分享

颢云科技

 picojames 2016-02-16

随着国家医疗政策更加开放,医疗机构推动进一步提高运营管理、改善医疗服务的行动计划。


总理李克强2015年8月19日主持召开国务院常务会议,通过《关于促进大数据发展的行动纲要》优先推动医疗领域数据开放,结合中国“互联网+”背景,我们对实体医院进行互联网化、智能化的改造和升级,形成与需求紧密结合的大数据云产品体系,使开放的大数据成为医院“管理、科研、病患服务”方面创新的新动力,推动医院按照最佳大数据和互联网+实践路径,分步实施,帮助医院实现医疗云化大数据平台,切实落地互联网+医院转型。

医院罗盘作为大数据云平台的第一个应用,是凝结了业界最佳实践的移动医院运营商业智能,计划通过部署在电信运营商机房的云端大数据平台及时向医院管理层的智能手机推送运营实况、经营分析、假设分析等运营决策仪表盘,并通过云端大数据分析进行科研分析并指导临床。

1) 基于自动采集的数据分析

  • 灵活可配置数据抽取、转换、加载工具
  • 自动抽取医院管理信息系统数据

2) 大数据分析

  • 利用机器学习、人工智能等方法挖掘海量临床/科研数据,辅助科研与临床实践
  • 利用相关性分析、假设分析,关注不同因素对于运营绩效指标的影响

3) 精心设计的移动展示平台

  • 符合用户体验的移动数据展示平台
  • 多维度分析展示医院运营数据
  • 实时掌控运营实况

1. 以持续提升医院运营管理水平为首要目标


相对于传统BI仅仅是医院运营数据的采集与呈现,医院罗盘从庞杂的数据中,利用大数据理论的相关性、假设等分析,抓取影响运营绩效的关键指标,并利用采集-分析-行动的闭环管理,以结果为导向,以帮助医院持续改善运营管理水平为目标。

2. 充分利用海量的大数据优势



相对于其他方式仅限于单一医院的数据,医院罗盘从设计思想及底层架构上即以整合数以百计的医院数据(脱敏、加密后)为基础,可以将任何医院放置到同区域、同类型、同等级、同集团的等多维度的运营指标体系中开展对比,及时发现异常指标,寻找原因;而从学术研究的角度,能够为院方的临床科研提供海量案例支持。

3. 用户参与,持续优化,分步实施


以移动互联网思维开展产品的运营,产品并不是一次成型、交付,而是在一个底层设计架构的基础上,设计、开发、院方共同参与,持续进行产品的优化、升级、迭代,通过互联网产品开发模式,使产品始终保持满足用户需求与习惯。

产品本身的成功需要致力于长期的数据积累、挖掘以及不断改善,保障产品的长期、持续整体运营和分步、分期实践,实现产品的可持续、健康发展。

在一期建立大数据平台服务架构的基础上,我们将适时推进产品二期、三期的升级。二期通过海量数据建立科研分析并指导临床,三期整合医院的病患资源通过互联网+的技术提供重点学科的精准病患服务。产品二、三期提供的产品通过我们与客户的共同开发,从海量大数据众挖掘更深层的价值。

4. 低投入、快速部署


医院罗盘采用业界最佳商业智能实践“云计算”的模式,极大的简化了部署难度和项目实施周期,和传统的医院BI项目相比具有极大的优势。


5. 实时交互性


医院罗盘产品,从设计思想到底层架构,即采用大数据技术,实现多性能集成联合查询,多节点并行运算,极大提高了响应速度。

6. 专业大数据运营团队与项目经验


由IBM、Teradata、微软、百度等知互联网企业任职的大数据分析专家、数据科学家及技术高管发起,由顶级专家组成核心技术团队。在企业大数据架构、行业大数据分析、大数据可视化等方面有很强的积累和经验,同时在医疗行业有深厚的数据分析经验积累。


采用SaaS服务架构体系为医院客户提供7X24小时的无障碍服务。

医院罗盘在医院内部网络中部署了数据采集终端从医院的业务系统中采集营运数据,采集终端上内置了智能数据采集软件,只需通过简单的配置即可完成数据采集功能。

医院罗盘在电信运营商机房云端部署数据仓库、大数据存储平台、大数据分析平台、大数据展现平台。大数据存储平台设计为支持PB级的数据存储,所有数据的存储都是加密和隔离的,确保数据安全。大数据分析平台内部采用实施数据分析引擎Real Time Data Analytics 支持实时和准实时的数据分析统计,并将统计结果存放在数据仓库中。大数据展现平台支持用户自定义视图和分析指标,最大化切合用户需求。

数据安全是整个项目考虑的首要因素。我们从物理、网络、系统、数据四个层面全方位保护用户数据安全。在医院侧的采集终端上过滤隐私数据,在网络传输全程使用HTTPS加密机制进行传输,防止篡改和侦听。

在云端,我们的服务器部署在电信运营商的机房,并安装可靠的防火墙和防病毒软件,并针对恶意攻击和破解进行端口扫描保护,确保100%用户数据安全。


颢云科技——医疗大数据的实践者


由IBM、Teradata、微软、百度等知互联网企业任职的大数据分析专家、数据科学家及技术高管发起,由顶级专家组成核心技术团队。在企业大数据架构、行业大数据分析、大数据可视化等方面有很强的积累和经验,同时在医疗行业有深厚的数据分析经验积累。

从数据建模到新兴大数据技术,如hadoop和spark等,均有实践经验。在机器学习、深度学习、人工智能等基础技术领域有多年的积累。

致力于将大数据分析技术与行业结合,助力医院向互联网+转型,在医疗行业推广大数据应用,让医院运行的更高效,提高诊疗水平,降低病患负担,助力健康中国梦的实现!

数据安全


1. 以电信运营商为政务云提供的安全级别保障医院数据的安全性,达到数据安全的最高级别:可信云

2. 云端存储的是模型数据,脱敏后的指标性数据,对院外用户没有利用价值;

3. 用户通过授权和分等级权限查看相应等级的内容,并且无法复制、下载;

4. 合同中约定数据安全与保密条款。


院方或第三方厂家(HIS等)配合


院方提供数据字典和访问源数据的权限,提供统计口径;已经完成了数据中心的客户,提取数据从指标集市中提取数据。


资金投入


每年服务费为人民币15万至30万左右,签署四年协议,四年后,每年服务费用减半收取,具体资金来源及科目可以根据院方需求调整。


院方提供数据字典和访问源数据的权限,提供统计口径;已经完成了数据中心的客户,提取数据从指标集市中提取数据。


对医院诉求的深入理解


这方面颢云公司有着得天独厚的优势,从以下几方面来考虑:


1. IBM、Teradata、微软、百度等知名互联网企业任职的大数据分析专家、数据科学家及技术高管发起,由顶级专家组成的核心技术团队;


2. 由IBM首席医疗顾问、卫生部特聘专家组成的对医院运营由深刻经验的专业的医疗顾问团队;


3. 在整个实施过程中,客户全程参与,保证产品按照用户的情况不断修正与优化。


持续的服务能力


医院罗盘纳入运营商的业务体系,是运营商面向高端医院提供的一站式、定制化的整体“云”服务,整个运营体系是个健康、可持续的生态系统,将保障项目长期、持续的为医院提供医疗大数据的整体运营和分步实践,


相对于其他厂商解决方案的优势


医院罗盘产品从底层设计与架构上即采用大数据与移动互联网的思维,造就了其他解决方案不可比拟的优势


1. 以持续提升医院运营管理水平为首要目标


2. 充分利用海量的大数据优势


3. 用户参与,不断提升


4. 低投入、快速部署


5. 高性能运算


6. 专业大数据运营团队与经验


产品是否能在院内广泛、持续使用


采集-分析-行动的闭环管理,确保相关干系人都可以同时看到,实现广泛参与,共同推进。


产权归属


硬件、软件系统归属实施方,数据产权归属医院。

据HIMSS Analytics最新统计数据表明,美国八成以上的医疗机构实施了临床数据中心(CDR),加拿大为60%以上。临床数据中心整合分散在医院不同信息系统中的临床数据,以患者为中心汇总到一起重新进行梳理,医生可以在任何办公终端调阅患者的就医全流程及就诊资料,还可以借助计算机提供的临床决策支持信息,避免医疗安全差错,同时为临床科研和医疗大数据挖掘做基础。临床数据中心的建设要做到基础架构建设、整合临床结果数据、整合业务过程数据、整合医学知识库、标准化及结构化,在此基础上实现高级分析型临床及科研应用,如临床数据查询、诊疗过程支持、临床决策支持、新知识发现(数据分析、挖掘)、对外信息共享等数据应用。并为下一步的数据应用打下扎实基础。

我国卫生部陆续出台了《电子病历基本框架与数据标准》、《电子病历功能规范》、基于电子病历的医院信息集成平台建设技术解决方案》等CDR相关标准和规范:

  • 卫生信息数据元标准化规则
  • 卫生信息数据模式描述指南
  • 卫生信息数据集元数据规范
  • 卫生信息数据元值域代码
  • 卫生信息数据元目录
  • 疾病控制基本数据集

CDR是以电子病历系统为核心,电子病历系统是临床信息系统的核心。CDR(Clinical Data Repoistory)定义的数据范围包括:

  • 用药信息、检验信息、放射、超声、内镜、心电、病理等检查信息、用血信息、治疗信息、体检信息、手术麻醉、ICU监护信息;
  • 入院、出院、转科、医保及其它患者统计信息;
  • 门诊、住院医生电子病历、护理电子病历等文档信息

CDR建设需体现以下特征:

  • 集中数据存储及管理
  • 重点关注各类临床数据
  • 各类数据具有实时性
  • 各类数据具有长期性
  • 围绕个体患者组织所有数据

CDR的建设目标:

  • 所有文档结构化、数据标准化、并实现与其它系统共享
  • 高端智能化应用
  • 高级临床决策支持

临床科研分析通过临床信息系统的数据,进行专题分析及数据挖掘,对于临床科研进行指导。通过以下几个方面实现临床科研大数据分析。

  • 病人的病情以什么样的方式, 发生多大变化?
  • 哪些病人与我的病人相似, 他们接受了什么药物治疗, 治疗结果如何 ?
  • 目测评估是否被基于数据的评估所支持
  • 病人的病情以什么样的方式, 发生多大变化?
  • 哪些病人与我的病人相似, 他们接受了什么药物治疗, 治疗结果如何 ?
  • 目测评估是否被基于数据的评估所支持
  • 病人的病情以什么样的方式, 发生多大变化?
  • 哪些病人与我的病人相似, 他们接受了什么药物治疗, 治疗结果如何 ?
  • 目测评估是否被基于数据的评估所支持
  • 在我的临床实践中,对于这项研究,哪些病人是最好的候选研究对象?
  • 我希望参与一个正在进行的临床试验,我怎么保证我能找到足够的满足入组条件的受试者,以使我有更好的信誉?

疾病关联分析


示例:通过海量门诊及住院诊疗记录的疾病关联分析,可以发现哮喘与过敏性疾病(湿疹、皮炎、荨麻疹)以及呼吸道感染疾病有一定的关联性。类似的疾病关联分析对于对于某些地域性的地方病潜在规律的发现及防治具有指导意义。

疾病路径分析


示例: 疾病路径分析的模式匹配,潜在哮喘病人的预测,可以提供临床辅助决策,并主动推送健康关怀信息。


  • 输出1: 找出常发型哮喘病患与路径
  • 输出2: 找出季节型哮喘病患(冬春是哮喘的多发季节)
  • 输出3: 找出因过敏性疾病导致哮喘的病患
  • 输出4: 不属于前三者的其他哮喘病患
  • 输出5: 包含输出1-4各种病患的轨迹分析视图
  • 输出6: 得到诱发哮喘前的轨迹(视图)
  • 输出7: 得到诱发哮喘前的轨迹频率表

药品关联分析


示例: 通过海量电子病历的关联分析,可以发现药品之间的关联性。可以看到哪些药物会经常在一张处方中被开出,从而发现潜在的疾病规律。

基于互联网搜索技术的病例检索


增加科研的广度:任意定义研究范围,检索出病例列表(下图示例: 40岁以上头晕病例)

基于互联网搜索技术的病例检索


增加科研的深度:随时深入钻取详细病例研究

医疗认知计算的关键要素在于基于海量医疗专业文献、期刊、论文、电子病历中进行机器学习,并建立知识图谱。通过病案中的关键属性,从知识库中筛选出候选的治疗方案,搜集每种治疗方案所需要的医学证据(包含/排除标准、并发症、禁忌症、风险因素、干细胞疗法、已发表文献,如研究, 报告, 教科书的观点, 期刊, 手册等),通过多达几十种算法的优化组合,给出治疗方案优先列表以及相应的医学证据。广东省卫生厅前副厅长廖新波在其博文中称,“医生的诊断有三成是误诊,如果在门诊看病,误诊率是50%”。在降低误诊率方向上,颢云科技走在人工智能的前沿,探索全科医生助手(General Medicine Assistant)、医嘱风险顾问(Physician Order Risk Advisor) 等领域实现大数据的认知计算及人工智能应用,帮助医生降低诊断风险,降低误诊率,提高病患满意度,降低病患负担。

  • 认知 Perceiving: 像人类一样理解世界:除了理解传统的信息,还能理解各种方式的输入。
  • 归因 Reasoning: 思考复杂问题:能够深度分析并激发创造力。
  • 关联 Relating: 理解我们怎么沟通并和每个人用不同的个性化方式沟通。
  • 学习 Learning: 从每次沟通中学习,扩展能力,积累经验。

    本站是提供个人知识管理的网络存储空间,所有内容均由用户发布,不代表本站观点。请注意甄别内容中的联系方式、诱导购买等信息,谨防诈骗。如发现有害或侵权内容,请点击一键举报。
    转藏 分享 献花(0

    0条评论

    发表

    请遵守用户 评论公约

    类似文章 更多