医学大数据分析中数据挖掘算法的应用

随着医学信息化的快速发展,以电子病历、医学影像和健康管理数据等为代表的医学数据正以前所未有的速度增长[1],医疗领域也逐渐步入大数据时代。大数据分析是通过对大规模数据的获取、存储、处理、分析和可视化等多个环节挖掘数据中隐藏的信息和知识,从而为各个领域提供数据依据,优化运行效率,提高集约化程度的技术。大数据不仅数据量大,其特征还可以概括为5个V:Volume(数据规模大)、Velocity(数据增长快)、Variety(数据类型多)、Value(价值高)和Veracity(真实性强)。

信息时代下医学大数据建设的策略研究

随着信息技术的不断发展,医学大数据建设已成为现代医学发展的重要内容。在信息时代,医学大数据建设的核心是数据共享和整合。通过建立医学大数据平台,实现医疗信息的共享和整合,可以提高医疗服务的效率和质量,促进医学研究的深入发展。同时,医学大数据的建设也需要加强监管,确保数据的安全性和可靠性。基于此,文中探究了信息时代下的医学大数据建设策略。

生物医学大数据专业课程设置现状与思考

目的了解我国现阶段高等院校及其附属医院生物医学大数据专业课程设置,为加强相关人才培养提供支持。方法本研究采用在线问卷调查的方式,邀请我国各高校及其附属医院为调查对象,调查内容包括所在学校或附属医院基本信息、总体生物医学大数据相关课程、已开设课程和未来课程计划。结果我们对22所高校进行分析,发现目前课程设置存在不够完整,不能完全契合产业发展对生物医学大数据人才的新的能力要求等不足。结论生物医学大数据是一个相对较新的领域,其课程建设工作还需不断地发展与完善。我国高等院校正加快生物医学大数据相关课程的建设,但在课程体系、教学教材、教学平台等方面差异较大且存在不足。我国生物医学大数据课程的设置应在满足社会现实需求和保持课程内容相对稳定的基础上,形成独具特色的课程体系和教学内容,以促进生物医学大数据的人才培养。

新工科和新医科背景下医学大数据与人工智能课程体系建设研究

阐述了医学大数据与人工智能课程开设的背景及新工科和新医科背景下该课程建设中存在的问题,从课程建设目标、课程内容、教学方法、质量评价4个方面介绍了医学大数据与人工智能课程体系的建设情况,分析了该课程的教学效果,指出了该课程应围绕医学实际、医院信息化、人工智能等相关内容展开,为医学大数据与人工智能课程教学进一步改革提供了参考。

2023年《重庆医科大学学报》“医学大数据建模与分析”约稿函

本次“医学大数据建模与分析”专题,邀请了重庆医科大学流行病传播建模与防控数据分析专家王伟教授、重庆医科大学附属第一医院具有扎实的专业理论知识和丰富临床经验的杨春教授、四川大学传染病传播建模的学科带头人林涛教授共同担任客座编辑。现向广大科研、临床工作者诚挚约稿。

前沿信息技术在生物医学大数据中的应用及展望探讨

信息时代背景下,生物医学研究利用信息技术,获得了诸多令人惊喜的研究成果。其中,生物医学大数据的维度高、层次多样的特点,促使研究人员采取数据密集型科研新范式,保证大数据技术的应用优势可以得到有效发挥。前沿信息技术在生物医学大数据的应用中,还包括云计算技术、区块链技术和人工智能技术。这些前沿信息技术为生物医学大数据的研究提供了技术支持,因此,研究人员在研究过程中需要充分发挥前沿信息技术优势。

医学大数据长期保存系统的设计与实现

设计与实现医学大数据长期保存系统(MedPRES),综合利用工作流、数字仓储、微服务以及云存储等关键技术保证医学数据的真实性、完整性、可获得性以及长期可解释性。医学大数据长期保存系统支持PB级数据的长期保存服务,提供从数据采集、接收、摄入到保存管理、审计以及服务的一整套解决方案,为重要医学数据的长期保存与利用提供有力保障。

国外医学大数据研究进展及其启示

介绍大数据的概念、相关建设内容,分析国外医学大数据研究进展情况,包括美国、英国、澳大利亚等,从医疗卫生信息化基础建设、医学大数据平台建设和大数据组织体系与机制建设3个方面对我国医学大数据建设提出建议。

医学大数据应用信息系统策划与设计

医学大数据是国家重要的战略性基础数据资源,将应用于精准临床诊疗、决策支持、疾病监测预警与管理、公众健康服务等领域。当前,国内对医学大数据技术的应用成熟度还有待提高,如何将传统的医学数据平稳过渡到大数据体系中,通过数据挖掘等手段对其进行专业的分析来实现数据的"增值",是当下亟待解决的重要问题。本文通过构建区域级医学大数据应用技术工程实验室,对医学大数据应用信息系统总体架构、数据中心架构等核心功能进行初步策划与设计。

医学大数据与人工智能标准体系:现状、机遇与挑战

医学大数据和人工智能(artificial intelligence,AI)在提升医学资源利用率和服务质量方面具有极大的潜力,但同时也在隐私保护和技术风险方面带来挑战。标准是构造、评价和应用新技术的共识和规范,医学大数据和AI在临床的应用迫切需要制订数据、系统、计量标准以及应用和评价新技术的行为规范。本文定义了医学大数据与AI标准的内涵,包括数据相关标准、公共数据集、测试基准、行为规范;总结了医学大数据和AI标准的现状、潜在问题及挑战;在展望医学大数据与AI发展前景的同时,提出了结合大数据/AI增强的系统和医学科学大装置的系统新架构。

基于文献的国内外医学大数据研究

以CNKI和Web of Science索引库SCI/SSCI为数据源,从社会网络视角对国内外医学大数据文献从年度分布、期刊分布、研究方向等方面进行分析,绘制高频关键词、高产作者、高产机构共现网络图谱。结果表明国内外医学大数据研究有多学科协同发展趋势,但研究内容未形成要点,作者群体、机构群体还未产生密切的合作与联系。

医学大数据辨析

医学大数据的收集、整理、存储、分析和应用管理已经成为医学决策中的重要支柱之一,但目前仍存在盲目追求医学大数据、忽视医学大数据建设、轻视医学抽样调查、忽视伦理审查等问题,结合医学管理实践,进一步厘清医学大数据有关误区并提出相应的建议。

医学大数据在医学期刊选题策划中的应用研究

大数据技术的发展给期刊领域带来了重大机遇。医学期刊如何积极应用医学大数据展开选题策划是当前面临的重要课题。在对大数据对期刊选题的影响进行分析的基础上,阐述医学大数据在医学期刊选题策划中应用的必要性,并对其具体应用方法进行探讨。

医学大数据领域的发展态势研究

本研究采用文献计量学的方法对医学大数据领域发展现状进行了分析,并分别采用共词分析和共引分析对研究热点和研究前沿进行了识别。通过对医学大数据领域的特点分析,可以了解该领域的研究现状和发展态势,从信息学角度为医学大数据的研究提供一定的借鉴和参考。

生物医学大数据平台利益相关方的博弈分析

从利益相关方的角度,应用进化博弈理论和模型分析生物医学大数据平台共享过程中利益相关方之间的关系以及行为策略对信息资源共享的影响。首先分析生物医学大数据平台信息资源共享过程中的主要利益相关方,然后分析利益相关方的主要博弈焦点,再在此基础上构建生物医学大数据平台的博弈模型并分析模型的稳定策略,最后得出结论与启示。

本体:生物医学大数据与精准医学研究的基础

在最近兴起的生物医学大数据和精准医学研究中,本体正发挥着不可替代的作用。但一大部分人对本体的定义、类型与应用比较混淆。这篇综述对这些问题进行了回答。具体而言,本体使用人和计算机都可以理解的术语及关系集来表述各种实体/概念以及它们之间关系。根据本体的作用,本体可分为三类:具有多关系模型的增强版控制术语集,反映某知识域的本体知识系统,和对元数据在语义上的约束与标准化的元数据本体。基于这些作用,本体被广泛地应用于生物医学数据的标准化、整合、检索与分析,已经知识的挖掘。当代本体学的研究发展迅速,我国刚刚起步,机遇与挑战并存。广泛地开展国内与国际有关本体的合作研究,将促进国内生物医学本体领域研究水平的整体提升,提高生物与临床科研大数据整合与精准医学研究的能力。

医学大数据使用安全及伦理问题探讨

在医学大数据使用过程中安全与共享似乎不可调和,一味强调数据安全或共享,会走向两个极端,阻碍相关科学的发展和进步;而数据共享时绕不开伦理审查。如何在满足安全和伦理的要求下,实现数据互联互通和共享,是当前亟须解决的问题。在分析医学大数据使用过程中安全和伦理问题的基础上,探讨数据安全与共享的关系,提出在不断完善安全技术和法律法规的同时应加强伦理审查和监督,来实现数据互联互通和共享,使医学大数据的使用效益最大化,以加快我国医疗大数据产业化的发展。

人工智能在医学大数据标准化体系建设中的研究进展

人工智能技术和大数据的飞速发展从各方面影响和改变着传统医学模式,为医学大数据标准化体系建设中病历结构化、多源异构数据标准化、个体化,以及人工智能辅助诊断和实现专家会诊等功能提供了新的可能。本文旨在探索目前人工智能领域内可能应用于医学大数据标准化建设的新技术和新思路,利用人工智能配合现有的互联网技术手段,加速医学大数据标准化体系建设的实现。人工智能作为医学大数据标准化的应用终端,对大数据标准化提出了要求,同时,人工智能新技术的应用在医学大数据标准化体系建设上可以发挥更大的作用,有利于促进区域间的合作和标准统一,尽早达到人工智能与医学行业之间的深度融合,推动人工智能与医学大数据的临床应用。

医学大数据研究进展及应用前景

医学大数据具有数据量庞大、结构复杂、分析难度大等特点,包括临床数据、多种组学数据、环境暴露、日常生活习惯、地理位置信息、社交媒体及其他多种与个体健康和疾病状态相关的数据维度。医学大数据的重要应用方向包括群体层面的疾病预防及诊疗体系的评价、特定疾病的机制阐释,逐步完善精准医学知识体系、构建具有自主学习能力的临床决策支持系统等。

基于CiteSpace的医学大数据国际发展研究现状分析

目的:使用CiteSpace探讨医学大数据研究热点与研究前沿。方法:以WoS核心核集收录的医学大数据领域相关文献作为数据来源,利用文献计量方法结合信息分析可视化工具CiteSpace对其进行分析。结果:自2012年以来,相关研究成果数量迅速攀升;big data、system、care、medicine、personalized medicine等节点较大;quality、children和mapreduce等Burst值较高。结论:当前医学大数据领域对医学大数据技术、精准医疗、医学健康大数据管理、医学大数据隐私及发展研究较多,mapreduce、ontology、hadoop等是研究前沿与发展趋势。