OpenHealth Lake：面向健康应用的数据湖仓平台设计与测试
软件工程
2026-05-20 v1 数据库
摘要
在生物信息学和健康科学等领域，数据管理可能是一项复杂的挑战，这些领域持续产生大量异构数据集。在协作式全球健康倡议的背景下，数据的安全存储与共享对于支持有影响力的研究至关重要。然而，缺乏统一的数据管理平台使得这些倡议内的有效数据交换和治理变得复杂。在本文中，我们介绍了 OpenHealth Lake 的设计过程，这是一个基于数据湖仓架构、数据联邦和 FAIR 原则的数据管理原型平台。该平台使用开源工具设计，以先前发表的研究中确定的系统需求为指导，并辅以现有文献的见解。当前的原型平台包括一个用户友好的网站、一个开放 API、Python 和 R 包，允许用户以多种方式与平台交互。通过一项包含不同技术背景参与者的用户研究，我们表明我们提出的数据管理原型既可用又有用。我们的原型设计展示了湖仓系统的适应性、可扩展性和可复现性，可供任何组织使用。它被设计为一种灵活且互补的方法，允许组织根据其特定需求和资源（包括基于云或自托管的存储选择）定制数据管理系统。
引用
@article{arxiv.2605.19922,
title = {OpenHealth Lake: Designing and testing a data lakehouse platform for health applications},
author = {Danilo Silva and Monika Moir and Cheryl Baxter and Tulio de Oliveira and Joicymara Xavier and Marcel Dunaiski},
journal= {arXiv preprint arXiv:2605.19922},
year = {2026}
}
备注
16 pages, 10 figures