优秀的医疗大数据和AI公司.PPT

优秀的医疗大数据和AI公司，都在围绕电子病历的六个应用场景做文章 在上一篇《五大维度详解电子病历，其标准化程度是人工智能和医疗大数据落地的基石！》文章中，动脉网重点分析了目前电子病历的5大标准化规范。本篇文章，我们将对目前国内知名的医疗大数据和AI企业围绕电子病历的创新应用进行梳理。 从市场情况来看，目前电子病历在临床中的使用主要有这6大难题： 1、电子病历系统难以满足病种专业化需求，特别是医生在重大疾病领域对临床数据的个性化需求。 2、电子病历操作繁琐，医生在录入数据时，难免会出现倦怠，这样一来，录入的数据的真实性就会大打折扣。 3、电子病历数据的互联互通。这包含两个方面，一是医院内部电子病历与其它HIS等系统的结合。第二是政府级的区域共享平台，它的任务主要是数据的抓取和医院之间的信息互联互通。在这两个过程中，需要通过更加先进和完备的技术，保证数据存储和共享的安全性。 4、医院内基于电子病历部署大数据平台，应用于科研或临床，需要让每家医院每款软件背后的软件公司开放数据接口。但企业往往漫天要价、消极配合、一拖再拖。如果没有一个有效的平台集中存储大规模多源异构的医疗数据，数据的挖掘就只能手工作坊式地进行。 5、由于过去医生在使用电子病历时缺乏数据结构化录入，更多是用文字的形式记录下来，八股文较多。就像在word里写记录报告，医院过往的电子病历中留存着大段的自然段落。这让医院的质控、数据利用等方面存在困难。所以，如何将这些存量数据进行准确地结构化处理，是现阶段的一大难题。 6、基层全科医生由于经验缺乏，时常出现造成误诊、漏诊，进而造成严重的医患危机。而目前大医院的电子病历的临床诊疗相关价值尚未被系统性挖掘出来。再加上大医院医生的忙碌，很难真正将先进的诊疗经验带到基层。因此，基于大医院电子病历数据的临床辅助决策系统成了未来的发展方向。  正是由于这些难题存在，所以才给一些新型的AI和大数据公司带来了发展机会。根据动脉网的观察，目前它们普遍在以下6个场景开展服务： 1、病种专业化平台 2、智能语音录入 3、区块链技术 4、多源异构数据挖掘 5、自然语言识别 6、临床决策支持 1、病种专业化平台，医疗大数据的源头创新——博识医疗云 中国的疾病诊断与治疗发展到今天，高度缺乏病种专业化工具。越是垂直的领域，就越是缺乏趁手的数据工具。作为医院的临床数据承载平台，现阶段的电子病历系统在设计理念和使用上都过于陈旧，难以应对医生在重大疾病领域内对数据瞬息万变的需求。?例如，医生要做研究，回顾性数据是第一步。由于现有系统在数据维度和病种专业度上的局限性，很多医生还在使用原始的excel方式进行病历的录入。要想把数据分解成不同的课题，例如只关注病理分型和用药疗效之间的相关性，那么医生就得把所有非相关信息剥离，然后再做一个表格，对有用的信息进行分析。这个过程中，医生往往会收集几百上千例的患者数据，花掉整个研究周期80%的时间，而真正产出的环节只会用到20%的时间。? 博识医疗云，能够在标准化结构和统一化用语的前提下，满足医院临床数据不断加速的迭代需求。使用博识医疗云，能够让医生的每一个病例根据输入的不同字段，得到想要的信息。按照疾病种类的不同，它还能帮助医院实现个性化、标准化数据整合，最终打通患者健康数据与诊疗数据的隔阂，从而形成真正意义上的健康医疗大数据。 以博识医疗云在胸外科的表单为例，其最复杂的表单字段数超过2700个。这意味着，医生在使用这套表单时可选择关注的数据维度超过2700个。在技术和产品上要实现，需要团队与使用者进行长期、深度地需求分析与沟通合作。 ?之所以博识医疗云会涉及如此多的维度，是因为在临床领域，大数据和小数据的地位其实同等重要。特殊数据案例在统计学上被称为离群值，是因为它影响到了大数据的统计计算而被剔除。但从科研角度来说，单个特殊病例具有特殊意义，它对医生了解特殊个体从而发展出创新的思路和方法具有很大的临床研究价值。只有将患者数据做到病种专业化甚至科室和医生个性化，才有可能同时关注到大数据和小数据。 ?其次，基于对病种专业化的支持，博识医疗云能够实现几十家医院、几百位医生上千份病历的MDT。不同科室、不同医生、不同病历表单之间的交叉验证互补，从不同的维度，让MDT的价值实现最大化。 另外，人工智能的开发基础和长期优化需要高质、持续的数据。传统HIS系统里的数据，由于其历史因素造成的数据质量和维度的不足，使得利用这些数据训练出来的AI在准确度和泛用性上很难真正应用于临床。 因此，只有保证原始数据的专业化质量、结构化整合，及多样化维度，才能让未来开发具有真实性和准确性的人工智能变得可能。博识医疗云已经在这个方向上深度布局，并将通过与中科院数据科学中心合作的医疗大数据联合实验室推出数个重大专科疾