[[422117]]

01醫療大數據治理

醫療大數據的采集及管理、分析等環節的統稱，目的是妥善管理“有用”的數據并從海量數據中挖掘價值。

02醫療大數據采集及管理

目前，醫療數據大多散落在各個系統，碎片化、低質量、孤立分類、類型多樣、標準不一，而優質的數據采集手段可以實現異構數據融合及數據的初步清洗，為后續的大數據分析及應用奠定堅實的數據基礎。開發合規前提下的數據標準化集成采集平臺，可實現數據較高質量的存儲和及時調用。

03數據脫敏問題

敏感大數據分類：

進行分類大數據挖掘需要對醫療保險號碼等敏感數據進行分類。分類應來自業務詞庫模型并被傳承到不同的數據庫中數據的所有物理實例中。

發現敏感數據：

敏感的大數據可能隱蔽在非結構化文本中，大數據挖掘應考慮數據分析工具的利用，以便自動發現非結構化字段的敏感數據。

執行數據隱私：

可以通過使用數據分析工具發現敏感的大數據，以監督對政策的遵從度。

標記敏感數據：

只有在識別到敏感數據的位置時，組織才能執行政策，因此在業務詞庫中標記敏感數據非常關鍵。

04大數據應用場景-輔助診療

05醫療大數據價值閉環

大數據與機器學習、深度學習等技術和循證醫學、影響組學相結合，可以為健康管理等場景提供解決方案;打通底層數據，構建互聯互通的數據平臺。數據互通可以優化各應用場景的體驗，各應用場景產生的數據又可以進一步豐富數據，由此形成一個價值閉環。

06大數據應用場景-管理系統

醫院各種數據、信息呈現分散化的狀態，分布式地散落于醫院內外各系統中，基于大數據整合的醫院管理系統可從醫院數據、信息分布式管理出發，集合各種異構數據，建立數據信息用戶中心等方式，全面提高數據管理水平。