
改善医疗卫生事业的关键—大数据
作为奥巴马政府大数据及发展计划的初始部分之一,美国医疗保险和医疗补助服务中心(Centers for Medicare & Medicaid Services,CMS)最近推出了其最新的虚拟研究数据中心(Virtual Research Data Center)。现在,研究人员不需要等到CMS给他们寄出加密文件,就可以直接在自己的电脑上远程访问、分析并操控中心的庞大数据集。新工具不但缩短了数据访问时间,还将研究成本降低了一半。
电子健康记录(electronic health records ,EHR),以及更好的计算能力,还有大量具备信息分析能力的专业人员,这些因素促使数据汇集起来。以往这些数据只能保存在纸面上,或者在各类封闭系统的“信息孤岛”中相互隔绝。由于各个领域出发点不同,所谓的“大数据”在概念上还没有统一。但大部分专家都认为,获取并分析大数据的能力是促进医疗卫生服务高效率和高质量的关键,同时对于缩短从研究到实践转化的时间成本也起着至关重要的作用。
菲利·普伯恩(Philip Bourne)博士,即将加入国家卫生研究院(National Institutes of Health ,NIH)成为其第一个数据科学研究终身副总监。他说,大数据概念反映了“真正数字企业”(real digital enterprise)的趋势,而这一趋势可以充分利用信息汇集的能力来实现。他将负责建立一个数据发现索引,以方便NIH研究人员相互之间数据的共享和访问。
乔纳森·西尔弗斯坦(Jonathan Silverstein),拥有医学博士和理学硕士学位,在芝加哥的北岸大学卫生系统负责领导生物医学研究信息中心。他说,大数据时代带来了很多显著的挑战,医疗卫生机构不但要有发掘价值信息的能力,还要在招聘那些稀缺的真正具备大数据处理能力的专业人员时应对来自Google和Facebook等公司的竞争。
“虽然这一切听起来挺酷,人类社会现在也有庞大的技术基础设施来实现这些。”西尔弗斯坦说,同时他还是芝加哥普利兹克医学院的外科教授,“那些‘炒作’是真的,我们确实可以做很伟大的事情,甚至是我们以前从没做过的,但是支撑这些美好愿景背后的事情却着实被低估了。”
北岸大学最近推出了一个叫做“What’s Going Around”的新工具,它可以通过分析电子健康记录(EHR)数据来针对疾病准确地做出地理信息峰值标定,如流感和百日咳。该系统可以实时地为医师提供数据服务,允许他们针对疾病预防措施提出更准确的医疗卫生建议。
该教学医院也是“未确诊高血压项目”的实施地。该项目使用专门开发的算法和基于血压读数的预测模型来识别带有未确诊高血压风险的患者。西尔弗斯坦说,该项目在提高诊断率方面获得了让人刮目相看的改进。
在北岸大学实现的这种数据驱动创新听起来像是理论空谈,但西尔弗斯坦说这些“不是幻想,确确实实地从数据中识别出了信息,而且这些信息可以立即用于影响临床决策”。
来自加州大学圣地亚哥分校研究事务办公室主管创新和产业联盟的助理副校长伯恩说,大数据的发展已经超过了公共访问的技术需求。“病人可以同时访问他们自己的健康记录和以往只有医生才能获得的信息。一切都改变了!”他说,“医疗卫生事业正向以病人为中心(patient-centric)的方式转变”。
与此同时,大数据时代抛出了一系列围绕隐私和安全的伦理政策问题。理查德·布克曼(Richard Bookman)博士说,他是迈阿密米勒大学医学院的项目发展和科学政策高级顾问。他解释道:“有个很大的问题在于,这是谁的数据?我们对于这场‘数据海啸’摧毁掉人类行为和文化堤岸的后果几乎一无所知。我们要平缓我们激动的心情,别忘记我们与病人的关系更多意义上是传统的道德和伦理问题……因为向病人提供的医疗护理工作是永远没法被数字化的。”
布克曼将生活在大数据时代定义为“一种反映,即将经验转化为比特的成本下降得如此之快,以至于我们可以越来越多地获得和体验我们以数字化方式存在的世界”。他说,目前非常明确的事情是,医学院校和教学医院必须考虑相关问题,而毕业医生则要知道如何利用大数据获得益处。
全美医疗信息技术协调办公室(ONC)的科技办公室主任兼首席科学官,Doug Fridsma博士(医学/哲学双博士)说,展望未来,电子健康记录(EHR)的角色决不仅仅是一种文件记录方式,它将成为医生手里与其他诊断手段同等重要的工具。尽管在应用大数据的能力上,医学界被认为已经落后于形势发展。但Fridsma博士相信,医疗卫生系统可以充分利用它们价值驱动的使命性特点来吸引从事数据分析的专家。他说,“毕竟,利用这种技术来造福人类的机会是一个很多其他产业所没有的优势。”
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
如何考取数据分析师证书:以 CDA 为例 在数字化浪潮席卷各行各业的当下,数据分析师已然成为企业挖掘数据价值、驱动决策的 ...
2025-07-15CDA 精益业务数据分析:驱动企业高效决策的核心引擎 在数字经济时代,企业面临着前所未有的数据洪流,如何从海量数据中提取有 ...
2025-07-15MySQL 无外键关联表的 JOIN 实战:数据整合的灵活之道 在 MySQL 数据库的日常操作中,我们经常会遇到需要整合多张表数据的场景 ...
2025-07-15Python Pandas:数据科学的瑞士军刀 在数据驱动的时代,面对海量、复杂的数据,如何高效地进行处理、分析和挖掘成为关键。 ...
2025-07-15用 SQL 生成逆向回滚 SQL:数据操作的 “后悔药” 指南 在数据库操作中,误删数据、错改字段或误执行批量更新等问题时有发生。 ...
2025-07-14t检验与Wilcoxon检验的选择:何时用t.test,何时用wilcox.test? t 检验与 Wilcoxon 检验的选择:何时用 t.test,何时用 wilcox. ...
2025-07-14AI 浪潮下的生存与进阶: CDA数据分析师—开启新时代职业生涯的钥匙(深度研究报告、发展指导白皮书) 发布机构:CDA数据科 ...
2025-07-13LSTM 模型输入长度选择技巧:提升序列建模效能的关键 在循环神经网络(RNN)家族中,长短期记忆网络(LSTM)凭借其解决长序列 ...
2025-07-11CDA 数据分析师报考条件详解与准备指南 在数据驱动决策的时代浪潮下,CDA 数据分析师认证愈发受到瞩目,成为众多有志投身数 ...
2025-07-11数据透视表中两列相乘合计的实用指南 在数据分析的日常工作中,数据透视表凭借其强大的数据汇总和分析功能,成为了 Excel 用户 ...
2025-07-11尊敬的考生: 您好! 我们诚挚通知您,CDA Level I和 Level II考试大纲将于 2025年7月25日 实施重大更新。 此次更新旨在确保认 ...
2025-07-10BI 大数据分析师:连接数据与业务的价值转化者 在大数据与商业智能(Business Intelligence,简称 BI)深度融合的时代,BI ...
2025-07-10SQL 在预测分析中的应用:从数据查询到趋势预判 在数据驱动决策的时代,预测分析作为挖掘数据潜在价值的核心手段,正被广泛 ...
2025-07-10数据查询结束后:分析师的收尾工作与价值深化 在数据分析的全流程中,“query end”(查询结束)并非工作的终点,而是将数 ...
2025-07-10CDA 数据分析师考试:从报考到取证的全攻略 在数字经济蓬勃发展的今天,数据分析师已成为各行业争抢的核心人才,而 CDA(Certi ...
2025-07-09【CDA干货】单样本趋势性检验:捕捉数据背后的时间轨迹 在数据分析的版图中,单样本趋势性检验如同一位耐心的侦探,专注于从单 ...
2025-07-09year_month数据类型:时间维度的精准切片 在数据的世界里,时间是最不可或缺的维度之一,而year_month数据类型就像一把精准 ...
2025-07-09CDA 备考干货:Python 在数据分析中的核心应用与实战技巧 在 CDA 数据分析师认证考试中,Python 作为数据处理与分析的核心 ...
2025-07-08SPSS 中的 Mann-Kendall 检验:数据趋势与突变分析的有力工具 在数据分析的广袤领域中,准确捕捉数据的趋势变化以及识别 ...
2025-07-08备战 CDA 数据分析师考试:需要多久?如何规划? CDA(Certified Data Analyst)数据分析师认证作为国内权威的数据分析能力认证 ...
2025-07-08