大数据管理与应用概论 课件 第九章 基于医疗大数据的管理决策应用

9.1医疗问题背景与数据概述医疗数据价值判断（一）医疗大数据的采集路径及方式医疗数据资源是非常重要的医疗卫生信息，它们对疾病的诊断、治疗、医疗费用控制等相关研究具有很大的价值。离线采集实时采集网上采集其他采集方式医院数据基因数据健康数据其他数据类型医疗数据价值判断（一）医疗大数据的采集路径及方式医疗大数据符合大数据的四个维度：容量大（Volume）、多样性（Variety）、增速快（Velocity）和价值高（Value）的特性。医疗数据价值判断（二）医疗大数据的应用领域大数据处理与分析技术不仅可以提高医疗诊断准确率，而且可以应用到整个医疗行业中。此外，大数据技术还可以借助医疗大数据验证一些医学猜想，继而转化到医疗实践，价值高（Value）临床数据对比临床决策支持就诊行为分析实时统计分析人口统计学分析远程病人数据分析基本药物临床应用分析分散医疗数据挖掘手段落后结构化程度低标准不统一人才与观点不同医疗数据预处理（一）数据清理数据预处理是从大量的原始数据针对具体研究目的抽取出研究需要的价值信息的过程，它为后续数据分析与数据挖掘等工作服务。？医疗数据预处理（一）数据清理医疗数据预处理有数据清理、数据集成和数据变换三部分，其中数据清理包括填补空缺值、平滑噪声数据和纠正不一致数据来改善数据质量等任务。缺失数据是指在数据集中缺失或者为空的值，可以使用填充、删除或者插值的方法来处理。空缺值处理不同来源或同源数据可能存在不一致性，通过检索不同数据来源可以改善数据的不一致性不一致数据处理噪声是指数据源中的异常属性值，也称为非法值，处理方式包括分箱、回归和离群点分析等。噪音数据处理这类数据指在数据集中出现了多次，可以使用常规去重的方法来处理。重复数据处理医疗数据预处理（二）数据集成在数据集成阶段，需要对存储在不同数据源中的数据进行整合，集成数据能够提高数据挖掘的准确性和速度，亟待解决的问题是如何处理异构数据及其冗余。医疗数据预处理（三）数据变换数据变换是指将数据集转换成适合数据分析与挖掘的统一形式，改变数据的光滑性、可比性。简单函数变换常用来将不具有正态分布的数据变成有正态分布的数据，如平方、开方、差分等。简单函数变换规范化就是剔除掉变量量纲上的影响如最小-最大规范化、零-均值规范化、小数定标规范化等。规范化将连续属性变量转化成分类属性，就是连续属性离散化，离散化可以提高分类的准确性。连续属性离散化小波变换常用函数Haar小波基甲状腺超声诊断数据预处理（一）数据采集甲状腺结节是指甲状腺内的肿块，是一种常见病症。医疗数据采集完成后，针对甲状腺结节超声诊断数据的预处理包括三个步骤，分别是特征提取、数据分级和数据规范。甲状腺结节诊断数据的预处理过程甲状腺超声诊断数据预处理（一）数据采集原数据表中每一位患者的就诊数据涉及70种不同类型数据，其中包括病人类别、登记号、检查号、姓名、性别、年龄、出生日期、医嘱名称、检查状态、报告号、报告状态、图像数、临床诊断和诊断意见等。甲状腺超声诊断数据预处理（一）数据采集登记号审核日期诊断意见病症描述病理结果******甲状腺右叶中部背侧低回声结节（TI-RADS分类，4b类）甲状腺左叶中下极低回声结节（TI-RADS分类，4a类）甲状腺余多发结节（TI-RADS分类，2及3类），随访甲状腺大小、形态正常，回声均匀，包膜光整。CDFI：腺体内见点条状血流信号。甲状腺左叶中下极腹侧见一个5.5mm×4.9mm×5.7mm低回声结节，边界不清，边缘不规则，CDFI：其内未见明显血流信号。甲状腺右叶中部背侧见一个8.8mm×5.5mm×5.0mm低回声结节，边界不清，形态不规则，其内部可见细小点状钙化，CDFI：其内未见明显血流信号。甲状腺左叶内见数个混合回声及无回声结节，边清规则，边缘光整，较大的约3mm×2mm，CDFI：结节内未见明显血流信号。甲状腺右叶下极背侧见一个15mm×8mm低回声结节，边清规则，内部回声尚均匀，CDFI：其内可见条状血流信号。双侧颈部未见明显形态及回声异常淋巴结图像。甲状腺癌明确诊断双侧甲状腺+淋巴结清扫手术标本：1.（左侧）甲状腺微小乳头状癌，长径0.6cm，被膜侵犯（-）。2.（右侧）甲状腺微小乳头状癌，径0.4cm，周围甲状腺腺瘤型结节性甲状腺肿改变，被膜侵犯（-）。3.（右侧气管旁）淋巴结（+）1/2枚，另见小块甲状腺组织。经过数据缩减和数据添加的患者部分甲状腺结节超声诊断数据甲状腺超声诊断数据预处理（一）数据采集基于医院实际使用的TI-RADS分级标准，超声医生可以给出甲状腺结节的诊断意见，具体的分级标准如下所示。TI-RADS级别对应结果恶性风险概率（%）TI-RADS1正常甲状腺0TI-RADS2良性结节0TI-RADS3可能良性结节<3TI-RADS4A低可能恶性结节3-24TI-RADS4B中等可能恶性结节25-75TI-RADS4C高可能恶性结节76-95TI-RADS5高度提示恶性结节>95TI-RADS6活检证实的恶性结节100甲状腺超声诊断数据预处理（二）特征提取和数据分级特征提取和数据分级可以分为三块，即确定评价指标、统计指标特征、形成指标分级表。一般通过医学文献确定评价指标，尽管不同医院选取的检查指标具有一定差异，但这些特征是帮助诊断甲状腺结节的有效指标。边界清晰度边缘规则度内部回声钙化血液丰富度甲状腺结节大小甲状腺结节纵横比甲状腺超声诊断数据预处理（二）特征提取和数据分级确定评价指标之后，根据患者甲状腺结节超声诊断数据可以得到患者的有效数据，部分医生的指标特征统计情况如下表所示：医生******特征总数患病数未患病总数患病数未患病边清（边界清晰）1643013418350133边界尚清551441502426边界欠清1076641625012边界不清10192956515规则8187356155尚规则2261639435欠规则1313794822161可见毛刺7570517161不规则89632613011317不规则低回声4221394不规则形不均质低回声35314972低回声23573162216104112甲状腺超声诊断数据预处理（二）特征提取和数据分级甲状腺结节诊断的分级词汇表。指标34A4B4C5边界清晰度边清；边界清晰；边界清边界尚清；边界较清；周围见晕圈；周边见晕环边界欠清；边欠清边界模糊；边界不清；边缘规则度规则；包膜光整；光整；边缘光整尚规则；包膜尚光整；未见明显占位；尚光整；欠规则；欠光整；包膜欠光整；边缘欠光整；包膜欠光滑周边略见毛刺状；周边略呈毛刺状；边缘稍毛糙；膨胀性生长不规则；包膜不光整；周边可见毛刺；呈毛刺状；周边呈蟹足状可见毛刺；周边毛糙；毛糙；边缘见毛刺；周边见毛刺；不光整；边缘不规整；边缘毛糙；周围呈毛刺状；甲状腺超声诊断数据预处理（三）数据规范最终有效数据表由数据根据指标分级表规范化后得到。上节中患者的数据转换成的有效数据如下表所示：登记号******审核日期2020-11-172020-11-17边界清晰度边界不清边界不清边缘规则度不规则不规则内部回声低回声低回声钙化细小点状钙化血液丰富度未见明显血流信号未见明显血流信号分级4A4B分级1-523病理Ca11基于医疗大数据的管理决策分析（一）基于医疗大数据的管理决策场景计算机和传感器技术的发展，电子病历应用等，使医疗大数据呈爆炸性增长趋势。临床大数据涵盖医疗机构病历、药物反应等信息，包括常规病历、药物管理及行为情绪数据。临床大数据生物大数据包括组学数据以及监测体征数据，促进遗传关联研究和智能医疗发展。生物大数据健康大数据涵盖健康监测、医疗机构管理、环境卫生等数据，支持包括临床辅助决策的多个领域。健康大数据基于医疗大数据的管理决策分析（二）基于诊断数据的辅助诊断决策为解决多指标辅助诊断问题，构建数据驱动框架，应对决策偏好、参数学习和问题特征等挑战，可借鉴证据推理方法。框架构建观察到评估的转换指标权重确定基于数据驱动解的生成案例应用基于医疗大数据的管理决策分析（二）基于诊断数据的辅助诊断决策利用历史诊断数据，构建多指标决策框架，学习医生诊断偏好并提高辅助诊断一致性和效率。同时也可以利用诊断和病理数据，基于区间数和专业知识，实现群体辅助诊断。小结本节的主要内容医疗大数据应用背景医疗场景大数据概述9.1医疗问题背景与数据概述9.2数据驱动的辅助诊疗系统基于医疗大数据的管理信息系统介绍（一）基于医疗大数据的管理信息系统基础基于医疗大数据医疗大数据是指在医疗领域积累的大量、多样化的数据，包含了患者的医疗信息、临床数据、医学影像、生物标记物、基因组学数据、药物信息等。多样性大量性高维度时序性不确定性隐私和安全性基于医疗大数据的管理信息系统是医院的大脑，通过对知识的感知、对医务人员和患者行为的分析，能够对医院日常业务进行优化调控。医疗大数据管理信息系统框架图基于医疗大数据的管理信息系统介绍（一）基于医疗大数据的管理信息系统基础基于医疗大数据的管理信息系统介绍（一）基于医疗大数据的管理信息系统基础集成平台架构医院信息系统集成平台主要有数据交互、数据整合、平台应用三大核心功能。通过ESB数据总线，将传统一对一的接口模式调整为子系统对平台的“插座式”接口模式数据交互通过建立医疗数据共享标准，应用数据仓库技术实现零散数据汇总数据整合通过单点登录界面，提供医务人员、医院管理、患者服务三个主要门户平台应用（二）基于医疗大数据的管理信息系统应用分析基于医疗大数据的管理信息系统介绍基于医疗大数据的管理信息系统经过多年的应用和实践，已经覆盖到门诊挂号、疾病诊断、合理用药、病房流转、行政资源管理等多个方面。门诊挂号系统医疗大数据信息管理与信息系统诊断治疗系统病案管理系统药品管理系统医疗器械管理系统基于医疗大数据的辅助诊疗系统（一）基于医疗大数据的辅助诊疗系统架构边缘计算架构“云”实质上就是一个网络，狭义上讲，云计算就是一种提供资源的网络，使用者可以随时获取“云”上的资源，按需求量使用，并且可以看成是无限扩展的。基于医疗大数据的辅助诊疗系统（一）基于医疗大数据的辅助诊疗系统架构在线问诊功能其实就是社交类应用常见的文字、音频、视频通话功能的延伸IM、音视频通话移动医疗app发展至今已经具备比较成熟的商业模式，根据移动医疗app功能，我们可以分为以下几类：医疗电商是线上商城常用的功能架构，综合平台购药环节会与个人档案关联电商预约挂号往往是在线医疗app开发的一大难点，主要包括一套流程化管理工具与患者档案管理流程管理部分医疗app会与智能硬件相结合，IoT相关的数据读取、信息加密等功能。IoT基于医疗大数据的辅助诊疗系统（二）基于医疗大数据的辅助诊疗系统功能呼吸疾病智能诊疗一体化系统示意图诊疗一体化一词，1998年由JohnFunkhouser第一次提出，其将诊疗一体化定义为“根据疾病状态干预治疗手段的能力”。基于医疗大数据的辅助诊疗系统（二）基于医疗大数据的辅助诊疗系统功能预后预测系统示意图预后是基于对某种疾病的了解，包括其临床表现、化验及影像学、病因、病理、病情规律等，根据治疗时机和方法结合治疗操作中所发现的新情况，对疾病的近期和远期疗效、转归恢复或进展程度的评估。基于医疗大数据的辅助诊疗系统（二）基于医疗大数据的辅助诊疗系统功能智能回访系统包含以下几个主要功能。包括患者综合查询，可便捷的查找和筛选一些特定病种和有随访价值的患者患者档案综合管理实现医护与患者之间的异步在线交流，避免传统模式下双方空闲时间不匹配医患沟通管理根据不同规则类别，如患者疾病类型、特殊事件等实现精确的短信提醒。云随访智能引擎提供精选在线问卷模板，在线随访专业模板，跨科室、跨院区模板共享；云随访知识库灵活的随访规则、问卷规则、提醒规则的配置和管理，降低操作人员的使用复杂性。云随访规则引擎采用标准化的数据对接，便于后期产品升级维护，避免传统厂商多家医院多个版本。数据对接平台基于医疗大数据的辅助诊疗系统（三）医疗人机共融的实现人机共融是指智能机器人与人类协同解决问题，相互影响并配合实现设定的目标或方案。它是一个集成了人工智能、混合智能感知、群智能和大数据智能认知等技术的智能技术集成系统，并融合了多学科领域。基于医疗大数据的辅助诊疗系统（三）医疗人机共融的实现技术内容重要性感知适应复杂多变的环境，具备多模态感知功能实现功能的基础，保证效率的前提控制更自然简便的交互形式，更优质的情感交互服务安全高效，扩展应用场景结构加强仿人机器人在行为上的拟人化使人产生共鸣，提高工作时配合度功能自主决策和自适应学习高效完成目标且可胜任创造性工作共融机器人技术基于医疗大数据的辅助诊疗系统（三）医疗人机共融的实现

医疗人机共融包括医生与系统，病人与系统两方面。对于医生来说，共融机器人在康复医疗领域的应用可以降低治疗中的人为失误率，节约劳动成本。对于病人来说，在健康服务领域，共融机器人除了作为康复机器人，辅助病人完成康复治疗，辅助人工智能技术融入医疗系统。降低失误率节约劳动成本提供康复方案