医疗应用的大数据分析

侯志伟 锦州医科大学附属第一医院

在医疗事业中做出一个完美的决定,这个决定通常会关乎生与死的。医疗卫生是一个变化非常缓慢的行业，在过去的时间里，它完全落后于金融、广告等领域。大数据分析通过实施集中医疗和处方分析、医院责任干预和预测分析、成本和责任、可变性降低、患者记录、受监管的健康状况和患者注册以及治疗的最终解决方案，帮助医疗行业升级。

一、为什么要对医疗应用进行大数据分析

医学应用系统信息生成的数据中信息并不那么显而易见。包括电子健康记录数据、可视化记录、患者治疗数据、与传感器相关的数据，以及对处理数据至关重要的方式。大数据通常意味着混乱的数据,数据误差的部分会随着数据的增长而增加。个人对大数据分析的研究是力不从心的,因此医疗服务行业对创新工具的需求是迫切的,这些工具的目的是为了提高准确性和可信性,规范和处理混乱的信息。尽管医疗卫生领域的扩展信息现在已经电脑化,但由于大多数信息杂乱无章且难以使用,因此在大数据的情况下使用这些信息是困难的。

二、大数据分析的挑战和关注方面

在进一步扩展医疗行业的大数据分析时遇到许多挑战，面临的主要挑战是互操作性、可管理性、安全性、开发、可重用性和成熟度。对于互操作性,將大数据技术与现有的企业解决方案集成是非常重要的。必须支持使用现有工具进行数据摄取、数据建模和数据可视管理和监控，它必须与其他管理工具集成。就安全性而言,所有安全工具都必须与企业安全工具无缝集成。开发必须使用统一的先进平台,涵盖不同的大数据规划。就可重用性而言,必须能够在多个应用程序中兼容使用应用、脚本和元数据。对于成熟度,我们都知道大数据技术仍然在快速发展,相关的技术和技能仍在演进中。大数据所关注的方面是管理层应该接受的一些理论观点,用以充分启动该技术。大数据关注点需要不被复杂的问题打乱,它们是有价值的,而且处理起来至关重要。

三、应用中的大数据分析

大数据分析改变了我们在任何管理中处理、发现和利用数据的方式。大数据可以用来发挥作用并促进改变的最佳前景领域之一是医疗卫生。医疗分析有可能减少住院治疗的数量,预测传染病的爆发,避免可避免的流行病,并在总体上提高生活的品质。当今世界的变化产生巨大的数据,正如每个人的数字足迹一样。我们将讨论一些目前和过去基于大数据分析技术在医疗领域的应用。

（一）脑疾病预测

脑疾病又称脑功能紊乱。由严重的精神疼痛引起的脑损伤,包括血凝块、挫伤、脑震荡、中风、脑水肿。症状有呕吐、恶心、言语团难、麻木、记忆力衰退、注意力不集中和瘫痪。数据挖掘算法用于识别帕金森病病情,展示帕金森病语音数据集用于诊断人类疾病[1]。

（二）心脏病预测

利用物联网技术，对医学应用的公共信息做大数据分析，检测心脏病发作之类的不可预测医学研究[2]。它支持为最终用户提供在线专家服务。在此目标下的应用，通过在线的智能系统为用户带来心脏病相关的即时指导。目前，许多医疗机构使用健康护理信息系统处理健康护理信息；当系统收集到大量数据时，用来分析可能的线索，从而创建有意义的临床分析。这些分析的主要目的是构建一个创造性的心脏病预测系统，利用与心脏相关的实际数据提供心脏病分析。为了建立这个系统，收集临床数据如性别，血压，胆固醇等13个方面的参数被使用[3]。为了带来额外的合适的结果，我们使用了另外两个方面，即肥胖和吸烟,因为这些方面被视为心脏病的重要方面。

（三）智能心脏疾病预测系统

从UCI机器学习库中获取可访问的心脏疾病数据集，并对其进行预处理，开发出用于排列机制的数据集[4]。协同神经模糊设计被认为是一种可靠且成熟的方法,可以在不同的条件下建立非线性连接并进行校正。已经表明遗传算法是一个非常有利的自动调优相互作用的神经模糊推理系统框架和选择最优特征集。显而易见，数据处理机不能改变人体和通过分析计算机分析信息所得出疾病病理的结论，但医生可以根据更多的可计算的显性特征来做出更完美的决策。

（四）医疗大数据分析的未来

大数据背后隐藏着巨大的能力，它能解开整个医疗价值序列。大数据分析将医疗机构的共同观点从发现新药转向以病人为中心的医疗，以获得更好的医疗结果和提高效率。医疗系统大数据分析的未来趋势是通过降低成本，在效果增强的基础上建立更好的效率，降低风险和改进个性化护理，增强和加速临床医生、医学检验员、护理人员和研究人员之间的互动。