科研数据管理系统

企业在产品检测和试验环节要面临的最大挑战来自于如何科学地管理试验数据。解决试验数据的存储、检索、基于权限的安全共享的问题；试验数据的展示分析、结论的快速得出；试验经验的积累，从历史试验数据中分析出未来试验可能的趋势，数据挖掘；试验流程的规范化管理。试验数据格式五花八门，随着试验复杂程度的提高和试验流程繁琐程度的加剧，试验数据容量在不断增长，试验数据和试验相关数据的有效关联，试验数据共享和应用模式需求的不断增加，都给产品试验环节的管理提出了更高的要求。通过TDM系统的引入，利用TDM系统所采用的技术和功能来解决以上问题是发展趋势。神鹰TDM —Test Data Management 试验数据管理系统，是专门为管理企业及科研院所试验数据而设计的管理类的软件系统。主要解决企业试验数据管理和利用效率问题，涉及到与试验过程执行、试验辅助资源、数据采集、数据管理、安全控制、企业软件协同方面的管理功能。它填补了产品研制过程中试验环节的管理空白，是产品研制过程中必不可少的信息化管理手段。神鹰 TDM 是由北京天健通泰科技有限公司自主研发，在军工及制造业多年成功案例的累积下不断完善的成熟产品，TDM 系统为用户提供业务流程管理；试验过程监控；数据采集、分析、挖掘试验资源、知识、标准管理并提供与其他信息系统接口集成。采用试验数据管理TDM能够提高试验数据利用率、积累试验相关知识与经验、全面提升试验数字化管理水平。功能简介试验计划管理提供科研试验计划、生产试验计划、临时试验计划的编制。提供手工添加和批量导入。提供试验计划的审批、发布。试验计划发布后生成具体的试验委托提供试验计划进展的监控，可以按照甘特图方式进行进度展示，可以链接到具体的试验委托。从委托、调度分配、试验执行直至输出报告，试验过程一站式管理。可以有效地提高团 队协作工作效率，缩短试验工作周期。 委托管理神鹰TDM提供标注委托业务管理流程，委托方可以快捷的填写委托样品与检测需求，试验室统一管理。任务分配/调度管理神鹰试验数据管理系统提供试验委托的设备、人员的排程，试验人员和设备的时间关联排程，支持可视化排程以及排程时当前人员和设备的复合查看。试验实施提供试验任务中试验表单的填写、数据的导入，拥有大容量文件上传功能，支持文件的断点续传。试验任务状态可依旧现场业务实现调整。试验报告试验报告系统可以自动生成，并提供试验报告的审批流程（可依据企业管理要求自定义配置）。可编辑试验总结为企业留下丰富的数据材料。试验项目管理类project的管理方式。试验数据管理平台的项目管理主要是把各种系统、方法和人员结合在一起，在规定的时间、目标范围内完成的各项工作。项目管理从初期的项目制定，到对项目进行审核，审核通过后进入项目执行阶段，可以对项目进行再分配、记录项目进度日志、填写项目任务的完成情况。项目编制。提供试验项目基础信息的编制、附件上传，提供项目编制模板的调用。提供项目负责人和项目成员的指定。项目分解。提供试验项目的分解，把试验项目分解为多个组成部分，提供结构树方式的分解。任务定制。提供在项目的每个组成部分制定试验任务，填写试验任务基础信息、产品信息等、附件上传。任务执行。提供试验任务中试验表单的填写、数据的导入，试验任务状态的修改，提供试验报告的自动生成。资源板块设备管理。建立完整的设备台账信息，提供设备类型多级动态自定义方式进行管理。可创建设备的保养计划、定检计划、期间核查计划，并记录相关的养护记录。随时可查询使用记录、维修记录和设备的统计信息。提供设备报废管理。样品管理。建立样品库，依据企业样品属性建立管理档案。提供样品接收、出/入库及检验后处理方式全过程管理和记录。标准物质，耗材。建立档案品库，提供样品接收、出/入库及检验后处理方式全过程管理和记录人员。试验人员基础的维护、供多资质的管理，自动记录工作、工时。同时也提供针对人员培训记录，包括培训时间、培训内容、培训资料，可是反复学习。厂商/供应商。提供厂家完整信息维护，以及供应商评价管理等。试验室能力管理帮助试验室建立能力库，实现多维管理。方案/方法。建立方法管理库，内容包括设备、人员、检测项目的综合结构化管理。单一或多个试验方法可以组成一个试验方案，满足试验室多种检测需求。工艺/工序。提供试验工艺的分类、名称管理，提供试验工艺分解为试验工序。检测项。提供管理包括检测参数名称、条件、单位、标准、要求、预判值、成本、资质、密级管理等。数据板块为试验室提供数据组织，自动生成多个维度的数据结构树，包括项目维度、样品维度、设备维度、方法维度等。提供多条件模糊查询，提供附件全文检索、数据对比可按样品一级任务（支持跨任务的数据对比）。支持图形化的数据展示或分析，如表格、曲线、图片、3D模型、CAD图以及视频音频回放等。提供数据自动采集解决方案，实现试验数据自动入库。提供数据处理工具，线性化展示、放大缩小、光标取值、提供滤波、线性化、野值剔除、拟合、FFT、四则运算、差值、特征值统计等后处理功能。支持集成主流的数据分析工具。数据统计。支持按照试验项目时间、项目来源、类型进行项目统计，支持表格、曲线、饼图等多种展示方式。自定义版块满足用户个性化需求，支持按试验相关业务模块或开放统计的试验属性，自定义统计报表功能（支持表格、曲线、饼图展示方式）。支持图形化自定义配置审核流程，包括审批节点、流转方式等。提供报告模板、原始记录单模板配置工具，用户可自定义模板内容、数据来源，支持WORD模板的定义，也支持模板的版本管理。实验室质量管理内/外部审核管理。提供审核计划的制定、审批、提醒，提供审核的记录、审批、查询、导出。支持审核表单的定义、审核流程自定义。文件管理体系。提供文件的分类、上传、审批功能，支持管理系统文件的版本管理，提供审批流程的自定义。质量监督管理。提供计划的制定、审批、提醒，提供质量监督的记录、审批、查询、导出。表单一级审核流程可已自定义。预防措施或改进措施可以维护到系统中，提供记录添加、查询及导出功能。可视化实验室版块综合看板。提供试验室综合运营情况的展示看板，包括试验任务进展情况、异常情况、费用情况、设备情况、人员情况、现场环境等。试验室地图与设备。支持针对试验室的布局自定义，包括楼层、试验室位置等。提供设备位置的定义，以及设备状态的定义和展示。视频与环境。提供视频系统的接入，远程在线展示视频画面，利用视频系统功能操作云台。对试验室环境提供温湿度、气体的数据实时采集和展示。外部门户管理提供试验室外部宣传功能，包括资质介绍、设备展示、方法能力展示、通知、培训、成果展示，以及直接发起试验委托功能。移动版块面向管理者提供在Android和IOS平台的业务查看与流程审批。面向试验员提供任务下载、数据导出、离线数据导入、填写，数据同步功能。神鹰试验数据管理系统适用行业公司的合作伙伴涉及航空、航天、汽车、制造、船舶海洋、兵器工业、新能源、高校及各科研单位等。

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。

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。

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）

科研项目管理系统是最近几年科研人员比较关注的一款软件，科研人员在处理一系列的行政问题时，不了解流程而把事情变得复杂。南京宇凡软件在此基础上研发了一款针对科研项目管理的软件，可以帮助科研机构和高校科研成果进行管理。项目管理五大过程IPD集成产品研发体系研发项目管理智能化的必要性和建设目标iMIS-PM研发项目管理业务蓝图设计iMIS-PM架构和优势iMIS-PM产品特色项目模板管理--WBS仸务分解结构精细化项目过程管理-- 事前计划、事中控制监督、事后总结分析人性化便捷操作-- 可自定义首页、功能菜单、支持多国语言iMIS-PM项目实施方法论宇凡科研项目管理系统是一个全生命周期管理，强化科研项目的精细化管控，提高科研以及工作效率的一款软件。项目从选题到验收，全生命周期纳入管理，项目履历使项目过程一目了然。

产品研发过程主要包括设计、仿真和试验三个阶段，每一阶段的工作均需要大量的知识经验、研发流程等，并产生大量数据。仿真数据比较复杂，常见的数据有：几何模型、网格模型、载荷工况、边界条件、脚本、计算结果、仿真报告等。市场上的仿真数据管理软件主要来源于两个方面，一方面是CAE软件自带的仿真数据管理模块，另一方面是PLM厂商所推出的仿真数据管理系统。SDM（Simulation Data Management）是针对仿真数据管理的系统化解决方案，通过整合企业的仿真业务流程、输入、工具、标准规范、输出，实现企业仿真数据的单一数据源管理以及仿真分析与产品设计、试验的有效协同，以支持仿真分析在缩短产品研发周期、降低产品研发成本方面的价值发挥更好地落地。要实现对试验数据的管理，则衍生出了试验数据管理系统TDM，TDM系统是面向试验全过程的试验数据管理平台，覆盖了试验策划、试验准备、试验执行到试验分析的全生命周期。北京天健通泰科技有限公司，十余年的IT服务探索与实践，专业为科研、生产型的企业提供试验、检验检测业务信息化产品及解决方案。公司拥有自主研发技术和核心产品，经过多年TDM项目实施，对试验数据管理系统应该具备的功能模块有了详尽的掌握，对项目实施过程中存在的风险有了完善的预判机制，经过多版本的迭代升级，目前神鹰TDM已升级到6.0版本。神鹰TDM系统实现对试验从任务分配、试验准备、试验执行、试验后处理等试验全过程的管理。实验室管理，试验工作流程管理贯彻ISO17025标准，实现试验流程规范化、试验数据标准化、数据入库自动化、试验过程可视化、数据处理智能化。一、神鹰试验数据管理系统主要功能模块试验任务管理试验预约与申请、试验任务创建、待办任务、试验大纲编制、试验任务分解、试验资源分配、试验进度监控、数据归档试验流程管理试验流程设计、试验流程模版、试验流程执行、试验流程监控试验资源管理设备管理【仪器设备台账、计量检定、维护保养】、试验件/样品管理、物料管理、试验人员及团队管理、环境管理数据采集与监控集成驱动接口、采集系统、数据存储与实时入库、备状态和试验监控数据存储管理结构化数据管理、非结构化数据管理、大数据存储试验数据中心原始数据、过程数据、结果数据、异常数据、试验文档、试验报告试验报告管理报告模板定制、试验报告数据加载、试验报告生成移动TDM提供符合安全保密要求的移动TDM，实现外场试验数据采集后与系统的同步二、建设试验数据管理系统的基本目的减少重复试验减轻试验工作量降低试验费用实现试验数据的共享三、TDM系统实施目标以数据管理为核心建立试验综合业务平台实现试验项目的标准化和流程化管理；实现试验全数据管理；灵活应对试验的变化；实现海量数据管理；实现与PDM、SDM系统的集成与关联；建立知识库专家库，实现智能商务。

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

“人类正在经历一场前所未有的数字化革命，科学数据的丰富度、关联性与开放性，将成为21世纪驱动科技创新的核心要素。”近日，在北京召开的国际数据委员会(CODATA)2019年学术大会上，中国科学院副院长、中国科学院大学校长李树深院士认为，继“观察实验”“理论分析”“计算模拟”之后，“大数据驱动科学发现”已成为科学研究的第四范式。但在现实世界中，科学数据的发展也面临着机遇和挑战并存的局面。“海量且多样化的科学数据不断产生，大家却没有足够的系统去存储或者处理，80%有价值的数据都在两年之后就浪费了。”国际数据委员会主席Barend Mons认为，过去的一些系统和方法已经不适用于当下的大数据时代，机器的智能化处理和使用数据的能力亟待提升。“的确，在推动科学数据管理和开放共享工作向纵深发展的过程中，我们也发现还有许多政策问题需要探索。”国家科技基础条件平台中心主任苏靖坦言，如何真正实现科学数据可发现、可访问、可互操作和可重用？如何通过建立通用互认的科学数据标识体系来保障数据知识产权？如何进一步使科学数据的全生命周期和统一的技术标准更加完善？如何有效推动科学数据的开放和传播，同时保障数据的安全？如何使科学数据的应用成为解决复杂问题、推动科技创新的真正驱动力？等等。“这些问题的探讨和解决正逐步提上议程，中国也正在成为国际上推动科学数据资源建设与发展的重要参与者。”去年，国务院办公厅正式发布《科学数据管理办法》，并启动了国家科学数据中心的部署和建设工作。时隔一年，科技部和有关部门立足前期工作基础，在高能物理、基因组、气象、地震、海洋等领域组建了20个国家科学数据中心。这些中心将成为我国科学数据管理和开放共享方面重要的基础设施和载体。对于国家层面出台的第一个科学数据领域的管理办法，中科院院士郭华东表示，这使得科学数据的管理和使用有了可遵循的章程和依据，也使得科学数据的开放共享在科学界达成共识。但他同时也提出：“在《办法》推进的过程中还需要着力解决数据权益保障等一系列问题，才能使办法真正落实落地。”CODATA中委会副主席、中国科学院计算机网络信息中心主任廖方宇进一步解释说，站在科学家个人的角度来讲，存在一个科研竞争的压力问题，有的人很难得到科研数据，但有的人有了科研数据却不一定能产生很好的结果，如何来平衡评价？应该出台什么样的激励机制？另一方面，从国家的利益考虑，在国外核心期刊发表论文，科研数据提交到指定的储存机构，有时候就必然面临数据流失、知识产权得不到保护的问题。而国家基础学科公共科学数据中心主任胡良霖最关心的则是数据质量的问题，哪些数据需要保存？该如何保存？比如，一些数据在最初采集的时候成本比较大，经过几年采集技术的快速发展，成本已经大大降低，而长期使用的存储介质的费用远高于最新采集的成本，要不要把历史上存留的这么多数据都保存下来？他建议，我国急需建立自主可控的国际级权威数据库，推动科学数据的分级保存，并且对保存的数据做出明确分级指导和界定。会上，一些与会专家也呼吁，国际数据同样需要在全球开放共享。“多国科学家贡献科学数据共同建设的数据库，应当在贡献者所在国提供镜像服务，以保证各贡献国对数据的平等获取权；对于国际期刊发表论文要求提交数据，期刊应当与论文作者所在国联合确定论文关联数据的存储机构，首选在其所在国的优质数据存储机构。”专家们说。苏靖表示，希望国家科学数据中心能够很好地承担起科学数据管理和开放共享的功能，支撑更多具有世界领先水平的重大科学发现和原创性的技术突破，推动科技创新能力提升和经济社会发展。(科技日报北京9月26日电)

近日，中科天玑中标中国矿业大学管理学院大数据科研管理平台项目。中国矿业大学管理学院创办于1953年，拥有先进的多媒体教室、案例讨论室、经济管理电脑模拟实验室、企业经营决策沙盘模拟实验室、团队精神实训基地和现代图书信息中心等设施，专注教学的同时，学院还注重学生创新意识和开拓精神的培养，通过理论学习、案例分析、学术讲座、团队训练和企业实地考察等教学方式，提高学生创新和创业能力，培养学生分析问题、解决问题的能力。积极开展与企业及政府的合作，举办各种类型、多种层次的教育培训，不断探索各种联合办学的新模式，在40多家大型企业建立了教学实践基地。为更好的提升学院教学质量水平，在更高起点上推动学校在大数据科研以及创新方面再上新台阶，中国矿业大学管理学院积极拓展大数据相关专业教育教学新模式，将教学科研创新、专业人才培养与大数据紧密融合在一起，因此，选择了中科院计算所大数据方向唯一产业化平台中科天玑，为其搭建专业的大数据科研管理平台。此次，中科天玑为中国矿业大学管理学院搭建的大数据科研管理平台的建设目标是，通过购置支持用户管理及权限管理系统、计算资源共享管理系统、SPARK集群管理平台、docker容器管理平台等软件设施，建立支撑全校师生开展大数据技术研究与应用科研创新的权限管理中心、计算支持中心。通过购买国内外相关软件，支撑学校师生在开展采集、数据分析、机器学习、深度学习及人工智能应用的计算能力支撑。确保能支持高并发、稳定、计算能力强的服务集群，实现高校师生在平台之上开展不同行业领域的大数据科研创新实验课题需求。此外，中科天玑自主研发的大数据教学实验平台也将应用其中，该平台以教学为中心，提供丰富的教学资源，包含教学视频、教学文档、实验手册、实验视频、习题测验等，辅助教师进行课程教学，方便学生与教师进行交互式学习，实现高效的师生互动教学模式；以科研为导向，提供便捷的交互式图形用户接口及丰富的算法库，极大的简化大数据分析科研实验流程，方便师生在平台上进行快速建模与调优，极大的简化了教学模式，实现了完整的教与学闭环流程。高校作为高科技人才以及创新技术的摇篮，承载着科研攻关和人才培养的双重使命。在新的科技浪潮中，大数据会越来越重要地为教育提供更多赋能与可能。未来，中科天玑还将持更开放的态度，寻求与更多与高校合作的机会，助力教育大数据创新合作模式的发展，全面提升教育大数据应用的整体水平和产业竞争力。