医学信息系党员活动PPT

党旗飘飘微讲堂习总书记在十九大报告中提出，实施健康中国战略。人民健康是民族昌盛和国家富强的重要标志。要完善国民健康政策，为人民群众提供全方位全周期健康服务。习近平在讲话中强调，要坚定不移贯彻预防为主方针，坚持防治结合、联防联控、群防群控，努力为人民群众提供全生命周期的卫生与健康服务。要重视重大疾病防控，优化防治策略，最大程度减少人群患病。“勇于担当、能够担当、敢于担当”大处着眼，小处着手，为“中国梦”健康中国做贡献！我支部主要由南通大学医学信息学系青年骨干教师群体构成，特色为南通大学数字医学研究所，教育部循证医学中心网上合作研究中心南通大学分中心，上海交通大学国家健康产业研究院健康大数据研究所。目前的整个系室的研究方向为慢病大数据研究。首先来看一组全球医疗大数据临床应用方面的具体实践GoogleFluView专攻搜索引擎的一些公司在掌握大数据资源方面具有得天独厚的优势，他们可以基于这些数据挖掘很多应用，如关注热点、消费习惯等。Google公司的FluView，是一个基于大数据分析的跟踪工具，对流感预测是非常好的一个案例，也是较早广泛报道成功案例。FluView能够接收并处理来自搜索用户、医生、医院以及CDC实验室的大量数据，为流感疫情的蔓延提供一个清晰的图像，进而帮助阻止流感疫情的蔓延。法国高速基因组测序分析平台法国开建2个高速基因组测序分析平台，主攻癌症、糖尿病、罕见病，平均每年能够实现对1.8万个基因组的测序和解读。同时，启动基因组和个体化医疗项目，以提高国家医疗诊断和疾病预防能力为整体目标，预计在全国范围内建立12个基因测序平台，2个国家数据中心。飞利浦飞利浦联合威彻斯特医学中心启动精准医疗计划，IntelliSpace基因组学解决方案无缝衔接了来自多个数据源的数据，将基因组学分析与患者临床数据相整合。HealthNucleusHealthNucleus的全基因组健康管理服务提供全基因组测序、微生物组测序、代谢组学分析、临床检查和影像服务，可通过用户基因组与人类参考基因组进行比较，评估用户的基因组。IBMWatsonHealth广受关注的IBMWatsonHealth的认知系统能不断地学习、训练、产生知识，与理解的对象产生互动。整个方案包括Watsonforoncology（肿瘤，lung，breast，colon/rectal等的治疗方案）、Watsonclinicaltrialmatching（临床方案匹配，识别患者相适应的临床方案）、Watsondiscoveryadvisor（医学发现，从海量医学文献获得洞察力）、Watsongenomicsadvisor（基因，从DNA序列中获得洞察力）、Analysisofmedicalimages（医学影像分析）。IBMWatson要做的不是“占有”数据，而是通过提供平台鼓励用户自己训练Watson——我认为这个思路是正确的。基于IBMWatson的医疗助理每秒可以阅读数亿页资料，帮助医务人员获取数据，这在之前是做不到的。GoogleAIGoogleAI进军医疗，在一些类型的乳腺癌的病理识别准确率上超过了医生——病理学家花了整整30个小时，仔细分析了130张切片，准确率为73.3%，而谷歌AI交出的答卷则是88.5%。类似的基于图像识别的应用还很多，例如基于脑部MRI的白质高信号灶分割、基于皮肤镜照片的皮肤癌分类诊断、基于数字病理切片的乳腺癌淋巴结转移检测、基于眼底照片的糖尿病性视网膜病变检测等等。这些基于影像的分析诊断能够成功，主要是因为影像学提供了足够的规则，因此很容易做出大数据判别。中国科学院北京基因组研究所生命与健康大数据中心中国科学院北京基因组研究所生命与健康大数据中心建立了海量生物组学大数据储存与分析体系，建设组学大数据应用与共享平台，已完成整合全球1700多个生物数据库，国内首个原始组学数据归档库正式上线，目前正开展人群精准医学信息库、原始组学数据的共享平台。清华大学数据科学研究院医疗健康大数据研究中心清华大学数据科学研究院医疗健康大数据研究中心整合海量医疗健康大数据，为公众健康、临床决策、政府决策提供支持；对临床表型与生命组学数据进行整合分析，实现对肿瘤、慢性病、罕见病等高危疾病实现精准预防、诊断和治疗。电子科技大学健康大数据研究所电子科技大学健康大数据研究所已经完成大数据分级诊疗监测评估系统，目前承担着基于健康云的老年健康管理服务、面向医疗保险的大数据分析应用、医学数字影像唯一身份识别等科研任务。高血压大数据联合实验室高血压大数据联合实验室由中国科学技术信息研究所、北京同仁医院、科学技术文献出版社共同成立，正在打通院内数据，形成产、学、研融合的高血压数据平台、管理平台，后期将面向全国形成高血压数据共享、应用、发布的数据支撑平台。春雨·中国科学院大学健康大数据联合实验室春雨·中国科学院大学健康大数据联合实验室是国内专注于健康大数据的专业实验室，目标是实现智能和自动化的慢病管理，根据用户线上问诊数据，实现初步的智能化疾病诊断，目前已成型使用，正开展分析健康消费数据，增加用户用药和治疗经济性，降低医保赔付率。贵州省大数据精准医学实验室贵州省大数据精准医学实验室由贵州省医牵头成立，通过医学影像大数据，形成人工智能医疗体系，正在开展3D医学影像，以让医学生更加熟悉人体构造，同时将影像设备结合大数据分析提供出了更精准的诊断方式。上海精准医疗大数据中心上海精准医疗大数据中心由复旦大学、复旦大学各个附属医院、上海张江转化医学研发中心组成，已开展生物大数据开发与利用研究，建立标准化的食管癌患者临床信息管理系统，搭建了精准医疗临床决策支持系统。中华精准医学中心中华精准医学中心由复旦大学附属中山医院和华大基因联合成立；通过基因大数据，建立覆盖生育健康、肿瘤预防、心脑血管、遗传及感染等领域具有国际水平的基因组学研究和应用中心。国内的医渡云、柯林布瑞、乐九医疗等医疗大数据企业率先在医院推广全数据搜索引擎，把医院积累的海量数据资源盘活，使得临床资料的精确查找达到秒级水平。基于性能卓越的医疗大数据平台，医渡云等企业还在与医院合作，利用其积累深厚的NLP和大数据平台构建技术，共同探索面向临床的知识推荐服务系统。Airdoc人工智能企业Airdoc的辅助诊断模型可以识别百万级甚至更高数量级的医学影像。如能够通过多维度数据分析辅助诊断及疾病预测，通过对文本、影像等多模态海量数据的综合挖掘，建立预测分析模型，进一步探索疾病分布演化规律；如医学影像识别，已经针对大脑、心血管、肺部、肝脏、骨骼健康领域研发出多个模型。同济CT“阿尔法狗”还有同济CT“阿尔法狗”，据称5秒读结果，阅片水平已经接近主治医师，对于三毫米以内的小病灶，人肉眼很容易遗漏掉，但是它却能够识别出来，对肺结节的发现准确率更是高达90%。华大基因华大基因通过基因测序预测破解疾病，通过搭建生物信息云平台进行超大规模的全基因组关联分析，可以进行母体肿瘤早期筛查，研究遗传病的分子流行病的突变点频谱分布。华西-希氏医学人工智能研发中心就在7月27日，四川华西医院的华西-希氏医学人工智能研发中心经过3个月研发，已经实现了人工智能对消化内镜图片的秒级诊断，诊断准确率达90%以上，有望于未来2-3年临床应用。据报道显示，该人工智能技术的研发过程分为数据筛选、消化病变归类、AI模型数据训练和深度学习、模型测试调整及再训练等4阶段，目前已对20万份病例数据进行了深度学习，对息肉、肿瘤、静脉曲张的初期诊断准确率分别达到了92.7%、93.9%和96.8%。以上这些案例并不足以完整描绘整个医疗大数据发展现状，但足以看出，无论是在国内还是国外，大数据、精准诊疗、人工智能都是一个重要的风口上，这将是医学信息学发展到一定阶段后产生质变的关键时期，我们应该迎难而上，随着潮流来做一些有意义、能落地的工作。以西南医院为例以2016年为例，西南医院门诊量近400万，20几年来已经积累了海量数据，为大数据分析提供了基础。目前医院包括影像系统在内有600T以上的丰富数据储备，其中包含4123万条医疗就诊记录，253万份电子病历文档资料，80万份标准化存储的生物样本，110万份与沙区共享的居民电子健康档案。2015年，该院依托生物遗传中心、肿瘤遗传与基因组中心、感染科等，结合中科院重庆绿色智能技术研究院超级高性能计算平台，以及中科院软件所大数据分析技术，通过基因数据分析、跟踪、对比研究，建立了大数据基因测序平台，服务于个体健康和人类基因组数据应用。基于Hadoop架构的医院医疗大数据基础服务平台该平台可完成数据收集、数据存储、数据清洗等工作，医院HIS、EMR、LIS、PACS等医疗信息子系统的数据通过ETL、收集、清洗、归一化等处理，为上层应用服务提供准确的基础数据支撑。需要构建依托医疗大数据的精准诊疗方案智能指导系统，即临床诊疗决策支持系统。依托于该系统能够辅助实施精准诊疗，辅助医生进行知识学习更新和临床诊疗。该系统目前也已经针对患者开发了信息采集、病情分析和诊疗决策功能，并提供了病例查询和统计分析等功能。整体设计思路是与医生站紧密结合，以便通过医生站即可获取临床辅助决策信息。与医生的日常工作平台紧密嵌入，具备高度的实时性和方便性，具备自主学习和智能化能力。逐步完成诊疗线索、临床知识库、智能文献助手、智能决策四期工程。如果说从工业革命到信息革命，中国都处于落后与被动局面，那么在人工智能研发应用领域，我们与国外基本是在一个起跑线上。我们必须抓住机遇，加大基础研究和应用研发，10-15年后争取成为人工智能研发与应用的大国、强国。在医疗的AI研究领域，长期以来的一个困难是缺乏高质量干净的有临床标注的数据。目前人工智能在医疗领域的应用尚处于比较浅显的阶段，在今后一段时间，融合人工智能技术的医疗大数据应用将深度嵌入临床诊疗过程，可辅助诊断疾病的虚拟助理、可辅助医生看片的医学影像人工智能、可大幅度降低药物研发成本的虚拟药物筛选及挖掘、可识别和降低疾病风险的健康管理、可优化医疗服务流程和资源配置的医院管理等等，都是未来值得关注的发展方向。同志们，让我们从大处着眼，小处着手，让我们为习总书记在十九大上提出的健康中国的战略目标贡献出我们应有的力量！