临床科研分析

 
      嘉和大数据科研分析平台借助大数据处理、自然语言分词、机器学习、知识图谱等技术,整合并挖掘包括电子病历、检验检查、医疗影像、基因序列等在内的海量医疗数据,形成以患者为中心的完整时间序列研究资源库。利用数据挖掘算法,实现临床数据的深度解析与可视化,辅助临床医生构思科研想法以及提出病因假设。
 
大数据平台架构   
 
      平台基于大样本临床试验,能够快速完成问题验证并生成统计结果,降低科研成本,提升医疗机构服务质量和科研成果转化效率。
 
1、辅助科研构思 
 
      在实验设计阶段,基于大数据资源中心,进行文献学习与数据回顾,并通过荟萃分析及深度学习技术,帮助提出问题、形成假设。
 
 2、辅助数据获取

      基于医院数据中心及基因组学、eCRF表及患者随访等院外数据,形成科研数据集市;支持多种形式、多个维度的数据检索,检索结果秒级返回,检索效率是手工的上千倍,且召回率高于人工数倍。
 
3、辅助数据处理

      通过自然语言处理、数据归一等大数据技术,实现对大量多源异构数据的整合、清洗及后结构化处理,形成系统可识别、可利用的信息。
 
4、辅助统计分析

      平台通过接入R语言,集成多种医学统计模型,实现按科研需求灵活选择统计方式,有效解决研究过程中阶段性数据统计分析费时、繁琐问题,优化实验方案。
 
5、辅助总结评价

      利用大数据科研分析平台,可以对不同样本进行多次验证,根据结果找出最真实的科学证据,减少实验偏倚,提高实验质量。
 
 
特点
  
1、多级数据分层模型

      针对临床数据复杂的分级结构,特别是病历文书、检查报告等,研发出了“多级数据分层模型”,用于深度挖掘各层次数据,把数据的颗粒度做到极致,并建立其层次关系,从而能支撑复杂关联性分析等深度的科研应用研究。

2、专病库

      大数据临床科研平台专病库是以专科疾病为中心,整合患者在院期间的各类临床诊疗资料(包括病历文书、检验检查、医嘱用药、手麻、护理等)以及患者随访数据、生物样本数据、组学研究数据或公开发布的环境质量数据,并对海量数据进行多维度分析。利用可视化功能,医生能够发现过去难以发掘的临床问题,找出科研的新思路。
 
3、数据智能质控

      针对大数据资源库每个数据项,实现实时多级的质量监控,包括资源的完整度、异常数据点、异常数据类型以及数据分布情况等,并可针对不规范数据进行溯源分析,追溯到原始病历文书,发现书写误差。
 
4、数据深度挖掘
     
      在数据深度挖掘能力方面,平台提供病种分析,包括影响因素分析、预测分析、干预分析三大核心主题的分析研究。
此外,提供在线统计模型工具,现已整合医学上常用的统计算法40余种,包括独立样本T检验、卡方检验、回归分析等。操作设计完全结合医学专业特点以及科学研究思路,将大部分数据处理和量化过程转由后台直接完成,省去人工处理数据的复杂度,提高科研效率。

5、数据导出

      平台可针对数据的分类模型,定制每种分类数据的导出模式,基于关键事件处理、复杂逻辑计算、自动行列转换、智能标准化值域输出等新技术。替代统计学处理之前大量的手工数据处理工作,为医生在阶段性统计阶段节省大量时间。
 
上一篇:临床决策支持


返回
九州体育app