专病、慢病库采用Lambda数据处理架构，通过其海量数据的实时处理、大吞吐量、低延迟及容错特性，建立基于全量专病、慢病医学数据的医疗大数据湖。

　　医学自然语言处理（NLP）技术针对处理的医学文本模型，包含以文本为主的非结构化数据（如主诉、现病史、既往史、心超报告、手术记录和检查报告等）进行后结构化；对于已结构化非标准化数据（如患者人口学信息、实验室检查、医嘱信息等）采用术语映射引擎进行术语映射实现编码标准化和归一化。通过跨体系的映射标准，建立全面的标准经数据湖。

　　以糖尿病相关合并症危。险预测为例，根据疾病发生危险指标，确定相应的信息采集口径，提取相关研究信息，并对研究变量进行机器学习，通过各种机器学习方法，最终确定有意义的危险指标和变量，通过Ridge回归，XGB，LightGBM，随机森林，Adaboost和SVM进行数据建模并形成一套高准确率的预测机制，可将该套预测模型嵌入至CDSS系统。

　　专病、 慢病库以医学发展为基本动力，通过“323”医卫融合平台、移动车体检平台对院内院外真实诊疗数据集中采集、整合、治理，形成围绕专病、慢病全生命周期的大数据湖，以多维、全息的标准数据开展各项医学工作。利用AI统计分析算法模型及精准知识转化链条，辅助科研人员快速开展基于不同场景需求的临床研究以及疾病预测、风险评估等实践应用。为市政、国家计生委、市应急办、市疾控、市县卫健委、基层医疗机构、市医疗机构等提供全面的数据支撑服务。