方法,覆盖了基层医疗机构的主要工作流程,能够与监管系统有序对接,并能满足未来系统扩展的需要。
B/S架构,采用JAVA编程的医院云HIS系统源码,公立二甲医院应用案例
|
7月前
|
存储 Java 应用服务中间件
【分布式技术专题】「架构实践于案例分析」盘点互联网应用服务中常用分布式事务(刚性事务和柔性事务)的原理和方案
【分布式技术专题】「架构实践于案例分析」盘点互联网应用服务中常用分布式事务(刚性事务和柔性事务)的原理和方案
196 0
|
7月前
|
KVM 虚拟化 Android开发
DP读书:鲲鹏处理器 架构与编程(十二)鲲鹏软件实战案例Docker+KVM的部署
DP读书:鲲鹏处理器 架构与编程(十二)鲲鹏软件实战案例Docker+KVM的部署
194 1
下一篇
DataWorks