精准医学时代健康医疗大数据需要标准化

本文涉及的产品
云原生大数据计算服务 MaxCompute,5000CU*H 100GB 3个月
云原生大数据计算服务MaxCompute,500CU*H 100GB 3个月
简介:

近年来,“精准医学”“大数据”已成为健康医疗行业的热词,健康医疗大数据产业也孕育着大市场,带来科技进步或价值转化。近日,在BT峰会的高端对话上,围绕“健康医疗大数据发展的机遇与挑战”这一主题,中国科学院院士贺林、美国医学信息学会主席道格拉斯弗里斯玛、美国医学信息学院院士刘宏芳、北科生物董事长胡祥、神州数码医疗科技股份有限公司总裁史文钊,共同探讨生物医学大数据产业发展中的共享和转化、数据安全、标准建设、社会伦理等热点问题,预测我国健康医疗大数据的发展趋势。专家们一致表示,在精准医学时代,健康医疗大数据需要加快整合和标准化,才能更好地为预防疾病做贡献。

大数据经整合挖掘才有价值

随着云计算、大数据、人工智能等信息技术与生物技术融合发展,健康医疗大数据产业正成为生物材料与信息的最好体现。去年国务院《关于促进和规范健康医疗大数据应用发展的指导意见》的出台后,健康医疗大数据受到政府、医院、科研机构和学术界越来越多的重视。

什么样的数据才是健康医疗大数据?贺林说,健康医疗大数据与交通大数据、气候大数据有根本性的区别,“一个是活的,一个是死的。”然而,目前我国的健康医疗大数据全是孤岛型的,没有联系,也没有标准化,这些孤立的、没有标准化的大数据没有价值。在贺林看来,健康医疗大数据的含义是把同类的或者相关的数据整合在一起后,得到一个相关网络的位点,也就是能从相关性的数据中挖掘出有价值的内容为人类服务,“比如平均温度提高2℃会带来哪些健康问题等。”

道格拉斯弗里斯玛也表达了同样的观点。她表示,健康医疗大数据首先要有量,有非常强的流动性,还要有真实性。目前,健康医疗数据多种多样,但要成为大数据就需要收集和整合,并把这些数据进行分类和描述,因为只有准确的数据才能真正帮助了解病人的状况。“将不同类型的数据整合在一起,可以降低数据种类性,同时保证数据的真实性。”道格拉斯弗里斯玛说。而且采集和整合健康医疗大数据的最终目的不是大数据本身,而是通过大数据来帮助治疗疾病,因为每个病人身上获取的数据很多,挖掘出这些数据的价值用于临床,诊治下一个病人的成功率就越来越高。

在美国,健康医疗大数据同样也存在数据的孤岛,“在研究的过程中,数据也是研究者所拥有的,很多人不愿意把数据拿出来分享,我们希望能打破,但难度很大。”因此,在道格拉斯弗里斯玛看来,数据的整合仍是健康医疗大数据发展面临的一大挑战。不过,她也相信随着开放性科学不断地推动,及平台的日益增加,会让研究者公开他们的数据,最终形成有效的数据池。

大数据行业亟需建立标准

健康医疗大数据时代,大量医疗数据被源源不断采集。正如胡祥所说,目前医疗健康大数据的来源、产生源很多,如医院、医药公司等机构产生的医疗数据、各种基因组学的数据。对于整个健康医疗大数据行业来说,标准的制定也非常迫切。

“生命科学不仅是医学,还是生命基础科学研究,但各个机构之间从来没有一个统一标准,都是各做各的,最后出来的数据质量也不一样。”贺林说,有的不是大数据,小数据也说成大数据。

贺林表示,健康医疗大数据最后是要进行解读,但是如何去解读也没有统一化和标准化,“数学家在用数学的方法,统计学家用统计学的方法,生物学家要用遗传咨询的方法。”不同的解读方法,最后解读出来的结果也不一样。因此,在贺林看来,如何建立标准是健康医疗大数据行业要考虑的问题,“谁来制定标准,怎么样制定标准,比哪一步都重要。”

胡祥也表示,临床积累的健康医疗数据需要标准化,因为每个医生描述不一样,最后做数据分析和挖掘的结果也不一样。“未来重要的数据是组学数据,这些数据包括基因组、蛋白组、微生物组,最后读出来就是机器,可以高效识别,但这些数据的标准化与人类健康相关性很强。”胡祥说。

道格拉斯弗里斯玛认为,中国有很大机会建立标准化统一平台,“中国既能造高铁,也能造医疗上的"高铁"。”

可用大数据训练人工智能

专家们非常看好健康医疗大数据在中国的应用前景。“随着各种传感器和可穿戴设备的应用,24小时持续采集的数据越来越多,如果把标准做好,方法学找到,用高效的方法把数据资源集中起来,我们的医疗健康大数据不会输给别人。”胡祥说。其次,目前我国正在推进医改,要解决医疗行业存在的一些问题,可以通过更加先进的工具和技术来解决。更为重要的是,目前我国的算法和计算能力正处于快速进步阶段,能够把核心数据高效的整理起来,以此为起点,可以通过这些数据快速地训练人工智能,推动人工智能的发展。

胡祥认为,在大健康医疗领域,人工智能才是未来的制高点。因此,下一步抢的是人工智能。“训练人工智能的前提是要有数据训练算法,现在我们就是要挖掘数据,人工智能一旦成熟以后,可能会出现各种各样的可穿戴设备,再把采集的各种数据推送上去以后,这些设备性能会高很多。”胡祥说。

“医疗健康大数据在国内很有发展前景。”刘宏芳表示,“大数据的发展要以人为本,通过大数据帮助普通老百姓(603883,股吧)分诊、预防疾病,目前中国拥有大量的人才,政府重视,企业不断创新,资本也在不断投入。”她建议,未来中国健康医疗数据的收集要全方位,这也可以避免走很多弯路。

本文转自d1net(转载)

相关实践学习
基于MaxCompute的热门话题分析
本实验围绕社交用户发布的文章做了详尽的分析,通过分析能得到用户群体年龄分布,性别分布,地理位置分布,以及热门话题的热度。
SaaS 模式云数据仓库必修课
本课程由阿里云开发者社区和阿里云大数据团队共同出品,是SaaS模式云原生数据仓库领导者MaxCompute核心课程。本课程由阿里云资深产品和技术专家们从概念到方法,从场景到实践,体系化的将阿里巴巴飞天大数据平台10多年的经过验证的方法与实践深入浅出的讲给开发者们。帮助大数据开发者快速了解并掌握SaaS模式的云原生的数据仓库,助力开发者学习了解先进的技术栈,并能在实际业务中敏捷的进行大数据分析,赋能企业业务。 通过本课程可以了解SaaS模式云原生数据仓库领导者MaxCompute核心功能及典型适用场景,可应用MaxCompute实现数仓搭建,快速进行大数据分析。适合大数据工程师、大数据分析师 大量数据需要处理、存储和管理,需要搭建数据仓库?学它! 没有足够人员和经验来运维大数据平台,不想自建IDC买机器,需要免运维的大数据平台?会SQL就等于会大数据?学它! 想知道大数据用得对不对,想用更少的钱得到持续演进的数仓能力?获得极致弹性的计算资源和更好的性能,以及持续保护数据安全的生产环境?学它! 想要获得灵活的分析能力,快速洞察数据规律特征?想要兼得数据湖的灵活性与数据仓库的成长性?学它! 出品人:阿里云大数据产品及研发团队专家 产品 MaxCompute 官网 https://www.aliyun.com/product/odps 
相关文章
|
6月前
|
机器学习/深度学习 搜索推荐 大数据
大数据在医疗健康领域的革新作用
【6月更文挑战第1天】大数据在医疗健康领域展现出巨大潜力,助力疾病预测、精准诊断和个性化治疗。通过分析医疗数据,预测风险、辅助诊断,并定制治疗方案。示例代码展示了使用LogisticRegression进行疾病预测。随着技术发展,大数据将为医疗健康带来革命性进步,保障人类健康。
135 1
|
3月前
|
存储 搜索推荐 大数据
大数据在医疗领域的应用
大数据在医疗领域有广泛应用,包括电子病历的数字化管理和共享,提升医疗服务效率与协同性;通过数据分析支持医疗决策,制定个性化治疗方案;预测疾病风险并提供预防措施;在精准医疗中深度分析患者基因组信息,实现高效治疗;在药物研发中,加速疗效和副作用发现,提高临床试验效率。此外,在金融领域,大数据的“4V”特性助力业务决策前瞻性,被广泛应用于银行、证券和保险的风险评估、市场分析及个性化服务中,提升运营效率和客户满意度。
231 6
|
3月前
|
人工智能 编解码 搜索推荐
大模型、大数据与显示技术深度融合 加速智慧医疗多元化场景落地
大模型、大数据与显示技术深度融合 加速智慧医疗多元化场景落地
|
6月前
|
搜索推荐 安全 大数据
大数据在医疗领域的应用与前景
【6月更文挑战第26天】大数据在医疗领域提升服务效率,助力疾病预防与精准治疗。电子病历优化数据管理,疾病预测预防个性化医疗成为可能。未来,智能医疗系统普及,远程医疗兴起,数据共享促进行业发展,同时隐私保护与安全备受关注。大数据正重塑医疗,开启健康新篇章。
|
7月前
|
存储 关系型数据库 测试技术
印尼医疗龙头企业Halodoc的数据平台转型之Lakehouse架构
印尼医疗龙头企业Halodoc的数据平台转型之Lakehouse架构
88 4
|
7月前
|
大数据
大数据在医疗领域的应用有哪些?请举例说明。
大数据在医疗领域的应用有哪些?请举例说明。
140 0
|
大数据
《从数据治理看医疗大数据的发展》电子版地址
从数据治理看医疗大数据的发展
114 0
《从数据治理看医疗大数据的发展》电子版地址
|
SQL 存储 分布式计算
Apache Hudi在医疗大数据中的应用
本篇文章主要介绍Hudi在医疗大数据中的应用,主要分为5个部分进行介绍:1. 建设背景,2. 为什么选择Hudi,3. Hudi数据同步,4. 存储类型选择及查询优化,5. 未来发展与思考。
359 0
Apache Hudi在医疗大数据中的应用
|
监控 安全 大数据
医疗保健的大数据革命如何为人们带来健康
医疗保健的大数据革命如何为人们带来健康
177 0
医疗保健的大数据革命如何为人们带来健康
|
搜索推荐 安全 数据挖掘
学界 | iPOP:首个基于个性化大数据的个性化医学研究
该研究是关于 Mike Snyder 教授的「整合性个人组学图谱」(integrative personal omics profile,iPOP);Mike Snyder 教授是该论文的通讯作者,也是斯坦福大学遗传学系主任。这是首项针对个人的健康与疾病状态进行的大规模 iPOP 研究。该论文于 2012 年发表在 Cell 上。
470 0
学界 | iPOP:首个基于个性化大数据的个性化医学研究