常见的医疗行业大数据应用实例.ppt

大数据 医疗领域应用 演讲人： 崔浩博 时间：2014.10.13 ppt制作： 崔浩博 outline 一、 医疗与大数据的趋势 二 、医疗大数据的应用场景 三、 案例分析 一、 医疗与大数据的趋势 二、医疗大数据的应用场景 三、 案例分析 医疗费用在不断上升 GDP的占比非常高 10-19% 0-9% 趋势分析: 我们正处在医疗行业的一个重要转折点 % of population over age 60 30+ % 25-29% 20-24% 2050 WW Average Age 60+: 21% Source: United Nations “Population Aging 2002” 全球老龄化 平均年龄60+的人 : 目前的10%, 到 2050年将到达20% 以美国为例: 医疗大数据的价值 3千亿美元/年, 相当于每年生成总 值增长0.7% 到2020年，医疗数据将会急剧增长到35 ZB,相当于2009年数据量的44倍增长。 0 15000 10000 5000 2010 2011 2012 2013 2014 2015 趋势分析:我们正处在医疗行业的一个重要转折点 存储的增长 医疗服务产生的数据总量(PB) Admin Imaging EMR Email File Non Clin Img Research 一个CT图像含有大约150MB的数据，而一个基因组序列文件大小约750MB，一个标准的病理图则大得多，接近5GB。 如果将这些数据量乘以人口数量和平均寿命，仅一个社区医院或一个中等规模制药企业就可以生成和累积达数个TB甚至数个PB级的结构化和非结构化数据。 一、 医疗与大数据的趋势 二、医疗大数据的应用场景 三、 案例分析 7 医疗大数据应用场景 医疗行业产生的数据量主要来自于PACS影像、B超、病理分析等业务所产生的非结构化数据。人体不同部位、不同专科影像的数据文件大小不一，PACS网络存储和传输要采取不同策略。面对大数据，医疗行业遇到前所未有的挑战和机遇。 医疗行业大数据应用场景非常多，右图仅以临床操作和研发为例，展示医疗行业大数据应用场景。 对于公共卫生部门，可以通过过覆盖全国的患者电子病历数据库，快速检测传染病，进行全面的疫情监测，并通过集成疾病监测和响应程序，快速进行响应。 一、 医疗与大数据的趋势 三、 案例分析 二、医疗大数据的应用场景 临床医生的知识更新无法与急剧增长的医学知识同步。 对大批量的常规决策工作，自动化决策效率更高(如大量的常规实验室检测和数据分析等)。 人有时会犯错误或失误，当然医生也不例外(复杂病例和常见病例都会出错),使用临床决策支持系统，可以提醒专家没在意的或没有发现到的病人信息，从而提高诊断准确性 对医学院学生，成熟专业的临床支持系统可能是他们学习专业知识和专家经验的方便可得的廉价的老师，同时也是他们初入医院实习工作的非常好的助手。 临床决策支持系统的功能和作用 案例分析 基于知识库的CDSS 大部分CDSS属于此类，它由三大模块组成：知识库、推理机和通讯模块。知识库存储着编译好的医学知识，推理机则根据知识库里的规则，以及患者的资料进行自动分析。分析的结果通过通讯模块反馈给用户。例如：MYCIN 非基于知识库的CDSS 主要是通过机器学习从已有的经验中自动攫取规则。 MYCIN系统 MYCIN系统是由斯坦福(Stanford)大学建立的对细菌感染疾病的诊断和治疗提供咨询的计算机咨询专家系统。医生向系统输入病人信息，MYCIN系统对之进行诊断，并提出处方。 细菌传感疾病专家在对病情诊断和提出处方时，大致遵循下列4个步骤： 确定病人是否有重要的病菌感染需要治疗。为此，首先要判断所发现的细菌是否引起了疾病。 (2) 确定疾病可能是由哪种病菌引起的。 (3) 判断哪些药物对抑制这种病菌可能有效。 (4) 根据病人的情况，选择最适合的药物。 咨询开始时，先启动咨询系统，进入人机对话状态。在对话过程中，系统向用户提出必要的问题，进行推理。当结束咨询时，系统自动地转入解释子系统。解释子系统回答用户的问题，并解释推理过程。解释时，系统显示说明为什么需要某种信息，以及如何得到某个结论。这样做的主要目的是为了使医生容易接受系统的结论。 动态数据库中的数据表示 数据库中的数据都用如下