北大醫信王琦博士：建造貴州醫療信息平台時面臨的三大難題以及實戰經驗分享

AI掘金志（公眾號）：雷鋒網旗下只專註於報道AI商業化與落地的垂直內容頻道。助力「AI技術輸出者」尋找商業潛力大的落地場景，服務「AI技術消費者」選擇適合自身的技術供應商。

雷鋒網AI掘金志主要推送兩類文章：

1.深入挖掘AI公司與傳統機構的合作案例。

2.剖析各地醫院、銀行、製造企業、零售商、政府部門等傳統機構對AI的需求與實際應用情況。

2017年5月10日，2017年中國SaaS產業峰會｜醫療大數據應用創新論壇召開。北大醫療信息技術有限公司區域衛生大數據部王琦博士就醫療大數據的處理應對之道做了主題演講。

「醫療大數據為什麼這麼難處理？」王琦稱有三大難點：

• 一是醫療大數據沒有一個統一的格式規範和標準。

• 其次，我們現在能夠理解的數據可能是冰山上的一小部分而已，「通過新技術對非結構化數據進行處理和分析，先理解數據是關鍵。」

• 第三是實踐中的難點，「我們搭建了貴州省的信息共享平台，一共是24.9億條數據。」在搭建過程中，除了標準複雜、技術難之外，還涉及到管理難，怎麼把145家單位的數據傳上來也是一個很大的難點。

王琦稱，他們基於145個電子病例系統數據建成了一個臨床科研管理平台，其上集成了數據分析、自然語言處理技術等技術方法，「我們並沒有用到全部數據，針對幾個緯度，探索整個數據使用全過程。」

據王琦介紹，這個平台能做的有這些：

1、「醫生」角色：

比如轉移性右下腹疼痛，它要知道第一個癥狀發生部位在哪兒，表現什麼，特點是什麼，持續的時間是什麼樣的，這才是我們臨床中需要的變數，最後要做統計分析的，一定要到變數和變數關係的層面才能用得上。

不僅能拆分出變數，還要理解上下文之間的關係，總個起來，給出一個可能的疾病名稱。

2、除此之外，還要做科研：

通過數據挖掘，挖掘疾病之間的相關性。

對於樣本篩選，比如輸入糖尿病，要把姓名分布、年齡分布和其他疾病的相關性分布都能搜出來，以知識的結構組織搜索，讓大家知道這些樣本可以用。

3、統計分析：

通過簡單的操作可以出一些基本統計圖表。

4、臨床輔助決策，幫助醫生管理業務，做到事前監控、事中預警、事後分析

5、基層應用，相當於一個初級醫學生，幫助基層醫生管理慢病患者的健康，貫穿用藥、複查、指症檢測全流程，提升基層醫生的能力，並且提高他的醫患交流頻率；

6、最大的願望是分享，共享才能形成真正意義上的大數據。

更多關於人工智慧升級傳統行業的文章，請關注雷鋒網AI商業化垂直微信公眾號：AI掘金志（ID：HealthAI）。