医疗行业大数据应用实例.pptx

大数据 医疗领域应用 ;outline;一、 医疗与大数据的趋势;;;一、 医疗与大数据的趋势;7;一、 医疗与大数据的趋势;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??? 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。 ;案例分析;基于知识库的CDSS;;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;MYCIN采用上下文树(Context tree)来表示问题,一棵上下文树构成了对一个病人的完整描述。 ;知识库的知识表示;静态知识的表示（属性特性的表示）;推理策略： MYCIN的咨询系统采用逆向推理（目的驱动）过程。在咨询开始时，首先例示上下文树中的根节点。根节点属于PERSON类型的上下文。例示包括以下3步：　　(1) 赋于这个上下文一个名称；　　(2) 把这个上下文加到上下文树上去；　　(3) 马上跟踪这类上下文的MAINPROPS表中的参数。实例示范：系统首先在数据库中建立一棵上下文树的根节点,并为该根节点指 定一个名字PATIENT-1 (病人-1)，其类型为PERSON。PERSON的属性为(NAME AGE SEX REGIMEN),其中前三项都具LABDATA特性，即可通过向用户询问得到其值。于是系统向用户提出询问。用户输人病人的姓名、年龄及性别，并以三元组形式存入数据中。 REGIMEN不是LABDATA属性，必须由系统推出。 ; 为了得到REGIMEN,系统将开始推理过程。推理时首先运用的一条规则是 RULE 092 。 规则092IF存在一种病菌需要处理某些病菌虽然没有出现在目前的培养物中，但已经注意到它们需要处理THEN根据病菌对药物的敏感情况，编制一个可能抑制该病菌的处方表从处方表中选择最佳的处方ELSE病人不必治疗 规则092的前提部分涉及到临床参数TREATFOR，它是一个NONLABDATA,因而系统调用TREATFOR的UPDATEI-BY特性所指出的第一条规则090。;;发展障碍 医学知识的复杂性导致了系统设计时需要考虑非常多的因素，如患者的症状、体征、实验室检查数据、家族史、基因、流行病学资料、现有的医学文献等等。而且，每年发表的临床研究数以千计，而且不少研究彼此矛盾，大量的数据导致了系统维护上存在困难。目前成功用于诊断环节的CDSS常常局限于某个领域，比如，1971年上线使用的Leeds腹痛诊断系统，其诊断的正确率高达91.8%，而医生的诊断正确率在79.6%。但这套系统仅能用于腹痛的诊断。 临床工作的复杂性也增加了系统整合的难度。目前大多数系统仍独立于临床工作流程，这导致了医生需要独立打开CDSS，然后花费时间录入患者资料，降低了工作效率。目前整合比较成功的案例是药房系统和账单系统。因为药房工作相对简单，CDSS主要解决药物相互作用问题，比较容易设计。 CDSS经常产生大量的警告信息，很容易导致医护人员疲劳应付。;正向推理（数据驱动）; 应用;9、有时候读书是一种巧妙地避开思考的方法。7月-217月-21Friday, July 23, 2021 10、阅读一切好书如同和过去最杰出的人谈话。02:57:4902:57:4902:577/23/2021 2:57:49 AM 11、越是没有本领的就越加自命不凡。7月-2102:57:4902:57Jul-2123-Jul-21 12、越是无能的人，越喜欢挑剔别人的错儿。02:57:4902:57:4902:57Friday, July 23, 2021 13、知人者智，自知者明。胜人者有力，自胜者强。7月-217月-2102:57:5002:5