现在是大数据漫天飞的时代，在其他行业风风火火开展大数据挖掘的时候，医疗界却显得有些迷茫。在刚刚结??束的大数据和医疗分析论坛中，美国顶尖的专家们齐聚一堂探讨未来医疗大数据的可能性。医疗界的大数据有其独特的性质，必然也预示着它独特的机遇。我们一起来看看大咖们给出了什么观点吧。
大数据和医疗分析论坛刚刚于10月25号在美国波士顿落下帷幕，该大会以医疗大数据为聚焦点，汇集全美的行业翘楚来探讨和分享经验教训，快来看看有哪些干货总结带回家。
“我们必须要能更好地利用医疗数据。”
这是本次大会上所说出的最后一句话。Sree Chaguturu， Partners HealthCare的人群健康管理副总裁说出了这句话。尽管不是特意安排，这却是对在波士顿为期两天的会议的最好总结。
在诸多既包含兴奋宣传又有失落质疑的讨论中，以及大大小小的公司机构分享的经验教训当中，这种感受贯穿了整个会议的探讨过程。下面就来总结一下各位行业翘楚分享的观点：
医疗数据行业即将进入数据3.0时代
是的，这又是会议上诞生的一个新词。新时代的医疗数据的核心特点：数据需要易于处理、可以解释、确信度高并且包含背景行文含义。
易于处理的含义在于，把原始存在于病历上的数据信息转化为可以处理的规范化数据。可以解释指的是数据之间存在关联性，可以据此完成分析。确信度高则要求在数据转化的过程中不能出现匹配错误。包含行文含义是要求数据需要包含患者的过往病史包括治疗经历，从而避免数据被“断章取义”。
只有做到这些，医疗数据才能够真正参与到临床医生的工作当中，给予相应的帮助和建议。
机器学习在医疗数据上的应用
机器学习已经证明了自己的用处，并且这项证明正在医疗数据分析领域逐步展开，尽管相对于其它行业来说还比较不明显。
机器学习已经在很多领域有了深入的应用，包括谷歌地图、网上商店抓取用户的购物习惯以及信用卡公司等等，但是在医疗行业，尽管有很多讨论，仍然没有特别多的机器学习参与的实际例子。
MIT的教授John Guttag指出，很多已有的机器学习软件并不能直接套用在医疗数据上。因为医疗数据并不是单纯数量上的大数据，而是伴有不断变化的小数据。但是，这仅仅是机器学习应用于医疗数据上的一个必须要克服的挑战，它在医疗行业的应用价值可能远远高于其它行业。
不要等待分析技术达到完美
针对医疗数据的分析技术不可能面面俱到，针对不同目的的分析方法在同一数据上也会给出不同侧重的分析结果，与其原地等待它们变得完美，不如现在就开始，明确想要通过数据分析达到的目的，建立针对性的分析策略，利用一些相对直接的分析结果，并给出可以产生短期影响的决策。
群众外包是一个解决分析问题可行的方法
医疗数据分析往往意味着需要来自外部专家的协助。斯坦福医疗通过自己的成功案例证明了这一点：他们通过众包招募了在计算机、信息学、公共健康甚至商科的专家，这样的团队带来了医疗系统内部不可能提供的专业性和创新能力，通过一年的时间，将以前分散而且异质性明显的医疗数据及分析模块，整合成为了一个统一而且强健的分析平台。
数据管理不可或缺
数据管理并不是什么好玩或者能够直接产生效益的事情，但是却是每一个医疗机构不可回避的事情。密西西比大学医疗中心用自身的例子说明了这一点：尽管数据管理系统的建立花费了长达18个月，但是也正是因为建立了严谨高效的管理系统，医疗数据的整理更有序，操作更简便，交流更顺畅，安全性也大大提高，这些让这一数据管理系统成为了该中心的一笔核心财富。
联系我们请点击：
数邦客
