会场介绍——医疗大数据开发与利用专题及口头发言分论坛

中华医学会检验学分会2018-12-05 14:49:46

  医学大数据分析是临床医疗保健走向个性化和精准化的重要前提。近年,随着检测设备的自动化和高通量化,临床实验室产生的数据越来越多,亟待深入分析来发掘其内部规律和价值。此次论坛将邀请国内外检验大数据领域的知名专家学者,围绕大数据云平台、智能检验、精准管理、生物样本库建设等主题开展学术讨论。


9月6日下午14:00,诚邀您相聚大连世界博览广场第8会议室,聆听国内外专家对医疗/健康大数据和人工智能技术的精彩演讲,欢迎广大同仁届时莅临参加。


彭永正,教授,南方医科大学珠江医院检验医学部副主任,博士,硕士研究生导师,主要研究方向为病原微生物与宿主的相互作用,候选益生菌—嗜黏蛋白阿克曼氏菌的功能研究及产品研发。从事临床检验诊断学工作34年,美国伊利诺伊大学香槟分校病原生物学系访问学者。近5年来发表SCI论文5篇,主持国家自然科学基金应急管理项目、广东省自然科学基金面上项目、广东省科技计划项目各1项;作为主要研究人员,参加国家自然科学基金2项。申请专利3项,其中国家发明专利2项、美国专利1项。现任广东省医疗行业协会医学检验管理分会副主任委员,广东省医学会检验分会常委兼检验信息工程学组组长,广东省临床检验质量控制中心专家组专家。

讲题:云LIS与检验医学专科联盟建设

按照国家要求,所有三级公立医院都要参与医联体并发挥引领作用。医联体建设有利于调整优化医疗资源结构布局,促进医疗卫生工作重心下移和资源下沉,提升基层服务能力,提升医疗服务体系整体效能,更好实施分级诊疗和满足群众健康需求。在临床医疗工作中,约70%的临床决策是基于实验室数据而做出的。因此,检验医学专科联盟建设在医联体建设中占据重要位置,可为建成有明显成效的医联体提供实验诊断保障。


通过检验医学专科联盟建设,加强基层临床检验的质量控制工作,实现医联体内医疗机构间临床检验结果互认。基于互联网云架构的云检验信息管理系统(简称云LIS)作为检验医学专科联盟建设的最重要抓手之一,打通了医联体内各医疗机构的LIS,解除机构间的信息孤岛,实现检验数据互换和质控流程监控,达成医联体内各实验室室内质控室间化、实时比对、及时反馈本机构室内质控情况;大医院协助基层医疗机构及时纠正失控,降低实验室室间差异性,为实现检验结果互认提供质量保证;实现跨单位、跨区域检测结果历史比对,形成检验大数据,挖掘检验结果与疾病发生、发展、归转的关系;通过在线知识培训,促进基层检验人员能力提升,推动区域检验学科协同发展;减少患者多点就医带来的重复检验,做到医疗资源互通有无、优化利用、节约成本。


陈瑜,教授,博士生导师,浙江大学医学院附属第一医院检验中心主任,浙江省临床体外诊断技术研究重点实验室主任,传染病诊治国家重点实验室副主任。中国医师协会检验医师分会常委,中华医学会检验分会委员,浙江省检验学会候任主任委员,国家“万人计划”领军人才。主要研究方向:感染性疾病发病机制研究及新型实验诊断技术研发。承担国家重大专项、国家自然基金等课题17项,获国家科技进步一等奖等5项。在Lancet等发表SCI论文100余篇,获国家发明专利11项,主编参编专著12部。

讲题:大数据的智能检验和患者服务

智能检验是运用大数据和人工智能技术,建立高质量、专业化的规则库、知识库、模型和算法,实现检验后的智能管理和决策辅助支持,对检验结果进行自动审核、分析和解释,并提供诊断性建议等。软件系统包括规则库、适配器、知识库、机器学习和基于大数据的算法等。如采用Spring MVC + Hibernate的J2EE框架和Oracle数据库。采用Drools进行规则解析,设计Bayes校验算法、差值校验、比值校验、复检检验、危急值、报警和极值校验等专用算法,设计决策树、人工神经网络、支持向量机等机器学习算法等。


智能检验包括自动审核、结果解释、全面知识支持、远程发布和咨询服务等功能。基于机器学习的自动审核,不仅快速高效,能显著缩短检验周转时间,而且,易于实现标准化,均衡城乡不同水平医院的检验诊断差别。目前基于AI的远程检验咨询服务正在兴起,将推动检验医师走向健康服务更广阔的领域。


智能检验是具有人机对话和自我学习能力的“智能机器人”,检验医师或其他操作人员日常应用中,对智能系统进行训练,训练水平的高低决定着智能系统自我学习的效果。因此,智能检验系统的发展需要更多高水平的专业检验医师或技术专家,客观上,倒逼检验医学的内涵建设。


廖玍,医学博士,副教授,研究生导师,美国哈佛大学高级访问学者,博士后。长期从事口腔基础医学、临床医学及医疗信息化相关专业的教学,科研及管理工作,结合交叉学科优势在相关专业发表SCI论文20余篇,负责国家自然科学基金面上项目2项,青年基金1项,教育部博士点基金1项,科技部国家重点实验室开放基金1项,四川大学青年基金1项,作为主研参与多项国家及省部级基金研究及国际合作项目。现任四川大学华西口腔医院/医学院信息中心主任,中国卫生信息学会理事,国家卫健委医院绩效考核专家,国家卫健委信息中心专家,中华口腔医学会口腔信息管理专委会副主任委员,中华口腔医学会信息技术专委会理事,四川省卫生信息学会理事,成都市科普专家,国际牙科学会会员(IADR)。 


讲题:医疗健康大数据应用机遇与挑战

我国存在的医疗资源总量不足,分布不平衡,导致的各种矛盾必然要求行业发生内生性变革而。随着计算机行业的高速发展,计算能力的不断增强,医疗行业也不可避免进入大数据时代。近年来医疗行业产生的数据呈井喷式增长,只有合理高效利用医疗大数据方能够提高医疗资源运转效率,提升医疗质量,降低医疗成本。目前我国医疗行业大数据研究及应用仍处于初级阶段,为了真正能够利用大数据使医疗行业形成本质飞跃,大量学者及医疗从业人员以及做了诸多有益探索。报告从大数据历史出发,厘清各种关键概念,并对讲者学习/参与多个经典案例进行分享,并对大数据在检验科学中的可能应用进行探讨。最后,对目前看似风光无限的医疗大数据应用面临巨大的挑战及瓶颈问题进行解析,以期达到打开脑洞,抛砖引玉的作用。


徐建,博士,副教授,硕士生导师,南京医科大学第一附属医院(江苏省人民医院)检验学部副主任,南京医科大学检验学系副主任,江苏省医学会检验分会常委、青年委员会副主委,中华医学会检验分会青年委员,《临床检验杂志》常务编委。主要从事临床分子生物学检验的医教研工作。曾获南京医科大学扬子江特等奖教金。

 


讲题:大数据在人工智能诊断中的应用

面对检验医学大数据爆炸式的增长,传统的数据分析方法只能获取一些表层信息,无法发现数据的内在联系和隐藏知识,因此数据挖掘(data mining,DM)技术应运而生。DM技术是对大量观察到的信息进行分析,从中发现事先未知的联系和规律,是数据库知识创新的一种重要方法,其中数据的精炼、聚集和组合等子过程相互迭代进行,为回顾性研究的创新性发现提供了有效的分析方法。它能对具有相同病因、共同发病机制的患者亚群实现精准诊断、评估、预测、治疗和预防。这种智能的数据分析技术将对实验室信息系统中积累和沉淀的海量数据进行多维度的挖掘,从而为医生、患者、检验人员提供有价值的参考信息。根据大数据可以通过机器学习的方法,针对各种疾病,建立诊断、疾病风险评估和预后判断的医学专家系统,为临床诊疗提供重要支持。


田亚平,主任医师/教授;博士导师;解放军总医院转化医学实验室、出生缺陷干预救助示范中心和临床数据与样本资源库主任。作为项目或课题负责人先后承担了科技部科技基础性工作专项、国家863计划课题和国家十三五重点研发计划等20余项。所从事的科研工作先后获军队和北京市科技进步一、二等奖六项,三等奖十四项。国内、外学术刊物发表论文400余篇。三次获“军队优秀专业技术人才一类岗位津贴”,获国务院颁发的“政府特殊津贴”。


讲题:临床样本库与转化医学平台的构建及对医院科研工作的支撑

近年来随着免疫学、分子生物学、基因组学和蛋白质组学等理论与技术的发展,寻找与发现可靠的早期诊断与治疗靶点成为目前生物医学研究的一前沿和热点。如何利用临床常规诊疗过程中积累的临床数据、生物样本等资源,探索高效发现、研究、乃至推广到临床应用的研发体系,需要一个完善的基于大型研究型医疗机构构建的转化医学资源平台。达到集中整合科研、临床、生物医学和生物技术等资源,包括实体样本、样本相关临床信息及利用样本产生的科学数据等。为充分利用和深度挖掘高质量多维度大数据,我院初步建立了三大技术平台:即标准化临床生物样本库、转化医学分析平台和深度利用信息系统。


临床生物样本库采集、处理、存储临床样本,并通过标准化的体系建设和质控环节保障样本的质量,同时存储样本相关的制备信息、存储位置信息、冷冻状态信息、用于追踪临床数据的基本临床信息等;进一步通过转化医学技术平台,实现高质量样本在基因组、转录组、蛋白质和代谢组、亚细胞显微成像、单细胞精准分析等多个维度的深度检测和分析,获得多组学和影像数据;以上临床和生命科学数据信息汇总到转化医学数据中心,在大数据分析平台上,与自动关联的临床检查、诊疗过程、各种影像等信息融合,实现更为精准、更高维度的挖掘分析以支撑重大疾病相关生物标志与靶点的发现。


利用完善的转化医学平台和临床数据与样本资源体系,促进了我院一批国家重点研发计划的申请与实施,一批国家临床医学研究中心的建设及一批科研成果的形成,为研究型医院的深入发展提供了有力支撑。


大数据分论坛日程一览表


Copyright © 古田计算器虚拟社区@2017