欢迎来到加倍考研网! 北京 上海 广州 深圳 天津
微信二维码
在线客服 40004-98986
推荐适合你的在职研究生专业及院校
基于临床科研大数据平台研究似圈

基于临床科研大数据平台研究

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

垃圾街

多中心临床数据库在科研中的应用

导读:医院信息化的发展和建设带来丰富的患者资源,如何将这些已存在的患者资源转化为有效的临床研究数据是现今临床科研人员所面临的机遇和挑战。而多中心临床数据库可处理临床病例资料,并实现跨多中心的临床科研协作。以广州医科大学附属第一医院的多中心临床数据库为例,对其在科研应用中的优势、潜在问题及对策进行探讨。随着医院信息化不断深入发展和建设,医院信息系统正存储越来越多患者的病例资料,而且这些患者资料无疑是符合“容量大、增长快、种类多”标准的大数据,倘若可以联合多家医院的患者资源,这将是一个非常可观的临床研究数据宝库。如何将这些已存在的患者资源转化为有效的临床研究数据是现今临床科研人员所面临的机遇和挑战。而多中心临床数据库作为一个集约化的数据仓库,既可以跨信息系统、全面有序地处理临床病例资料,同时又可以共享多家医院的数据资源,满足跨多中心临床科研协作的需求,为临床科研提供有力的支撑。因此,在2017年5月开始建立多中心临床数据库以提高临床数据在科研中的应用水平。将以我院为例探讨多中心临床数据库在科研应用中的优势、潜在问题及对策。多中心临床数据库的建立背景多中心临床数据库早已在国内外兴起。国外早已开始建设多中心临床数据库,实现多地区临床数据的共享。美国癌症研究所早在1973年将几个地区的肿瘤登记站联合组成监测、流行病学和最终结果数据库(Surveillance, Epidemiology and End Results, SEER),现在SEER数据库是美国最具代表性的大型肿瘤登记数据库之一,目前1975-2014年的所有资料已经发布在网上(http://www.seer.cancer.gov)。在2000年,日本建立了日本心血管外科数据库,并且在2010年又建立了包含以上数据库的国家临床数据库(National Clinical Database, NCD)。 而我国的多中心临床数据库发展起步相对较晚,大多数尚处于起步阶段,进展较缓慢。比如,虽然我国早已在1963年于上海开展肿瘤发病登记工作,但由于全国各地的推进工作进展缓慢,直到2002年才成立全国肿瘤登记中心,并建立了中国首个肿瘤防治数据库,对外开放了免费查询的网站(http://cancernet.cicams.ac.cn),但因网站长期未更新,无法获得实时更新的信息;国内最大的骨与软组织肿瘤数据库由北京积水潭医院在20世纪90年代开始构建,从第一代dBase单机版历经几代的发展,直到2013年才发展为网络数据库,该数据库除了可供内部人员登录使用,还开通了可让公众免费查询的网站(http://www.sarcoma-jst.net),虽然是单中心开发,但在研发时已规划为可供多中心使用;中国首个前列腺癌临床数据库(PC-Follow)从2008年9月至2014年12月经历了3个版本的构建,终于升级成了在线版的网络数据库,并且在2015年招募全国12家泌尿外科中心进行运行培训及测试。这表明了我国正逐步提高对多中心临床数据库的认识,并加快多中心临床数据库的建设。我国的人口基数庞大,这一人口资源可为临床研究提供大量可靠、高质量的临床数据。而多中心临床数据库可整合多家医院多个地区的临床数据,实现临床资源的有效利用,促进临床资源的共享,从而推进临床数据库的规模化。因此,为了集中高效地利用临床数据来提升临床研究水平,开始建立多中心临床数据库。多中心临床数据库的架构和功能系统架构综合考虑软件开发技术、费用与软件平台的可扩展性等因素后,与专业的信息技术服务商进行合作开发。数据库虽然以单中心研发,但规划时可供多中心使用,在技术方面采用了Apache Web服务器+Java语言+MongoDB数据库+Hadoop大数据框架等多种核心技术, 这共同构成典型的B/W/D(浏览器/Web服务器/数据库服务器)三层体系结构模式。数据库总体的系统架构为:信息系统如电子病历系统HIS、检验检测系统LIS和影像系统PACS之间通过有效集成形成大量临床数据,再对照字典转换编码为统一标准的数据存储在数据库中,同时从其他医院/研究所以及国外临床数据中心等合作单位进行对接获取相关的肿瘤数据经转码后存储至数据库。多中心临床数据库的系统架构如图1所示。图1 多中心临床数据库的系统架构模块功能数据录入与导入模块本模块的录入功能虽然仍为手工录入,但可通过选择下拉框或多选框,对照字典转换编码为统一标准的数据,极大减轻了数据录入时的工作量。而导入功能则可将现有的表单、影像学图像等资料上传至数据库中。数据查询与导出模块根据使用者的科研目的,自定义查询条件,即可浏览所指定的查询结果,而且可将这结果以EXCEL表格的形式导出。角色管理与字典管理模块数据库的管理者通过账号注册可成为系统管理人员,这一角色有权对其他多个角色进行设置和管理,比如可设置分中心负责人和科室医生等角色,并对他们开放不同模块的权限。字典管理模块仅对授权的角色可见,授权的角色可根据需要修改增减字典中的字段。多中心临床数据库在科研应用中的优势整合多中心的临床资源,扩大科研样本量联合建库是突破资源制约、满足临床科研“多中心、大样本”的病例信息需求和建设高质量病例数据库的主要途径。数据库联合了多地区的临床资源,促进临床资源实时共享,提高临床资源的利用水平,并且在一定范围内扩大样本量。提高临床数据的完整性,提高数据的可挖掘性数据库的数据采集来源于多个信息系统,这些原始数据保留了患者所有的诊疗信息。同时,由于需要尽可能保留所有患者的信息,字典转码实际上属于数据的分类整理,这进一步提高了数据的完整性。除此之外,无法转码的内容也会存储在数据库中,以便满足日后科研的需要,提高了数据的可挖掘性。提高数据的检索效率,方便管理随访患者数据查询模块中所提供的自定义查询可进行多维条件的快速筛选,提高了数据的检索效率。而且,数据库会根据术后患者的随访安排筛选随访到期的患者,形成随访提醒,避免造成失访,方便科研人员跟踪管理随访患者。多中心临床数据库在科研应用中的可能出现的问题及其对策原始数据对照字典转码的过程仍需人工转录,这种人工输入不仅繁琐费时,还易出错。因此,为了尽量减少这种输入错误,需要建立数据质量控制制度,录入或导入的数据需通过审核后才能发布。数据库需要通过网络实现多中心共享数据,需要考虑网络安全性及患者信息保密性的问题。数据库具有统一的身份认证系统,需要通过账号密码登录角色,而且不同角色有不同的访问权限。同时,数据库对患者基本信息加密,使共享的患者隐私信息以非明文显示。数据库的及时更新和长期运营均需要专业人员进行维护和管理。而与专业的信息技术服务商建立起长期战略合作伙伴的关系,在医院内共同逐步培养一支既精通业务、又掌握信息化技术的复合型两栖人才队伍来维护和管理数据库,且在此之前,他们将会继续提供技术维护服务。当今世界,仅凭单中心研究已远远不能胜任科研的需求,多中心研究甚至跨国研究已成为一种趋势。多中心临床数据库是临床转化研究的核心,它在科研应用中有诸多优势:可整合多中心的临床资源,扩大科研样本量,帮助科研人员在大数据中进行挖掘,形成有用的科研数据,有助于提高医院的科研水平。目前,该数据库已基本建成,下一步将进行数据调试,需要在调试中进一步调整数据库,同时加强数据库管理的人才队伍培养,以期早日将其应用于科研当中。文章来源:《中国数字医学》杂志2018年第12期,作者及单位:李丹玲 张志强 潘辉 沈建飞 何建行,广州医科大学附属第一医院转化医学实验室 广州医博信息技术有限公司数据研究院 浙江省台州医院心胸外科。戳这里!!!关于召开2019中华医院信息网络大会(CHINC)的第一轮通知“2018年度全国医院信息化杰出领导力和创新力人物”评选表彰活动2019中华医院信息网络大会(CHINC)征文通知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。长按扫码关注我们

表演者

医疗数据库建立在即,大数据分析将助力精准医疗

随着信息时代的到来,越来越多的行业正在享受着大数据带来的便利。经过分析的数据能够更好地帮助从业者归类问题并加以解决,节省了许多不必要的人力物力。医疗行业一直因为其具有对从业经验的要求,以及病例的多样性,而很难模式化其数据。不过在大数据分析发展日新月异的今天,这些难关终将被攻破,大数据与医疗行业携手的日子已经不远了。大数据分析比起传统的分析方法,其优势就在于精准,可以细致地分析每一个看似无关紧要的小数据点,因此大数据进入医疗行业最有可能推动的就是精准医疗的发展,现在普遍认为大数据医疗将会在临床医疗,医药开发,以及公共卫生水平提升三个方面其关键作用。首先是在临床诊断以及治疗方面,首先在患者资料库的帮助下,医生可以对其生活环境以及工作性质等影响健康状况的因素进行摸排,有利于进行初步的诊疗。在确定了大致的疾病类型之后,数据库也有助于医生进一步确定疾病的具体分型,大数据可以将患者的情况与其他数据库中的病人进行比较,来帮助医生制订更细致,更个性化的治疗方案。随着人工智能图像比较能力的提升,建立医学,病理学的图像数据库也能让医生在观察病人的X光片,或者CT结果时可以得到更多的病例信息,来进行对比,可以让缺乏经验的新人医生更快完成独立工作。降低行业新人的准入门槛。而且人工智能也可以利用这些临床数据库来进行深度学习,让它们可以帮助医生进行临床的诊疗。现在在美国等国家已经有人工智能辅助临床诊断的先例了,人工智能的单独诊断误诊率略高于普通医生,但是医生与人工治疗共同诊断的误诊率就远低于两者单独使用了。这样的系统可以更好的提升医疗服务的质量。除了在临床当中的应用之外,在医药开发领域,大数据也会成为各大医药企业的得力帮手。首先可以建立更加全面的医学文献数据库,来帮助研究人员进行更好的深度搜索,让他们更好地了解当前的科研进展,并且开拓思路。另外数据库也可以综合分析相关疾病和类似药物的临床效果,加速试验进展,并且有助于医药公司规避风险。数据库分析不仅仅可以被利用在科研阶段,在医药公司进行市场分析,以及供给链分析的时候,相关的医药市场数据库的建立也可以帮助他们进行商业策略的制定,让公司利润最大化。在公共卫生领域,大数据也有着极佳的应用前景。大数据不仅可以帮助有关部门在风险发生时进行紧急处理,来分析风险类型,并类比给出解决方案。也能够在平常时间内,对可能出现问题的有害环境监测进行实时监控,并且根据地域环境的不同设定警戒线。一旦环境中的危险因素超过预警值,就会提醒相关部门注意,或者直接申请启动应急方案。在人员管理方面,大数据库也可以即时分析人员配置不合理的地方,方便最优化配置人力等资源。大数据还可以在公共安全领域一展身手,比如对于一些难以判断死因的死者,我们可以在数据库的帮助下进行辅助判断,来甄别其可能的死因,帮助公案干警破案。而且也可以借助药物流通数据来跟踪有毒有害药品的流通路线,帮助警方锁定嫌疑人。现在的时代是信息时代,而且这个信息时代还在不停地进行着自我革命,从计算机发明到现在,我们已经历经了三次信息革命。现在信息发展的趋势就是大数据分析,不再挑选,而是利用大的信息量喂养人工智能。在医疗领域,只要我们能够处理好数据的分类,并且对人工智能的学习路径加以引导,那么他们很快就会成为从业者的巨大助力,医疗产业的转型革命也即将开始。

系博

涵盖101个专病病种 建设国内最大数据库

近日,涵盖101个专病病种的国内最大临床科研平台在汕头大学医学院第一附属医院建立,这是该院入选广东省高水平医院“登峰计划”以来,实施高水平临床科研平台建设的又一重要成果。据介绍,该科研平台立足于临床科研转化实际,以汕大医学院附一院近10年来的全量病种数据为基础,根据医院各科室的临床科研需求和行业建设标准,经过数据整合、清洗、自然语言处理、机器学习及去隐私化等处理,建成了包含临床专病数据库、探索发现、项目管理、科研CRF表单管理及数据挖掘与分析的五大功能模块。其中,临床专病数据库包含101个专病病种,涵盖了内、外、妇、儿常见疾病的各项临床指标。2009年至今覆盖14个科室,共纳入门诊及住院患者195万余例次、75万余人,检验、治疗等相关数据约1亿4千万条。开发者表示,利用科研平台上的各项功能模块,研究者在线上即可完成从项目立项审核,到数据分析、论文产出、课题申报的临床科研全流程实施与闭环管理。这将有力提升院内科研质量及效率、加快科研成果转化,从而促进医疗质量的提高。据悉,病种数据库临床科研平台是汕大医学院附一院高水平医院建设项目——《医院信息系统整体升级改造暨大数据平台建设》的重点工程之一,经过一年的加紧建设,目前正式交付并将在全院推广应用。技术人员将根据平台运行后的反馈意见继续完善功能,使其更契合临床科研实际需求。未来,随着该院新电子病历系统及随访系统的接入,科研服务平台的功能与数据完整性将获得进一步提升。文/图 南方日报记者 宋芾 通讯员 曾锴琳■链接临床科研一体化平台建设时间轴2019年6月首次开展医生调研——确立了高血压、冠心病、强直性脊柱炎等20个病种的数据库指标体系和前端展示内容2019年8月举行“真实世界研究”研讨会——推进医院电子病历数据科研成果转化,进一步提升临床医生参与医院信息化建设和科研平台建设的积极性2020年3月第一期20个病种数据库建设完成——并在此基础上衍生扩大病种覆盖范围,确定了第二期建设的80个病种内容2020年7月101个病种建设完成——平台功能模块基本完备,进入推广应用和实景测试阶段

水旱不知

上海23亿建国家生物医学大数据库,卫生领域成数字经济新突破口

数字、信息化布局,已成为当下国家实现统一医疗管理的首要任务。2019年全国医改工作电视电话会议5月17日在京召开。中共中央政治局常委、国务院总理李克强作出重要批示。批示指出:要坚持以习近平新时代中国特色社会主义思想为指导,认真贯彻党中央、国务院决策部署,以更大力度、更有效举措推进医改各项工作。这对医生工作效率、医保控费、医院管理等提出了更高要求,而生物医学大数据基础设施建设也迫在眉睫。“国家生物医学大数据基础设施是个非常大的工程,涉及全数据链体系的建设,整体预算投入为23亿元。” 上海市生物技术研究中心主任李亦学在17日举行的第21届上海国际生物技术与医药研讨会上表示。卫生经济学的医院实践如何理解生物医学大数据?据李亦学介绍,生物医学大数据主要分为五大方面: 基础研究,系统生物学与合成生物学研究、比较医学研究,转化型研究,自然真实世界的数据(医疗健康服务机构个人积累的数据),该数据库囊括了人类生命科学的所有数据整合。“申康作为生物医学数据的重要来源地,目前拥有2.8个PB的数据量、1.4亿人的就诊数据、45亿张处方,涵盖深度医学应用的数据所能得到的最大价值,上海市申康医学发展中心副主任朱同玉表示,“在依法合理地明确数据的归属权后,也要从个人、政府、科研、商业等层面区分使用者;此外,该数据本身的安全保障,防止数字设施受到摧毁等也需重点考虑。”该数据库将如何发挥重点作用? 作为病人数据最密集、庞大的集中地,医院层面已进行了长期的实践。上海仁济医院副院长王育告诉第一财经记者,“今年3月正式营业的仁济医院宁波分院已实现了上海、宁波两地电子病历的共享,下一步则要将该电子病历的书写格式、标准规范化。王育同时也表示, 仁济医院医生已经开始主动地使用AI进行辅助诊断,诊断覆盖率达96%,该智能系统上线14个月来已筛查患者6.7万余例。如果拿一个初级医师和AI系统作比较,其检出率分别为36.5%和95.8%,漏诊率则为63.5%与4.2%记者也在复旦大学附属儿科医院的“医院决策支持平台”上看到“近5年的出院人数逐年增加、医保患儿占比趋于平稳、就诊高峰期为7~8月,2018年出院人次排名前十科室是外科、新生儿科、神经内科、骨科…. ”这些都是基于病人就医数据而整合成的逻辑判断。该院党委书记徐虹表示,“转诊率、药占比等都是我们非常重视的工作,而这样的趋势判断可以每个科室、甚至决策层以很好的指导。”不过,王育说,医疗数据主要面临两方面的困境,“第一,我院56个科室所产生的临床数据量多,医生对数据诉求也很大,但数据并不能拿来直接使用,缺少治理支撑;第二,数据缺乏统一标准,其维度和科研维度不一致。” 卫生数据资产版图国务院于2016年发布的《关于促进和规范健康医疗大数据应用发展的指导意见》,将健康大数据作为国家重要的基础性战略资源,并提出要规范和推动健康医疗大数据“融合共享、开放应用。”2018年国家卫健委在《进一步改善医疗服务行动计划(2018~2020年)》提出,要利用大数据信息技术为医疗质量控制、规范诊疗行为、评估合理用药、优化服务流程等提供支撑。据第一财经记者了解,上海、江苏省厅、苏州、扬州,浙江宁波、温州、金华、嘉兴等三省一市地的医保基金实时结算系统均由万达信息统一承建,目前颇受关注的“长三角跨区域就医门诊费用直接结算系统”也不例外。据业内人士透露,数据收集、信息互联并非区域整合最大的障碍,其难度则更多地在于各城市、乡镇、地区间医保统筹层次的不同,需要提升并归结起来。以宁波鄞州为例,其卫生大数据平台正在服务80万户籍当地人口、以及124万常驻人口健康档;10年积累的在临床、疾控、健康档案方面的实时数据,正管理全区9.8万高血压、2.3万糖尿病等慢性病人。“数据不仅仅是一个原始的数字基础,而是可以成为高危人群筛查、体检和临床医生处方诊断,并为社会和科学研究带来极大产出的价值资源。”万达信息股份有限公司大数据产品部经理张敬谊说。更大的卫生数据资产版图正在金融支付、疾病管理等结合场景下形成。“上海健康云”目前便已实现了16个区173万人的覆盖量;一系列如健康档案疫苗接种、家庭医生签约、预约挂号、慢病管理等都能在该场景下实现。而在另一浙江台州模式下,市民看病可以脱卡在手机上进行结算统一支付,其中便要应用到人脸识别的技术;这一方面,可以使病人在就诊期间任一时间点支付,大大减少排队时间;另一方面由于需要人脸对比,也同时降低医保骗保行为。数据资产的权利也将进一步得到保护。据记者了解,就在上周,最高检与最高法通过了国内首个“天平链”与“健康链”合作的数据权利保障平台;未来,在该平台上进行签约的单位,其数据使用路径是否合法、安全,都将在区块链技术下可追溯、可实现。“大数据及人工智能等不仅仅是一场技术的革命,更是推动医疗卫生行业高质量发展的重要的战略引擎;将医院的信息系统、医疗设备、病人信息等海量数据与人工智能的算法、模型等进行有机的结合,我们可以预见,它将在未来形成一种全新的医疗卫生服务能力和一种新型的社会生产力。”国家卫健委统计信息中心信息技术处处长徐向东说。数据来源:中国信通院、中商产业研究院整理

老明星

中国首个共建共享疾病数据平台成立 精准分析医学数据

中华医学会第十六届全国胰腺疾病学术研讨会7日在西安开幕 刘桥斌 摄中新网西安9月7日电 中华医学会第十六届全国胰腺疾病学术研讨会7日在西安开幕。开幕式上,中华医学会外科学分会胰腺外科学组对国内参与“中国胰腺疾病大数据中心”数据共建的38家三甲医院,进行了创始成员认证,这也标志着中国首个多中心、常态化、高质量的共建共享模式的疾病数据平台正式成立。会上,中华医学会外科学分会主任委员、北京协和医院院长赵玉沛作为项目牵头人,发布了“中国胰腺疾病大数据中心”成立以来的首期研究数据。从调查数据看,中国胰腺癌存在“重男轻女”的情况,男女比例为6:4,即男性罹患胰腺癌的风险是女性的1.5倍。从发病部位来看,67%的胰腺癌为胰头癌,胰体尾癌占33%。如何提升胰腺癌的诊疗水平,一直是困扰中国乃至世界医学的一个难题。据悉,美国是癌症诊疗水平和癌症药物研发最为领先的国家之一,美国著名的SEER数据库早在47年前就建立起了全美共享的肿瘤疾病数据库。而中国大数据技术在医学领域的应用才刚刚起步,各大医院虽然已经建立数据库,但相互之间并没有打通共享,已有的数据没有发挥它应有的价值。在此背景下,中华医学会外科学分会胰腺外科学组与睿医(北京)数据技术有限公司,共同创建了“中国胰腺疾病大数据中心”,也是中国首个共建共享的医学专病化大数据平台。“这是一件非常有意义的事情,一方面通过大数据的分析,我们可以掌握全国胰腺疾病的发病情况、发病特点以及诊疗情况,另一方面这也将推动胰腺疾病科研水平的提升,进而提高中国的胰腺疾病,尤其是胰腺癌的诊疗水平。”赵玉沛说,搭建中国胰腺疾病大数据平台,是希望通过数据的共建共享机制,让数据汇集、流动、应用起来,在促进胰腺病学科发展的同时,更好地造福于中国广大患者。中华医学会外科学分会胰腺学组委员吴文铭表示,希望通过“中国胰腺疾病大数据中心”的建立,利用真实世界数据,获得真实世界循证依据,提升胰腺疾病在诊疗和科研方面的质量与效率,惠及中国广大患者。(完)

《临床研究》杂志征稿

《临床研究》杂志,创刊于1993年,由中华人民共和国教育部主管,西安交通大学主办,在国内外公开发行的国家级综合性医学学术期刊。国内统一刊号CN61-1502/R,国际标准刊号:ISSN2096-1278,系“中国学术期刊综合评价数据库”统计源期刊、“中国期刊数据库”全文收录期刊、“中国核心期刊(遴选)数据库”全文收录期刊。本刊以临床医学及临床教学新经验、医疗新动态、科研新成果为主旨,将其研究成果展示给读者,以促进临床医学发展为办刊宗旨。欢迎全国高等医药学院校、医药卫生系统科研、医疗单位及其相关的作者踊跃投稿。主要栏目临床医学论著、临床医学教育、实验研究、护理研究、医学荟萃、病案讨论、综述来源:医技无忧医学研究院更多资讯信息请关注 医技无忧微信公众号(yijiwuyou)

棒球棍

国内首个放射影像数据库建设启动 为医疗AI立标准

来源:第一财经如何打破医院的“数据围墙”是医学数据库能否建成的关键。9月19日在第二届医学影像AI大会上,医学图像数据库放射影像数据库建设项目正式启动,建成后也将成为国内首个医学影像的标准化数据库。数据库的建设是医学影像人工智能建设的要素之一。目前可公开的数据库很少,数据的标注标准也不统一。上海长征医院影像与核医学科主任、中华医学会放射学分会候任主任委员刘士远对第一财经记者表示:“放射影像数据库相当于是行业发展的战略资源,建成后能够便于行业上下游来使用这个平台。”规范化使用和收集数据是关键刘士远向第一财经记者介绍道,该平台是由国家卫健委立项,中华放射学会承建,全国的十个学组,将有350家至400家医院参与。“医院是主体,因为数据在医院;政府监管,负责标准的制定。”刘士远表示。复旦大学附属华东医院放射科副主任、上海医学会放射学分会青年委员会副主委、人工智能学组副组长李铭对第一财经记者表示:“依托该数据库平台,将建立人工智能软件测试和训练的平台,这也将成为一个科研的高质量数据库,出发点非常好。”他同时指出未来数据库建设面临的挑战。“首先是规范化使用和收集数据是最重要的,因为不是所有的数据都是高质量的数据,其次是数据如何出医院,以及如何保障数据的安全性,这需要国家进行有效的监管。”李铭对第一财经记者表示。多位业内人士告诉第一财经记者,如何打破医院的“数据围墙”是医学数据库能否建成的关键。“因为按照目前的技术,一旦数据出了医院,那么医院就对数据失去了控制权,所以数据收集后如何规范化地使用这批高质量的数据非常重要,才有可能发挥该数据库最大的作用。”李铭告诉第一财经记者。但业内已经达成共识,认为数据共享将成为未来医疗行业的发展方向。承担了上海医疗大数据“训练场”的上海申康医院发展中心副主任朱同玉对第一财经记者表示:“经过脱敏的数据可以把患者的隐私数据转化为可以流动共享的公共数据,从而打破医院的边界。”刘士远表示,数据库建设是一个门槛很高的领域,需要行业学会的权威专家制定权威标准和规范,对图像进行分割、标注,在这个基础上建库,继而形成训练、检测等用途。由于缺少财力和人力的支持,数据加工成本较高,导致数据库建设不足、进程缓慢。智慧医疗不仅仅是“医院的事”浙江大学医学院附属第二医院放射科主任张敏鸣教授表示,目前的AI仍然存在包括“研究对象”、“预测因子”、“临床结局”以及“数据分析”等多个方面不同程度的偏倚风险。她说道:“由于研究样本量较少,导致了数据过度使用的风险增加,特别是在使用复杂建模策略的情况下。”张敏鸣建议,在开发新的预测模型时,可以在参考文献或者咨询专家意见的基础上选择预测因素,而不是以纯属数据驱动的方式选择预测因素;此外,未来的研究应该更加集中于验证、比较、改进和更新有前景的现有预测模型。智慧医疗不仅仅是“医院的事情”。刘士远对第一财经记者表示,欢迎企业参与到放射影像数据库的建设中。目前包括GE医疗、西门子医疗和飞利浦等在内的国外医疗影像巨头以及国内的联影等公司都在积极开发AI数字化医疗平台。GE医疗中国总裁兼CEO张轶昊对第一财经记者表示:“标准化且可预测的数据将是医疗发展的刚需,因为医疗AI有更严苛的要求,要求从源头就是准确的。”张轶昊进一步向第一财经记者解释道,准确有两层含义,一是数据和图像质量的标准化,二是对疾病判断的标准化。“设备本身的标准化数据,可以帮助医院进行有效的资产管理和设备管理,以此提升整个医院的运营效率;病患扫描数据和分析的标准化,可以有效地指导临床。同时,也能在转诊、基层医疗中帮助医院和病患节省巨大的时间。”张轶昊表示。业内人士对第一财经记者表示,目前AI医疗的推广以及产品都尚未成熟,而随着影像AI的发展,企业有望在基层医院推广针对重大疾病的AI技术,补足基层医院的能力。西门子医疗大中华区总裁王皓表示:“中国在数字化和智慧医疗的发展中有其特点,我们针对这种使用环境,搭建数字化医疗的平台,把医院和医院、医生和患者联系起来,加速互联网医院的建设。”

青青之麦

将“深圳版”科研成果分享到全世界

刘磊深圳商报首席记者 郑健阳 王海荣抗击新冠肺炎疫战打响后,作为新冠肺炎患者的集中收治医院,深圳市第三人民医院一直坚持“两条腿走路”,一边奋力救治病患,另一边科研紧跟,在救治中总结提炼,又让科研赋能临床,结出累累硕果。而这一切,不得不提到市三院新冠战场上的总指挥、深圳市第三人民医院院长刘磊。2021年1月6日,在深圳市科学技术奖励大会上,刘磊荣获市长特别奖。2020年的1月底是新冠疫情最严峻的时期,对于新冠的疑问就像弥漫在密林之中的迷雾。刘磊的部署让科研人员放开手脚。早期送来的一些患者都有不同程度的消化道症状,市三院研究所所长张政回忆,他们通过公共数据库查找发现,在消化道、肠道等组织里都有这一病毒的受体。2020年2月1日,市三院向世界公布,科研团队在某些新型冠状病毒感染的肺炎确诊患者的粪便中,检测出新型冠状病毒阳性,很有可能提示粪便中有活病毒存在。这一研究成果简短却蕴含着很重要的信息,这提示粪口传播的可能性。这也是中国首次从确诊患者粪便中检测出新冠病毒核酸阳性。该研究团队还在新冠肺炎患者的唾液、眼结膜分泌物中也检测到了新冠病毒核酸。这些发现都对阻断新冠病毒传播起到关键作用。科研团队与南方科技大学合作,在全球首次从冷冻电镜下描绘新冠病毒真实形貌;描述对新冠肺炎危重症患者进行恢复期血浆输注的初步临床经验;与清华大学合作,成功分离高效抗新冠病毒抗体;与厦门大学合作,对新冠病毒感染病人体内抗体反应进行系统和全面的分析研究;在全球率先进行法匹拉韦临床治疗新冠肺炎研究等;与南方科技大学开展合作,数据库共享,已发表的论文有数十篇,部分登上《新英格兰杂志》《自然》《科学》《细胞》《JAMA》等国际顶级期刊。刘磊还是科研团队的“外交官”“翻译官”,常常能将筑有壁垒的科研成果和全世界分享,让世界看到市三院,看到深圳。刘磊善于分享,他让市三院的科研成果得以成为让全世界受益经验。2020年1月31日,深圳市第三人民医院正式发布了《深圳市第三人民医院/国家感染性疾病临床医学研究中心针对COVID-19患者的临床诊疗方案(试行第一版)》,此后相继推出2.0版本的“深圳版”的诊疗方案、“深圳版”儿童“COVID-19”诊疗方案,依托深圳市中医专家组,制定了《深圳市COVID-19中医药防治方案》(已更新到第二版)、中国首个“英文版”《COVID-19诊疗方案(英文版)》。本版摄影:深圳商报记者 钟华登

同乎无欲

临床医学学科体系建设及临床研究能力培训系列讲座

2019年6月12日,由暨南大学附属第一医院(广州华侨医院)主办,北京康维金桥科技有限公司、上海鹏祥医学科技有限公司承办的临床医学学科体系建设及临床研究能力培训系列讲座在广州成功举办。▲会议现场本次临床医学学科体系建设及临床研究能力培训系列讲座是为了进一步加强医院临床医学学科体系建设,创造临床医学科研学习和交流平台,拓宽医务人员的科研思路,培养和提高科研能力而特意举办的,有100多位医院科室学科带头人、科室主任、各类科研项目申请者参与。▲本次会议由陈玉兵教授主持原第二军医大学科研部部长贺祥教授在会议上以《医院科研体系的构建和实践》为题向大家分享了国外构建医院科研体系构建的成功经验,对我国现阶段业临床研究的快速发展表示了认同。他表示,随着网络信息化的快速发展,多中心的临床研究已经开始普遍化,同时我们的临床样本库和病例库也在逐渐进步,但是目前的临床科研情况仍不容乐观。医院应该加大力度建设打造科研平台体系,推进医院临床研究和科研创新。他主张医院可以根据实际情况,通过集中精力专门研究几种单病等形式,形成局部化优势,逐步建立起标准、规范、完善的科研数据库系统。▲贺祥教授北京康维金桥科技有限公司总经理李敬东作为讲师在《大数据下标准驱动的医学科研实践》分享中,根据自身20余年的临床医学和医学信息学国际经验,总结了在大数据时代背景下临床科研对于提高临床质量与服务的重要性。通过技术角度向大家阐述了医院应该如何打破数据壁垒构建完整的专科/单病种科研系统,结合与其他医院合作的成功案例为大家详细讲解数据采集、分析、应用的途径及方法。▲北京康维金桥科技有限公司CEO李敬东康维金桥的产品通过运用大数据技术,实现数据自动对接、清洗、转换和标准化处理,支持自定义的数据检索和导出,建立科研平台、搜索引擎及慢病管理和移动随访系统等,促进医院临床数据利用率,为临床提供了数据支撑,为医院提供了决策支持,为患者提供了随访服务,辅助提升医院医疗与科研水平。李敬东先生表示希望在未来的发展中,基于国际医学信息标准研发的康维金桥优质产品可以为广州华侨医院的临床科研工作提供有力的支持。▲余党会教授《第二军医大学学报》编辑部主任余党会教授应邀进行了《如何利用临床工作发表SCI论文》的精彩演讲。余党会教授向大家分析了我国医学SCI论文的发展的现状,阐释了发表医学SCI论文对每一位医生科研工作的重要意义。同时结合自己多年工作经验,利用不同的实例就临床医生如何利用临床工作发表SCI论文等内容进行了全面的讲解。▲刘丹雯讲师会议最后由暨南大学图书馆信息咨询部馆员刘丹雯讲师为大家讲述《数据分析在精准投稿和学术影响力的应用》,分享了自己在学科服务中近十年的工作经验,通过对广州华侨医院2013-2018年SCI论文数据的分析,讲解科研论文的发展态势,详细讲述利用数据库工具、选刊等各种方式实现论文精准投放,提升学术影响力。