Lucifer8355
邬贺铨：大数据首要应用是智慧医疗邬贺铨介绍，所谓大数据是指在允许的时间里，无法用常规软件对数据进行抓取、管理和处理而产生的数据集合。而在医疗数字化的过程中，医院成了大数据产生的重要来源，病历、影像、远程医疗等都会产生大量的数据。 “大数据的应用首当其冲的就是智慧医疗。”邬贺铨表示，“具体可应用在临床诊断、远程监控、药品研发、防止医疗诈骗等方面。” 在他看来，大数据的应用可产生很高的经济价值。“按照世界经济论坛的说法，大数据是新财富，价值堪比石油。麦肯锡曾说，大数据就是生产资料。一份报告显示，医疗大数据的分析会为美国产生3000亿美元的价值，减少8%的美国国家医疗保健的支出。” 不过，邬贺铨也提醒，要把医疗大数据转换为经济价值，最难的是医疗数据的挖掘。“关键是怎么能够提取出与诊疗有关的数据。” 帮助医生临床诊断 邬贺铨介绍，大数据的第一个应用是临床诊断。“这首先体现在对病人的数据分析。”他说。精准地分析病人的体征、治疗费用和疗效数据，可避免过度治疗、避免副作用较为明显的治疗。通过进一步比较各种治疗措施的效果，医生可更好地确定临床最有效、效益最好的治疗方法。 其次体现在临床决策系统。通过将医生处方和医疗专家库医学指导比较，系统可提醒医生避免出错，如药品不良反应、过度使用抗生素等，帮助医生降低医疗风险。“美国的一个儿科医院通过使用临床决策支持系统，两个月内减少了40%的药品不良反应。”他举例说。 最后是可以让临床医疗数据更加透明。邬贺铨表示，美国疾控中心公布了医疗数据，帮助病人作出更明智的决定，从而选择性价比更高的治疗方案。“通过告诉病人多种不同的医疗方案，病人可以自己选择治疗方案。美国还公开发布不同医院的医疗质量和绩效数据，这有助于督促医院改进医疗服务质量。”邬贺铨评价道，“仅仅这个医疗临床决策系统，对美国来讲，一年就能减少1650亿美元医疗支出。” 实现远程监护医疗 “大数据的第二个应用是计算机远程监护。”邬贺铨说。 首先，通过收集数据，医生可以更好地判断病人病情。他举例说，“比如，充血性心脏衰竭的治疗检查费用非常高。但是通过大数据分析发现，凡是充血性心脏衰竭的病人，他的颈静脉会扩张。所以根据颈静脉扩张的检查，就能判断他是不是充血性心脏衰竭。而颈静脉的检查，根本就不要成本，摸一下就够了。而这也是通过大量数据的搜集而总结出来的。” 其次，通过对数据的收集和分析，可实现计算机远程监护，对慢性病进行管理。比如，充血性心脏的标志之一是由于保水而增加体重，因此通过远程监控体重可发现相关疾病，提醒医生及时采取治疗措施，防止急性状况发生。 “计算机远程监护还可以减少病人住院时间、减少急诊量，提高家庭护理比例和门诊医生预约量。”邬贺铨表示。 加快药品研发入市 “大数据的第三个应用是医疗研发。”邬贺铨介绍，“这首先体现在预测建模。”通过收集临床实验前期和结果的数据，可以评价新药的安全性、有效性以及潜在的副作用，提高研发效率。“原来，一般新药从研发到推向市场的时间大约为13年，使用预测模型至少可以提早3-5年。” 其次是临床实验设计的统计工具和算法。通过挖掘病人数据，可以评估和招募患者是否符合试验条件，并进一步找出最合适的临床实验基地，从而加快临床试验进程。 
"大数据"是一个体量特别大，数据类别特别大的数据集，并且这样的数据集无法用传统数据库工具对其内容进行抓取、管理和处理。 "大数据"首先是指数据体量(volumes)?大，指代大型数据集，一般在10TB?规模左右，但在实际应用中，很多企业用户把多个数据集放在一起，已经形成了PB级的数据量；其次是指数据类别(variety)大，数据来自多种数据源，数据种类和格式日渐丰富，已冲破了以前所限定的结构化数据范畴，囊括了半结构化和非结构化数据。接着是数据处理速度（Velocity）快，在数据量非常庞大的情况下，也能够做到数据的实时处理。最后一个特点是指数据真实性（Veracity）高，随着社交数据、企业内容、交易与应用数据等新数据源的兴趣，传统数据源的局限被打破，企业愈发需要有效的信息之力以确保其真实性及安全性。 从所周知，大数据已经不简简单单是数据大的事实了，而最重要的现实是对大数据进行分析，只有通过分析才能获取很多智能的，深入的，有价值的信息。那么越来越多的应用涉及到大数据，而这些大数据的属性，包括数量，速度，多样性等等都是呈现了大数据不断增长的复杂性，所以大数据的分析方法在大数据领域就显得尤为重要，可以说是决定最终信息是否有价值的决定性因素。基于如此的认识，大数据分析普遍存在的方法理论有哪些呢？ 大数据分析的使用者有大数据分析专家，同时还有普通用户，但是他们二者对于大数据分析最基本的要求就是可视化分析，因为可视化分析能够直观的呈现大数据特点，同时能够非常容易被读者所接受，就如同看图说话一样简单明了。 大数据分析的理论核心就是数据挖掘算法，各种数据挖掘的算法基于不同的数据类型和格式才能更加科学的呈现出数据本身具备的特点，也正是因为这些被全世界统计学家所公认的各种统计方法（可以称之为真理）才能深入数据内部，挖掘出公认的价值。另外一个方面也是因为有这些数据挖掘的算法才能更快速的处理大数据，如果一个算法得花上好几年才能得出结论，那大数据的价值也就无从说起了。 大数据分析最终要的应用领域之一就是预测性分析，从大数据中挖掘出特点，通过科学的建立模型，之后便可以通过模型带入新的数据，从而预测未来的数据。 大数据分析广泛应用于网络数据挖掘，可从用户的搜索关键词、标签关键词、或其他输入语义，分析，判断用户需求，从而实现更好的用户体验和广告匹配。 大数据分析离不开数据质量和数据管理，高质量的数据和有效的数据管理，无论是在学术研究还是在商业应用领域，都能够保证分析结果的真实和有价值。 大数据分析的基础就是以上五个方面，当然更加深入大数据分析的话，还有很多很多更加有特点的、更加深入的、更加专业的大数据分析方法。 当下我国大数据研发建设应在以下四个方面着力 一是建立一套运行机制。大数据建设是一项有序的、动态的、可持续发展的系统工程，必须建立良好的运行机制，以促进建设过程中各个环节的正规有序，实现统合，搞好顶层设计。 二是规范一套建设标准。没有标准就没有系统。应建立面向不同主题、覆盖各个领域、不断动态更新的大数据建设标准，为实现各级各类信息系统的网络互连、信息互通、资源共享奠定基础。 三是搭建一个共享平台。数据只有不断流动和充分共享，才有生命力。应在各专用数据库建设的基础上，通过数据集成，实现各级各类指挥信息系统的数据交换和数据共享。 四是培养一支专业队伍。大数据建设的每个环节都需要依靠专业人员完成，因此，必须培养和造就一支懂指挥、懂技术、懂管理的大数据建设专业队伍。
