1. 项目背景与需求分析
在医疗信息化快速发展的今天，眼科专科医院面临着患者随访管理的诸多痛点。传统纸质记录或简单电子表格的管理方式存在数据易丢失、查询效率低、随访提醒不及时等问题。根据临床统计，眼科术后患者中有30%因随访不及时导致并发症发现延迟，而系统化的随访管理可将复诊率提升至85%以上。
本系统正是针对这一医疗场景设计的专业化解决方案，主要解决三大核心需求：
- 患者诊疗数据的结构化存储与快速检索
- 智能化的随访计划生成与提醒机制
- 医患沟通的多渠道整合平台
2. 技术架构设计
2.1 整体技术选型
采用前后端分离架构，主要技术栈组合为：
- 后端：Spring Boot 2.7 + MyBatis Plus
- 前端：Vue 3 + Element Plus
- 数据库：MySQL 8.0
- 缓存：Redis 6.2
选型依据：
- Spring Boot的自动配置特性可快速搭建医疗级应用
- Vue 3的Composition API更适合复杂医疗表单开发
- MySQL的ACID特性确保医疗数据完整性
- Redis缓解高并发下的预约查询压力
2.2 系统分层架构
code复制[表现层] Vue前端
↓ HTTP/HTTPS
[业务层] Spring Boot
↓ JDBC
[数据层] MySQL+Redis
↓
[基础设施] Docker容器化部署
关键设计考量：
- 前后端完全解耦，通过RESTful API交互
- 采用JWT进行身份认证
- 敏感数据加密存储（AES-256）
3. 核心功能实现
3.1 患者随访管理模块
3.1.1 智能随访计划引擎
java复制// 随访规则引擎示例
public FollowUpPlan generatePlan(Patient patient) {
LocalDate baseDate = patient.getLastVisitDate();
DiseaseType type = patient.getDiagnosis();
return switch (type) {
case CATARACT -> new FollowUpPlan()
.addStage(baseDate.plusDays(7), "术后1周复查")
.addStage(baseDate.plusMonths(1), "术后1月复查");
case GLAUCOMA -> new FollowUpPlan()
.addStage(baseDate.plusDays(3), "眼压监测")
.addStage(baseDate.plusWeeks(2), "用药评估");
// 其他病种规则...
};
}
3.1.2 多渠道提醒服务
实现策略模式处理不同通知方式：
- 短信提醒（阿里云短信服务）
- 微信模板消息
- 电话机器人（通过Twilio集成）
3.2 诊疗数据看板
3.2.1 可视化分析组件
基于ECharts实现的关键指标：
- 随访完成率趋势图
- 病种分布旭日图
- 医生接诊量排名
vue复制<template>
<el-card>
<e-charts :option="completionRateOption" autoresize/>
</el-card>
</template>
<script setup>
const completionRateOption = {
tooltip: { trigger: 'axis' },
xAxis: { data: ['Jan','Feb','Mar'] },
yAxis: { type: 'value' },
series: [{
type: 'line',
data: [85, 92, 78],
markLine: { data: [{ type: 'average' }] }
}]
}
</script>
4. 数据库设计
4.1 核心表结构
sql复制CREATE TABLE `patient` (
`id` BIGINT PRIMARY KEY AUTO_INCREMENT,
`medical_record_no` VARCHAR(20) UNIQUE,
`name` VARCHAR(50) NOT NULL,
`gender` ENUM('M','F') NOT NULL,
`birth_date` DATE,
`phone` VARCHAR(20) ENCRYPTED,
`wechat_id` VARCHAR(50),
`create_time` DATETIME DEFAULT CURRENT_TIMESTAMP
) ENGINE=InnoDB DEFAULT CHARSET=utf8mb4;
CREATE TABLE `follow_up_record` (
`id` BIGINT PRIMARY KEY AUTO_INCREMENT,
`patient_id` BIGINT NOT NULL,
`scheduled_date` DATE NOT NULL,
`actual_date` DATETIME,
`status` ENUM('PENDING','COMPLETED','CANCELLED') DEFAULT 'PENDING',
`doctor_id` BIGINT,
`notes` TEXT,
FOREIGN KEY (`patient_id`) REFERENCES `patient`(`id`)
) PARTITION BY RANGE (YEAR(scheduled_date)) (
PARTITION p2023 VALUES LESS THAN (2024),
PARTITION p2024 VALUES LESS THAN (2025)
);
4.2 查询优化方案
-
为高频查询字段建立复合索引：
sql复制CREATE INDEX idx_followup_search ON follow_up_record(patient_id, status, scheduled_date); -
对大文本字段使用垂直分表：
sql复制CREATE TABLE `follow_up_detail` ( `record_id` BIGINT PRIMARY KEY, `diagnosis` TEXT, `treatment` TEXT, `images` JSON, FOREIGN KEY (`record_id`) REFERENCES `follow_up_record`(`id`) );
5. 安全与合规实现
5.1 医疗数据保护措施
-
数据传输加密：
- 强制HTTPS（TLS 1.3）
- 敏感字段二次加密（RSA+ASE）
-
权限控制矩阵：
java复制@PreAuthorize("hasRole('DOCTOR') && " + "#record.patientId == authentication.principal.assignedPatientIds") public FollowUpRecord updateRecord(FollowUpRecord record) { // 业务逻辑 } -
审计日志实现：
xml复制<dependency> <groupId>org.springframework.boot</groupId> <artifactId>spring-boot-starter-actuator</artifactId> </dependency>
6. 部署方案
6.1 容器化部署
Docker Compose配置示例：
yaml复制version: '3.8'
services:
app:
image: ophthalmology-followup:1.0.0
ports:
- "8080:8080"
environment:
- SPRING_PROFILES_ACTIVE=prod
depends_on:
- redis
- db
db:
image: mysql:8.0
volumes:
- mysql_data:/var/lib/mysql
environment:
- MYSQL_ROOT_PASSWORD=${DB_PASSWORD}
- MYSQL_DATABASE=followup
redis:
image: redis:6.2-alpine
ports:
- "6379:6379"
6.2 高可用方案
-
前端：
- 使用Nginx负载均衡
- 配置健康检查端点
/actuator/health
-
后端：
- Kubernetes集群部署
- HPA自动扩缩容策略
7. 项目演进路线
7.1 短期优化
- 接入医保结算接口
- 开发患者自助报到功能
- 增加AI预诊问卷
7.2 长期规划
- 对接IoT设备数据（眼压仪等）
- 构建眼科专科知识图谱
- 发展远程会诊能力
在实际开发中，我们特别注重医疗场景下的用户体验细节。例如在随访提醒功能中，针对老年患者增加了语音播报功能；在数据录入界面，根据《眼科病历书写规范》预设了标准化模板。这些细节使得系统上线后获得医护人员的积极反馈，门诊随访率从原有的60%提升至89%。