近日，由國家衛生健康委醫院管理研究所主辦、《中國數字醫學》雜志社承辦的2021中華醫院信息網絡大會（2021CHINC）在杭州召開，來自全國各地的醫療信息化管理者、專家學者齊聚一堂，深信服應邀出席，帶來了涵蓋安全、云計算、IT基礎設施建設等多方面的醫療信息化解決方案，其中深信服EDS分布式存儲對醫療PACS系統呈現的性能優勢引發關注。

隨著醫療行業信息化建設程度的加深，以醫療影像文件為代表的非結構化數據量逐年攀升，這對醫院PACS系統的數據容量以及性能提出了極大挑戰，底層的數據存儲愈發受到業內關注，PACS需要過硬的存儲能力為其提供支持。

數據重壓之下PACS性能問題凸顯

PACS影像文件的讀取速度直接影響醫生的閱片效率，首要影響因素便是龐大的數據量。以單個500KB的影像文件大小來計算，50TB便已經超過了一個億的文件量，在沒有算法優化的情況下，動輒上億級別文件量會直接造成文件讀取延遲。

[[399114]]

病人一次檢查會產生多張影像，放射科醫生閱片時，閱片終端需要加載這些影像，醫生播放或拉拽病人影像進行閱覽時，閱片終端會按照拍攝順序一張一張地依次讀取影像。如果從存儲讀取某張影像時延過高，醫生會有卡頓的感覺，會影響閱片體驗，嚴重時會極度影響工作效率。患者的等待時間變長，而在業務高峰期，上百位門診醫生、臨床醫生同時閱片時，性能問題會更加嚴重。

智能緩存預取功能幫助PACS“預判讀取走位”

PACS影像數據的特點是圖片數量多，文件小、寫入帶寬要求高、數據冷卻快，為了滿足這些特性下性能需求，深信服分布式存儲EDS提供了PhxKV元數據極速引擎、小文件合并、NVMe SSD優化、RDMA低時延網絡、數據生命周期管理等一系列的軟硬協同優化技術，為PACS系統性能提供保障。

在數據訪問速度方面，數據預取也是一種有效的提速方式。所謂的數據預取技術，就是系統根據用戶具有歷史性和相對集中性的訪問規律，對未來將要訪問的資源做出預測。在PACS影像系統中，醫生在某段時間只訪問某個病人的影像，同一批影像往往存放在同一個目錄下，創建時間又比較接近。基于對這一特性的洞察，深信服EDS推出全新的智能緩存預取技術，內置一個預測模塊，預測模塊監控目錄，根據客戶端在目錄上產生的讀取文件操作來生成預讀序列，預讀線程根據預讀序列將影像文件讀取加載到內存。

為了實現更精準的預讀，EDS還針對不同場景推出基于目錄和時間兩種不同的預讀機制。

基于目錄預加載：大部分場景下，一個目錄僅存放一個病人的某次檢測結果，若單次檢測產生的文件數量不多，則將整個目錄的文件都加載到內存。不過在某些場景下，由于PACS應用設計不合理，一個目錄存放了多個病人的檢測結果，文件數量可能達到幾十萬個，無法采用基于目錄的預加載機制，就需要基于時間預加載。

基于時間預加載：某個病人的檢測結果，其影像創建時間是比較臨近，通過創建時間將目錄內的文件進行分組（比如以5秒為間隔，按照創建時間為文件分組），當某個組中的文件在短時間內被讀取超過3個，則將整個組中的文件加載到內存。通過這兩種不同的預讀機制打造更為順暢的閱片體驗。

如今，醫療影像數據量愈發龐大，影像科室和臨床科室的調閱影像、影像處理、三維重建等應用對數據相應的速度要求進一步提高，PACS醫學影像系統的性能問題也會凸顯，深信服EDS存儲將基于性能進一步研發探索，為PACS提供更為強大的數據存儲支持。