
IDF:大数据带来医疗行业转折点
2013年4月10日消息,2013年英特尔信息技术峰会(IDF 2013)在北京国家会议中心举行,本届IDF主题为未来,用芯体验,宣示英特尔更加以用户体验为核心,立足英特尔架构继续扩大和深化产业合作,全面推动计算技术创新、芯片制造创新、应用体验创新、终端形态创新和云端智能创新,以强大的计算力开启一个全新的个性化体验新时代。来自中国和全球各地的数千名软硬件开发人员、技术管理人员及媒体、分析师将汇聚一堂,体验前沿的技术成果,探索未来的创新趋势。
Intel Developer Forum(英特尔信息技术峰会,简称IDF)是由英特尔公司主办的技术讲座,在美国、中国等7个地区举办,每年分春秋举办两次。IDF主要由主题演讲、技术专题讲座以及技术展示组成,主题演讲的演讲者均是英特尔的高层人士,演讲的题目都具有相当的前瞻性,作为一家在处理器、网络处理器等领域处于领先地位的公司,IDF的确是让业界获悉英特尔最新动向的最佳场合。
▲IDF 2013现场报道专题
大数据是IDF 2013的热门话题,英特尔的大数据解决方案也吸引了大量软硬件技术人员的加入。在第一天上午的《大数据在医疗行业的应用》中,来自英特尔的医疗解决方案架构师吴闻新和丁华共同介绍了医疗大数据的趋势,及其相关解决方案。
▲英特尔医疗解决方案架构师吴闻新和丁华
大数据带来医疗行业转折点
随着医疗费用不断上涨,全球老龄化问题的影响,以及医疗大数据价值的不断增长,带给医疗行业新的转折点。据英特尔全球医疗解决方案架构师吴闻新介绍,到2020年,医疗数据将增至35ZB,相当于2009年数据量的44倍。其中,影像数据增长最快,其次是EMR电子病历数据。
据了解,医疗大数据的来源主要包括四类:一是制药企业/生命科学;二是临床决策支持和其他临床应用(包括诊断相关的影像信息等);三是费用报销、利用率和欺诈监督;四是患者行为/社交网络。相应的,这些大数据也会创造价值。
▲医疗大数据相关解决方案
大数据的挑战不仅来自数据量的增长,还需要新技术的支持。英特尔医疗大数据解决方案在传统解决方案之上,引入新的数据及分析模型与技术,提供实时有效的商业价值。通过与产业链的合作,主流的数据库和数据分析软件都基于英特尔平台进行了充分优化。
英特尔医疗解决方案架构师丁华总结,我们正处于医疗行业大数据和分析的一个重要转折点,我们需要让大数据更为高效和便捷的访问。英特尔专注在创新,依赖产业链来提供企业核心能力之外的服务,采用标准和最佳实践,并参考全球已有的成熟模型。
未来,英特尔将会提供具有差异化的技术解决方案,探索开放标准和最佳实践,寻找可能的客户和产业链合作伙伴,共同探索医疗行业的核心应用模式,与产业合作进行验证,加速大数据的采用。并通过共同的市场活动来提高客户对于大数据的理解和认知,扩大领先技术的影响力,为客户创造价值,共同让医疗大数据成为现实。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在神经网络模型设计中,“隐藏层层数” 是决定模型能力与效率的核心参数之一 —— 层数过少,模型可能 “欠拟合”(无法捕捉数据 ...
2025-10-14在数字化浪潮中,数据分析师已成为企业 “从数据中挖掘价值” 的核心角色 —— 他们既要能从海量数据中提取有效信息,又要能将分 ...
2025-10-14在企业数据驱动的实践中,“指标混乱” 是最常见的痛点:运营部门说 “复购率 15%”,产品部门说 “复购率 8%”,实则是两者对 ...
2025-10-14在手游行业,“次日留存率” 是衡量一款游戏生死的 “第一道关卡”—— 它不仅反映了玩家对游戏的初始接受度,更直接决定了后续 ...
2025-10-13分库分表,为何而生? 在信息技术发展的早期阶段,数据量相对较小,业务逻辑也较为简单,单库单表的数据库架构就能够满足大多数 ...
2025-10-13在企业数字化转型过程中,“数据孤岛” 是普遍面临的痛点:用户数据散落在 APP 日志、注册系统、客服记录中,订单数据分散在交易 ...
2025-10-13在数字化时代,用户的每一次行为 —— 从电商平台的 “浏览→加购→购买”,到视频 APP 的 “打开→搜索→观看→收藏”,再到银 ...
2025-10-11在机器学习建模流程中,“特征重要性分析” 是连接 “数据” 与 “业务” 的关键桥梁 —— 它不仅能帮我们筛选冗余特征、提升模 ...
2025-10-11在企业的数据体系中,未经分类的数据如同 “杂乱无章的仓库”—— 用户行为日志、订单记录、商品信息混杂存储,CDA(Certified D ...
2025-10-11在 SQL Server 数据库操作中,“数据类型转换” 是高频需求 —— 无论是将字符串格式的日期转为datetime用于筛选,还是将数值转 ...
2025-10-10在科研攻关、工业优化、产品开发中,正交试验(Orthogonal Experiment)因 “用少量试验覆盖多因素多水平组合” 的高效性,成为 ...
2025-10-10在企业数据量从 “GB 级” 迈向 “PB 级” 的过程中,“数据混乱” 的痛点逐渐从 “隐性问题” 变为 “显性瓶颈”:各部门数据口 ...
2025-10-10在深度学习中,“模型如何从错误中学习” 是最关键的问题 —— 而损失函数与反向传播正是回答这一问题的核心技术:损失函数负责 ...
2025-10-09本文将从 “检验本质” 切入,拆解两种方法的核心适用条件、场景边界与实战选择逻辑,结合医学、工业、教育领域的案例,让你明确 ...
2025-10-09在 CDA 数据分析师的日常工作中,常会遇到这样的困惑:某电商平台 11 月 GMV 同比增长 20%,但究竟是 “长期趋势自然增长”,还 ...
2025-10-09Pandas 选取特定值所在行:6 类核心方法与实战指南 在使用 pandas 处理结构化数据时,“选取特定值所在的行” 是最高频的操作之 ...
2025-09-30球面卷积神经网络(SCNN) 为解决这一痛点,球面卷积神经网络(Spherical Convolutional Neural Network, SCNN) 应运而生。它通 ...
2025-09-30在企业日常运营中,“未来会怎样” 是决策者最关心的问题 —— 电商平台想知道 “下月销量能否达标”,金融机构想预判 “下周股 ...
2025-09-30Excel 能做聚类分析吗?基础方法、进阶技巧与场景边界 在数据分析领域,聚类分析是 “无监督学习” 的核心技术 —— 无需预设分 ...
2025-09-29XGBoost 决策树:原理、优化与工业级实战指南 在机器学习领域,决策树因 “可解释性强、处理非线性关系能力突出” 成为基础模型 ...
2025-09-29