大数据建模概述

医学大数据建模应用案例
[3] 它让更多的创业者更方便地开发产品，比如通过 社交网络来收集数据的健康类App。也许未来数年后， 它们搜集的数据能让医生给你的诊断变得更为精确， 比方说不是通用的成人每日三次一次一片，而是检 测到你的血液中药剂已经代谢完成会自动提醒你再 次服药。
谢谢观看！ 2020
医学大数据建模应用
还有一类数据是电子病例、电子健康档案。这类数 据的获取还是非常多的，有些技术是基于病人的相 似度，比较两个患者的病例，如果相似的话，可以 找到一群相似的病人，然后分析有效的治疗手段是 什么。像这样的技术，IBM已经把它变成了产品。这 依赖于大量的数据积累，要依靠电子病例、电子医 疗档案的完善，需要搜集准确的信息。中国的医改 已经有很好的目标，需要顺利实现电子病例的完善 过程。
医学大数据建模应用
第三个领域是跟基因组学、蛋白组学新的治疗技术 相关。这些技术已经发展到了应用的边缘。像人wk.baidu.com 的基因组测序，以前人类基因组花了十年的时间研 究，现在只要花一千美元，不到一周的时间就可以 测出一个人的基因组。这些数据就可以应用到个性 化诊断治疗。这个对大数据的推动也是非常大的。
医学大数据建模应用案例
[1] Seton Healthcare是采用IBM最新沃森技术医疗保 健内容分析预测的首个客户。该技术允许企业找到 大量病人相关的临床医疗信息，通过大数据处理， 更好地分析病人的信息。
医学大数据建模应用案例
[2] 在加拿大多伦多的一家医院，针对早产婴儿，每 秒钟有超过3000次的数据读取。通过这些数据分析， 医院能够提前知道哪些早产儿出现问题并且有针对 性地采取措施，避免早产婴儿夭折。
大数据建模概述
大数据建模过程
基本过程是通过多个学科技术的融合，实现数据的 抽取、管理和分析，达到发现新知识和规律的目的。
信息挖掘是机器学习与数据库技术的交叉； 利用机器学习的技术分析海量的数据； 利用数据库技术来管理海量的数据。
模型构建流程
模型构建通常包括模型建立、模型训练、模型验 证和模型预测四个步骤，但根据不同的数据挖掘类型， 在应用上会有一些细微的不同。
模型的建立是一个反复的过程，需要仔细考察不 同的模型以判断哪个模型对问题是最有用的。
大数据建模的技术
人工智能 机器学习 分布式计算 统计学 数据库技术
推荐算法 商务智能 模式识别 联机分析处理
医学大数据建模应用
目前大数据有一个前提就是数据。医疗领域的数据有几 种类型，比较完整的是医学影像的数据，像X光、CT，甚 至还包括B超、脑电。这个领域有一些研究，比如说如何 通过医学影像的自动分析来确定病变的位置，现在有很 多放射治疗要对癌细胞的位置进行辐射，范围越小，接 受的辐射量就越小，对病人本身的损害就越小，利用大 数据的分析方法可以确定这个范围。这个技术现在刚刚 产生，按照刚才的推断，医学技术的产生到使用的时间 段越来越短，我们预测到2025年，一个技术的产生到使 用基本上可以在一年之内完成。这是医学影像的数据。