大数据 医疗PPT幻灯片.pptx

大数据+医疗
小组成员:俞钟颖赵丽莎
张成蓉刘海星
来源
医疗大数据来源主要是电子健康档案,包括门诊治疗、住院治疗、健康体检、儿童保健、妇女保健、慢病管理等数据。从单个患者角度来看,医疗数据包含在各医院看病的电子病历数据、公共卫生数据和居家自我监测的医学数据。
编辑标题
编辑标题
编辑标题
编辑标题
数据价值高
数据结构多
数据规模大
数据增速快
特征
1
2
3
4
类型
电子病历
(EMR)数据。
医学影像存档和传输系统
(PACS)数据
医院信息系统
(HIS)数据
检验信息系统
(LIS)数据
医疗与大数据发展新空间
在线问诊导诊模式、远程医疗模式、医疗电商服务模式、医疗可穿戴设备数据服务模式、PBM(药品福利管理)中国模式等多种商业模式创新加速,将拓展医疗行业发展空间。
2009年,Google比美国疾病控制与预防中心提前1~ 2周预测到了甲型H1N1流感爆发,此事件震惊了医学界和计算机领域的科学家,Google的研究报告发表在Nature杂志上。
Google正是借助大数据技术从用户相关搜索中预测到流感爆发。
随后百度公司也上线了“百度疾病预测”借助用户搜索预测疾病爆发。借助大数据预测流感爆发分为主动收集和被动收集,被动收集利用用户周期提交的数据分析流感的当前状况和趋势,而主动收集则是利用用户在微博的推文、搜索引擎的记录进行分析预测。
应用一助力公共卫生检测
利用文本挖掘、数据挖掘技术从社交网络、搜索引擎中发现潜在药品导致不良反应事件。
利用药品不良反应存在时间先后顺序,挖掘电子病例中可能存在的药物不良反应。将引起不良反应的条件分为各种过敏事件,根据决策树、聚类等数据挖掘方法发现条件和不良反应结果的关系。
当药物使用与不良反应存在低频率的因果关系时,一般的数据挖掘算法将难以分辨因果关系和偶然事件,基于预认知决策模型(RPD model)设计了多种算法用以发现药品不良反应中的低频因果关系
应用二帮助发现药物副作用
患者的基因型、生活方式、身体特征、多重病患严重影响了治疗效果。提早根据患者的特征设计个性化的治疗方案将有助于降低成本,减少医疗事故。
通过挖掘用户基因信息和电子病例可以做到:根据患者基因信息和患者的其他特征预测各种治疗方案可能的副作用;选择更好的治疗方案,帮助用户预防疾病或削弱疾病的影响。
设计了一套系统Mayo用来收集、存储个性化治疗所需要的数据,并为数据分析师提供分析数据的平台。则通过分析病人的特征数据并匹配相似病例以帮助医师诊断。
应用三辅助诊断