大數(shù)據(jù)支撐下的新型臨床科研目錄CONTENTS現(xiàn)狀和壁壘大數(shù)據(jù)新科研020301背景背景-政策相關(guān)u從2013年到2015年，國家共頒布了58項與健康醫(yī)療大數(shù)據(jù)相關(guān)的政策u云計算、分布式存儲、自然語言處理等大數(shù)據(jù)技術(shù)日趨成熟u醫(yī)院信息化建設(shè)水平不斷提高——中國研究型醫(yī)院理論解讀(五)研究型醫(yī)院的科研背景-研究型醫(yī)院科研氛圍和科研成果往往成為區(qū)分醫(yī)院質(zhì)量與競爭力高下的最重要的尺碼。研究型醫(yī)院科研一般具有以下特征：

1創(chuàng)新解決疑難雜癥除完成常規(guī)治療任務(wù)外，以醫(yī)學(xué)科學(xué)研究為先導(dǎo)，利用先進(jìn)的理論知

識、研究手段和技術(shù)方法，圍繞重大疑難疾病進(jìn)行系統(tǒng)研究，創(chuàng)造新知識。

2成果轉(zhuǎn)化將最新的研究成果，通過協(xié)作研究和臨床驗證，轉(zhuǎn)化為臨床實用性成果和診療技術(shù)；

3成果推廣將最新醫(yī)學(xué)成果在臨床應(yīng)用并加以推廣。u展現(xiàn)專業(yè)水平u證明承擔(dān)科研課題和基金項目的能力u確定學(xué)術(shù)地位教學(xué)背景-臨床科研需求科研臨床背景02目錄現(xiàn)狀和壁壘大數(shù)據(jù)科研思路03CONTENTS01研究問題1研究問題2研究問題3問題太籠統(tǒng)！如何實現(xiàn)一個籠統(tǒng)的問題聚焦，使其成為可研究的問題？現(xiàn)狀和壁壘-提出研究問題刨數(shù)據(jù)翻閱大量的病例數(shù)據(jù)申請數(shù)據(jù)申請流程繁瑣病例篩選驗證經(jīng)過篩選后發(fā)現(xiàn)很多都不符合課題要求數(shù)據(jù)驗證數(shù)據(jù)驗證如果發(fā)現(xiàn)數(shù)據(jù)缺失太多還

得重新走申請流程結(jié)果驗證

數(shù)據(jù)統(tǒng)計如果要多次驗證結(jié)果，還需重新申請數(shù)據(jù)現(xiàn)狀和壁壘-數(shù)據(jù)獲取處理數(shù)據(jù)量化處理數(shù)據(jù)在進(jìn)入統(tǒng)計模型之前需人工量化現(xiàn)狀和壁壘-統(tǒng)計的壁壘在傳統(tǒng)研究模式下，無論是提出科學(xué)問題，還是針對具體問題，收集、分析研究數(shù)據(jù)都是一項耗費大量人力、財力和時間的工作，嚴(yán)重制約科研成果的產(chǎn)出效率?，F(xiàn)狀和壁壘-總結(jié)背景現(xiàn)狀和壁壘大數(shù)據(jù)新科研030201目錄CONTENTS提出問題形成假設(shè)方案優(yōu)化

倫理審查

篩選檢查

寫作與發(fā)表文獻(xiàn)復(fù)習(xí)

數(shù)據(jù)回顧可行性驗證受試者招募確認(rèn)合格受試者

數(shù)據(jù)采集數(shù)據(jù)質(zhì)控數(shù)據(jù)清洗

數(shù)據(jù)鎖定統(tǒng)計分析大數(shù)據(jù)新科研-全過程分析科研是一項系統(tǒng)復(fù)雜的工程，多工種的協(xié)作線上線下

數(shù)據(jù)處理

統(tǒng)計分析現(xiàn)狀：結(jié)構(gòu)化程度低且存儲分散，數(shù)據(jù)獲取、加工、處理和統(tǒng)計分析耗費大量時間成本，缺少一體化科研應(yīng)用平臺大數(shù)據(jù)新科研-傳統(tǒng)VS大數(shù)據(jù)

優(yōu)化后：打通臨床數(shù)據(jù)與科研活動壁壘，讓醫(yī)療數(shù)據(jù)觸手可及，挖掘數(shù)據(jù)潛在價值，提高科研效率，降低科研成本

基于大數(shù)據(jù)挖掘問題，通過薈萃

分析與深度學(xué)習(xí)，提出科研假設(shè)傳

統(tǒng)

科

研

模式大

數(shù)

據(jù)

科

研

平臺不同樣本多次驗證，減少偏倚，提供真實的科學(xué)證據(jù)人工處理數(shù)據(jù)格式不統(tǒng)一、

數(shù)據(jù)缺失、量化復(fù)雜等將統(tǒng)計結(jié)果導(dǎo)出系統(tǒng)進(jìn)一

步進(jìn)行整理和編排科研數(shù)據(jù)集市，自由檢

索病歷文本和篩選患者多統(tǒng)計模型并行處理，

統(tǒng)計結(jié)果差異化分析自動化數(shù)據(jù)清洗和映射，智能量化處理依靠從醫(yī)經(jīng)驗或?qū)W術(shù)論文

提出科研假設(shè)和猜想手動從病歷等其他業(yè)務(wù)

系統(tǒng)內(nèi)獲取原始數(shù)據(jù)將數(shù)據(jù)導(dǎo)入分析軟件進(jìn)行統(tǒng)計學(xué)處理統(tǒng)計分析實驗設(shè)計實驗設(shè)計總結(jié)評價數(shù)據(jù)獲取數(shù)據(jù)獲取數(shù)據(jù)處理論文總結(jié)大數(shù)據(jù)新科研-醫(yī)學(xué)自然語言處理標(biāo)簽分詞語義分詞大數(shù)據(jù)新科研-數(shù)據(jù)歸一急性冠狀動脈綜合征（ACS）惡化勞力性心絞痛

變異型心絞痛梗死后心絞痛急性非ST段抬高性

心肌梗死急性ST段抬高性

心肌梗死不穩(wěn)定型心絞痛冠心病相關(guān)病史相似病例疾病伴隨癥狀患者社會屬性癥狀誘因相關(guān)藥品生活習(xí)慣相關(guān)科室大數(shù)據(jù)新科研-知識圖譜相關(guān)部位癥狀自由文本挖掘

機(jī)器學(xué)習(xí)統(tǒng)計分析u比較均值分析u非參數(shù)統(tǒng)計u相關(guān)分析u回歸分析u

ROC曲線分析u語義模型u文本聚類u樸素貝葉斯u分類算法u聚類算法u關(guān)聯(lián)模型u回歸模型大數(shù)據(jù)新科研-大數(shù)據(jù)挖掘技術(shù)算法庫神經(jīng)

網(wǎng)絡(luò)

文本

挖掘

邏輯

回歸

數(shù)據(jù)

挖掘

決策樹貝葉斯聚類大數(shù)據(jù)新科研-產(chǎn)品業(yè)務(wù)架構(gòu)

病例特征分析關(guān)聯(lián)分析深度學(xué)習(xí)方案導(dǎo)向挖掘聚合統(tǒng)計大數(shù)據(jù)臨床科研平臺BCRP數(shù)據(jù)集市結(jié)構(gòu)化數(shù)據(jù)語義分析模型知識圖譜

診斷歸一同義詞字典

基因組學(xué)

ECRF表單

隨訪數(shù)據(jù)

醫(yī)院數(shù)據(jù)中心HDR課題數(shù)據(jù)庫數(shù)據(jù)清洗去隱私化自然語言處理（

NLP）數(shù)據(jù)解析/映射LISEMRHIS

PACS

…數(shù)據(jù)分析引擎數(shù)據(jù)挖掘引擎數(shù)據(jù)可視化引擎ES搜索引擎ETL數(shù)據(jù)預(yù)處理高速數(shù)據(jù)傳輸日志監(jiān)控報警MapReduce分布式計算HDFS分布式文件系統(tǒng)HBASE分布式存儲大數(shù)據(jù)新科研-產(chǎn)品技術(shù)架構(gòu)Hive數(shù)據(jù)倉庫PIG數(shù)據(jù)流處理安全體

系標(biāo)準(zhǔn)規(guī)范體系醫(yī)學(xué)統(tǒng)計建模集成R語言的高性能計算引擎，高效數(shù)據(jù)統(tǒng)計處理，操作簡單。數(shù)據(jù)質(zhì)控涵蓋科研全變量質(zhì)控問題挖掘多維視角數(shù)據(jù)可視化一體化科研全流程一體化科研平臺智能數(shù)據(jù)處理數(shù)據(jù)標(biāo)準(zhǔn)化及量化處理自助取數(shù)基于真實世界數(shù)據(jù)，動態(tài)設(shè)置

樣本量大數(shù)據(jù)新科研-產(chǎn)品功能患者招募人群分析大數(shù)據(jù)新科研-產(chǎn)品截圖模型統(tǒng)計

個案分析

數(shù)據(jù)導(dǎo)出數(shù)據(jù)質(zhì)控大數(shù)據(jù)新科研-應(yīng)用案例----探索疾病之間關(guān)聯(lián)關(guān)系，輔助問題挖掘及臨床決策支持。案例：對現(xiàn)有疾病數(shù)據(jù)進(jìn)行分析整理，利用大數(shù)據(jù)技術(shù)，建立疾病、癥狀、診斷之間相關(guān)關(guān)系，并形成知識圖譜，以輔助臨床醫(yī)生發(fā)現(xiàn)問題并提供鑒別診斷，有效降低誤診率。大數(shù)據(jù)新科研-應(yīng)用案例----評價某種藥物或劑量組合對疾病預(yù)后的影響。案例：阿托伐他汀對急性ST段抬高型心肌梗死患者經(jīng)皮冠狀動脈介入治療（PCI）術(shù)后血清肌酸

激酶同工酶（CK-MB）的影響分析。大數(shù)據(jù)新科研-應(yīng)用案例----預(yù)測某種疾病發(fā)病概率或風(fēng)險分層。案例：根據(jù)患者的年齡、性別、血糖、甘油三酯、膽固醇、

HDL、

LDL、血壓、超敏C反應(yīng)蛋白（hs-CRP）等指標(biāo)，運用決策樹方法，建立冠心病的預(yù)測模型，用以評估患者患病概率或風(fēng)險。大數(shù)據(jù)新科研-應(yīng)用案例----評價某種方法對疾病確認(rèn)診斷的診斷臨界值或診斷能力。案例：對患者CT影像不同異常程度進(jìn)行分級，利用ROC曲線，評價診斷能力，并計算得到最優(yōu)分割點，以明確CT

影像對診斷某種疾病的診斷臨界點及診斷可靠程度。-----------?.---------------.----------------數(shù)據(jù)安全l

數(shù)據(jù)加密l

身份鑒權(quán)l(xiāng)

HIPPA患者隱私加密管理