京公网安备 11010802034615号
经营许可证编号:京B2-20210330
大数据与医疗结合密切程度加深 或加速改变格局
随着大数据在医疗与生命科学研究过程中的广泛应用和不断扩展,其数量之大和种类之多令人难以置信。比如: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为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。
在中国,2010年,国家公布的“十二五”规划中指出要重点建设国家级、省级和地市级三级卫生信息平台,建设电子档案和电子病历两个基础数据库等诸项目标,也就是推进医疗信息化的“3521”工程。过去由于缺少统一的电子病历系统(EMR)标准,中国的电子病历系统发展比较缓慢,医院之间不能实现共享病患信息共享,医疗服务水平也因此受到影响。为改善这一现状,国家会逐渐加大对电子病历的投入,适应这一趋势,各级医院也将加大在数据中心,IT外包等领域的投入。而随着医疗信息数据的几何倍数增长,医院信息存储将越来越受到重视,医疗信息中心的关注点也将由传统“计算”领域转移到“存储”领域上来。
在信息技术迅猛发展的当下,大数据的应用已渗透进人们生活中各个领域。在高度专业化的医疗领域,大数据带来怎样的颠覆性变化,这一话题已经引起多方关注。
上海交通大学医学院附属瑞金医院副院长宁光12日在接受采访时表示,进入大数据时代后,由于智慧医疗平台能够更有效地提高医疗资源利用效率、降低医疗成本、减轻患者负担并帮助建立良好的医患关系;因此,围绕患者需求和医患沟通搭建的互联网平台可能会发挥愈来愈重要的作用,形成颠覆性的“互联网+医疗”格局。
据了解,目前,虽然信息化已逐渐深入医疗卫生领域,但由于医疗领域的高度专业化,大多数互联网与医疗的合作依然是以医疗为核心,互联网只是服务于医疗的工具。
上海交通大学医学院副院长陈红专则告诉记者,从经验医学到循证医学,再到如今的精准医学,研究人员和临床医生可以利用大数据分析工具聚焦患者的个人基因、环境、生活方式等个体化差异,为临床医生提供更为准确的病因及用药指导,从而带给患者更适宜的治疗体验。
近年来,很多国家都在积极推进医疗信息化发展,通过大数据技术对海量数据进行筛选分析,为医务人员临床决策、科研人员研究方向及政府部门政策制定提供信息支持。
当日举行的新闻发布会披露,第九届“21世纪中美医学论坛”将于金秋时节在美国加州斯坦福大学医学院举行。医疗大数据话题将成为本届中美医学论坛的主题。
言及此话题,斯坦福大学医学院院长LloydMinor对记者表示,我们正处于科技和大数据急速推动创新的时代,有机会利用现有优势提升社区甚至全球健康水准。宁光说,医疗行业是让大数据分析最先发扬光大的传统行业之一。据他介绍,目前大数据在医学领域的应用主要包括危重、罕见疾病诊疗决策辅助、肿瘤精准医疗的开展、慢病的调研防治等。宁光指出,新的时代下,大数据技术帮助人们存储管理好医疗大数据并从大体量、高复杂的数据中提取价值,相关的医疗技术、产品将不断涌现,有可能给医疗行业开拓一个新的黄金时代。
2013年,瑞金医院曾携手上海市内分泌代谢病研究所、中国疾控中心组成研究团队,基于中国慢性非传染性疾病监测系统,选取具有代表性的近10万名18岁及以上成年人进行糖尿病方面调查。宁光以此为例表示,通过对大量数据的采集、分析,研究人员对中国糖尿病流行病学的现状有了更为深入的了解,也使公共卫生部门能利用相关信息强化卫生医疗系统,创建促进健康、鼓励自我管理、倡导分级诊疗的社会医疗环境。
对大数据给医疗界带来的巨大变化,LloydMinor也表示,在精准健康领域,斯坦福大学医学院正引领着生物医疗的改革。他说,这正是大数据的功劳。大数据给我们“燃料”和“动力”。LloydMinor介绍,该校科研人员从不同资源中获取了大量数据,包括电子医疗记录,全基因组序列、保险和医药记录、可穿戴式传感器和社会环境数据。通过分析这些数据,医生和研究人员可更好地预测个人患特定疾病的几率,有针对性地制定对早期检查和预防的方案。这些分析材料也将为临床医生提供实时治疗决策时所需的信息。他透露,斯坦福正在研发一种名为“像你一样的病人”的可检索的智能工具。它能让医生根据文字记载,流动监测以及用药的真实体验等上百万的药物案例,给出一个更合理的治疗方案。
大数据会给医学教育带来怎样的影响?上海交通大学医学院副院长陈红专在接受记者采访时表示,作为医学教育从业者,该校一直在积极努力探索利用医疗大数据进行前瞻性研究和创新性教育。
据了解,始于2000年的中美医学论坛如今已成为中美两国间前沿医学研究、教育和临床实践的交流平台。近年来,该论坛更吸引了法国、捷克、以色列、加拿大、瑞典等国学者的关注和参与。据主办方透露,届时,包括美国四院院士ShuChien、美国约翰霍普金斯大学前任校长WilliamBrody、中国工程院院士王振义、世界卫生组织前副总干事胡庆澧、中国工程院院士陈赛娟等在内的医疗界专家、学者将与IT科技精英对话交流,探寻“互联网+医疗”发展的下一个突破口。
CDA学员免费下载查看报告全文:2026全球数智化人才指数报告【CDA数据科学研究院】.pdf
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在数字化时代,数据已成为企业决策的核心驱动力,数据分析与数据挖掘作为解锁数据价值的关键手段,广泛应用于互联网、金融、医疗 ...
2026-04-17在数据处理、后端开发、报表生成与自动化脚本中,将 SQL 查询结果转换为字符串是一项高频且实用的操作。无论是拼接多行数据为逗 ...
2026-04-17面对一份上万行的销售明细表,要快速回答“哪个地区卖得最好”“哪款产品增长最快”“不同客户类型的购买力如何”——这些看似复 ...
2026-04-17数据分析师一天的工作,80% 的时间围绕表格结构数据展开。从一张销售明细表到一份完整的分析报告,表格结构数据贯穿始终。但你真 ...
2026-04-16在机器学习无监督学习领域,Kmeans聚类因其原理简洁、计算高效、可扩展性强的优势,成为数据聚类任务中的主流算法,广泛应用于用 ...
2026-04-16在机器学习建模实践中,特征工程是决定模型性能的核心环节之一。面对高维数据集,冗余特征、无关特征不仅会增加模型训练成本、延 ...
2026-04-16在数字化时代,用户是产品的核心资产,用户运营的本质的是通过科学的指标监测、分析与优化,实现“拉新、促活、留存、转化、复购 ...
2026-04-15在企业数字化转型、系统架构设计、数据治理与AI落地过程中,数据模型、本体模型、业务模型是三大核心基础模型,三者相互支撑、各 ...
2026-04-15数据分析师的一天,80%的时间花在表格数据上,但80%的坑也踩在表格数据上。 如果你分不清数值型和文本型的区别,不知道数据从哪 ...
2026-04-15在人工智能与机器学习落地过程中,模型质量直接决定了应用效果的优劣——无论是分类、回归、生成式模型,还是推荐、预测类模型, ...
2026-04-14在Python网络编程、接口测试、爬虫开发等场景中,HTTP请求的发送与响应处理是核心需求。Requests库作为Python生态中最流行的HTTP ...
2026-04-14 很多新人学完Python、SQL,拿到一张Excel表还是不知从何下手。 其实,90%的商业分析问题,都藏在表格的结构里。 ” 引言:为 ...
2026-04-14在回归分析中,因子(即自变量)的筛选是构建高效、可靠回归模型的核心步骤——实际分析场景中,往往存在多个候选因子,其中部分 ...
2026-04-13在机器学习模型开发过程中,过拟合是制约模型泛化能力的核心痛点——模型过度学习训练数据中的噪声与偶然细节,导致在训练集上表 ...
2026-04-13在数据驱动商业升级的今天,商业数据分析已成为企业精细化运营、科学决策的核心手段,而一套规范、高效的商业数据分析总体流程, ...
2026-04-13主讲人简介 张冲,海归统计学硕士,CDA 认证数据分析师,前云南白药集团资深数据分析师,自媒体 Python 讲师,全网课程播放量破 ...
2026-04-13在数据可视化与业务分析中,同比分析是衡量业务发展趋势、识别周期波动的核心手段,其核心逻辑是将当前周期数据与上年同期数据进 ...
2026-04-13在机器学习模型的落地应用中,预测精度并非衡量模型可靠性的唯一标准,不确定性分析同样不可或缺。尤其是在医疗诊断、自动驾驶、 ...
2026-04-10数据本身是沉默的,唯有通过有效的呈现方式,才能让其背后的规律、趋势与价值被看见、被理解、被运用。统计制图(数据可视化)作 ...
2026-04-10在全球化深度发展的今天,跨文化传播已成为连接不同文明、促进多元共生的核心纽带,其研究核心围绕“信息传递、文化解读、意义建 ...
2026-04-09