智慧医院建设中的数据思维

1、智慧医院建设中的数据思维引 题：数据“读心”2022/9/30Facebook风波2012年奥巴马（民主党）连任。2014年共和党大佬班农（Stephen Bannon）和金主墨瑟（Robert Mercer）（1500万美元）成立剑桥分析（Cambridge Analytica）。剑桥分析通过发红包（160万美元）获得8700万Facebook用户信息（用户名、所在地、发帖、点赞，都是公开数据）。剑桥分析联结了8700用户信息与美国商业市场2.2亿人的消费数据：识别身份、性别、兴趣爱好、性格特点、职业专长、政治立场、观点倾向打标签、心理画像、心理档案希望点、恐惧点、共鸣点、兴奋点、煽情点等。

2、引 题：大数据“读心术”2022/9/30竞选宣传：对“愤青”的爱国者，推送鸡血文章，告诉他们特朗普能让美国再次伟大；对知识精英，推送理性、温和、高深的分析，获得共鸣；对倾向与特朗普又不愿意捐款、不愿投票的，告诉他们特朗普面临的严峻挑战，希拉里上台后果的惨痛；对民主党支持者，则大量推送与希拉里家族有关的负面信息，对希拉里失望；对容易被煽动的网民，推送各种耸人听闻的阴谋论、标题党内容，进行情绪刺激和情绪强化；。引 题：大数据“读心术”2022/9/30剑桥分析：告密者、信息战、个人隐私的故事特朗普公开的竞选支出明细中，剑桥分析赫然在列；特朗普团队先后支付：5，912，500美元；剑桥分析主页上号

3、称服务过XX洲的100多场选举；2016年英国脱欧公投是全年度全球最大“黑天鹅事件”；2018年5月CA申请破产。2019年7月FB被罚款50亿美金扎心了概 要2022/9/30智慧医院医院的数字化转型智慧医院的数据思维30 九月 2022 智慧医院何为智慧医院？对谁而言： - 患者？ - 医务工作者？ - 医政管理者？ - 医院？ - 药企？ - 医疗器械企业？智慧医院闭环模型30 九月 2022 智慧医院需要什么能力？- 感知 感知需求- 分析 如何满足需求- 规划 采取何种方案- 决策 方案的比较与选择- 执行 方案的实施30 九月 2022 智慧医院如何着手转型？基本能力（起点）：感知

4、能力 - 感知：即意识对内外界信息的觉察、感觉、注意、知觉的一系列过程。 - 感知能力：对内医务数据的觉察、感觉、注意、知觉的效率、效果、结果等。30 九月 2022 医院的数字化转型信息化 vs 数字化信息化的目标是医院的虚拟化、网络化，通过现代ICTs的应用，把医疗业务网络化，数据是信息化的副产品；数字化是基于医院的客观存在，面向数字医院、智慧医院的建设目标，进行数据资产的采集、生产、分析、利用，它不局限于现有业务。可以支撑医服、诊疗、药研、器研、咨询、社会服务等。智慧医院闭环模型30 九月 2022 医院的数字化转型为什么要数字化转型？环境变了：“互联网+”或者今天的互联网平台，是大环境

5、、万物互联的环境，也是多元的环境。人（医务工作者），可以多点执业，这涉及到员工解耦与重构。物，科室与设备的解耦与重构，如区域影像中心、区域检验中心；医疗活动在时空层面的解耦和重构，如远程会诊、多方授权。聚合，院中、院后、院前一体化，要讲养老、康复、护理一体化。这个领域已经远远超过了医院的围墙，它延伸到了社会和家庭，所以说环境变了。输入的变量变了。医院体系输入参数在数量和性质上发生了根本的变化，不但是数量，性质上都发生了变化。内部互动机制变了，医院内各部分相互作用机理变化了。逻辑，大数据、人工智能、机器学习等讲相关性，逻辑性弱了。30 九月 2022 医院的数字化转型应用场景- 信息支撑：数据的

6、收集汇聚，如各种诊疗数据，为专业人员提供信息源。- 数据共享：从医院内部各个处室到医院之间，到不同区域的医院，共享数据实现了交换访问，做到有数可依，有据可查。- 数据交换：打破时空与信息壁垒；- 数据可视化：辅助认知，清晰，直接。- 数据智能：赋予我们更丰富的智慧。智慧医院闭环模型30 九月 2022 医院的数字化转型医院数字化转型的路径 - “三化”:数字化（集成化、资产化、可视化）、智能化（自动化）、智慧化。数字化是基础，集成化则是数据汇聚、治理，资产化则从财务、资产回报、安全等角度透视。可视化让数据可见、可量化。自动化和智能化则驱动医院业务的自动化与智能化应用。智慧化让诊疗服务、研究开发

7、、社会服务更加精准、个性化。数字化智能化智慧化30 九月 2022 医院的数字化转型一个值得思考的问题？莫拉维克悖论：图灵机模型的局限。人类独有的高阶智慧需要非常少的计算能力，但是实现无意识的技能和感知却需要极大的运算能力。目前还没有看到直接从现象实现机器辅助决策的技术，短期内仍然是基于对数据的识别、分析来实现。30 九月 2022 智慧医院的数据思维何为数据思维？数据思维（Thinking in Data），这个概念虽然很早就有，但直到近几年随着大数据技术的飞速发展，又重新回到了思维认识的高度。简单来讲，大数据时代下的 数据思维 就是一种进行数据资产的采集、生产、分析、利用，并应用大数据来看

8、待问题、解决问题的一种思维模式。它是一种量化的思维模式，是重视事实、追求真理的思维定式。医疗数据思维：用数据记录、分析、回顾、诊疗、施救、预测、研发、咨询，创新与创造公共价值等。具有创新、发现和创造新的医疗模式的能力。30 九月 2022 智慧医院的数据思维数据思维的特征总的来说，思维具有能动性、概括性和间接性这三大特征：思维的能动性：所谓能动性是说，思维不是对客观事物消极的、被动的反映，而是自觉的、主动的反映客观世界。思维的概括性：人们在能动性的基础上产生了思维的概括性，所谓概括性是说，人脑对客观事物的反映不仅仅是对个别事物或个别特征的反映，而是把事物的共同特点归结在一起，对事物共同的本质特

9、性及其关系的反映。思维的间接性：人们在概括性的基础上产生了思维的间接性，所谓间接性是说，思维不是直接反映客观事物的，而是通过其它媒介来实现的。30 九月 2022 智慧医院的数据思维数据思维的类型按照思维的进程方向，思维可以划分为：横向思维、纵向思维与发散思维、收敛思维等；按照思维的抽象程度，思维可以划分为：直观行动思维、具体形象思维和抽象逻辑思维；按照思维的形成和应用领域，思维可以划分为：科学思维与日常思维。一般来说，科学思维比日常思维更具有严谨性与科学性。按照人对事物间关系的认识层面看，思维可以划分为两大类：科学思维和数据思维。30 九月 2022 智慧医院的数据思维四种研究范式对应的思维

10、方式研究范式思维方式应用学科呈现的基本对象采用的基本方式理论范式理论思维（逻辑思维）理论科学符号、定义、公式、公理、定理演绎、推理实验范式实验思维（实证思维）实验科学定义、定律（规律）、现象、实验、定理设计、再现、模拟、观察、归纳、分析计算范式计算思维计算科学符号、算法（程序）、模型、系统抽象（离散化、符号化、模型化）、自动计算（程序化）数据范式数据思维数据科学大数据（无结构、半结构、巨大规模）计算（统计、分布、并行）30 九月 2022数据思维 vs 科学思维这两种思维方式，一直伴随着人类的生活和生产，无处不在，缺一不可。认识层面不同:从对事物间关系的认识层面看，数据思维注重事物间的相关关系

11、，科学思维注重事物间的因果关系。研究范式不同:伴随大数据产生的数据范式，是继理论范式、实验范式和计算范式之后的第四种科学研究范式，这一研究范式的特点表现为：不在意数据的杂乱，而强调数据的量；不要求数据精准，而看重其代表性；不刻意追求因果关系，而重视规律总结。 智慧医院的数据思维30 九月 2022数据思维 vs 统计思维研究目的不同：确证性研究是长期以来的主要目的之一。研究对象不同：传统统计思维模式下进行数据处理时，以概率论为基础，根据样本特征推断总体特征。数据的性质不同：传统统计数据具有样本量小，信息量丰富，针对性强，准确度高等性质。而数据思维则不同，主要体现在两个方面：高度容错机制和高度非

12、结构化。分析方法的要求不同：在传统统计思维中，研究方法较为单一，主要依据统计方法，精确建模。分析思路是 “假设验证”。大数据以数据挖掘及智能算法为主要研究方法，快速、高效，且容错能力强。分析思路是“发现总结”。 智慧医院的数据思维30 九月 2022 智慧医院的数据思维医院数据从何而来？ - 网络获取：互联网是最大的数据库，开放数据、爬虫爬取是主要方法。来源：医疗社区、问答平台等。 - 合作协同：与拥有数据的一方合作，XX医疗社区平台、其他医院、政府部门、科研机构等。 - 数据生产：数据的生产思维，如点评平台（大众点评、Yelp）、淘宝评论，应用UGC、Crowdsourcing思想从无到有创

13、造数据；进一步加工生产出上下游产业需要的数据（生产资料）；还可以基于IoT、重构数据采集指标，获得新鲜数据，进行医院数字化转型升级，对内支撑医疗业务，对外提供咨询、数据服务。30 九月 2022 智慧医院的数据思维智慧医院数据生产思维战略思维：竞争环境的日益复杂，用户需求的多元化、个性化，数字化增多了医疗市场竞争格局的变数，超前布局，植入数据DNA，积累数据资产，为将来未雨绸缪。全数据思维：重构数据采集指标体系，尽量全面收集数据。网站用户跨日访问逐时访问量曲线全数据思维30 九月 2022 智慧医院的数据思维智慧医院数据生产思维主动思维：数据的积累不是被技术被动驱动，而是有意识、主动思考未来的业务需求，主动采集、生产数据，为业务创新做准备。开放生产思维：数字孪生、开放评论等，开放平台本身就是数据生产的平台。30 九月 2022 智慧医院的数据思维智慧医院数据思维的应用场景智能应用高等机器学习数字孪生增强分析智能空间价值共创区块链数字平台自适应安全架构原数据/主数据数据安全数据质量运营维护规划采集/传输存储处理挖掘分析支撑管理支撑分析支撑战略决策数据服务和展现业务层面技术层面运营层面数据分析团队既懂数据又懂业务，洞察用户，懂得用户行为学和