基于Flask的电子病历系统开发实践

1. 项目概述与设计思路

医疗信息化建设已经成为现代医院管理的核心需求，而电子病历系统作为医疗信息化的基础组成部分，其开发质量直接影响医疗服务的效率与安全。我最近完成了一个基于Flask框架的电子病历管理系统开发项目，这个系统采用Python作为主要开发语言，结合了前后端分离的设计理念，实现了患者管理、病历记录和医生权限控制等核心功能。

选择Flask框架主要基于以下几个考量：首先，Flask作为轻量级框架，具有极高的灵活性，可以按需引入各种扩展；其次，Python在数据处理方面的优势特别适合医疗数据的处理；再者，Flask的学习曲线相对平缓，便于团队协作开发。在实际开发中，我们采用了Flask 2.0版本，它提供了更好的异步支持和性能优化。

系统架构采用经典的MVC模式，分为三层：

• 模型层(Model)：负责数据存储和业务逻辑，使用SQLAlchemy作为ORM工具
• 视图层(View)：前端展示，采用HTML5+CSS3+JavaScript技术栈
• 控制层(Controller)：处理业务逻辑和请求响应，基于Flask的路由系统实现

提示：在医疗系统开发中，数据安全和隐私保护是首要考虑因素，我们在架构设计阶段就将安全机制作为核心组件进行规划。

2. 核心功能模块实现

2.1 患者管理模块

患者信息管理是系统的基础功能，我们设计了完整的信息录入、查询和修改流程。核心数据结构包括：

python复制class Patient(db.Model):
    id = db.Column(db.Integer, primary_key=True)
    medical_record_number = db.Column(db.String(20), unique=True)  # 病历号
    name = db.Column(db.String(50), nullable=False)
    gender = db.Column(db.String(10))
    birth_date = db.Column(db.Date)
    id_card = db.Column(db.String(18), unique=True)  # 身份证号
    phone = db.Column(db.String(15))
    address = db.Column(db.String(200))
    emergency_contact = db.Column(db.String(50))  # 紧急联系人
    emergency_phone = db.Column(db.String(15))  # 紧急联系电话
    created_at = db.Column(db.DateTime, default=datetime.utcnow)
    updated_at = db.Column(db.DateTime, default=datetime.utcnow, onupdate=datetime.utcnow)

在实现增删改查功能时，我们特别注意了几个关键点：

1. 病历号生成规则：采用"年份+科室代码+序号"的格式，如"2023IM001"表示2023年内科第1号病历
2. 身份证号验证：实现了严格的格式校验和合法性检查
3. 敏感信息加密：对身份证号等敏感信息进行加密存储

2.2 病历管理模块

病历管理是系统的核心功能，我们设计了结构化的病历模板，包含以下主要字段：

• 主诉(Chief Complaint)：患者自述的主要症状
• 现病史(History of Present Illness)：详细记录发病过程
• 既往史(Past History)：患者既往疾病史
• 体格检查(Physical Examination)
• 辅助检查(Auxiliary Examination)
• 诊断(Diagnosis)：采用ICD-10编码
• 治疗方案(Treatment Plan)
• 医嘱(Medical Orders)

病历表的设计考虑了医疗数据的特殊性：

python复制class MedicalRecord(db.Model):
    id = db.Column(db.Integer, primary_key=True)
    patient_id = db.Column(db.Integer, db.ForeignKey('patient.id'), nullable=False)
    doctor_id = db.Column(db.Integer, db.ForeignKey('doctor.id'), nullable=False)
    visit_type = db.Column(db.String(20))  # 门诊/急诊/住院
    visit_date = db.Column(db.DateTime, default=datetime.utcnow)
    chief_complaint = db.Column(db.Text)
    history_of_present_illness = db.Column(db.Text)
    physical_examination = db.Column(db.Text)
    auxiliary_examination = db.Column(db.Text)
    diagnosis = db.Column(db.Text)
    treatment_plan = db.Column(db.Text)
    medical_orders = db.Column(db.Text)
    status = db.Column(db.String(20), default='draft')  # draft/final/archived
    created_at = db.Column(db.DateTime, default=datetime.utcnow)
    updated_at = db.Column(db.DateTime, default=datetime.utcnow, onupdate=datetime.utcnow)

注意：病历数据一旦提交(final状态)就不能直接修改，必须通过修订流程，这是医疗数据完整性的基本要求。

2.3 医生权限管理模块

基于RBAC(基于角色的访问控制)模型，我们设计了多层次的医生权限系统：

1. 角色定义：

   • 系统管理员：拥有全部权限
   • 主任医师：可查看和修改所有病历，审核住院医师的病历
   • 住院医师：可创建和修改自己负责的病历，但不能直接发布
   • 护士：可查看相关病历，执行医嘱，但不能修改诊断信息

2. 权限控制实现：

python复制from flask_principal import Principal, Permission, RoleNeed

# 定义权限
admin_permission = Permission(RoleNeed('admin'))
chief_physician_permission = Permission(RoleNeed('chief_physician'))
resident_permission = Permission(RoleNeed('resident'))
nurse_permission = Permission(RoleNeed('nurse'))

# 在视图函数中使用权限控制
@app.route('/records/<int:record_id>', methods=['PUT'])
@chief_physician_permission.require(http_exception=403)
def update_record(record_id):
    # 实现病历更新逻辑

3. 数据库设计与优化

3.1 数据库选型与表结构

我们最终选择了MySQL作为生产环境数据库，主要考虑到：

1. 数据安全性要求高
2. 需要处理复杂的关联查询
3. 未来可能面临的数据增长

核心表关系设计如下：

主要表结构说明：

1. 患者表(patients)：

   • 存储患者基本信息
   • 关键字段：medical_record_number(病历号)建立唯一索引

2. 医生表(doctors)：

   • 存储医生信息和资质
   • 包含license_number(执业证书号)等专业字段

3. 病历表(medical_records)：

   • 核心业务表
   • 通过patient_id和doctor_id关联患者和医生

4. 医嘱表(medical_orders)：

   • 单独拆分的医嘱信息
   • 支持更复杂的医嘱管理

5. 审计表(audit_logs)：

   • 记录所有关键操作
   • 满足医疗数据审计要求

3.2 数据库优化策略

针对医疗系统的特点，我们实施了以下优化措施：

1. 索引优化：

   • 为所有外键字段创建索引
   • 为常用查询条件(如患者姓名、病历号)创建复合索引

2. 查询优化：

   • 使用SQLAlchemy的joinedload进行关联查询预加载
   • 对大文本字段(如病历内容)实现延迟加载

3. 分区策略：

   • 按时间范围对病历表进行分区
   • 便于历史数据归档和快速查询

python复制# 示例查询优化
from sqlalchemy.orm import joinedload

# 获取患者及其病历的优化查询
patient = Patient.query.options(
    joinedload(Patient.medical_records)
).filter_by(medical_record_number='2023IM001').first()

4. RESTful API设计与实现

4.1 API整体设计

我们采用RESTful风格设计系统API，主要特点包括：

1. 资源导向：每个端点对应一种资源
2. 标准HTTP方法：GET(查询)、POST(创建)、PUT(更新)、DELETE(删除)
3. 状态码规范：正确使用HTTP状态码
4. 版本控制：API路径中包含版本号(/api/v1/)

4.2 核心API实现

以下是几个关键API的实现示例：

1. 患者API：

python复制from flask_restful import Resource, Api

api = Api(app)

class PatientResource(Resource):
    def get(self, patient_id=None):
        if patient_id:
            patient = Patient.query.get_or_404(patient_id)
            return patient_schema.dump(patient)
        else:
            patients = Patient.query.all()
            return patients_schema.dump(patients)
    
    def post(self):
        data = request.get_json()
        errors = patient_schema.validate(data)
        if errors:
            return {'errors': errors}, 400
        
        patient = Patient(**data)
        db.session.add(patient)
        db.session.commit()
        return patient_schema.dump(patient), 201

api.add_resource(PatientResource, '/api/v1/patients', '/api/v1/patients/<int:patient_id>')

2. 病历API：

python复制class MedicalRecordResource(Resource):
    @jwt_required()
    def get(self, record_id=None):
        current_user = get_jwt_identity()
        if record_id:
            record = MedicalRecord.query.get_or_404(record_id)
            # 权限检查
            if not check_permission(current_user, record):
                return {'message': '无权访问此病历'}, 403
            return record_schema.dump(record)
        else:
            # 根据角色返回不同范围的病历
            records = get_accessible_records(current_user)
            return records_schema.dump(records)

api.add_resource(MedicalRecordResource, '/api/v1/records', '/api/v1/records/<int:record_id>')

4.3 API文档生成

使用Swagger UI自动生成API文档，便于前后端协作：

python复制from flask_swagger_ui import get_swaggerui_blueprint

SWAGGER_URL = '/api/docs'
API_URL = '/static/swagger.json'

swaggerui_blueprint = get_swaggerui_blueprint(
    SWAGGER_URL,
    API_URL,
    config={'app_name': "电子病历系统API"}
)

app.register_blueprint(swaggerui_blueprint, url_prefix=SWAGGER_URL)

5. 系统安全实现

5.1 认证与授权

1. JWT认证实现：

python复制from flask_jwt_extended import JWTManager, create_access_token, jwt_required

app.config['JWT_SECRET_KEY'] = 'super-secret-key'  # 生产环境应从配置读取
app.config['JWT_ACCESS_TOKEN_EXPIRES'] = timedelta(hours=1)
jwt = JWTManager(app)

@app.route('/login', methods=['POST'])
def login():
    username = request.json.get('username')
    password = request.json.get('password')
    
    user = User.query.filter_by(username=username).first()
    if not user or not bcrypt.check_password_hash(user.password, password):
        return jsonify({"msg": "用户名或密码错误"}), 401
    
    access_token = create_access_token(identity=user.id)
    return jsonify(access_token=access_token)

2. 密码安全策略：
   • 使用bcrypt进行密码哈希
   • 密码强度要求：至少8位，包含大小写字母和数字
   • 登录失败次数限制

5.2 数据安全

1. 敏感数据加密：

   • 身份证号等PII信息加密存储
   • 使用AES-256加密算法

2. 数据传输安全：

   • 全站HTTPS
   • 敏感接口额外数据加密

3. 审计日志：

   • 记录所有关键操作
   • 不可篡改的日志记录

5.3 其他安全措施

1. CORS配置：

python复制from flask_cors import CORS

CORS(app, resources={
    r"/api/*": {
        "origins": ["https://hospital.com"],
        "methods": ["GET", "POST", "PUT", "DELETE"],
        "allow_headers": ["Authorization", "Content-Type"]
    }
})

2. 速率限制：

python复制from flask_limiter import Limiter
from flask_limiter.util import get_remote_address

limiter = Limiter(
    app,
    key_func=get_remote_address,
    default_limits=["200 per day", "50 per hour"]
)

@app.route('/api/reset-password', methods=['POST'])
@limiter.limit("3 per hour")
def reset_password():
    # 密码重置逻辑

6. 系统部署方案

6.1 生产环境部署

我们采用Nginx+Gunicorn+MySQL的部署架构：

1. 应用服务器：

   • Gunicorn作为WSGI服务器
   • 配置多个worker进程
   • 使用gevent实现异步处理

2. Web服务器：

   • Nginx作为反向代理
   • 处理静态文件
   • SSL终止

3. 数据库服务器：

   • MySQL主从复制
   • 定期备份策略

6.2 Docker容器化

为简化部署，我们提供了Docker方案：

dockerfile复制# Dockerfile示例
FROM python:3.9

WORKDIR /app

COPY requirements.txt .
RUN pip install -r requirements.txt

COPY . .

CMD ["gunicorn", "-w 4", "-k gevent", "-b :5000", "app:app"]

使用docker-compose编排多容器环境：

yaml复制version: '3'

services:
  web:
    build: .
    ports:
      - "5000:5000"
    depends_on:
      - db
    environment:
      - DATABASE_URL=mysql://user:password@db/emr

  db:
    image: mysql:5.7
    volumes:
      - db_data:/var/lib/mysql
    environment:
      - MYSQL_ROOT_PASSWORD=secret
      - MYSQL_DATABASE=emr
      - MYSQL_USER=user
      - MYSQL_PASSWORD=password

volumes:
  db_data:

6.3 性能优化

1. 缓存策略：

   • Redis缓存常用数据
   • 病历列表缓存
   • 医生信息缓存

2. 静态资源优化：

   • CDN分发
   • 浏览器缓存
   • 资源压缩

3. 数据库连接池：

python复制from sqlalchemy import create_engine
from sqlalchemy.pool import QueuePool

engine = create_engine(
    'mysql://user:password@localhost/emr',
    poolclass=QueuePool,
    pool_size=10,
    max_overflow=20,
    pool_recycle=3600
)

7. 测试策略与实施

7.1 测试金字塔实践

我们采用测试金字塔模型，从下到上实施测试：

1. 单元测试(70%)：

   • 测试模型类和方法
   • 测试工具函数
   • 测试简单视图

2. 集成测试(20%)：

   • 测试数据库操作
   • 测试API端点
   • 测试权限系统

3. E2E测试(10%)：

   • 测试完整业务流程
   • 测试用户界面

7.2 测试工具链

1. pytest测试框架：

python复制# 示例测试用例
def test_patient_creation(client, db_session):
    data = {
        "name": "张三",
        "gender": "男",
        "birth_date": "1990-01-01",
        "phone": "13800138000"
    }
    response = client.post('/api/v1/patients', json=data)
    assert response.status_code == 201
    assert Patient.query.count() == 1

2. Factory Boy创建测试数据：

python复制import factory

class PatientFactory(factory.alchemy.SQLAlchemyModelFactory):
    class Meta:
        model = Patient
        sqlalchemy_session = db.session
    
    name = factory.Faker('name')
    gender = factory.Iterator(['男', '女'])
    birth_date = factory.Faker('date_of_birth')

3. 覆盖率检测：
   • pytest-cov插件
   • 目标覆盖率80%以上

7.3 自动化测试流程

1. 预提交钩子：

   • 运行静态检查(flake8)
   • 运行单元测试

2. CI流水线：

   • 安装依赖
   • 运行所有测试
   • 生成覆盖率报告
   • 构建Docker镜像

3. 部署前测试：

   • 生产环境模拟测试
   • 性能测试
   • 安全扫描

8. 开发经验与优化建议

在实际开发过程中，我们积累了一些有价值的经验：

1. 医疗数据特殊性处理：

   • 病历数据必须保持完整性和不可篡改性
   • 所有修改需要记录操作人和时间
   • 实现数据版本控制

2. 性能优化技巧：

   • 对大文本字段(如病历内容)实现延迟加载
   • 使用selectinload替代joinedload处理复杂关系
   • 实现分页查询避免大数据量传输

3. 调试技巧：

   • 使用Flask-DebugToolbar进行性能分析
   • 记录慢查询日志
   • 实现详细的请求日志

4. 扩展性考虑：

   • 预留接口支持未来与HIS系统对接
   • 设计可插拔的模块架构
   • 考虑微服务化拆分可能性

对于类似项目的开发者，我有几点建议：

1. 医疗系统开发首先要考虑合规性，了解相关法律法规要求
2. 数据安全设计要前置，而不是后期补充
3. 性能优化要从数据库设计阶段开始考虑
4. 完善的测试体系是质量保证的基础

这个系统后续还可以扩展以下功能：

1. 移动端支持
2. 病历模板自定义
3. 智能诊断辅助
4. 大数据分析模块