智慧医院大数据应用实施方案

1、智慧医院大数据应用实施方案推进互联网+ 智慧医疗内容建设医院的大数据能力明确大数据应用的方向建立医院大数据的生态建立医院自身大数据能力的必要性临床人员与技术人员之间存在着鸿沟临床人员不懂得、不掌握数据处理与分析技术信息技术与数据分析人员难以理解临床问题依托外部力量的局限性既不理解临床问题，也不理解医院数据大数据是一项高级服务，外包难以长期持续建立自身大数据能力是跨越鸿沟的桥梁建立多学科长期稳定的团队与临床一线“零距离”，能形成共同语言与数据“零距离”，充分理解数据来源及涵义临床 人员技术 人员!#$%&*.建设全功能的大数据中心大数据服务包含三个层次资源提供：数据整合、数据抽取、数据管理、软硬

2、件资源数据处理：数据转换、结构化特征提取、去隐私、数据清洗数据分析：分析建模、可视化展现、分析报告资源提供数据处理数据分析数据提供服务临床及管理人员数据处理服务数据分析服务全过程的数据服务能力（一）人才队伍建设医疗大数据应用需要多学科技术人才信息技术人员职责：数据抽取、整合、预处理，数据资源管理、授权，数据平台管理技能：SQL、传统及大数据技术平台管理、深度学习框架特殊：需要部分人员对业务信息系统及数据流程非常了解数据分析人员职责：各种类型数据分析、建模、撰写研究报告技能：数理统计方法、机器学习算法、R、SQL、Python 、深度学习框架特殊：需要个别流行病学与公共卫生统计人员提供指导生物信

3、息人员职责：组学数据处理分析技能：各类开源的组学处理分析工具包（二）数据资源建设原始数据资源建立统一的病例数据模型抽取整合来自各系统的业务数据，保持数据原始性建立数据定期更新机制专病主题数据围绕特定病种选取特征，建立主题数据模型对原始数据整理加工，提取或录入特征项补充随访等数据两种研究路径预先加工形成主题数据库：工作量大，灵活性不够研究时对原始数据预处理：对能力要求高原始数据业务 数据业务 数据临时预处理医学 研究专病数据（三）服务平台建设医疗大数据有其特殊性“小”数据多，“大”数据少结构化、文本、影像、组学数据并存传统数据库更为简便、成熟技术生态更为完善技术简单、成熟，功能强大，使用者多传统

4、技术+大数据平台混合架构更适宜因数据特点而定平台建设可视服务内容循序渐进因能力特点而定传统 数据库列 数据库ES或 Hadoop深度学习 集群组学分析 集群检索专病在线系统系统统计SQL预处理工具统计工具建模工具组学工具+一线研究人员数据服务人员小规模 结构化 数据分 析处理大规模 结构化 数据检 索文本数 据搜索医学影 像人工 智能组学数 据处理（三）服务平台建设（续）数据抽取数据整合数据清洗格式转换数据分析结果呈现80%工作量20%工作量SQL 是最简单有效的处理工具大数据分析的典型过程：（四）服务流程与规范建设大数据中心的工作本质上是服务，对服务的管理非常重要保证服务的质量，即数据处理分

5、析过程的质量和结果的质量保证服务的效率，即服务过程可见可控、服务流程运转有序保证服务的规范，即数据安全、隐私保护、记录完整、合规建立服务质量保证机制数据分析方案、分析过程、最终报告需要经过技术评审建立多学科人员协同工作模式纵、横结合的工作模式，多专业人员的讨论机制临床人员充分参与沟通，必要时咨询病案等领域专家（四）服务流程与规范建设（续）医疗大数据中心服务流程用户 提交 申请中心 审核 论证任务 分派方案 拟制方案 把关统计 分析过程 记录报告 拟制报告 审核资料 归档数据 抽取提交 报告（四）服务流程与规范建设（续）医疗大数据中心规章制度数据服务管理制度：规定服务流程、职责分工、质量把控、文

6、档记录数据安全管理制度：规定数据授权、安全防护、隐私保护等工作人员守则：规定工作人员行为规范数据服务管理制度数据安全管理制度数据服务审批表医疗大数据分析的种类描述型 分析诊断型 分析预测型 分析指导型 分析发生了什么？为什么会发生？可能发生什么？应该做什么？报表工具BI 工具相关性分析数据挖掘建模分析机器学习机器学习人工智能疾病谱统计地域分布抗生素使用收入增长分析疾病相关因素不良事件原因疾病风险预测临床辅助诊断影像人工智能疾病治疗方案危重患者干预商业智能基石大数据基石大数据未来数据分析成熟度模型（AMAM）7级个性化诊疗和指令性分析：利用先进数据集如基因、生物数据开展个性化的医疗，机构可结合指

7、令性分析提供大规模定制医疗6级临床风险干预与预测分析：推动机构成熟开展预测分析，扩展到更高级数据内容和临床决策5级提升医疗质量、人口健康，分析卫生经济：由以医疗机构为导向的分析扩充到支持人口健康，数据治理对标到基于质量的绩效报告，并进一步围绕医疗经济扩展4级评价和管控循证医疗、医疗变异，减少浪费：努力将分析资源用于支持循证医疗，追踪和报告医疗及运营变异， 识别和最小化医疗及运营浪费3级高效一致的内、外部报告产出和灵活性：有效收集、处理数据，便捷生成历史和当期报告，数据质量稳定且可预期，工具标准化且可广泛使用，数据仓库访问受控且可靠2级核心数据中心和分析能力中心：企业范围的数据资源，主数据管理，

8、支持随机查询和描述性分析报告，数据治理 开始成熟，分析技能、标准和教育在分析能力中心得到管理1级数据汇聚和初步数据治理：基本数据开始汇聚，为大范围跨部门使用数据进行定义0级碎片化的数据利用由Himss Analytics提出数据分析成熟度模型（AMAM）（续）碎片化利用数据初步汇聚数据中心与分析中心统一出处的报表个性化 诊疗临床风险 预测基于健康 绩效的评 价医疗行为 及质量评 价0级1级2级7级6级5级4级3级医疗大数据研究方向数据资源建设数据表示模型数据标准化互联互通与数据共 享数据分析应用疾病与风险预测辅助诊断辅助治疗智能分诊导医数据处理分析技 术医学自然语言处理医疗数据检索医学影像处理

9、组学数据处理制度与规范隐私保护数据安全保护数据治理主要应用领域临床医疗应用疾病与风险预测预警临床辅助决策与人工智能个性化诊疗卫生管理应用医院及科室绩效评价医疗质量监管医改政策模拟卫生政策评价公共卫生应用疾病预防预测个性化健康服务主要研究方向胃癌患者生存分析胃癌专病数据累计病例近2000例，包含随访数据二型糖尿病用药智能推荐模型患者用药模式六分类1单药口服2双药口服3多药口服4基础胰岛素类5预混胰岛素类6短效胰岛素类电子病历住院费用入院时间人口学 信息诊断糖化检查体征参数生化检查病史用药模式分析实际预测123456合计189816612398617813792823792254829571436

10、72912966944056292433397143309856190373801671298253762821522133760543385735合计136985015032552850505813532准确率：Accuracy = 72.04%Kappa系数：K = 0.62知 识 图 谱模型朴素贝叶斯支持向量机决策树随机森林基于2万多例糖尿病 病例PCI术后MACE预测模型分析依据2万人临床与随访数据对PCI术后MACE进行预测分析，评价六种主流机器 学习方法RecallAccuracyF-valueCART59.61%74.56%0.70C4.567.61%80.29%0.77boos

11、ting77.96%84.02%0.83bagging62.34%74.34%0.70RF79.58%88.66%0.87Naviebayes77.27%70.45%0.72肝脏肿瘤影像识别研究开发肝脏肿瘤影像识别系统共标记4000多幅影像目前已能进行肝脏分割， DICE=95.69%下一步进行肿瘤以及部位标注和肿瘤识别皮肤病理图像识别研究数据集共标记157例样本，其中良性：110 例；恶性47例恶性皮肤黑素瘤识别率： Accuracy=90%原始图片（恶性黑素瘤）标注Heat Map预测Heat Map急性髓系白血病预后不良生物标记物研究基于TCGA 数据库197 例完整数据， 应用机器学习

12、等方法， 综合mRNA 、microRNA转录及甲基化等多组学数据，发现ETS2高表达可作为急性髓系白血 病的潜在预后不良标记物，有助于疾病的危险度分层、治疗方案抉择组学数据分析分层聚类分析与Hotmap可视化ETS2高表达伴 随癌基因及microRNA异常表达分别在化疗和自体移植人群应用Cox回归， 评估ETS2对治疗方案抉择的价值（一）数据治理与制度建设数据治理能力是医疗大数据应用能力的重要构成为医疗数据资源的整合与利用提供管理方面的保障，保证数据资源的集中统一管理，避免分散割据和人为壁垒，保护数据安全为医疗数据质量及其持续改进提供管理方面的保障，以提高数据质量为目标，持 续改进信息化应用

13、数据治理的主要内容对数据资源整合、数据利用、数据质量、数据权益、数据安全等方面的职责与管理体系做出规定，以最大程度地发挥数据资源作用（一）数据治理与制度建设（续）例：数据资源管理办法总则：促进利用、规范程序、保障安全、维护权益职责：医疗大数据中心负责提供数据资源技术服务 计算机室负责数据汇集机关负责数据资源及利用活动管理权益：数据资源归医院所有业务数据全院共享加工数据由项目组共享权益利用：在统一平台下开展下载或复制数据需经过逐级审批 保护患者隐私（二）多学科合作模式的建立通过设立大数据研究课题吸引临床人员参与每年医院设立大数据研究专项基金支持临床人员申报所有立项的研究由大数据中心提供数据和技术支持引导临床科室主动利用大数据平台资源将外部合作引导到大数据中心平台，限制数据外流开展大数据应用比赛，推广多学科合作研究模式（三）开展大数据应用交流在院内网上开设大数据之窗，提供：大数据在线服务工具开放数据资源目录大数据项目研究报告（三）开展大数