对象
属性值病人-1 Nhomakorabea性别
((男 1.0))
病人-1
药物过敏 ((青霉素1.0)(氣苄青霉素1.0))
病原体-1
鉴别名
<(链球菌0.6)(葡萄球菌0.4))
-
14
MYCIN采用上下文树(Context tree)来表示问题, 一棵上下文树构成了对一个病人的完整描述。
-
15
知识库的知识表示
领域知识的表示
-
11
MYCIN系统
• MYCIN系统是由斯坦福(Stanford)大学建立的对细菌感染疾病的诊断和 治疗提供咨询的计算机咨询专家系统。医生向系统输入病人信息， MYCIN系统对之进行诊断，并提出处方。
细菌传感疾病专家在对病情诊断和提出处方时，大致遵循下列4 个步骤： (1) 确定病人是否有重要的病菌感染需要治疗。为此，首先要判
例都会出错),使用临床决策支持系统，可以提醒专家没在意的 或没有发现到的病人信息，从而提高诊断准确性 对医学院学生，成熟专业的临床支持系统可能是他们学习专业 知识和专家经验的方便可得的廉价的老师，同时也是他们初入 医院实习工作的非常好的助手。
-
9
案例分析
临床决 策支持 系统
基于知识库的 CDSS
一个CT图像含有大 约150MB的数据，而一个基 因组序列文件大小约750MB， 一个标准的病理图则大得多， 接近5GB。
如果将这些数据量乘以 人口数量和平均寿命，仅一 个社区医院或一个中等规模 制药企业就可以生成和累积 达数个TB甚至数个PB级的结 构化和非结构化数据。
到2020年，医疗数据将会急剧增长到35 ZB,相当于2009年数据量的44倍增长。
❖ 领域知识用规则表示,其一般形式为：
RULE * * * IF <前提> THEN <行为>
❖ 例如对如下规则：
❖ RULE 047
❖ 如果：（1）病原体的鉴别名不确定，且
❖
（2）病原体来自血液，且
❖
（3）病原体的染色是革兰氏阴性，且
❖
（4）病原体的形态是杆状的，且
❖
（5）病原体呈赭色
❖ 那么：该病原体的鉴别名是假单胞细菌，可信度为0.4。
非基于知识库的 CDSS
-
10
基于知 识库的 CDSS
大部分CDSS属于此类，它由三大模块组成： 知识库、推理机和通讯模块。知识库存储着编 译好的医学知识，推理机则根据知识库里的规 则，以及患者的资料进行自动分析。分析的结 果通过通讯模块反馈给用户。例如：MYCIN
非基于 知识库 的CDSS
主要是通过机器学习从已有的经验中自动 攫取规则。
-
13
动态数据库中的数据表示
• 数据库中的数据都用如下形式的三元组描述： (对象 属性 值）
• 1. “对象”又称为上下文，它是系统要处理的实体， 例如： PERSON(病人）
• 2. “属性”又称临床参数,用于描述相应对象的特征，例如“病人”的 姓名、年龄、性别。
• 3. “值”是指相应属性的值，根据属性的不同类别，其值可以是一个 或多个。
% of population over age 60
30+ % 25-29% 20-24%
10-19% 0-9%
2050
WW Average Age 60+: 21%
Source: United Nations “Population Aging 2002”
全球老龄化 平均年龄60+的人
: 目前的10%, 到 2050年将到达20%
预测建模 疾病模式的分析 提高临床试验设计的统计工具和算法
7
一、 医疗与大数据的趋势 二、医疗大数据的应用场景
三、 案例分析
-
8
临床决策支持系统的功能和作用
临床医生的知识更新无法与急剧增长的医学知识同步。 对大批量的常规决策工作，自动化决策效率更高(如大量的常规
实验室检测和数据分析等)。 人有时会犯错误或失误，当然医生也不例外(复杂病例和常见病
断所发现的细菌是否引起了疾病。 (2) 确定疾病可能是由哪种病菌引起的。 (3) 判断哪些药物对抑制这种病菌可能有效。 (4) 根据病人的情况，选择最适合的药物。
-
12
• 咨询开始时，先启动咨询系统，进入人机对话状态。在对话过程 中，系统向用户提出必要的问题，进行推理。当结束咨询时，系 统自动地转入解释子系统。解释子系统回答用户的问题，并解释 推理过程。解释时，系统显示说明为什么需要某种信息，以及如 何得到某个结论。这样做的主要目的是为了使医生容易接受系统 的结论。
以美国为例: 医疗大数据的价值
3千亿美元/年, 相当于每年生成总 值增长0.7%
-
4
趋势分析:我们正处在医疗行业的一个重要转折点
存储的增长
医疗服务产生的数据总量(PB)
15000 10000
5000
0 2010 2011 2012 2013 2014 2015
Admin Imaging EMR Email File Non Clin Img Research
-
16
静态知识的表示（属性特性的表示）
从临床参数（属性）的角度来看，可认为每个临床参数都 具很多种特性。主要特性有：
MEMBEROF:按所描述的对象不同迸行分类时，临床参数所 属的类型名，例如:PRO-PTo
医疗行业大数据应用场 景非常多，右图仅以临床 操作和研发为例，展示医 疗行业大数据应用场景。
对于公共卫生部门，可 以通过过覆盖全国的患者 电子病历数据库，快速检 测传染病，进行全面的疫 情监测，并通过集成疾病 监测和响应程序，快速进 行响应。
7
临床操作
研发
-
医疗数据透明度 远程病人监控 临床决策支持系统 比较效果研究
大数据
医疗领域应用
演讲人： 崔浩博
时间：2014.10.13
ppt制作： 崔浩博
-
1
outline
一、 医疗与大数据的趋势 二 、医疗大数据的应用场景 三、 案例分析
-
2
一、 医疗与大数据的趋势
二、医疗大数据的应用场景 三、 案例分析
-
3
趋势分析: 我们正处在医疗行业的一个重要转折点
医疗费用在不断上升 GDP的占比非常高
-
5
一、 医疗与大数据的趋势
二、医疗大数据的应用场景
三、 案例分析
-
6
医疗大数据应用场景
医疗行业产生的数据量 主要来自于PACS影像、B 超、病理分析等业务所产 生的非结构化数据。人体 不同部位、不同专科影像 的数据文件大小不一， PACS网络存储和传输要采 取不同策略。面对大数据， 医疗行业遇到前所未有的 挑战和机遇。