医疗行业大数据应用实例.pptVIP

医疗行业大数据应用实例 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: 我们正处于医疗行业的一种主要转折点 % of population over age 60 30+ % 25-29% 20-24% 2050 WW Average Age 60+: 21%Source: United Nations “Population Aging 2023” 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2023年，医疗数据将会急剧增长到35 ZB,相当于2023年数据量的44倍增长。01500010000 2023 2023 2023 2023 2023趋势分析:我们正处于医疗行业的一种主要转折点 存储的增长 医疗服务产生的数据总量(PB)AdminImagingEMREmailFileNon Clin ImgResearch 一种CT图像具有大约150MB的数据，而一种基因组序列文件大小约750MB，一种原则的病理图则大得多，接近5GB。 假如将这些数据量乘以人口数量和平均寿命，仅一种小区医院或一种中档规模制药企业就能够生成和累积达数个TB甚至数个PB级的构造化和非构造化数据。 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 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构造化数据。人体不同部位、不同专科影像的数据文件大小不一，PACS网络存储和传播要采用不同策略。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，能够经过过覆盖全国的患者电子病历数据库，迅速检测传染病，进行全方面的疫情监测，并经过集成疾病监测和响应程序，迅速进行响应。比较效果研究临床操作临床决策支持系统医疗数据透明度远程病人监控研发预测建模提高临床试验设计的统计工具和算法疾病模式的分析7 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(如大量的常规试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犯错),使用临床决策支持系统，能够提醒教授没在乎的或没有发觉到的病人信息，从而提升诊疗精确性 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教授经验的以便可得的便宜的老师，同步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，它由三大模块构成：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。分析的成果经过通讯模块反馈给顾客。例如：MYCIN非基于知识库的CDSS 主要是经过机器学习从已经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疗和治疗提供征询的计算机征询教授系统。医生向系统输入病人信息，MYCIN系统对之进行诊疗，并提出处方。细菌传感疾病教授在对病情诊疗和提出处方时，大致遵照下列4个环节：拟定病人是否有主要的病菌感染需要治疗。为此，首先要判断所发觉的细菌是否引起了疾病。(2) 拟定疾病可能是由哪种病菌引起的。(3) 判断哪些药物对克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。 征询开始时，先开启征询系统，进入人机对话状态。在对话过程中，系统向顾客提出必要的问题，进行推理。当结束征询时，系统自动地转入解释子系统。解释子系统回答顾客的问题，并解释推理过程。解释时，系统显示阐明为何需要某种信息，以及怎样得到某个结论。这么做的主要目的是为了使医生轻易接受系统的结论。 动态数据库中的数据表达数据库中的数据都用如下形式的三元组描述： (对象 属性 值）1. “对象”又称为上下文，它是系统要处理的实体， 例如：PERSON(病人） 2. “属性”又称临床参数,用于描述相应对象的特征，例如“病人”的姓名、年龄、性别。3. “值”是指相应属性的值，根据属性的不同类别，其值能够是一种或多种。对象属性值