医疗大数据应用规划-精选版.pptVIP

天将降大任于斯人也 天将降大任于斯人也 天将降大任于斯人也 天将降大任于斯人也 天将降大任于斯人也 区域医疗大数据应用 佛山市佛盈盘古信息科技有限公司 * Part 01 / 大数据大趋势 Part 02 / 医疗数据设计架构 Part 03 / 医疗大数据应用 目录 Contents * Data Volume 数据量够大 Data Variety 数据种类多样 Data Velocity 数据生成速度够快 新进概念： Data Veracity 数据准确性高 Big Data IBM 的大数据定义—— 3V * 数据无偏差 数据噪声少 数据无异常值 否则便是： Garbage in， Garbage out. 在 2013 年波士顿的大数据峰会， Express Scripts 的首席数据科学家 Inderpal Bhandar 提出了 Veracity 的概念。Veracity 主要是指数据是否有偏差、数据噪声有多大，以及是否有异常值。当业界大量积累各种来源的数据时，数据是否准确变成一个非常重大的问题，否则最后就是 “Garbage in，Garbage out”。 大数据的第四个定义——Data Veracity * 数据计算能力提升 数据传输能力增强 数据存储成本下降 推动企业： 存储海量数据 将数据传输到数据中心 通过云计算进行分析、处理 网络端数据呈现，指导商业决策 大数据出现的技术背景及改变 得益于计算能力的快速增长、数据传输能力的增长和成本的下降，以及数据储存成本的下降，大数据获得了极大的发展。 * 大数据产业链 数据产生 数据处理 数据消费 数据存储和管理 贯穿了整个大数据周期 数据收集 数据定义 数据分析 数据准备 新数据产生 数据运用 * 医疗大数据 医疗健康数据来源 1、医院信息系统（HIS）是医疗数据的重要来源。 医院信息系统包括：电子病例系统（EMRS）、实验室信息系统（LIS）、医学影像存档与通信系统（PACS）、放射信息管理系统（RIS）、临床决策支持系统（CDSS）等。 2、除此之外，各种健康设备可以帮助收集用户的生命体征信息，比如心电数据、血氧浓度、呼吸、血压、体温、脉搏、运动量。社交网络和搜索引擎也包含了潜在的人口健康信息。 医疗健康数据特点 1、5V Volume（数据规模巨大）Variety（数据类型繁多）Velocity（数据产生速度快） Veracity（数据准确性要求高） Value（大数据研究价值高） 2、多态性、时效性、不完整性、冗余性、隐私性等。多态性指医师对病人的描述具有主观性而难以达到标准化；不完整性指医疗分析对病人的状态描述有偏差和缺失。 医疗健康数据处理 关联规则学习 分类 聚类分析 数据融合 机器学习 自然语言处理 回归 信号处理 仿真 可视化 * 医疗大数据设计架构 * 医疗大数据设计架构 搭建区域医疗信息化平台 采用互联网SSL安全协议认证获取区域卫生资源库数据。 健康医疗用于连接患者，为患者提供更加优质的医疗服务,推动个体医疗的发展。 连接医疗业务，加强区域内部医疗健康数据的互通以及预警监测，运营监测等，实时提供给相关的机构,可进行有效的医疗机构监管，实现区域内部医疗资源的共享和互动,提升医院资源利用率，提供更丰富的医疗应用。 * 医疗大数据设计架构 搭建公共卫生综合管理平台 平台的接入服务利用ELT技术将公共卫生相关系统采用互联网SSL安全协议认证获取区域卫生资源库数据。 创建卫生局数据中心为医疗 大数据平台作为铺垫，更快、更精确、更安全地把医疗数据控制在手上。 可视化应用平台将硬件设备（GPS设备、监控设备、电视机等）接入服务。 * 健康医疗大数据典型应用 面向多主体、以需求为导向的健康医疗大数据应用规划 行业治理 体制改革评估监测 医院评价与监督 医疗保险控费 临床科研 临床决策支持 药物副作用监测 基因序列 基因组分析 公共卫生 监测评估与决策管理 预防控制重大疾病 预警与应急响应 管理决策 决策支持 资源配置优势 成本有效控制 惠民服务 优化诊疗流程 互联网健康医疗 服务模式 一体化电子 健康服务 产业发展 数据相关服务 传统产业融合 衍生平台 亚健康/健康群体 科研教学 医疗机构 政府 患者 医生 医药经销商 * 天将降大任于斯人也 天将降大任于斯人也 天将降大任于斯人也 天将降大任于斯人也 天将降大任于斯人也 天将降大任于斯人也 天将降大任于斯人也 天将降大任于斯人也 天将降大任于斯人也 天将降大任于斯人也 天将降大任于斯人也 天将降大任于斯人也 天将降大任于斯人也 天将降大任于斯人也 天将降大任于斯人也 天将降大任于斯人也 天将降大任于斯人也 天将降大任于斯人也 天将降大任于斯人也 天将降大任于斯人也 天将降大任于斯人也 天将降