醫療衛生大資料的處理和分析演算法分類和形成

l 技術分類方法

ü 根據挖掘任務：分為分類或預測模型發現、資料總結、聚類、關聯規則發現、序列模式發現、依賴關係或依賴模型發現、異常和趨勢發現等等;

ü 根據挖掘物件：可分為關係資料庫、面向物件資料庫、空間資料庫、時態資料庫、文字資料來源、多媒體資料庫、異質資料庫、遺產資料庫以及環球網Web;

ü 根據挖掘方法：可分為:機器學習方法、統計方法、神經網路方法和資料庫方法。

主要處理和分析技術

ü 預言處理：用歷史預測未來;

ü 挖掘規律處理：瞭解資料中潛在的規律;

ü 關聯分析：查詢存在於專案集合或物件集合之間的頻繁模式、關聯、相關性、或因果結構;

ü 序列模式處理：給定一個由不同序列組成的集合，其中，每個序列由不同的元素按順序有序排列，每個元素由不同專案組成，同時給定一個使用者指定的最小支援度閾值，序列模式挖掘就是找出所有的頻繁子序列，即該子序列在序列集中的出現頻率不低於使用者指定的最小支援度閾值;

ü 分類(預言)分析：預測分類標號(或離散值)，根據訓練資料集和類標號屬性，構建模型來分類現有資料，並用來分類新資料。建立連續函式值模型，比如預測空缺值;

ü 聚類分析：聚類是一種無監督分類法: 沒有預先指定的類別。在同一個類中，物件之間具有相似性;不同類的物件之間是相異度分析;把一個給定的資料物件集合分成不同的簇。將物理或抽象物件的集合分組成為由類似的物件組成的多個類;聚類在不同的應用領域，用作描述資料，衡量不同資料來源間的相似性，以及把資料來源分類到不同的簇中;聚類是將資料分類到不同的類或者簇這樣的一個過程，所以同一個簇中的物件有很大的相似性，而不同簇間的物件有很大的相異性;聚類與分類不同，聚類所要求劃分的類是未知的;

ü 異常檢測分析：異常檢測是資料探勘中一個重要方面，用來發現”小的模式”(相對於聚類)，即資料集中間顯著不同於其它資料的物件;

ü 視覺化分析。資料視覺化可以讓資料自己說話，讓使用者直觀的感受到結果;

ü 資料探勘演算法。分割、叢集、孤立點分析還有各種演算法讓我們精煉資料，挖掘價值。這些演算法要能夠應付大資料的量，同時還具有很高的處理速度;

ü 語義引擎。人工智慧從資料中主動地提取資訊。包括機器翻譯、情感分析、輿情分析、智慧輸入、問答系統等;

ü 資料質量和資料管理。透過標準化流程和機器對資料進行處理可以確保獲得一個預設質量的分析結果。

區域衛生醫療聯合體應用

對於醫療衛生行業，醫療衛生的改革與創新將進入深水區，一方面是由於社會的發展，另一方面來自民眾的新需求，再有一個，疾病譜的改變也迫使我們必須做出改革和調整。過去醫院和醫生看的病都是疾病，是以烈性傳染病為主，而現在的疾病譜則以慢性疾病為主，其特點是終身疾病，一輩子都需要治療。一輩子都需要治療的病人，誰不希望找一個自己信任、並且熟悉自己病情的醫生，一輩子老找他(她)。慢性疾病又叫生活方式疾病，治療糖尿病這樣的病，光吃藥是治不好的，必須干預病人的生活方式。

慢性疾病是基因把子彈推上膛，生活方式控制扳機，所以慢性疾病的治療首先應由管理生活方式開始，這就要求我們的醫生不僅能夠開藥物處方，還要學會開飲食處方、運動處方，減壓助眠心理除錯綜合治療，才能把慢性病控制好，才能完成時代賦予我們的這種新使命，即狙擊不良生活方式，這也是世界衛生組織向全球發出的號召，世界衛生組織明確指出，世界正經歷從急性疾病向慢性健康問題轉型的時代，而我們的醫護人員還依賴20世紀初的模式，把精力集中在急性疾病的診斷和治療上。

大資料助力區域醫療聯合體服務模式創新，一方面要把資訊科技用於慢性病人的跟蹤管理服務，另一方面要利用資訊科技對疾病預防提供有效的幫助，對疾病管理與健康管理提供豐富的手段和方法。把先進的理念，先進的理論模式和先進的技術手段方法三位一體地融合，幫助國民不生病、少生病、晚生病。在目前的醫學條件下大多數疾病都是可防可控的，完全可以通過醫療技術手段避免或減緩糖尿病、高血壓、腫瘤這些疾病。區域醫療聯合體的健康管理和疾病管理應該涵蓋人類生命週期從生到死無縫隙的健康，大醫院只做疾病診斷治療是不夠的，必須進行醫療服務模式創新。

區域醫療聯合體是實現《全國醫療衛生服務體系規劃綱要(2015-2020年)》(以下簡稱《規劃綱要》)中建立分級診療模式的重要形式，醫聯體是指區域醫療聯合體，是將同一區域內的醫療資源整合在一起，通常由一個區域內的三級醫院與二級醫院、社群醫院、村醫院組成的一個醫療聯合體。目的是小病在一二級醫院解決，大病能夠及時轉往三級醫院。

Ø 建立區域統一的醫療衛生資源：資訊化的醫療模式以病患為中心，使不同層級醫院、醫療管理部門以及患者之間能夠在資訊資源共享的條件下，實現跨組織、高效率的網路交流和協調配合。通過統一的資訊化平臺，消費者、醫療服務提供者和政府管理機構可以逐步建立起相互信賴的關係，進而降低成本，優化醫療服務資源配置。

Ø 實現區域資訊協作與多方共贏：通過資訊服務平臺，各衛生機構可以更加便利地進行資訊共享和分工協作。對醫療機構而言，方便了醫生診療，有利於提高醫療質量;對科研機構而言，對醫學科學專題研究等提供了有效的資訊獲取來源;對於衛生管理機構而言，在降低市民醫療支出的同時也減少了大型檢查裝置重複投資造成的浪費;對公共衛生應急保障機構，由於系統能及時監控到異常及突發病歷情況，使得衛生管理機構能對類似情況進行預防與管理。

Ø 減少重複投資和建設成本：通過區域醫療資訊共享打破了傳統的條塊分割，為醫療衛生資源共享開闢一條新路。經過授權的各醫院及衛生機構可以從統一的平臺提取、更新、儲存資訊。這種以“區域政府主導、第三方平臺共享式”的醫療協同模式的好處是以區域為中心，直接共享，影響範圍大，減少了重複投資和建設成本。

Ø 提高醫療機構的服務質量：區域醫療資訊資訊化的深入人心，必將醫療機構業務流程資訊化、醫療機構業務管理資訊化、患者服務資訊化三條線滿足醫療機構業務的發展需求。第一，提升醫療機構業務的整體形;第二，開源節流，查漏補缺，實現人、財、物規範化管理;第三，提供輔助決策支援，降低管理成本;第四，醫療行為得到規範，在加速培養高水平醫務人員上起到了極大的作用;第五，使業務更加透明化，從而杜絕許多管理中的“貓膩”現象，減少了醫療糾紛。

Ø 解決區域內看病難和貴：遠端會診、遠端預約掛號、遠端代理檢驗、遠端查詢、遠端醫療諮詢等可為百姓就醫大大提供方便，從而緩解“難”的問題;對市民來說，可以對自己的健康檔案進行管理與利用，為市民自我保健提供了強有力的支援，可有效避免重複檢查治療，從而有效緩解“貴”的問題;雙向轉診、資訊共享給患者帶來更多的便利和實惠，把醫護人員更多的時間還給了病人。

大資料解決方案在區域醫療平臺中主要的定位在於對健康檔案的管理和服務，它將伴隨著區域醫療平臺的建設而實施。一方面採集來自基層的醫療相關資料，另一方面又為基層醫療機構提供全域性的資料服務，這些服務的內容經過整合到醫生，管理人員及病患的業務系統的介面中，使得使用者在日常操作中平滑的獲得資料服務。

大資料解決方案在區域醫療中的功能包括基本服務，資料分析及依從性管理三個層次。基本服務內容包括提供基本的儲存，查詢，瀏覽。 分析服務將針對主題，對臨床資料，公共衛生管理資料，績效考核資料以及農合付費管理等不同領域進行分析，在海量的不同結構的資料中找到可能的趨勢和風險。 依從性管理應該是大資料服務的高階階段，它利用業務系統中的業務活動，觸發資料服務請求，資料服務經過對大資料集的調閱，分析給出特定性結果。從而控制和導引業務操作的路徑。

建立並完善分級診療模式，建立不同級別醫院之間，醫院與基層醫療衛生機構、接續性醫療機構之間的分工協作機制，健全網路化城鄉基層醫療衛生服務執行機制，逐步實現基層首診、雙向轉診、上下聯動、急慢分治。以形成分級診療秩序為目標，積極探索科學有效的醫聯體和遠端醫療等多種方式。

智慧分級診療作為智慧醫療的重要組成，將充分利用資訊化手段，促進優質醫療資源縱向流動，建立醫院與基層醫療衛生機構之間共享診療資訊、開展遠端醫療服務和教學培訓的資訊渠道。為支援支撐分級診療模式，即以資訊新技術為基礎，以全科醫生輔助決策系統為支援，結合大資料分析、遠端醫療和可穿戴裝置監測，打通“院前預防”、“院內臨床路徑”與“社群康復路徑”，實現“以患者為中心”的社群、醫院間互聯互通，形成醫患主動參與疾病診療與健康管理的全新型分級診療模式。

完整方案下載方式：可留言聯絡我