第3章 大数据建模概述 医学大数据建模应用案例
医学大数据 医学影像数据 电子病历、电子健康档案 与基因组学、蛋白组学新的治疗技术相关
百度疾病预测 百度疾病预测系统 了解当前流行病的态势，预测未来7天的变化趋势。 预测原理 预测病种 流感的预测 流行病的发生和传播有一定的规律性，与气温变化，环境指数，人口流动等因素密切相关。每天网民在百度搜索大量流行病相关信息，汇聚起来就有了统计规律，经过一段时间的积累，可以形成一个个预测模型，预测未来疾病的活跃指数。 预测病种 流感、肝炎、肺结核、高血压、糖尿病、心脏病、艾滋病、手足口病、肺癌、宫颈癌、乳腺癌、性病 流感的预测 将自身数据与CDC提供的流感监测数据结合建立预测模型。 而其余几种疾病仅依靠其搜自身数据，用无监督学习模型来预测疾病热搜动态的时空变化。
临床决策支持系统 分析医生输入的条目，比较其与医学指引不同的地方，从而提醒医生防止潜在的错误。（药物不良反应） 大数据分析技术将使临床决策支持系统更智能，得益于对非结构化数据的分析能力的日益加强。（利用图像分析识别技术识别医疗影像数据）（挖掘医疗文献数据建立医疗专家数据库，从而给医生提出诊疗建议） 提高医生诊疗效率
新药物预测建模 降低医药公司研发成本，提早将新药推向市场，使医药公司更快得到回报。 模型基于药物临床试验阶段之前的数据集及早期临床阶段的数据集，尽可能及时地预测临床结果。 评价因素：产品的安全性、有效性、潜在的副作用、整体 试验结果
Seton Healthcare 采用IBM最新沃森技术医疗保健内容分析预测的首个客户。允许企业找到大量病人相关的临床医疗信息，通过大数据处理，更好地分析病人的信息。
在加拿大多伦多的一家医院，针对早产婴儿，每秒钟有超过3000次的数据读取。通过这些数据分析，医院能够提前知道哪些早产儿出现问题并且有针对性地采取措施，避免早产婴儿夭折。
Thanks！ 崔澜馨 2016.3.23