京公网安备 11010802034615号
经营许可证编号:京B2-20210330
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
逻辑回归是数据分析、机器学习、统计建模中应用最广泛的二分类预测模型,常用于风险判断、行为预测、归因分析等场景。在SPSS、Py ...
2026-06-02数字经济时代,市场竞争日趋同质化,用户消费需求愈发个性化、多元化,传统依托经验、粗放式、广撒网的营销模式弊端日益凸显。长 ...
2026-06-02 很多数据分析师做过按月份的销售额趋势图,画过按天的流量折线图,但当被问到“时间序列和普通数据有什么本质区别”“季节性 ...
2026-06-02在市场竞争日趋饱和、用户需求不断细分的当下,企业创业创新、产品迭代与市场拓展不再依赖经验决策,而是需要系统化、工具化的商 ...
2026-06-01【核心关键词】调度、岗位、数据库、企业、报表、培训、程序、数据分析、数据加工、业务部门、企业数据、调度工具、业务指标、 ...
2026-06-01 很多数据分析师能熟练地计算指标、搭建标签体系,但当被问到“画像到底在解决什么问题”“画像和标签是什么关系”“画像如何 ...
2026-06-01在数据统计分析、数据清洗、异常值识别与数据分布研究中,箱型图是最直观、高效、专业的可视化分析工具。相较于柱状图、折线图仅 ...
2026-05-29Tkinter是Python内置的标准GUI图形界面库,具备无需额外安装、调用简单、兼容性强、轻量化高效等优势,是Python快速开发桌面小程 ...
2026-05-29 很多分析师在设计标签时思路清晰,但真到落地环节却面临“数据在手,不知如何转化为可用标签”的困境:或因加工方式选择不当 ...
2026-05-29【核心关键词】大数据、经理、专业、金融、客户、传统、建模、数据产品、互联网金融、产品经理、数据分析、金融行业、数据模型 ...
2026-05-28 很多分析师每天和数据打交道,但当被问到“标签是什么”“标签和指标有什么区别”“标签体系如何设计”时,却常常答不上来。 ...
2026-05-28随着大数据技术的快速普及,各行各业积累了海量的用户数据、交易数据、生产数据与行为数据。单纯的数据统计与报表分析只能呈现表 ...
2026-05-28在Python网络请求、接口测试、数据爬取、业务对接开发中,Requests库是最简洁、最高效的HTTP请求工具,凭借简洁的语法、完善的适 ...
2026-05-272025 年,零售与服务行业的竞争已从 “经验驱动” 全面转向 “数据驱动”。中小企业门店普遍面临数据零散、分析浅层、决策凭感觉 ...
2026-05-27 很多数据分析师每天都在写SQL,但当被问到“数据查询语言(DQL)的本质是什么”“SELECT语句中各子句的书写顺序与实际执行顺 ...
2026-05-27在统计学分析、实验研究、业务数据复盘过程中,单因素方差分析是检验自变量对因变量是否存在显著影响的核心方法。其中,两个水平 ...
2026-05-26【核心关键词】算法、客户、大数据、互联网、调优、建模、模型优化、机器学习、评分卡模型、模型开发、智能风控、业务场景、数 ...
2026-05-26 很多数据分析师写过无数个 SELECT,但当被问到“新建一张表,该如何定义字段类型来保证数据质量”“创建视图和存储物理表有 ...
2026-05-26在数据清洗、统计分析与数据质量检测工作中,箱型图(又称箱线图、Box Plot)是最直观、最高效的可视化分析工具之一。相较于柱状 ...
2026-05-25在大数据分析、数据清洗、质量管控、风险监测等领域,异常数据识别是保障数据质量、确保分析结论精准、规避业务决策失误的核心基 ...
2026-05-25