CN112286985B - 一种基于云计算的临床研究统计分析系统 - Google Patents

Abstract

本发明公开了一种基于云计算的临床研究统计分析系统，属于计算机技术领域。本发明所述基于云计算的临床研究统计分析系统，包括：底层硬件层和上层应用层，其中，底层硬件层包括：应用网关、数据存储中心，上层应用层包括：授权服务、分析中心、中间件服务、静态文件服务。所述系统可以采用中台架构，包括应用中心、业务中台和数据中台。本发明系统可以用于开展I‑IV期新药临床试验、真实世界研究、医疗器械临床试验、保健食品人体试食试验、科研临床研究等研究中的统计分析，不受时空限制，多人协同工作，快速得到临床研究结果，加快医药产品上市。

Description

一种基于云计算的临床研究统计分析系统

技术领域

本发明涉及一种基于云计算的临床研究统计分析系统，属于计算机技术领域。

背景技术

统计分析作为药物及医疗器械临床试验的重要组成部分，在整个临床试验的工作中起着至关重要的作用。统计分析人员通过上级/客户接收临床研究分析任务，然后通过统计分析软件进行具体任务执行，执行过程不能多人线上协作，线下协作完成后把结果反馈给上级/客户。规范化的统计分析不仅是正确评价药物及医疗器械安全性和有效性的基础和依据，更是高质量临床试验的重要标志。

为了提高整个临床研究统计分析效率，同时保证执行过程的数据监管、分析代码的质量，防止过程不合规、分析方法偏差、数据改动等情况，可以使用临床研究统计分析系统对整个过程进行管理和监控。临床统计分析管理系统是一种针对临床试验项目进行跟踪、统计和分析管理的平台，涉及临床试验的数据处理和统计分析、项目成员和任务的管理、多人协同分析、监管项目执行、操作过程的审计追踪、分析代码文件可共享、分析代码修改内容的可追溯。

临床研究统计分析系统对分析任务进行管理监控的过程包括三个重点步骤：

(1)由分析管理者分配任务并上传任务所需的资料，由分析执行者接收任务、上传数据集及其他任务文件；

(2)由分析执行者执行具体的分析任务，当遇到多人执行一个任务时，进行任务状态共享和分析代码共享；

(3)分析结束后，由分析执行者或者QC对于分析代码进行比对，分析管理者对多人的分析过程和结果进行审核，锁定分析过程代码和分析结果，并导出统计分析报告。

现有的临床试验统计分析管理系统有SAS、SPSS、DAS等系统，它们可以很好地进行数据的统计分析，但是缺乏统一的平台，存在无法监管项目执行，不能实现项目管理、任务分配、代码共享、整个过程合规的问题，沟通成本高、效率低下、费时费力。想要实现项目管理、任务分配、代码共享，还得借助第三方软件或者对系统本身进行大量改造。例如，需要借助第三方软件(比如Excel)分配任务并记录每个任务所对应的项目成员，项目的管理可能会使用其他的软件(比如IBM)的项目管理软件，分析代码的管理可能会用到第三方工具或者手工保存不同的版本；同一公司的不同属地分公司可能使用不同版本的统计分析软件系统，导致相同的分析代码在不同的版本上出现不完全一致的结果。

打造“统一的平台”也存在诸多困难，例如：

(1)现有的临床分析项目管理系统并没有整合临床分析的软件，更别说在系统内置临床分析的常用算法包，比如：随机化/完全随机设计、成组设计、区组设计、拉丁方设计、交叉试验、成组序贯等等；

(2)在单个的临床分析任务执行过程中会出现多人修改同一份代码的情况，需要严格的文件版本管理功能以及多人同时并发修改的合并功能。需要在系统里实现在线分析调试和代码管理的功能。

(3)在分析的调试过程中，随着分析的复杂度增加以及数据集的增加，对服务器的压力是成倍的叠加，这时需要系统在软件使用过程中根据需要动态调配服务器的资源。

发明内容

[技术问题]

现有的临床试验统计分析管理系统缺乏统一的平台，存在无法监管项目执行，不能实现项目管理、任务分配、代码共享、整个过程合规的问题，沟通成本高、效率低下、费时费力。

[技术方案]

针对上述技术问题，本发明提供了一种基于云计算的临床研究统计分析系统，该系统包括：底层硬件层和上层应用层，其中，底层硬件层包括：应用网关、数据存储中心，上层应用层包括：授权服务、分析中心、中间件服务、静态文件服务。所述系统可以采用中台架构，包括应用中心、业务中台和数据中台。所述系统架构在云服务器上，云服务器通过容器Deployment、StatefulSet等技术可以实现自动故障切换、根据使用CPU自动扩容缩容副本数。所述系统采用微服务架构、容器化，独立部署、更新、伸缩、重启。

所述应用网关用于系统的服务发现、服务配置、服务熔断、负载均衡、日志收集、环境监控等功能；应用网关与授权服务、分析中心、中间件服务、静态文件服务连接；所述服务发现是指客户端应用进程向注册中心发起查询，来获取服务的位置，服务发现的一个重要作用就是提供一个可用的服务列表；所述服务配置自动发布到应用，配置不同环境的隔离部署等等，所述环境监控是指监控服务的健康状况，容器的运行情况(CPU、内存)，服务器的网络情况等等，例如针对异常情况通过邮件与短信及时告警。

所述数据存储中心用于存放系统产生的业务数据以及上传的数据集，数据集可以基于权限隔离。所述数据存储中心可以采用分布式存储技术，保障集群数据永不丢失。

所述上层应用层的授权服务会进行身份认证，身份认证通过后，系统认为是合法用户便会调用中间件服务进行服务判断，如果是静态请求则直接转到静态文件服务，如果是分析请求则转到分析中心。

所述授权服务用于登录系统时的身份验证和识别，并返回对应的授权凭证和登录用户的权限信息，授权服务是系统登录的安全保障；所述身份包括：临床试验申办方、CRO公司、临床试验机构、统计方、监管方。

所述分析中心执行具体的分析任务，所述分析中心的应用程序的代码可以是sas代码、python代码或其他分析代码；分析中心具有代码预编译器可以自动判断代码类型，无需人为干涉；分析中心配置了常规的临床分析算法。在临床分析项目进行过程中，分析人员和管理人员直接在系统里通过系统页面提供的按钮调用分析服务，得到分析结果(不再来回切换系统)。

所述分析中心还封装整合开源组件Git，用于解决多人同时修改代码以及文件版本管理的问题，分析团队可以基于统一的代码管理功能、代码合并功能等，加快协作、更快获得所需分析结果。

所述中间件服务用于协调系统使用的中间件以及基于中间件构建的业务API(Application Programming Interface)，以供分析中心调用；其中，中间件包含：消息队列、全文检索等等，业务API包含：项目管理API、代码管理API等等。

所述静态文件服务用于分析中心管理前端的静态文件以及前端页面的打包压缩和发布。

[有益效果]

分析团队可以自行选择采用系统的可视化界面、编程界面或REST界面，分析团队的成员可以在系统中同时调用基于权限隔离的数据集(创建分析任务时系统提供上传数据集的入口)。在实际的临床分析项目中，分析人员和管理人员不再来回切换系统，直接在系统里通过页面提供的按钮调用分析服务，得到分析结果，从而打破离线分析的模式，为整个分析过程提高效率，降低工作量。

本发明系统整合了SAS Viya、Python、R分析服务，并在分析服务中内置临床研究分析常用算法包，使得分析团队可以利用自己偏爱的分析算法快速获得解决方案，缩短分析周期，快速取得结果。

本发明封装开源组件Git并整合到临床分析任务执行过程中，通过封装的Git代码版本服务来解决多人同时修改代码以及文件版本管理的问题，分析团队可以基于统一的代码管理功能、代码合并功能等，加快协作、更快获得所需分析结果。

系统根据角色权限区分临床试验申办方、CRO公司、临床试验机构、统计方、监管方。使得都能登录平台、协同工作、专注自己的内容，应用网关的日志收集和授权服务部分的权限控制可确保数据真实、安全、可溯源，缩短临床试验时间。

本发明通过容器Deployment、StatefulSet等技术达到自动故障切换、根据使用CPU自动扩容缩容副本数解决了分析任务的复杂度对服务器造成的压力。

本发明提供的系统可以用于开展I-IV期新药临床试验、真实世界研究、医疗器械临床试验、保健食品人体试食试验、科研临床研究等研究中的统计分析，不受时空限制，多人协同工作，快速得到临床研究结果，加快医药产品上市。

附图说明

图1是本发明实施例的技术架构示意图。

图2是本发明实施例的基础架构示意图。

图3是本发明实施例的分析流程示意图。

具体实施方式

实施例1基于云计算的临床研究统计分析系统

如图1所示，一种基于云计算的临床研究统计分析系统，采用中台架构，包括应用中心、业务中台和数据中台。应用中心会构建基于前端容器的应用管理。业务中台会支撑平台的业务核心，除了集成SAS分析能力并接口化之外，还会建立完整的中台建设方法论，比如微服务拆分粒度，API网关建设，服务边界的划分，注册中心的建设，服务治理，业务化集成等功能。数据中台在集成SAS的CAS服务外会在保证数据安全的前提下打造数据组件、模型管理、数据接入、数据服务等功能。

具体地，

该系统包括：底层硬件层和上层应用层，其中，底层硬件层包括：应用网关、数据存储中心，上层应用层包括：授权服务、分析中心、中间件服务、静态文件服务。

所述应用网关用于系统的服务发现、服务配置、服务熔断、负载均衡、日志收集、环境监控等功能；应用网关与授权服务、分析中心、中间件服务、静态文件服务连接；所述服务发现是指客户端应用进程向注册中心发起查询，来获取服务的位置，服务发现的一个重要作用就是提供一个可用的服务列表；所述服务配置自动发布到应用，配置不同环境的隔离部署等等，所述环境监控是指监控服务的健康状况，容器的运行情况(CPU、内存)，服务器的网络情况等等。

所述数据存储中心用于存放系统产生的业务数据以及上传的数据集，数据集可以基于权限隔离。

所述上层应用层的授权服务会进行身份认证，身份认证通过后，系统认为是合法用户便会调用中间件服务进行服务判断，如果是静态请求则直接转到静态文件服务，如果是分析请求则转到分析中心。

所述授权服务用于登录系统时的身份验证和识别，并返回对应的授权凭证和登录用户的权限信息，授权服务是系统登录的安全保障；所述身份包括：临床试验申办方、CRO公司、临床试验机构、统计方、监管方。

所述分析中心执行具体的分析任务，所述分析中心的应用程序的代码可以是sas代码、python代码或其他分析代码；分析中心具有代码预编译器可以自动判断代码类型，无需人为干涉；分析中心配置了常规的临床分析算法。在临床分析项目进行过程中，分析人员和管理人员直接在系统里通过系统页面提供的按钮调用分析服务，得到分析结果(不再来回切换系统)。

所述中间件服务用于协调系统使用的中间件以及基于中间件构建的业务API(Application Programming Interface)，以供分析中心调用；其中，中间件包含：消息队列、全文检索等等，业务API包含：项目管理API、代码管理API等等。

所述静态文件服务用于分析用心管理前端的静态文件以及前端页面的打包压缩和发布。

系统使用者通过浏览器输入登录信息，获得授权凭证后可以登录系统并通过认证服务验证登录信息，获取认证的凭证和系统权限，分析团队通过分析服务接口可以使用SAS分析服务、Python分析服务或者其他数据分析软件；通过分析服务接口整合不同分析代码的整合，提供统一的分析入口标准每一种特定的语言都是一种特定的分析服务，在调用分析服务时，系统会通过代码预编译模块进行语言判断，通过判断的语言自动调用对应的分析服务。

如图2所示，系统采用分布式的架构进行构建。

授权服务为LDAP，考虑单台LDAP服务器存在单点故障问题，配置两台LDAP服务器，使用软件主从同步同时双方数据，F5负载均衡配置虚拟IP，写入和读取是都配置在虚拟IP上，当单台故障时，F5会自动切断故障节点。

分析中心、中间件服务、静态文件服务都做了容器化，部署在K8S集群上，K8S集群使用了F5硬件负载均衡器，将同一个集群多个master节点统一配置到F5的虚拟IP上，实现master节点高可用；Node节点由master节点软件管理，n台node自动发送心跳消息至master节点，故障自动迁移。

如图3所示，系统管理员登录系统并创建账户，并为各个账户分配资源，包括创建独享容器、独享分析服务、独享文件存储；项目负责人利用管理员分配的账户登录系统，创建项目并分配资源，包括分配项目参与者、人员权限、项目具体的任务和目标、项目独享数据库、项目独享文件存储；项目参与者享有代码共享服务；统计方创建分析任务，并上传待分析的数据集，并把数据集的读取权限分享给项目其他参与者；统计方的统计分析师执行任务时书写分析代码、并共享分析代码，项目参与者并对代码进行合并控制代码版本；项目申办方/CRO公司/统计方测试验证分析代码，验证过程中如果发现代码运行占用资源超出预期则自动分配服务器资源，验证代码的目的是判断代码是否满足临床试验注册申报的需求，如果满足则由统计方关闭任务；最后当所有任务都关闭时，则可以关闭项目。

实施例2基于云计算的临床研究统计分析系统的使用流程

管理员登录系统#1：

创建系统账户，在创建系统账户的同时同步进行以下操作：

步骤1：使用系统界面创建使用者用户账户，包含以下信息。

步骤2：自动创建SAS账户

通过LDAP服务由系统发起账户创建脚本，自动创建账户。

步骤3自动分配账户资源

创建企业后，自动分配相应资源的sas studio容器。

步骤4自动分配代码管理服务

创建LSAC和SAS账户后，自动创建对应的GitHub账户，通过算法生成公钥私钥通过SFTP上传至SAS对应的账户，并与GitHub做配置关联。

使用者登录系统#2：

步骤1：创建临床分析项目，包含以下信息：

步骤2：分配项目资源：

在LSAC创建项目详细信息，在SAS上自动创建项目文件夹，对应的GitHub上同步创建项目存储库，并在SAS对应账户进行自动化配置git存储库与项目文件夹关联。

步骤3：分配项目人员，包含以下信息：

步骤4：关联人员代码管理：

LSAC项目关联项目成员，GitHub平台将对应用户加入项目存储库；成员对应的SAS账户，添加对应的项目文件夹，并关联项目Git存储库。

步骤5：上传分析附件管理：

选择附件上传，上传至MongoDB，项目成员间可实现共享。

步骤6：分配具体任务：

步骤7：任务执行：

通过模拟请求，获取登录SAS的JsessionId和Token,实现自动登录,直接跳转SAS平台。

在SAS平台操作对应项目文件，将更改的项目提交至git存储库，并推送到远程仓库进行统一管理，项目成员可直接拉取到本地实现代码统一管理版本，成员间共享。

步骤8：任务过程监控：

(1)通过模拟请求的方式，实现在LSAC执行SAS代码，对产生的结果进行分析展示；

(2)调用GitHub方法取得对应项目、对应操作者的代码履历，进行展示以及通过Diff进行高亮显示对比；

(3)用户在LSAC平台上的操作记录均会被记录到数据库，在企业管理端进行管理维护。

虽然本发明已以较佳实施例公开如上，但其并非用以限定本发明，任何熟悉此技术的人，在不脱离本发明的精神和范围内，都可做各种的改动与修饰，因此本发明的保护范围应该以权利要求书所界定的为准。

Claims (4)

1.一种基于云计算的临床研究统计分析系统，其特征在于，包括：底层硬件层和上层应用层，其中，底层硬件层包括：应用网关、数据存储中心，上层应用层包括：授权服务、分析中心、中间件服务、静态文件服务；应用网关与授权服务、分析中心、中间件服务、静态文件服务连接；

所述数据存储中心用于存放系统产生的业务数据以及上传的数据集，数据集基于权限隔离；

所述授权服务用于登录系统时的身份验证和识别，并返回对应的授权凭证和登录用户的权限信息；

所述分析中心配置了用于临床研究统计分析的多种算法，且能够判断代码类型；

所述中间件服务用于协调系统使用的中间件以及基于中间件构建的业务API，以供分析中心调用；

所述分析中心整合了SAS Viya、Python、R分析服务；

所述系统采用中台架构，包括应用中心、业务中台和数据中台；

所述上层应用层的授权服务会进行身份认证，身份认证通过后，系统认为是合法用户便会调用中间件服务进行服务判断，如果是静态请求则直接转到静态文件服务，如果是分析请求则转到分析中心；

所述授权服务验证身份，登陆者的身份包括：临床试验申办方、CRO公司、临床试验机构、统计方、监管方；

所述分析中心执行具体的分析任务，所述分析中心的应用程序的代码是sas代码、python代码或其他分析代码；分析中心具有代码预编译器可以自动判断代码类型，无需人为干涉；分析中心配置了常规的临床分析算法。

2.根据权利要求1所述的一种基于云计算的临床研究统计分析系统，其特征在于，所述应用网关用于系统的服务发现、服务配置、服务熔断、负载均衡、日志收集、环境监控功能。

3.根据权利要求1所述的一种基于云计算的临床研究统计分析系统，其特征在于，所述中间件包含：消息队列、全文检索，业务API包含：项目管理API、代码管理API。

4.根据权利要求1所述的一种基于云计算的临床研究统计分析系统，其特征在于，所述静态文件服务用于分析中心管理前端的静态文件以及前端页面的打包压缩和发布。

Images