醫(yī)療行業(yè)大數(shù)據(jù)應(yīng)用實例23課件

醫(yī)療行業(yè)大數(shù)據(jù)應(yīng)用實例232023/7/3醫(yī)療行業(yè)大數(shù)據(jù)應(yīng)用實例23outline一、醫(yī)療與大數(shù)據(jù)的趨勢二、醫(yī)療大數(shù)據(jù)的應(yīng)用場景三、案例分析醫(yī)療行業(yè)大數(shù)據(jù)應(yīng)用實例23一、醫(yī)療與大數(shù)據(jù)的趨勢二、醫(yī)療大數(shù)據(jù)的應(yīng)用場景三、案例分析醫(yī)療行業(yè)大數(shù)據(jù)應(yīng)用實例23醫(yī)療費用在不斷上升

GDP的占比非常高10-19%0-9%趨勢分析:我們正處在醫(yī)療行業(yè)的一個重要轉(zhuǎn)折點

%

of

population

over

age

60

30+

%

25-29%

20-24%

2050

WW

Average

Age

60+:

21%Source:

United

Nations

“Population

Aging

2002”

全球老齡化

平均年齡60+的人:目前的10%,到2050年將到達20%

以美國為例:醫(yī)療大數(shù)據(jù)的價值3千億美元/年,相當于每年生成總

值增長0.7%醫(yī)療行業(yè)大數(shù)據(jù)應(yīng)用實例23到2020年，醫(yī)療數(shù)據(jù)將會急劇增長到35ZB,相當于2009年數(shù)據(jù)量的44倍增長。01500010000

50002010

2011

2012

2013

2014

2015趨勢分析:我們正處在醫(yī)療行業(yè)的一個重要轉(zhuǎn)折點

存儲的增長

醫(yī)療服務(wù)產(chǎn)生的數(shù)據(jù)總量(PB)AdminImagingEMREmailFileNon

Clin

ImgResearch

一個CT圖像含有大約150MB的數(shù)據(jù)，而一個基因組序列文件大小約750MB，一個標準的病理圖則大得多，接近5GB。如果將這些數(shù)據(jù)量乘以人口數(shù)量和平均壽命，僅一個社區(qū)醫(yī)院或一個中等規(guī)模制藥企業(yè)就可以生成和累積達數(shù)個TB甚至數(shù)個PB級的結(jié)構(gòu)化和非結(jié)構(gòu)化數(shù)據(jù)。醫(yī)療行業(yè)大數(shù)據(jù)應(yīng)用實例23一、醫(yī)療與大數(shù)據(jù)的趨勢二、醫(yī)療大數(shù)據(jù)的應(yīng)用場景三、案例分析醫(yī)療行業(yè)大數(shù)據(jù)應(yīng)用實例23醫(yī)療大數(shù)據(jù)應(yīng)用場景醫(yī)療行業(yè)產(chǎn)生的數(shù)據(jù)量主要來自于PACS影像、B超、病理分析等業(yè)務(wù)所產(chǎn)生的非結(jié)構(gòu)化數(shù)據(jù)。人體不同部位、不同?？朴跋竦臄?shù)據(jù)文件大小不一，PACS網(wǎng)絡(luò)存儲和傳輸要采取不同策略。面對大數(shù)據(jù)，醫(yī)療行業(yè)遇到前所未有的挑戰(zhàn)和機遇。醫(yī)療行業(yè)大數(shù)據(jù)應(yīng)用場景非常多，右圖僅以臨床操作和研發(fā)為例，展示醫(yī)療行業(yè)大數(shù)據(jù)應(yīng)用場景。對于公共衛(wèi)生部門，可以通過過覆蓋全國的患者電子病歷數(shù)據(jù)庫，快速檢測傳染病，進行全面的疫情監(jiān)測，并通過集成疾病監(jiān)測和響應(yīng)程序，快速進行響應(yīng)。比較效果研究臨床操作臨床決策支持系統(tǒng)醫(yī)療數(shù)據(jù)透明度遠程病人監(jiān)控研發(fā)預(yù)測建模提高臨床試驗設(shè)計的統(tǒng)計工具和算法疾病模式的分析7醫(yī)療行業(yè)大數(shù)據(jù)應(yīng)用實例23一、醫(yī)療與大數(shù)據(jù)的趨勢三、案例分析二、醫(yī)療大數(shù)據(jù)的應(yīng)用場景醫(yī)療行業(yè)大數(shù)據(jù)應(yīng)用實例23臨床醫(yī)生的知識更新無法與急劇增長的醫(yī)學(xué)知識同步。對大批量的常規(guī)決策工作，自動化決策效率更高(如大量的常規(guī)實驗室檢測和數(shù)據(jù)分析等)。人有時會犯錯誤或失誤，當然醫(yī)生也不例外(復(fù)雜病例和常見病例都會出錯),使用臨床決策支持系統(tǒng)，可以提醒專家沒在意的或沒有發(fā)現(xiàn)到的病人信息，從而提高診斷準確性對醫(yī)學(xué)院學(xué)生，成熟專業(yè)的臨床支持系統(tǒng)可能是他們學(xué)習(xí)專業(yè)知識和專家經(jīng)驗的方便可得的廉價的老師，同時也是他們初入醫(yī)院實習(xí)工作的非常好的助手。臨床決策支持系統(tǒng)的功能和作用醫(yī)療行業(yè)大數(shù)據(jù)應(yīng)用實例23案例分析醫(yī)療行業(yè)大數(shù)據(jù)應(yīng)用實例23基于知識庫的CDSS

大部分CDSS屬于此類，它由三大模塊組成：知識庫、推理機和通訊模塊。知識庫存儲著編譯好的醫(yī)學(xué)知識，推理機則根據(jù)知識庫里的規(guī)則，以及患者的資料進行自動分析。分析的結(jié)果通過通訊模塊反饋給用戶。例如：MYCIN非基于知識庫的CDSS主要是通過機器學(xué)習(xí)從已有的經(jīng)驗中自動攫取規(guī)則。醫(yī)療行業(yè)大數(shù)據(jù)應(yīng)用實例23MYCIN系統(tǒng)

MYCIN系統(tǒng)是由斯坦福(Stanford)大學(xué)建立的對細菌感染疾病的診斷和治療提供咨詢的計算機咨詢專家系統(tǒng)。醫(yī)生向系統(tǒng)輸入病人信息，MYCIN系統(tǒng)對之進行診斷，并提出處方。細菌傳感疾病專家在對病情診斷和提出處方時，大致遵循下列4個步驟：確定病人是否有重要的病菌感染需要治療。為此，首先要判斷所發(fā)現(xiàn)的細菌是否引起了疾病。(2)確定疾病可能是由哪種病菌引起的。(3)判斷哪些藥物對抑制這種病菌可能有效。(4)根據(jù)病人的情況，選擇最適合的藥物。醫(yī)療行業(yè)大數(shù)據(jù)應(yīng)用實例23咨詢開始時，先啟動咨詢系統(tǒng)，進入人機對話狀態(tài)。在對話過程中，系統(tǒng)向用戶提出必要的問題，進行推理。當結(jié)束咨詢時，系統(tǒng)自動地轉(zhuǎn)入解釋子系統(tǒng)。解釋子系統(tǒng)回答用戶的問題，并解釋推理過程。解釋時，系統(tǒng)顯示說明為什么需要某種信息，以及如何得到某個結(jié)論。這樣做的主要目的是為了使醫(yī)生容易接受系統(tǒng)的結(jié)論。醫(yī)療行業(yè)大數(shù)據(jù)應(yīng)用實例23動態(tài)數(shù)據(jù)庫中的數(shù)據(jù)表示數(shù)據(jù)庫中的數(shù)據(jù)都用如下形式的三元組描述：(對象屬性值）1.“對象”又稱為上下文，它是系統(tǒng)要處理的實體，例如：PERSON(病人）2.“屬性”又稱臨床參數(shù),用于描述相應(yīng)對象的特征，例如“病人”的姓名、年齡、性別。3.“值”是指相應(yīng)屬性的值，根據(jù)屬性的不同類別，其值可以是一個或多個。對象屬性值病人-1性別((男1.0))病人-1藥物過敏((青霉素1.0)(氣芐青霉素1.0))病原體-1鑒別名<(鏈球菌0.6)(葡萄球菌0.4))醫(yī)療行業(yè)大數(shù)據(jù)應(yīng)用實例23MYCIN采用上下文樹(Contexttree)來表示問題,一棵上下文樹構(gòu)成了對一個病人的完整描述。醫(yī)療行業(yè)大數(shù)據(jù)應(yīng)用實例23知識庫的知識表示領(lǐng)域知識的表示領(lǐng)域知識用規(guī)則表示,其一般形式為：RULE***IF<前提>THEN<行為>

例如對如下規(guī)則：RULE047如果：（1）病原體的鑒別名不確定，且（2）病原體來自血液，且（3）病原體的染色是革蘭氏陰性，且（4）病原體的形態(tài)是桿狀的，且（5）病原體呈赭色那么：該病原體的鑒別名是假單胞細菌，可信度為0.4。醫(yī)療行業(yè)大數(shù)據(jù)應(yīng)用實例23靜態(tài)知識的表示（屬性特性的表示）

從臨床參數(shù)（屬性）的角度來看，可認為每個臨床參數(shù)都具很多種特性。主要特性有：MEMBEROF:按所描述的對象不同迸行分類時，臨床參數(shù)所屬的類型名，例如:PRO-PToVALUTYPE:臨床參數(shù)是單值、二值還是多值。PROMPT:用于向用戶提問一個單值或二值參數(shù)的值。LABDATA：用于指出相應(yīng)參數(shù)的值是否可從用戶那里獲得。對象屬性值BURNMEMBEROFPRO-PTBURNVALUTYPEBINARYBURNPROMPTIs*aburnpatient?BURNLABDATA1醫(yī)療行業(yè)大數(shù)據(jù)應(yīng)用實例23

推理策略：

MYCIN的咨詢系統(tǒng)采用逆向推理（目的驅(qū)動）過程。在咨詢開始時，首先例示上下文樹中的根節(jié)點。根節(jié)點屬于PERSON類型的上下文。例示包括以下3步：

(1)賦于這個上下文一個名稱；

(2)把這個上下文加到上下文樹上去；

(3)馬上跟蹤這類上下文的MAINPROPS表中的參數(shù)。

實例示范：

系統(tǒng)首先在數(shù)據(jù)庫中建立一棵上下文樹的根節(jié)點,并為該根節(jié)點指定一個名字PATIENT-1(病人-1)，其類型為PERSON。

PERSON的屬性為(NAMEAGESEXREGIMEN),其中前三項都具LABDATA特性，即可通過向用戶詢問得到其值。于是系統(tǒng)向用戶提出詢問。

用戶輸人病人的姓名、年齡及性別，并以三元組形式存入數(shù)據(jù)中。REGIMEN不是LABDATA屬性，必須由系統(tǒng)推出。

醫(yī)療行業(yè)大數(shù)據(jù)應(yīng)用實例23為了得到REGIMEN,系統(tǒng)將開始推理過程。推理時首先運用的一條規(guī)則是RULE092。規(guī)則092

IF存在一種病菌需要處理

某些病菌雖然沒有出現(xiàn)在目前的培養(yǎng)物中，但已經(jīng)注意到它們需要處理

THEN根據(jù)病菌對藥物的敏感情況，編制一個可能抑制該病菌的處方表

從處方表中選擇最佳的處方

ELSE病人不必治療規(guī)則092的前提部分涉及到臨床參數(shù)TREATFOR，它是一個NONLABDATA,因而系統(tǒng)調(diào)用TREATFOR的UPDATEI-BY特性所指出的第一條規(guī)則090。

醫(yī)療行業(yè)大數(shù)據(jù)應(yīng)用實例23規(guī)則090：

IF已知細菌的類別

存在和這種細菌的出現(xiàn)有關(guān)的顯著的病癥

THEN肯定存在一種需要處理的細菌(可信度1.0)檢查它的前提是否為真，此時如果該前提所涉及到的值是可向用戶詢問的，就直接詢問用戶,否則再找出可推出該值的規(guī)則。如此反復(fù)進行，直到最后推出PATIENT-1的主要臨床參數(shù)REGIMEN為止。醫(yī)療行業(yè)大數(shù)據(jù)應(yīng)用實例23發(fā)展障礙

醫(yī)學(xué)知識的復(fù)雜性導(dǎo)致了系統(tǒng)設(shè)計時需要考慮非常多的因素，如患者的癥狀、體征、實驗室檢查數(shù)據(jù)、家族史、基因、流行病學(xué)資料、現(xiàn)有的醫(yī)學(xué)文獻等等。而且，每年發(fā)表的臨床研究數(shù)以千計，而且不少研究彼此矛盾，大量的數(shù)據(jù)導(dǎo)致了系統(tǒng)維護上存在困難。目前成功用于診斷環(huán)節(jié)的CDSS常常局限于某個領(lǐng)域，比如，1971年上線使用的Leeds腹痛診斷系統(tǒng)，其診斷的正確率高達91.8%，而醫(yī)生的診斷正確率在79.6%。但這套系統(tǒng)僅能用于腹痛的診斷。臨床工作的復(fù)雜性也增加了系統(tǒng)整合的難度。目前大多數(shù)系統(tǒng)仍獨立于臨床工作流程，這導(dǎo)致了醫(yī)生需要獨立打開CDSS，然后花費時間錄入患者資料，降低了工作效率。目前整合比較成功的案例是藥房系統(tǒng)和賬單系統(tǒng)。因為藥房工作相對簡單，CDSS主要解決藥物相互作用問題，比較容易設(shè)計。CDS