随着计算机技术在医学领域的广泛应用,如何利用大数据开发和人工智能技术挖掘医学案例文献中的关键信息仍是一个挑战。探索不同规模数据处理方案,设计高可用的数据仓库,提供准确的分析结果,实现简单易用的可视化平台都是一个具有高参考价值的医疗大数据开发方案难点。本篇论文是基于美国国立卫生研究院和国家图书馆的生物医学和生命科学期刊文献免费全文资料库来进行文本信息的挖掘处理。为了规范化的管理文献库数据,论文借鉴了一线互联网企业在海量数据开发过程中的数据处理经验,从数据ETL、数据链路组件选型及部署过程、数据分析可视化三个环节创新性地引入数据仓库扁平化建模方法、容器化部署分布式开发环境、可配置化的数据分析可视化平台来构建完善的医学案例文献数据仓库和高效快捷的数据处理链路。在前期技术调研过程中,对存储、计算、查询、分析及可视化各方面常用的技术栈都做了深入的了解和对比。其中,实际部署kylin、impala和hive分布式服务,并实际测试了在千万量级数据集上的查询性能。在文本处理部分,借助常用的机器学习预处理代码库、自然语言处理算法对医学案例报道文献数据进行清洗和抽取,实现非结构化文本数据的合理拆分和有效信息挖掘,并基于自主开发的用户自定义函数构建了完善的医学案例文献数据仓库。基于构建的数据仓库和算法分类结果,能够满足对文献所属研究领域、资助机构、发表国家、发表时间段等的分析,并对各模块关键词做了词频统计,还能支持多维度多指标的多表联合查询分析。最终,基于展示样式丰富且支持多数据源挂载的superset对文献时间分布、所属研究领域分布、地域分布、关键词词云做了可视化展示,将文献库数据的整体分布做了直观展示。论文研究的医疗大数据开发方案在复杂海量文本数据处理和内容挖掘上都有着新的借鉴意义。