
医疗大数据何去何从 听听几位大咖的前瞻
当大数据遇上医疗,到底会产生怎样的火花?11月28-29日,2015中国医疗健康大数据峰会暨智慧医疗专家委员会年会在京召开,来自医疗界、产业界的专家学者们齐聚一堂,畅聊医疗大数据激起的改变以及日后的无限可能。
贵州省卫计委卫生信息中心主任严刚:建起国内首个大数据中心
国家发改委于2011年提出三个云平台试点,贵州省是其中之一(另两个省为浙江和黑龙江,编者注)。作为经济欠发达的省份,贵州正借力互联网将劣势变为优势。云平台的搭建实现了两种可能:一是通过基础数据库的高度共享,实现数据的集中;二是直接在省级平台开展业务,实现基层医疗机构的规范化管理。
针对医疗信息化建设,按照规划,“十三五”期间贵州省将重点从三个层面开展工作:一是智慧医疗,通过信息平台支撑的协同平行建设,解决服务能力的问题;二是通过结合“互联网+”,对社会第三方开放资源提供服务;三是率先建立远程医疗的技术服务体系,并做一些深化和细化。
上海市儿童医院院长于广军:大数据不是一个“标签”
我觉得我们现在谈的大数据,更多是针对目前信息化的时代发展,它的信息采集范围扩大,是一种全自动的、全流程的采集。我们关注的大数据,一是全,全样本,区别于原来的统计、抽样调查,是全流程、全生命周期的;二是多,内容多元、数据多态;三是快,采集、存储、处理,在线实时,有时效性;四是联,内部干练、外部关联分析。总之,把整个数据集合起来会有更高的价值。
我们做医疗大数据研究的时候,遇到三个难点:一是上海的数据来源于多个系统,如何整合多元异构的数据;二是这些大数据怎么形成知识库;三是对这些大数据的价值如何进行有效挖掘和利用。
大数据的研究不是沙里淘金、大海捞针,而是提高我们分析、解决问题的能力。不是说我有大数据一定会产生奇迹,而是扎扎实实地从现实中解决我们实实在在的问题。不仅是数据本身,很可能可以带动外部的相关专业的发展。我觉得大数据的前景是比较灿烂的,但是近期的期望也不能太高,关键是怎样提升数据的价值。
湘雅医院信息中心主任冯嵩:提升数据利用度
湘雅医院的信息化建设已有20多年,积累了大量的数据。一是我们的数据面非常全,从病例检查到固有环节的检测,二是量非常大。我们检查检验的影像报告,整个His现在是200多G,电子病历也有接近400G的数据在里面。
中南大学做的大数据项目分三个层面:一是目前正进行的部分工作——数据中心建设,我们和中国移动合作,当时整个规模计划做到1000多的服务器;二是大数据中心建设,主要是数据集中的问题,包括数据的规范、多点结构数据的采集、数据的存取分析,还有数据检索方面的研究;三是我们做大数据的应用,现在做得比较好的是慢病管理。未来我们准备做运维,对药商、保险,包括其他的厂家提供一些数据源,为他们做科研提供数据的支持。
北京协和医学院医院管理处处长王海涛:大数据与现代医院管理创新
大数据的核心是通过认知和磨合对数据进行管理,能够使用,产生价值。数据不少见,但是真正能够使用的大数据却是通过模型建立的。现在的活动从外延看到核心,变成了大数据驱动的模式。
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