科研管理系统数据

科学研究过程中会产生大量的实验数据，然而因为对于数据缺乏妥善的管理，绝大多数实验数据没有披露，也不会被公开或者共享给其他研究人员作为研究依据。这对于科研经费的投入是极大的浪费。日前，《Nature》期刊发文称：5％的研究经费应用于确保科研数据可重复利用（鼓励重复性研究和无效结果）。荷兰Barend Mons教授认为只拨经费支持研究而不负责数据管理是不负责任的。目前对科研数据管理有着迫切需求。应该对科研数据管理投入部分管理经费，并且聘用专业的数据管理人员，利用专业的数据管理工具对科研数据进行科学管理，这不仅能解放科研人员获得更多的时间，以便更加投入研究工作，并且使得科研人员具有进一步利深入挖掘实验数据进行科学分析。Nature 578, 491 (2020)Barend Mons教授提出了FAIR法则（即可找到，可访问，可互操作和可再利用）作为科研数据管理的基本准则。并且其同仁和荷兰政府制定了相关政策，目前正处于初步实施阶段。国际上其他国家也开始逐渐在科研数据管理领域加大投入。Barend Mons教授还呼吁，利用项目研究经费的5%作为项目管理经费，并且项目负责人在申请项目时必须提交详细的科研数据管理方案。项目资助方也应该要求项目实施方进行此项管理，否则不予以资助。这种科学的管理方式将使得科研的产出比更高。这种管理方式特别适用于目前高校和研究所的实际情况。高校中学生们自己管理自己的实验和研究数据，这不仅分散了学生的经理，不利于深入开展研究工作。并且导致学生往往只关注对自己实验结果有利的部分数据，缺乏对实验数据的深层次挖掘，一定程度上造成实验研究的不全面。因此，专职的数据管理人员在科研中十分必要。许多棘手的问题只有通过数据密集型计算机辅助研究才能解决。绝大多数研究数据从未发布过。因为无法重复使用这些数据而浪费了巨额研发资金。数据再利用的相关政策已经有了，但是解决该问题所需要的资源可能是科学界难以面对的。2013年，Barend Mons教授作为荷兰专家小组的一员并且呼吁国家科学研究资助支持数据管理。七年后，协助起草的相关政策开始实施。要求设备和研究人员创建的数据需满足FAIR原则。 目前Barend Mons教授主导一个国际全球开放展览会（FAIR）办公室，负责帮助研究团队实施这一准则。并且认为这个举措将需要大量的专业数据管理人员，估计约每20名研究人员中就需要一个数据管理人员。即使数据共享，也缺少重复使用所需的原始数据、专业知识、技术支持以及基础设施。大多数已公开发表的数据集分散在“补充文件”中，而补充文件中的数据是难以找到并且重复利用。这种做法使研究人员之间无法互相借鉴。例如，在疾病暴发的情况下，数据的确实可能造成死亡人数增加。Barend Mons教授认为研究经费的5％应该用于数据管理。欧盟有3000亿欧元（3250亿美元）的公共资金用于研究，因此在数据管理上应话费150亿欧元。而研究人员，尤其是经验更丰富的科学家认为这使得研究经费减少了5％。首先，妥善保管数据是一项道德责任，应成为良好研究实践的一部分。第二，如果数据得到适当处理，研究人员将有更多时间进行研究。攻读博士学位的学生最多将80％的时间花在“数据处理”上，不应将时间浪费在修改格式等小错误使数据适合分析。如果有400名这样的学生，那将至少相当于200名全职雇员的薪水。因此，雇用20名专业数据管理员来减少因数据争用而浪费的时间将提高有效的研究能力。许多顶级大学开始意识到不共享数据的代价是巨大的，并且要大于相关的风险。而科学的数据管理可提供可观的投资回报。欧盟委员会2018年的一份报告估计，仅在学术领域，数据再利用问题每年就给欧盟造成至少100亿欧元的损失，以及160亿欧元的创新机会损失。 如今，FAIR指导原则每天被引用3次，但引用并不等同已经应用于实践。Barend Mons教授和她的同事们以及欧洲开放科学云（European Open ScienceCloud）是一项旨在促进开放科学实践的计划，其范围涉及整个大陆范围的数据共享基础架构的要求。据估计，在欧洲的7000万科技专业人员和170万研究人员中，欧洲将至少有1000万严肃数据生成者。因此，我们将需要教育大约500,000种各种类型的数据管理员，以通过实验设计和数据捕获，管理，存储，分析，发布和重用为研究人员提供支持。由于数据管理太过于繁杂且耗时，不能留给研究人员去做。很少有研究人员将数据管理作为他们的核心业务，特别是当前的激励机制不鼓励数据共享，并巩固了古老的和几乎完全基于叙事的学术交流文化。幸运的是，世界各地的研究机构正在建立数据竞争力中心以提供帮助，其中包括荷兰的瓦赫宁根大学和意大利都灵大学的数据中心。但是这个运动还处于起步阶段。研究资助机构应坚持：如果没有经过适当审查和预算的数据管理计划，就不再拨付研究经费。 而FAIR数据可以提供更有效的人工智能（FAIR也可以意味着“完全AI就绪”），这将开创前所未有的研究机会并提高可重复性。一些数据密集型组织正在数据管理方面加大投入，例如制药公司和医疗中心。（注意FAIR与“公开”不同；保密规则仍然适用。）在莱顿大学，一个计算肿瘤学程序可为患者体内分析的每个肿瘤创建一个机器可操作的信息文件，无需手动干预。该项目预算的大约10％用于这些文件的设计和管理，我们称之为FAIR数字双胞胎。更多的研究机构和项目资助方必须做出类似的承诺。关键是数据管理能力的建设，使各个研究团队能够在国内和国际上进行合作并共享好的实践，以便使得数据管理成为良好的规则，而非负担。（文：砰砰砰砰）本文来自微信公众号“材料科学与工程”。欢迎公众号合作转载，未经许可谢绝转发至其他平台。

01常用科研软件介绍Graphpad生物医学领域方便好用，非常强大的统计作图软件，如条形图、箱线图、折线图，均可以快速便捷的输出为出版级别的图形。R很强大的统计分析与绘图软件，特点是免费、灵活，基本能实现所有的统计分析，比SPSS、Stata和SAS相比，能实现更多种类的统计分析。SPSS医学科研最常用的统计分析软件，图形界面，非常易于上手，且参考资料非常齐全，但有些命令不是很全，如配对logistic回归、倾向性评分等。SAS很强大的统计分析软件，许多大型机构均要求使用SAS分析数据，如FDA、金融公司、银行等。Stata小巧、灵活，较易上手的统计分析软件，可以通过编程减少大量点菜单的工作。MedcalcROC曲线相关结果相当全。Endnote经典的文献管理软件，大大减少插入/更新文献的工作量。PASS权威的样本量计算软件。猫老湿建议对于工作繁忙的医护人员，建议SPSS+Graphpad+Endnote+ PASS的组合；对于想用点编程的朋友，建议SPSS+Sata+Graphpad+Endnote+PASS的组合；对于想去大型机构工作的朋友，建议SAS；对于想用编程实现更多内容的朋友，建议R+SPSS+Graphpad+Endnote+PASS的组合。猫老湿目前使用的组合为R+Stata+SPSS+Medcalc+Graphpad+Endnote+PASS

近年来，随着国家对科研项目的大力支持，各省对科研项目资金拨付开启绿色通道，科研经费管理成了科研院所和高校的重中之重。各单位对科研经费管理体制机制、制度建设以及经费监管能力都提出了更高的要求，在此基础上，宇凡软件顺应趋势，将现有的成熟产品——科研经费管理系统做了定向开发，服务于每一个客户。灵活的预算编制模板与分析调整功能，全程把控，审批控制到位;科研经费管理系统宇凡公司通过多家科研院所的调研发现，经费预算问题永远是最令人头疼的问题，宇凡公司针对行业痛点开发了经费预算管理系统，灵活的预算编制模板功能让经费拆分不再成为麻烦，其他功能通力合作，环环相扣，全方面审批控制;以项目为核心，预算为基础，形成全面闭环经费管理制度;科研经费管理系统宇凡经费管理系统以项目为核心，预算为基础，围绕项目进行延伸，这也就进一步说明了项目管理系统和费用管理系统可以结合使用的原因，在一定程度上两者相互辅助;整个系统以戴明环思想为设计指导，有效的把PDCA循环通过IT技术进程传承和固化，使科研单位项目经非管理能得到全面的闭环掌控;支持多维度统计口径、多形式报表展现机制，满足多种管理需求;科研经费管理系统不同层级的管理者在面对数据分析的时候需求各不相同，宇凡费用管理系统针对这一情况，增加了灵活配置门户的功能，用户登录系统后，可根据自己的需求灵活配置首页门户。数据统计支持图形化模式，看起来简洁美观，重点分明，为领导决策提供强有力的支撑;便捷的穿透式费用查询功能覆盖整个系统，方便明了;科研经费管理系统本系统采用穿透式查询的方法，当领导想要知道账户的来源、构成以及单据的具体情况的时候，点击相应的账目数字，会显示构成该数字的协同表单，就像一个汇总的结果数字一层一层的穿透，方便领导直观全面的了解整个项目经费的状态。

在实际科研团队中，医院科研知识产权普遍缺乏有效的管理，造成一些科学研究的知识产权争议。科研管理系统工作为知识产权问题提供解决方案：科研管理系统，利用直观便捷的操作界面及交互简化科研工作流程、提高科研工作效率、直观数据展现数据储存功能，就能很好地解决这些问题，在项目完成阶段，项目相关文件，（项目方案、知情同意、CRF表格、电子数据库、发表论文）等统一归档，注重知识产权归属及保护，医生可使用系统进行知识产权认领，认定项目实施者为第一作者。该系统明确职责，奖惩分明，杜绝知识产权争议，调动科室团结及科研工作积极主动性。简单来说科研管理系统，实现了对科研相关工作的一站式管理，通过对伦理审查、项目评审、科研课题和经费、科研成果和专利、论文著作、外出参会、学术活动和重点学科等业务的管理及信息关联。合作案例：三甲医院科研管理系统 适用于三甲医院科研成果，科技影响力，科研经费等全流程管理的科研管理系统案例：北京大学深圳医院深圳市儿童医院深圳市罗湖人民医院等50多家大型三甲医院

本产品是一款由人大和交大管理学教授、清华大数据及人工智能博士后及十余名CTO组成的专家团，基于15年实战经验与6种管理理论，37项专利算法，利用研发工作中产生的数据，结合AI算法等科技手段开发的智能研发管理产品，能够激发员工自管理、自驱动，快速显著提升绩效：一个月提效30%，一个季度提效超100%。技术特色：移动端BI，行业模型，大数据风控，人工智能。应用场景/人群明晰产研整体绩效及投入产出比；客观评价研发人员个人绩效；中大型（50人以上）研发团队统一管理；异地团队整合管理。方云智能聚焦研发流程异常捕捉，帮助研发团队快速落地研发制度、整合研发经营数据，准确展示研发团队绩效。让研发效能看得见、说得清、理得顺，根治研发团队普遍存在的研发问题，如：过程不透明、交流汇报说不清、员工缺少自驱力、提出需求总延期、中层领导管理难、要求加人不被理解、业务技术责任互相推、成本产出算不准等。适用于公司战略落地、了解项目完成情况、研发团队人效提升、人员组织架构调整多种场景。以及懂技术却觉得管理难管理繁杂的CTO，非技术出身想更好了解研发团队工作问题和工作成果的CEO，想提升自己但找不到抓手的普通员工等人群。产品功能包含：研发画像，项目排名，个人排名，个人画像，历史趋势等功能，基于研发过程中的数据生成多种图表。●方云AI智能评优（绩效）围绕战略选择评价维度，AI评价员工行为；研发决策者只需遵循企业战略准确定义评价维度，方云AI就能准确评价员工行为质量，并对研发人员进行行为归类和类型归类；行为质量偏差不大的是底线型行为，要求员工务必遵守；行为质量偏差较大的是上限型行为，激励暂时落后的员工主动提升。●方云智能聚类方云智能聚类算法能够准确识别员工行为特征，对应研发团队常见的“老黄牛”“小白兔”等等，帮助管理者轻松选择对应的管理方法。●方云研发行业基线方云智能基于海量研发行为数据，制定客观、合理的基准线、目标值等，根除拍脑门、自说自话引发的口舌 之争。数据直观对比，“做得好不好”“好到什么程度”“是否需要改进”……结论一目了然。●方云AI日常规划AI规划员工每日工作，提升自我管理能力。●方云智能风控利用人工智能自动排查研发流程中的异常节点，主动预警风险，规避异常行为带来的流程损失，实现制度管理、流程管理7*24*365自动化。●方云咨询/方云培训方云拥有成熟的数字化管理解决方案、丰富的行业标杆案例以及源自实战的数字化研发管理培训，帮助研发团队与战略同频，推进战略落地、提升研发效能。●方云经营/方云绩效方云绩效能提升团队协作效率并显著降低管理成本，量化管理目标和考核指标，实时自动化管理目标和KR进度。在目标科学合理的前提下，依靠高覆盖率、低成本的自动化管理，帮助企业实现战略落地。可提供项目绩效考核和组织绩效考核，可基于企业战略及阶段性工作重点灵活选择具体绩效考核指标，支持自定义权重，实现研发与战略同频，并通过综合排名激励团队成长，提高研发团队战略支持力。产品优势项目管理工具是局部视角、单一功能的工作流程管理工具。 方云是经营视角、综合功能的员工行为评价工具。在研发过程中生产的大量研发行为痕迹数据价值千金，但传统研发类协同软件因其复杂往往导致数据缺失，并且缺乏数据管理和高阶数据加工能力。方云则能够很好的利用痕迹数据，并根据这些数据推出一系列的画像榜单排名，做到了直观，简洁。对比友商，方云功能简洁明了，直击痛点。团队制度再错综复杂也能做到结果一目了然。便于后续制度落地，迅速执行。突破了传统产品只能解决管理场景的某一阶段问题，既能管上游制度落地，也能管下游行为优化，更加人性化和智能。使用客户/人群总客户量30+，包含随行付、和讯网、易宝支付、科界、壁虎科技等。根据方云行业案例测算：三个月全部实施完成后，一般可提效30%-160%，以200人团队为例，30%提升，相当于多出60人力，等于额外获得1500万/年的研发资源。市场价值方云数字化研发绩效在2020年进行了中国CTO生存状态调研，调查范围覆盖1264名高级研发管理者，其中70%以上正在管理全公司研发团队（研发一把手/CTO）。调查结果显示，中国企业技术团队普遍存在绩效量化难、有效激励难和内外沟通难三大难题。绩效对不同的人有不同的含义。对于企业或者CEO来说，研发团队的绩效代表着研发团队对企业的价值。而对研发管理者来说，研发团队的绩效则代表研发团队的能力和产出。方云将前者定义为大绩效，后者为小绩效。这两种视角造成了绩效沟通过程中的障碍，CTO往往努力证明自己团队的效能非常高，但是CEO则希望研发团队能走出自己的技术圈子，关注公司战略是否落地。随着数字化时代到来，业内逐渐产生共识：研发绩效应当逐步实现数字化。数字化评价、数字化激励、数字化沟通，用客观数据说话，对内增强员工公平感，对外与公司数字化经营相结合，用相同的语言沟通，内外同频。绩效考核的方向，决定了团队前进的方向。如果绩效考核的指标是技术团队闭门造车拍出来的，未能与公司战略方向一致，技术团队就变成了自说自话。团队前进的方向一旦与公司战略方向产生偏差，就会导致技术团队与其他团队合作出现偏差，进而导致公司战略难以实现。因此，研发团队需要：1. 一个懂研发、懂绩效、懂数字化的军师，帮助他们设计数字化研发绩效体系；2. 一款简单易用、快速上手的产品，帮助他们轻轻松松地提升绩效；3. 大量成功案例，同行专家能够共同商讨过程中遇到的问题；4. 丰富的企业内训，帮助团队扎扎实实地打好基础，提升管理成熟度。可以看出随着规模扩大，企业对数字化绩效的诉求也在增强 。方云智能的产品正契合了这些实际需求，市场前景广大。产品所属企业·方云智能：方云孵化于收单行业领军品牌随行付研发团队，技术实力雄厚、实战经验丰富，深度打磨研发管理数据工具，支撑企业实现飞速增长。基于先进管理理论与多年实践经验建立评价模型，精确度量研发组织及个人的工作效能，目标将企业研发绩效全部客观的进行数字化评价，以经营视角展现研发效能，合理调配研发资源。帮助技术决策者精确测评研发组织绩效（便于向上汇报、平级沟通）和个人绩效（便于向下管理）。以强大的系统能力服务于企业研发管理，目前已对接系统包括TAPD、Tower、JIRA、禅道、SonarQube、GitLab、Zabbix、Ehr、企业微信、钉钉等，支持企业个性化定制。

实验室数字化管理数字化应用将走进现代化实验室管理，实验室成立数字化实验管理平台，将计算机及数字技术在智慧产业领域的解决方案实施落地，实现技术成果向社会价值的转化。1．实现实验过程规范化管控，提高实验业务协同效率1)实现从实验任务、实验规划、实验执行、实验分析、实验反馈等规范的闭环业务过程。 2)实现以实验委托单为中心的业务关联应用，包括实验各个阶段的输入输出、阶段之间的协同工作开展。3)实现对多专业实验过程的协同应用，提高各个专业实验的协同效率。 4)实现对实验整体过程的可追溯，通过采用科学的统计分析手段支持对实验问题的过程分析。 2．实现实验过程数据及结果数据的统一管控，提高数据标准化规范化管理水平1)实现实验数据集中统一规范管理，保证数据共享、安全。2)实现实验过程信息及结果信息的完整管控，保证信息的完整性。 3)实以技术中心为主体，各分厂的实验室作为分支，使实验数据标准化、规范化。实现实验信息规范化管理，进一步标准化数据处理流程。4)实现对相关实验数据的检索，实现数据的关联查看。并且可以把实验数据和仿真数据进行对比分析。3．建立基于知识的实验业务应用，提高实验效率与质量1)建立实验知识库，实现实验知识的沉淀积累。 2)对实验知识进行分类管理，提供便捷的知识查询及情景化知识应用，初步实现基于知识的实验业务应用，有效规避常见实验问题，提高实验的效率。3)建立实验知识库维护管理制度，提高知识库知识质量，保证知识库的应用效果。4．实现实验可视化管理，保证实验数据的科学性及准确性，实时了解实验的完整情况1)实现实验进度的可视化管理，可以以图形的方式实时查看实验的进度，方便领导决策参考。2)实现实验设备的可视化管理，实时监控各实验室设备的运行情况，可对设备的运行状况进行分析，提前发现设备的问题，方便设备的维护、维修及精度保证，为实验计划的制订及任务分派提供科学的依据。3)实现实验过程的可视化管理，监测实验时设备的状态及实验人员的操作过程是否符合规范，保证实验数据的科学、准确。4)实现以固定终端、移动终端、大屏幕等多种方式展示实验的情况，方便各级领导、计划调度人员、设备维护人员等实时了解实验的情况。5．建立科研项目协同管理平台5)实现科研项目电子化的计划编制，任务分派，工作分解说明和计划考核。6)建立各类科研项目过程控制和项目管理模板。7)根据项目角色在项目中的职能确定其对于项目的访问权限，各级领导、项目负责人可以依据不同的授权访问不同的项目，了解项目信息，包括项目编号、项目名称、项目类别、负责人、计划开始日期、持续时间、截止日期、所处阶段、项目团队（角色、用户）等。8)通过利用科研项目协同管理平台编制项目计划和工作分解说明，并通过电子流程完成项目计划的审批。在项目计划获得批准后，即可以启动项目。项目成员在自己的工作列表中接收任务；9)实现项目实施目标跟踪分析、管理，项目组成员能及时了解项目计划情况和自己承担的工作任务及附带的工作分解说明，按照要求完成相应工作并提交工作结果，通过工作结果（图样、技术文档等）和项目交付之间的关联关系，反馈任务完成情况；10)实现科研项目进展情况汇总，按格式对科研项目情况生成报表；针对不同实验室领域及未来的发展需要，实现数字化实验平台的建设，完成科研项目、相关的实验数据、文档和信息数据的管理，实现科研项目管理、实验业务过程管理、实验数据管理、实验资源管理、实验知识管理等；实现与ERP系统、其他分析工具的集成应用。能够实现和未来大数据系统的集成，向大数据系统提供数据。数字化实验平台以技术中心为主体进行构建，各分厂的实验室通过公司网络接入数字化实验平台，根据平台设定的模式开展工作。实验室数字化管理平台搭建实现实验业务流程管理，提供完备的实验流程管理功能，为用户提供全面的实验流程管理。实现交互式图形方式的流程定义、执行及监控, 以及流程的管理，支持流程分支循环条件判断。在流程启动后可以给相关的人员自动发送提醒消息，并可以在其最新的工作内容中显示出来。支持图形化的流程模板定制，流程模板定义应支持流程分支、条件判断、作业分配、对象审批、文件会签、自动通知、状态变化等复杂需求。支持流程布尔条件判定，决定下一分支流程流向；当流程中的对象完成评审后，将自动获得流程预定义的状态，并冻结该对象。1)根据不同的文档类型，自动确定匹配的流程；2)支持流程中的工作任务处理，可以将工作分配给指定的人、小组、部门或者角色；3)支持多种评审表决方式（如：一票通过、多票通过等），记录每个评审任务的表决意见。4)当流程中的某一任务到达时，自动将数字化实验平台中的任务以邮件的形式发送给相关的任务参与者，从而保证任务或通知能在第一时间被参与者知晓。2.1.5 流程运行中的权限支持流程运行过程中为每个不同的任务节点定义不同的权限。2.1.6 流程查询和跟踪支持查询流程历史记录和正在运行的流程，流程的发起者可以通过图形化的方式观看流程的进展情况。2.1.7 流程中的圈阅、红线批注可以在流程中对图纸、技术文档进行浏览圈阅、红线批注，并可以填写流程审批意见，若发现差错可以退回设计步骤。2.1.8 出差代理当流程执行点人员出差后，通过设定代理人完成流程的任务活动。2.1.9 电子签名实验室数字化管理平台可支持电子签名，可以自动将审核者姓名写入图纸的标题栏或文件的签署栏，支持Word、Excel格式数据的自动电子签名。

导读：为解决上海长海医院临床诊疗数据与科研数据各自独立采集，采集工作量大，以及人工采集造成的数据缺失、前后数据不一致的情况。医院对电子病历、检查报告等做了相应改造。病种库管理系统可根据制定的科研病种CRF表单内容，有效地自动抽取科研病历数据。实现诊疗数据、科研数据同步采集，提升医院的科研能力，提高医学科研工作者的效率。随着科学技术的不断进步及社会竞争的日趋激烈，医院如何进一步加强学科建设，推动医院整体医疗水平的发展，是当今医院管理的关键问题。科研管理作为医院管理中的重要环节，对医院科学技术水平的提升、核心竞争力的形成至关重要。强化临床科研工作，提升临床科研能力，对于推动临床新思路、新技术的提出和延伸，促进基础医学和临床医疗的有力结合，以及提升医务工作者的诊疗水平具有重要意义。临床科研步骤大致分为选题、查阅文献、确认研究的变量、假设形成、科研设计、原始资料的收集、科研资料的整理和分析、撰写论文。其中医生在原始资料的收集、科研资料的整理和分析即临床科研数据采集步骤中耗费了大量的时间和精力。如何在满足科研数据同步采集需要的同时，减轻数据采集记录的庞大工作量是目前临床科研迫切需要解决的关键问题。传统临床科研数据采集存在的问题随着长海医院科研项目的开展，科研数据采集的巨大工作量已成为困扰科研医生的一大难题。医院目前科研数据采集的现状还是以传统的手工或半手工方式为主，医生根据每个病种所需数据进行人工补录，即事后记录。由于科研的数据收集与临床诊疗工作不同步，往往滞后于临床诊疗，于事后对所需的科研数据进行记录，难免丢失了重要的过程性数据。并且在进行转录的过程中需要大量的人工核对，难免产生因人工失误造成的科研数据与诊疗数据不一致的情况。随着医院科研任务的增加，对临床科研数据采集的准确性、完整性及采集效率要求越来越高，传统的数据采集方式已不能满足要求。临床科研一体化数据采集随着长海医院信息化的发展，医院各业务系统中累计了大量的医疗数据，为满足医院各病种科研需求，更好地为临床和科研教学工作提供优良有效的数据支持，减轻数据采集记录的庞大工作量，医院对电子病历、检查报告等做了相应改造，正逐步实现临床医疗、科研数据同步采集以及临床科研一体化。数据采集步骤为解决医院临床诊疗数据与科研数据各自独立采集，采集工作量大，以及人工采集造成的数据缺失、前后数据不一致的情况。医院对五个试点科研病种的数据采集工作分为几个步骤进行尝试实践。具体步骤、流程如图1所示。图1 数据采集步骤、流程采集元素确定试点科研病种的科室将所需科研数据按场景、时间进行分解，明确每个环节中需要采集的元素名称、元素内容，并制定科研病种的CRF表单。需明确采集元素的来源具体为病历文书、检查报告或检验报告等。医院五个试点科研病种中约2 300个研究元素需结构化。病历模板结构化医院的病历模板为半结构化模板，结构化内容以病历元素的形式保存在病历模板中，为满足科研需求，科室根据CRF表单内容，对科研病历模板中的元素进行高度结构化，利用标准化的医学术语设计科研病历模板，保证不同时期、不同业务记录的相同数据项内容表达一致。医院五个试点病种共包含86个科研病历模板、高度结构化近2 000个病历元素。研究型病例入组建立科研诊断、手术编码库，按照科研要求制定科研病历入组标准。科室收治患者时，根据患者入科诊断判断是否需将患者收治入组。患者入组后医生使用结构化的科研病历模板完整、准确地记录科研所需数据。患者相关检查亦需使用结构化的检查模板出具检查报告。数据对应及采集数据对应及采集工作分前期数据对应和后期数据采集。前期数据对应分为两部分，一为检查、检验报告数据对应。即升级改造试点科研病种涉及的检查报告系统，报告内容以数据库字段形式保存。检验报告数据已为结构化数据，无需再次改造。医院新上线的病种库管理系统可将检查、检验报告中数据对应到CRF表单中。二为病历文书数据对应。医院电子病历为半结构化病历，需导成XML格式进行结构化数据解析。病种库管理系统可通过XQUERY将XML格式的半结构化病历拆分成字段节点，并根据节点内容与CRF表单做对应。完成前期数据对应后，可进行数据采集工作。为实现多中心数据共享，医院将检查报告、检验报告等业务数据和XML病历文书存入CDR中。病种库管理系统根据已制定的CRF表单，定位到具体科研患者，从CDR中将患者的科研病历文书、检查报告和检验报告中的数据取出并展示在CRF表单中。数据质控医院数据质控为事后质控。医院定期将医生书写的科研病历导出为XML格式并导入到CDR中，由病种库管理系统抽取数据并将数据在CRF表单中展示。数据在CRF表单中展示后医生才可核查书写的病历是否符合CRF表单要求。一般此过程时间较长，无法在患者在院期间对医生进行预警提示。 检查报告结构化医院检查报告数据保存为大段文本形式，其中与科研相关的必要指标性数据尚未进行保存，不能完整记录科研方面的检查数据。因部分报告系统无法支持结构化报告，需对报告系统进行升级改造。结构化后的报告将以自然语言方式录入的报告数据按照医学术语的要求对科研要素项进行精准描述，并以数据库字段的形式保存。目前医院已完成放射、超声、病理、消化内镜、膀胱镜检查报告结构化。实施效果病种库管理系统可根据制定的科研病种CRF表单内容，有效地自动抽取科研病历数据，实现诊疗数据、科研数据同步采集。不仅减少数据采集的工作量，而且避免了人工采集造成的数据缺失、前后数据不一致的情况。医院于2017年9月至2017年12月期间通过病种库管理系统共采集符合试点科研病种需求人数约1 500人，共自动抽取约40 000份病历数据。此部分数据既可进行全病种分析，也可根据科室需求筛选特定数据。科室可针对同一病种，设置不同研究方向，进而定制个性化CRF表单。此系统大幅提升了医院的科研能力，提高了医学科研工作者工作效率。病历的结构化程度提高后对医生书写病历的要求也随之提高，由于历史病历数据未做高度结构化，导致历史病历数据无法根据此方式采集。长海医院目前还存在事后质控、无预警、历史病历数据无法精确采集等问题。后期考虑通过自然语言处理技术对病历进行后结构化处理，即利用中文分词、命名实体识别和语义关联抽取等技术对病历文本进行信息抽取和智能分析[5]。通过后结构化，可在保持医生书写习惯和思考逻辑的基础上，实现对病历数据结构化处理，从而提高数据质控效率，满足科研数据采集需求。文章来源：《中国数字医学》杂志2019年第2期，作者及单位：吴乐乐 高白 张燕 李菊阳 王志勇，海军军医大学附属长海医院信息科。传播数字医学领域发展最新动态，关注医疗卫生信息化相关资讯。

利用人工智能技术建设临床科研大数据平台。采用了Openstack作为数据平台私有云的解决方案，应用层使用Docker容器化的方案，数据库使用了开源数据库软件PostgreSQL，平台的应用主要由科研数据中心、临床大数据治理平台、智能科研检索、临床科研采集系统、全院级科研随访系统五部分组成。通过该平台临床研究人员获取数据将更便捷、科研管理更高效、探索新的研究方向更容易。基于临床科研大数据平台，能为医院各专科提供有效的科研服务，实现科研、论文和核心技术等方面的突破提升。随着医疗体制改革的深入，科研水平成为衡量医院发展水平的重要因素。科研大数据平台作为医院科研、教学工作的一个重要组成部分，在提高临床科研水平和培养医学研究人才方面发挥着十分重要的作用。如何为临床科研人员搭建平台，以有限的资源发挥最大效应，实现资源共享，最大限度地发挥科研支撑平台的作用，是目前大型综合性医院亟需解决的课题。研究背景 2017年国务院发布的《新一代人工智能发展规划》中提出要大力推广应用人工智能治疗新模式新手段，建立快速精准的智能医疗体系。随着大数据和人工智能的运用，国内外涌现了一大批借助医学信息学和机器学习技术进行临床研究数据分析挖掘，取得了丰硕成果。通过对医疗电子化数据的建模、分析、挖掘，并且基于数据二次利用所形成的进一步应用，已经成为医疗信息化、精准化、智能化的下一个核心发展方向。我国健康大数据和医疗人工智能行业尚处于起步阶段，基础薄弱。目前国内最有代表性的医疗人工智能产品，在于基于医疗影像的人工智能自动筛查和诊断系统，对胸片、皮肤照片、脑部影像等医学影像进行自动分析，并生成相应的影像诊断报告。但在其他人工智能的技术领域，例如自然语言处理、语音识别，以及通用的机器学习方法，目前在中国形成可落地的产品尚不多见 。基于临床科研大数据平台的架构与应用目前大部分医院已经建立了较为全面的医疗信息化支撑体系，无论是电子处方、医嘱套餐，还是临床路径、电子病历，在提高临床效率服务上下足了功夫，但由于临床数据分散在多个应用系统中（如EMR、LIS、PACS等），且都是非结构化的海量数据。本文通过人工智能技术的应用进行探讨，为有兴趣致力于研究大数据的临床科研工作者提供一点思路。技术架构研究采用了Openstack作为数据平台私有云的解决方案。通过使用Openstack搭建私有云平台，既可以获得类似阿里云等公有云的灵活、弹性、扩展性等云计算的优势，又可以降低安全风险。在应用层使用Docker容器化的方案。通过使用Docker容器化部署，每个服务运行在了一个独立的环境之中，互不干扰，也不会影响宿主机的环境，解决了长久以来生产环境与开发测试环境不一致导致的各种问题。同时，通过Docker提供的集群化以及资源分配功能，提供了更高的可用性，并提供了不停机升级的特性。数据库使用了开源数据库软件PostgreSQL。PostgreSQL作为当前最先进的开源关系型数据库管理系统，体现了极高的性能与稳定性，支持python、perl、c、R、Java、Javascript、PL/PgSQL等多种语言编写存储语言及扩展，支持多种特殊索引结构、支持自定义的数据结构、支持机器学习库以及GPU并行计算等。基于临床科研大数据平台的应用基于临床科研大数据平台的应用主要由以下几部分构成：科研数据中心、临床大数据治理平台、智能科研检索、临床科研采集系统、全院级科研随访系统等应用（表1）。在此治理和科研采集的基础之上，未来可支持科研统计分析及临床辅助决策。在人工智能支撑下，通过临床辅助决策应用到电子病历等业务系统中，将治疗评价、风险预测贯穿在诊疗流程，基于医院原有临床数据进行实时决策支持，最终实现临床采集-科研分析-指导临床的闭环。表1 临床科研大数据平台应用全院级专病科研数据中心通过将原有院内临床数据中心CDR，未充分结构化的病历、报告等文本数据，经过人工智能技术处理形成高质量、多维度的结构化数据，以满足科研检索、临床数据收集、统计分析的需要。结合科研采集、随访管理等系统采集的数据，进一步丰富“以患者为中心”的科研数据库。临床大数据治理平台基于自然语言处理、知识图谱、机器学习等AI引擎的大数据治理平台，实现各类临床数据的结构化、标准化和归一化等处理。针对数据驱动的临床研究场景，能够将医院积存的海量临床数据自动结构化、标准化成可被临床研究直接分析、利用的科研数据。治理后的结果为后续的临床应用提供了良好的数据基础。智能科研检索提供多维度、多病种符合专病模型的检索功能，从病历、诊断、用药医嘱、检验、检查报告、体征等结构化及非结构化文本中提取检索点位，个性化定制专病检索模型。支持通过入选和排除等集合运算实现研究人群的精确筛选，实现自动发现满足条件的新病人并自动入组，实时精准从海量病历中定位研究人群。临床科研采集系统在数据治理基础上，满足科研所需的病例报告表（CRF）设计与数据采集、科研项目管理、团队管理与多中心、权限设置与隐私、数据核查与质疑、数据导入导出等常见功能模块。高度结构化、规范化的病历数据，利于病例报告单（CRF）自动填写，科研流程管理支持研究全过程协同。全院级科研随访系统可有效解决院内外数据整合、患者依从性差、失访率居高不下的难题，在全面提升随访专业度、保证科研项目的顺利推进的同时，极大地提升科研人员的工作效率。随访平台从患者管理和科研需求出发，整合随访计划提醒、随访量表填写、智能科普患教、在线病情咨询、患者报告结局（ePRO）信息采集等功能；自动问答功能为患者提供准确的知识问答和健康建议，实现个性化健康宣教和科普。同时为满足临床科研需要，可将患者采集结果便捷地返回给专病科研库，实现对患者离院后健康信息的全量收集。结论与展望智能化的临床科研支持系统不仅能对历史病历数据进行快速检索浏览，而且能便捷地将临床数据应用于具体研究中，成为医院各科室开展临床研究提供高效的工具，加速推进学术研究及成果转化，释放积压的大量医疗数据潜在学术价值。同时在全院级临床科研大数据平台与应用平台上，实现了各业务系统历史数据及实时数据的整合、治理。经过治理后的数据保障临床科研数据质量，在此基础上各科室临床研究人员获取数据将更便捷、科研管理更高效、探索新的研究方向更容易，从而实现科研效率整体提升，不断提升学术研究能力，实现医院临床学术研究质和量提升。【引用本文：朱明宇. 基于临床科研大数据平台研究[J]. 中国数字医学,2020,15(7):17-18,35.】新媒体部： 010-81138718；81138717

2018年12月27日上午，中国科学院文献情报中心主办的“慧”系列智能知识服务产品发布会在京举行。发布会现场会上，中国科学院副院长张涛院士表示，随着信息时代的到来，数据信息爆炸式增长，数据密集型科研范式成为重要的科研范式，科研人员对科研信息与科研交互的需求越发强烈。特别是面向学科多元交叉，对从基础研究到应用研究再到市场研发整个创新价值链的文献情报知识梳理充满渴求，并且科技创新研发活动也面临海量数据分散孤立、知识价值难以判断的问题，这意味着科技信息服务手段需要创新，知识服务的内涵需要拓展。“慧”系列智能知识服务产品是在中科院支持下为科学家研发的智能知识服务产品，是在新型知识发现与科学研究模式下，在中国科学院文献情报中心的“科技大数据平台”基础上研发的。该系列产品面向科学家群体,突破了“数据计算型”的知识发现与情报分析范式，解决因科技大数据分散孤立不能整合计算、释放知识价值的问题；解决因科学家收集数据、项目填报重复繁杂难以提升科研工作效率的问题；解决传统数据服务架构弱化用户参与、不能促进数据流动的问题。中国科学院文献情报中心主任刘会洲称，“慧”系列产品从“智能的知识分析、精准的知识发现、及时的前沿跟踪、主动的知识递送、开放的学术交流”五个方面，阐述了“智能、精准、及时、主动、开放”服务理念。以“慧眼”与“慧科研”为代表的“慧”系列智能知识服务产品，正是立足中国科学院科技事业发展的新要求，面向科研人员对知识服务的新需要，依托知识图谱与深度学习技术，实现了海量科技大数据在广度与深度上的计算组织，实现了集成文献检索、精准推送、智能分析、学术交流、资源共享、科研管理等贯穿“科研、交流、管理”全链条的开放学术生态系统。国家科技图书文献中心（NSTL）主任彭以祺表示，这样的服务模式和产品，对满足科技创新引领知识服务的转型和升级具有重要意义，对我国科技文献事业的发展起到了推动作用。科技大数据是国家信息安全的重要组成部分，特别在当前复杂的国际形势下，科技大数据的保障对科研工作有不可替代的作用。在当前这个以数据为创新驱动的新环境中，中国科学院文献情报中心作为国家级的科技文献资源保障机构，很好地抓住了时代机遇，率先建成科技大数据平台，将重要基础性战略资源汇聚协同起来，成为推动科学发现和知识创新的新引擎。（文/谷雨）