云计算与大数据改变医疗卫生综述.ppt

大数据的技术——分析方法 1、可视化分析：直观的呈现大数据特点 2、统计分析：差异分析、相关分析、 偏相关分析、距离分析、回归分析、因子分析、聚类分析、主成分分析、因子分析、快速聚类法与聚类法、判别分析、对应分析、多元对应分析、bootstrap技术等等 3、数据挖掘算法： 分类、估计、预测、相关性分组或关联规则、聚类、描述和视化、复杂数据类型挖掘(Text, Web ,图形图像视频音频等)。 3、预测性分析：预测模型、机器学习、建模仿真 4、语义引擎： 非结构化数据的多元化给数据分析带来新的挑战，我们需要一套工具系统的去分析，提炼数据。语义引擎需要设计到足够的人工智能以足以从数据中主动地提取信息。 5、数据质量和数据管理： 目录 医疗卫生信息化进展与数据特点 云计算与大数据的发展 云计算与大数据改变医疗卫生 2 3 4 大数据案例共享 5 华为简介 1 大数据分析对医疗卫生领域带来巨大变化 麦肯锡在其报告中指出，排除体制障碍，大数据分析可以帮助美国的医疗服务业一年创造3000亿美元的附加价值。 大数据给我们带来了一个新的数据驱动的科学研究方法去发现、证实医疗卫生领域我们人类无法知道的知识和智慧，用它为我们服务。 1、解决传统的不知道的问题：通过“黑盒子”的办法挖掘出潜存的知识和智慧； 2、花费是低的：建成大数据仓库就可以挖掘潜在的知识； 3、数据可重复利用，高产出的过程：随着算法研究，运算能力提高，就可以一直去运行，分析； 4、解决更多的问题：带来方法学上的科学研究方面，是一个巨大的变革，可能更支持，从传统、宏观上解决更多的问题。 医疗行业大数据的应用场景分析 比较效果研究--找到针对特定病人的最佳治疗途径 临床决策支持系统--提高工作效率和诊疗质量，更智能，对非结构数据的分析能力 医疗数据透明度--医疗从业者、医疗机构的绩效更透明，间接促进医疗服务质量的提高 病人远程监控--慢病管理效果分析，从对慢性病人的远程监控收集数据，分析结果，确定今后的用药和治疗方案 病人档案分析（高危人群分析）：应用高级分析可以确定哪些人是某类疾病的易感人群 自动化系统?医疗索赔欺诈性分析 基于卫生经济学和疗效研究的定价计划--药品定价、医疗服务定价，国家医疗开支的降低 预测建模?新药研究 提高临床试验设计的统计工具和算法?通过挖掘病人数据，评估招募患者是否符合试验条件 临床实验数据的分析?分析临床试验数据和病人记录可以确定药品更多的适应症和发现副作用。 个性化治疗?大型数据集(例如基因组数据)的分析发展个性化治疗 疾病模式的分析?帮助医疗产品企业制定战略性的研发投资决策 汇总患者的临床记录?新药研究 提高临床试验设计的统计工具和算法?通过挖掘病人数据，评估招募患者是否符合试验条件 公众健康?改善公众健康监控，检测传染病，进行全面的疫情监测。 分类： 临床操作 付款/定价 研发 新的商业模式 公众健康 基于hadoop大数据医疗应用场景 “卸载”模式 “全量洞察”模式 “新数据”模式 现有数据系统不堪重负 非实时复杂SQL数据处理基于NoSQL技术来替换 数据样本分析+复杂模型 全量数据+多个简单模型 结构化数据为主 非结构化数据、日志数据等低价值数据整合分析 采集转换 统计分析 数据组织与查询 健康档案/电子病历对接采集 保存EHR/EMR/影像 数据仓库 信息共享 多维统计 科研 决策 统计报表 辅助决策 绩效管理 业务特征 容量：数十T－PB 范围：全数据 速度：秒－分钟－小时级 容量：10－100T 范围：主题数据仓库 速度：秒－分钟级 方案 FusionInsight软件(华为在Hadoop社区贡献，大企业第一) Hadoop＋x86服务器 FusionCube数据仓库一体机 关系数据库＋ FusionCube一体机 技术特征 软件解决方案 海量数据处理 分布式并行计算 硬件解决方案 并发高性能计算 破解存储访问瓶颈 业务预期 容量：G/T级?T/P级 模型：采用大表/层次表，更容易建模 速度：10倍以上 卫生大数据处理与分析的两种途径 根据医疗业务诉求确定数据处理方案 结构化数据收集 半结构化数据收集 影像数据采集 访问日志采集 XX信息采集 统计类处理 数据提取、转换类处理 数据挖掘类，聚类、分类神经网络等机器学习 影像分析与处理 建立不同主题的数据仓库或数据集市 多维分析预处理 数据项可动态扩展 HIS/CIS/PACS数据获取 用户/医生访问数据获取 医疗应用协同数据获取 可穿戴设备数据获取 XX数据获取 EHR/EMR原始数据存储 影像数据存储 数据ETL