4.2 大数据在生物医学领域的应用

4.2 大数据在生物医学领域的应用
流行病预测 智慧医疗 生物信息学 案例：基于大数据的综合健康服务平台
流行病预测
• 在公共卫生领域，流行疾病管理是一项关乎民众身体健康 甚至生命安全的重要工作。 • 传统的公共卫生管理：一般要求医生在发现新型病例时上 报给疾病控制与预防中心，疾病控制中心对各级医疗机构 上报的数据进行汇总分析，发布疾病流行趋势报告。不足 之处：周期长，一般要滞后一到两周，结果导致疾病控制 中心发布预警时，已经错过了最佳的防控期。 • 基于大数据的流行病预测：网络搜索大数据、通信大数据
生物信息学
生物信息学：是研究生物信息的采集、处理、存储、传播、 分析和解释等方面的学科，是生命科学和计算机科学相结 合形成的一门交叉学科。学科目标：揭示大量而复杂的生 物数据所蕴含的生物学奥秘。 • 生物大数据：基因组学数据、蛋白组学、代谢组学、转录 组学和免疫组学等。每年全球都会新增EB级的生物数据。 生命科学领域已经迈入大数据时代，更加深入了解生物学 过程、动植物表型和致病基因等。 • 生物信息学领域的数据更是典型的大数据：①细胞、组织 等结构都是具有活性的，其功能、表达水平甚至分子结构 在时间维度上是连续变化的，而且很多背景噪声会导致数 据的不准确性；②具有很多维度，在不同维度组合方面呈 现“组合爆炸”问题。
案例：基于大数据的综合健康服务平台
• 科技部2015国家科技支撑计划明确指出，可以充分利用 大数据技术构建基于大数据的综合健康服务平台。 • 平台将健康管理服务、医疗咨询服务与移动健康服务融合 为一个提供“以人为中心”的、线上线下相结合的综合健 康服务生态系统。应满足如下需求： ① 综合性：多种形式、线上线下相结合的健康服务。 ② 开放性：服务范围广、渠道多、用户和机构众多。 ③ 高可靠性：数据集成、医疗协同和移动健康服务的基础。 ④ 可扩充性和灵活性：与时俱进，可升级确保顺利发展 ⑤ 兼容性与规范性：国际标准和国家标准 ⑥ 便捷性：具备便捷的数据上传和下达和使用的便利性。
智慧医疗
智慧医疗：是通过打造健康档案区域医疗信息平台，利用 最先进的物联网技术和大数据技术，实现患者、医疗人员、 医疗服务提供商、保险公司等之间的无缝、协同、智能的 互连，让患者体验一站式的医疗、护理和保险服务。 • 智慧医疗的核心：“以患者为中心”，给予患者以全面、 专业和个性化的医疗体验。 • 6大基础数据库：①药品目录数据库；②居民健康档案数 据库；③影像数据库；④检验数据库；⑤医疗人员数据库； ⑥医疗设备数据库。 • 智慧医疗的优点：①促进优质资源的共享；②避免患者重 复检查；③促进医疗智能化。
• Google流感趋势：采用大数据分析技术，利用网民在Google 搜索引擎输入的搜索关键词来判断全美地区的流感情况。
• 利用通信大数据防止埃博拉病毒的快速传播 • 百度疾病预测(http://trends.baidu.com/disease):流行病的发生和传 播有一定的规律性，与气温变化、环境指数、人口流动等因素 密切相关，每天网民在百度搜索大量流行病相关信息被汇集和 积累形成预测模型，预测未来疾病的活跃指数。基于地图的交 互功能，小到区县的疾病态势预测，每周更新一次数据。
• 平台业务架构 • 包括：个性化诊疗服务、移动健康咨询服务和对接服务
• 平台技术架构
ቤተ መጻሕፍቲ ባይዱ
• 平台关键技术 ① 医疗健康大数据集成、存储和处理技术：数据来源广泛、 数据内容多样、数据量巨大。 ② 基于大数据的健康评估技术：健康管理的目的是“治未 病”。健康评估与风险控制是健康管理的核心技术。 ③ 基于大数据的个性化诊疗技术：消除信息不对称和信息 贫乏造成的用户和医疗工作者之间的鸿沟，依托大数据 平台，为用户提供个性化和精细化的医疗咨询服务，为 医疗工作者提供个性化的处方定制功能。