0
| 本文作者： 张利 | 2017-05-13 12:19 |
AI掘金志（公众号）：雷锋网旗下只专注于报道AI商业化与落地的垂直内容频道。助力“AI技术输出者”寻找商业潜力大的落地场景，服务“AI技术消费者”选择适合自身的技术供应商。
雷锋网AI掘金志主要推送两类文章：
1.深入挖掘AI公司与传统机构的合作案例。
2.剖析各地医院、银行、制造企业、零售商、政府部门等传统机构对AI的需求与实际应用情况。
2017年5月10日，2017年中国SaaS产业峰会｜医疗大数据应用创新论坛召开。北大医疗信息技术有限公司区域卫生大数据部王琦博士就医疗大数据的处理应对之道做了主题演讲。
“医疗大数据为什么这么难处理？”王琦称有三大难点：
一是医疗大数据没有一个统一的格式规范和标准。
其次，我们现在能够理解的数据可能是冰山上的一小部分而已，“通过新技术对非结构化数据进行处理和分析，先理解数据是关键。”
第三是实践中的难点，“我们搭建了贵州省的信息共享平台，一共是24.9亿条数据。”在搭建过程中，除了标准复杂、技术难之外，还涉及到管理难，怎么把145家单位的数据传上来也是一个很大的难点。
王琦称，他们基于145个电子病例系统数据建成了一个临床科研管理平台，其上集成了数据分析、自然语言处理技术等技术方法，“我们并没有用到全部数据，针对几个纬度，探索整个数据使用全过程。”
据王琦介绍，这个平台能做的有这些：
1、“医生”角色：
比如转移性右下腹疼痛，它要知道第一个症状发生部位在哪儿，表现什么，特点是什么，持续的时间是什么样的，这才是我们临床中需要的变量，最后要做统计分析的，一定要到变量和变量关系的层面才能用得上。
不仅能拆分出变量，还要理解上下文之间的关系，总个起来，给出一个可能的疾病名称。
2、除此之外，还要做科研：
通过数据挖掘，挖掘疾病之间的相关性。
对于样本筛选，比如输入糖尿病，要把姓名分布、年龄分布和其他疾病的相关性分布都能搜出来，以知识的结构组织搜索，让大家知道这些样本可以用。
3、统计分析：
通过简单的操作可以出一些基本统计图表。
4、临床辅助决策，帮助医生管理业务，做到事前监控、事中预警、事后分析
5、基层应用，相当于一个初级医学生，帮助基层医生管理慢病患者的健康，贯穿用药、复查、指症检测全流程，提升基层医生的能力，并且提高他的医患交流频率；
6、最大的愿望是分享，共享才能形成真正意义上的大数据。
更多关于人工智能升级传统行业的文章，请关注雷锋网AI商业化垂直微信公众号：AI掘金志（ID：HealthAI）。
雷峰网原创文章，未经授权禁止转载。详情见转载须知。
