医疗大数据分析的主流解决方案总结

版权声明:本博客都是作者10多年工作总结 https://blog.csdn.net/Peter_Changyb/article/details/82252939
  1. 数据整合的基本思路:产品设计的核心思想:将数据处理-》形成工业领域的知识图谱-》行业模型》对标工业业务(包括工业的业务,工业研发的业务,营销的业务等)-》给每个企业创造自己的工业大脑。第一舱为数据舱,利用工业数据集成套件,在云上进行数据处理,归纳为知识中心,信息中心以及数据中心,整理成为工业企业的大数据总线。第二舱为应用舱,应用舱是一个开放的智能算法服务平台,阿里云围绕着“供,研,产,销,能,环”沉淀了一系列供用户使用的官方数据智能服务。同时,阿里云希望引入更多的合作伙伴,利用应用舱提供的开发接口把他们的算法服务拉到数据智能服务中,共同服务客户解决问题。对企业和工业来说,管理者也好,一些员工也好,他们常常会面临非实时,非集成的数据。第三舱为业务指挥舱(定义了一套模板),供企业进行监控与指导。阿里云希望把数据舱的实时数据,知识图谱以及应用舱的智能服务暴露的服务接口,在可视化的条件下进行集成,然后面对不同业务角色形成满足业务需求的业务指挥舱,。对工业和企业的用户来说,为了降低大家使用技术的门槛,希望用户更多的了解自身的业务,通过AI创作间平台,通过拖拉拽的方式,把数据舱的数据模型,组件和应用舱的算法服务组件结合起来满足业务需求,所以用户不需要懂很多专业的技术,只需要专注于自己的业务,工艺。
  2. 机器学习的算法分析:IBM Watson为例说明,他的多模态医疗数据的分析方法:不管是结构化病历数据、影像数据,还是文本数据、时间序列数据,不同的数据不存在单一的技术能够对所有数据都进行一个很完美的分析,所以目前针对不同类型的数据有不同的分析方法,有些适合用深度学习的方法,有些采用时间序列的方法,有一些适合用回归分析的方法,分类的方法,聚类的方法。
  3. 人工智能对图像的处理:IBM Watson为例说明,他对不同类型客户的解决方案:医疗是一个非常复杂的行业,医院、医生、药厂、医疗设备制造商、健康管理机构、医疗保险公司,他们的诉求是不一样的,必须要针对不同类型的客户做出不同的解决方案,可以利用底层的云平台和分析技术。在解决方案里,我们有针对像医院类型的医疗机构的解决方案,包括肿瘤的个性化治疗,Oncologyand Genomics,医院影像(medical imaging)的分析,还有针对药企做新药发现和上市药物有效性、安全性的分析,还有帮助健康管理机构,对常见的慢性病人群(高血压、糖尿病、慢性肾病)以及多种并发性慢病的患者进行管理解决方案,也有帮助医疗保险机构合理地valuedbased care,按照价值来付费,来进行疾病管理。

没有更多推荐了,返回首页