简介： 成果简介： 　　本项目对大数据分析在临床决策支持中的关键实现技术进行研究。主要的技术原理有：对大数据分析处理在医疗行业的应用需求进行研究；对医学数据预处理的关键技术研究，包括医学结构化与非结构化数据的表示、数据类型转换与分类精度、集群与分割、孤立点大数据分析算法等；研究决策树、聚类、粗糙集方法、人工智能在大数据挖掘分析的算法与模型的实现，研发基于R的大数据挖掘可视化平台，平台具备医学数据的采集与预处理功能，能提供与电子病历数据转接、存储与集成的功能，并能根据实际需求利用临床决策模型进行数据分析，并具备服务支撑功能。解决实现R语言与SQL查询语言到大数据分析的过渡接口、R语言与MapReduce编程模型集成、并行化机器学习及可视化计算与分析方法等关键技术，医学大数据分析可为临床医疗提供高效率、高质量的诊断以及更加优质、高效的医疗服务；通过预防保健决策支持与预防保健咨询服务有效推动我国医疗行业服务模式的转型，提升对公众的医疗卫生服务水平。保障医疗卫生产业和医疗服务信息化的健康快速发展，具有良好的社会效益和经济效益。   成果创新性： 1、医学数据的预处理：类型转换分类、数据降维，数据压缩，解决了非结构化医学数据的表示与抽取、文本与图像数据转换、类型无法识别等问题。医学图像预处理算法的实现，主要包括中值滤波、形态学滤波、高斯滤波、拉普拉斯滤波和Sobel滤波等。 2、图像特征提取算法研究，主要包括聚类分析、小波变换、Rb神经网络等。合适的特征提取算法，提取图像的灰度特征、颜色特征、统计特征等算法。 3、检索算法研究，以计算机视觉技术为依托，根据图像的视觉特征（内容），以模式匹配的方法进行以计算机为主导的图像检索，医学图挖掘技术的研究。 4、多属性医学信息的融合及表征方式的研究,尤其是在数据仓库的多维度表示。 5、实现了因素预测、疾病判别分类和疾病关联分析、决策树、聚类、贝叶斯层次模型等技术在医学中的应用。并开发了部分疾病的预测分类模型和疾病的关联规则模型。 6、R语言与MapReduce编程模型集成，基于R语言实现的医学数据挖掘平台的建立与可视化展示。   成果盈利性： 　　本项目的开展及推广将对医疗卫生服务模式和管理模式产生巨大影响。大数据分析是十二五规范的重点，也是当前信息产业研究的焦点。医学大数据分析通过临床决策分析，为患者提供更加科学的就医建议；通过对患者的就医行为分析和健康状况分析，提供更加优质、高效的医疗服务；通过预防保健决策支持与预防保健咨询服务有效推动我国医疗行业服务模式的转型，提升对公众的医疗卫生服务水平；通过绿色IT技术可实现节能省耗，保障医疗卫生产业和医疗服务信息化的健康快速发展，增强医疗卫生服务的市场竞争力，具有良好的社会效益和经济效益。同时，大数据技术的推广和使用也满足国家大力发展科技、适应时代需求的政策精神。挖掘平台可实现疾病因素预测、聚类分析、疾病判别诊断与关联分析中的应用，采用数据挖掘技术中的不同算法进行应用分析。为提高医疗和管理水平提供全面的、准确的决策依据。   成果持续性： 　　大数据分析在临床决策支持的研究与应用尚处于起步研究阶段，面临着很大的挑战和许多亟待解决的问题。医疗行业用户都亟需针对大数据设计和优化的智能管理、分析、查询及存储平台。本项目研究大数据分析在临床决策支持中的应用。通过研究，提供一个基于医学知识库的大数据分析与可视化展示整合平台。大数据分析在临床决策支持的应用对医院管理决策、医疗诊治、公众健康监控与疫情监测等方面有巨大的研究价值，极富应用前景。大数据以其超大的计算与存储规模、资源的共享能力和低成本、简便的运行等尖端科技必将推动医疗卫生信息化的快速发展，成为实现医疗管理与临床诊治突破的有效方式。从而大力推进医疗机构从传统的经验型、模糊的管理向基于数据支持的循证型管理的转型，实现为患者提供更多、更为优化的医疗服务的重要目标。利用大数据已经成为提高生产力、改进医疗水平、增强竞争力、加快增长和创新的关键策略。   成果先进性： 　　目前国内外无论是医学信息的科研单位还是企业都在计算机平台、编程工具、数据分析算法思路上做大量的科技实验，为临床医疗提供更加全面、准确的大量科学证据来支持其高效率、高质量的诊断，使临床决策支持更智能。本项目的研究成果具有一定的应用价值与科研水平。作为实现智慧医疗的重要手段，医学大数据分析在临床决策支持的应用对医院管理决策、医疗诊治、公众健康监控与疫情监测等方面有巨大的研究价值，具有广泛的应用前景。大数据以其超大的计算与存储规模、资源的共享能力和低成本、简便的运行等尖端科技将会对医疗卫生信息化起到核心的推动作用。挖掘平台可实现疾病因素预测、聚类分析、疾病判别诊断与关联分析中的应用，采用数据挖掘技术中的不同算法进行应用分析。为提高医疗和管理水平提供全面的、准确的决策依据。也为提高诊疗水平及开展医学研究提供辅助决策与综合分析工具。给临床管理人员、医务人员、科研工作者充分利用己有医学数据进行复杂数据查询，进行更高层次的数据分析提供有效的途径。不仅是具有理论价值，而且具有重要的实用价值。并有极大的应用前景与推广价值。   成熟度：02、方案级：提出的技术概念原理方法论证可行   市场分析： 1、大数据分析在临床决策支持中应用研究属于前沿领域研究，将形成具有自主知识产权的技术创新。结合第三方医疗卫生机构的实际情况积极进行应用创新，为医疗机构提供新兴的应用业务及决策支持等应用创新服务。包括： （1）临床治疗决策支持：通过病人的电子病历、用药与病人就诊行为分析，进行最佳治疗途径分析与治疗方案选择。 （2）基本药物临床应用分析：需研究通过对门诊处方、住院用药的分析、监控，及时发现、提示、预警、纠错和规范医院非常态化用药现象。 （3）医保决策分析与监控：对医保涉及到的相关指标、数据等全面的统计与分析。 （4）远程病人数据分析：研究如何进行远程病人的接诊与网络数据的截取分析方式。 （5）体检人员数据分析：对体检人员相关指标进行分析，提供预防保健咨询服务。人口统计学数据分析：研究对不同体质人群分类、疾病传播趋势等。 2、利用先进的大数据技术积极进行服务模式创新。作为新技术的应用，项目促进大数据在我国临床医疗和科研中的应用，在展现技术优势的同时带动医疗卫生产业和相关产业的提升和发展，在解决传统医疗卫生系统信息孤岛的同时，也衍生出新兴的产业结合模式。进而催生更好的创新和服务。   商业模式分析： 1、结合第三方医疗卫生机构的实际情况积极进行应用创新，为医疗机构提供新兴的应用业务及决策支持等应用创新服务。 2、利用大数据分析平台可以方便地进行各种医学数据的分析，从而对医疗单位具备服务支撑功能。提升对公众的医疗卫生服务水平；通过绿色IT技术可实现节能省耗，保障医疗卫生产业和医疗服务信息化的健康快速发展。   营销状况： 项目通过对大数据分析在临床决策支持中的关键实现技术的研究。研发具有知识整合的大数据分析可视化展示平台。 1、知识整合的大数据分析可视化展示平台功能：具备统一存储系统功能，并能对医学数据存储系统进行有效管理，实现医疗信息数据共享；具有较高的系统可扩展性，支持新增业务扩展和规模扩展。 2、具备医学数据的采集与预处理功能，能提供与电子病历数据转接、存储与集成的功能，并能根据实际需求利用临床决策模型与临床知识库系统进行数据分析。 3、具备服务支撑功能。具备在不影响现有医疗业务应用的前提下，实现新增业务、业务兼容、共享计算存储资源和同步服务提供的功能。 4、医学大数据分析通过临床决策分析，为患者提供更加科学的就医建议；通过对患者的就医行为分析和健康状况分析，提供更加优质、高效的医疗服务；通过预防保健决策支持与预防保健咨询服务有效推动我国医疗行业服务模式的转型，增强医疗卫生服务的市场竞争力，具有良好的社会效益和经济效益。