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,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
Apsara Clouder大数据专项技能认证配套课程:基于MaxCompute的热门话题分析
相关文章
|
2月前
|
数据可视化 大数据 关系型数据库
基于python大数据技术的医疗数据分析与研究
在数字化时代,医疗数据呈爆炸式增长,涵盖患者信息、检查指标、生活方式等。大数据技术助力疾病预测、资源优化与智慧医疗发展,结合Python、MySQL与B/S架构,推动医疗系统高效实现。
|
2月前
|
存储 人工智能 安全
拔俗AI临床大数据科研分析平台:让医学研究更智能、更高效
阿里云原生AI临床大数据科研平台,打通异构医疗数据壁垒,实现智能治理、可视化分析与多中心安全协作,助力医院科研提速增效,推动精准医疗发展。
|
2月前
|
人工智能 Cloud Native 算法
拔俗云原生 AI 临床大数据平台:赋能医学科研的开发者实践
AI临床大数据科研平台依托阿里云、腾讯云,打通医疗数据孤岛,提供从数据治理到模型落地的全链路支持。通过联邦学习、弹性算力与安全合规技术,实现跨机构协作与高效训练,助力开发者提升科研效率,推动医学AI创新落地。(238字)
|
人工智能 大数据 安全
拔俗AI临床大数据科研分析平台:用智能技术加速医学研究新突破
AI临床大数据科研平台基于云原生架构,融合医疗NLP、联邦学习与智能分析技术,破解非结构化数据处理难、多源数据融合难、统计周期长等痛点,实现数据治理、智能分析与安全协作全链路升级,赋能医学科研高效、安全、智能化发展。
|
4月前
|
算法 Java 大数据
Java 大视界 --Java 大数据在智能医疗远程手术机器人控制与数据传输中的技术支持(215)
本文深入探讨 Java 大数据在智能医疗远程手术机器人控制与数据传输中的关键技术应用,涵盖数据采集、分布式计算、延迟补偿算法、数据压缩与加密传输等内容,并结合多个跨国手术案例,展示 Java 大数据如何赋能远程医疗,实现高精度、低延迟、安全可靠的手术支持,为医疗行业的数字化转型提供坚实技术支撑。
|
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。
278 1
|
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。
1431 6
|
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
|
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。
|
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
223 4

热门文章

最新文章