大數(shù)據(jù)中心建設(shè)的再認(rèn)識(shí)課件

1、（一）建設(shè)什么樣的大數(shù)據(jù)中心 大數(shù)據(jù)利用是個(gè)性化的數(shù)據(jù)研究服務(wù)，簡(jiǎn)單例子： 數(shù)據(jù)檢索： 化療后白細(xì)胞數(shù)下降的患者30天內(nèi)二次住院的患者 數(shù)據(jù)分析： 65歲以上老年人患兩種以上疾病的排名前三的共病組合老年下肢關(guān)節(jié)手術(shù)麻醉方式與術(shù)后肺部感染的相關(guān)性 大數(shù)據(jù)中心的職責(zé)是服務(wù)，與傳統(tǒng)的信息中心有所不同大信息中心數(shù)據(jù)中心大信息系統(tǒng)建設(shè)與運(yùn)維數(shù)據(jù)應(yīng)用系統(tǒng)數(shù)據(jù)服務(wù)CHIMA 2019之一：數(shù)據(jù)管理中心 職責(zé) 數(shù)據(jù)采集、整合 數(shù)據(jù)存儲(chǔ)管理 數(shù)據(jù)訪問(wèn)授權(quán)數(shù)據(jù)檢索數(shù)據(jù)瀏覽虛擬桌面 工作平臺(tái)數(shù)據(jù)管理 數(shù)據(jù)整合平臺(tái)（ETL） 數(shù)據(jù)檢索系統(tǒng) 數(shù)據(jù)瀏覽系統(tǒng)數(shù)據(jù)存儲(chǔ)授權(quán)提取 數(shù)據(jù)在線使用（虛擬桌面） 所需人才數(shù)據(jù)整合平臺(tái)

2、IT工程師CHIMA 2019之二：數(shù)據(jù)加工中心 職責(zé) 根據(jù)用戶需求，從原始數(shù)據(jù)加工生成特征數(shù)據(jù)專(zhuān)病數(shù)據(jù)庫(kù)平臺(tái) 工作平臺(tái) 自然語(yǔ)言處理工具 專(zhuān)病數(shù)據(jù)庫(kù)平臺(tái) 組學(xué)等專(zhuān)業(yè)數(shù)據(jù)處理平臺(tái) SQL特征數(shù)據(jù)特征數(shù)據(jù)特征數(shù)據(jù)結(jié)構(gòu)化處理、SQL、組學(xué)數(shù)據(jù)平臺(tái) 所需人才原始數(shù)據(jù) IT工程師CHIMA 2019之三：數(shù)據(jù)分析中心 職責(zé) 為用戶提供數(shù)據(jù)分析服務(wù) 工作平臺(tái) 各類(lèi)建模工具人工服務(wù) 數(shù)據(jù)可視化工具 深度學(xué)習(xí)平臺(tái)SAS、SPSS、R、深度學(xué)習(xí) 所需人才 IT工程師 數(shù)據(jù)分析工程師數(shù)據(jù)存儲(chǔ)CHIMA 2019大數(shù)據(jù)中心的職能定位 大數(shù)據(jù)中心的三種職能定位數(shù)據(jù)分析全功能的+大數(shù)據(jù)中心數(shù)據(jù)加工+數(shù)據(jù)管理CHIMA

3、 2019（一）建設(shè)什么樣的大數(shù)據(jù)中心觀點(diǎn)認(rèn)識(shí)：“大數(shù)據(jù)中心”是數(shù)據(jù)服務(wù)中心而不是系統(tǒng)建設(shè)中心，“服務(wù)”有不同的內(nèi)涵，不同的職能定位對(duì)應(yīng)不同的技術(shù)平臺(tái)與人才團(tuán)隊(duì)建設(shè)內(nèi)容。在提出建設(shè)大數(shù)據(jù)中心規(guī)劃時(shí)，首先要明確大數(shù)據(jù)中心的職能定位。CHIMA 2019（二）數(shù)據(jù)是否要做整體預(yù)處理大數(shù)據(jù)中心數(shù)據(jù)處理的兩種流程分析分析分析分析歸一化歸一化清洗后數(shù)據(jù)歸一化結(jié)構(gòu)化 結(jié)構(gòu)化VS結(jié)構(gòu)化原始數(shù)據(jù)數(shù)據(jù)整合數(shù)據(jù)整合整體預(yù)處理針對(duì)應(yīng)用的預(yù)處理數(shù)據(jù)治理可以一次性完成嗎？CHIMA 2019（二）數(shù)據(jù)是否要做整體預(yù)處理 信息的損失 病歷文本結(jié)構(gòu)化的結(jié)果不能完整表達(dá)原病歷文本的語(yǔ)義 標(biāo)準(zhǔn)化（歸一化）可能導(dǎo)致特定信息丟失，

4、如藥品名稱(chēng)轉(zhuǎn)換：諾欣、鉑龍、順鉑順鉑 技術(shù)上的困難 歷史數(shù)據(jù)的不一致，如疾病編碼 ICD-9與ICD-10由于編碼原則可能不同導(dǎo)致轉(zhuǎn)換難以自動(dòng)對(duì)照完成 整體結(jié)構(gòu)化的困難，如不同病種的病歷文本有不同的特點(diǎn)，目前尚難以做到泛病種的結(jié)構(gòu)化處理CHIMA 2019（二）數(shù)據(jù)是否要做整體預(yù)處理 病歷結(jié)構(gòu)化不能完整反映文本語(yǔ)義，如癥狀之間的順序關(guān)系CHIMA 2019（二）數(shù)據(jù)是否要做整體預(yù)處理 如，判斷不同腫瘤分期的結(jié)構(gòu)化處理方法不同肺癌N分期判定胃癌N分期判定N0：無(wú)區(qū)域淋巴結(jié)轉(zhuǎn)移N0：無(wú)區(qū)域淋巴結(jié)轉(zhuǎn)移N1：同側(cè)支氣管或肺門(mén)淋巴結(jié)轉(zhuǎn)移N2：同側(cè)縱隔和/隆突下淋巴結(jié)轉(zhuǎn)移N1：區(qū)域淋巴結(jié)轉(zhuǎn)移12個(gè)N2：區(qū)

5、域淋巴結(jié)轉(zhuǎn)移36個(gè)N3：區(qū)域淋巴結(jié)轉(zhuǎn)移715個(gè)N4：區(qū)域淋巴結(jié)轉(zhuǎn)移16個(gè)以上格式：陽(yáng)性個(gè)數(shù)/送檢個(gè)數(shù)CHIMA 2019（二）數(shù)據(jù)是否要做整體預(yù)處理觀點(diǎn)認(rèn)識(shí)：在大數(shù)據(jù)中心數(shù)據(jù)資源建設(shè)中，預(yù)先將數(shù)據(jù)整體進(jìn)行預(yù)處理的過(guò)程會(huì)帶來(lái)信息丟失，技術(shù)上也存在較大困難，一次性的數(shù)據(jù)治理難以滿足數(shù)據(jù)后續(xù)利用需求。采用“數(shù)據(jù)湖”概念，保留數(shù)據(jù)的原始性，針對(duì)特定研究問(wèn)題開(kāi)展數(shù)據(jù)預(yù)處理是更好的選擇。CHIMA 2019（三）臨床數(shù)據(jù)研究的兩種路徑建立專(zhuān)病庫(kù)選擇特征預(yù)先分析時(shí)數(shù)據(jù)分析原始數(shù)據(jù)抽取數(shù)據(jù)/特征提取分析時(shí) 專(zhuān)病數(shù)據(jù)庫(kù)路徑：按病種設(shè)置特征，建立數(shù)據(jù)模型，預(yù)先整理加工 隨機(jī)特征提取路徑：按照研究問(wèn)題抽取和處理特征

6、，在分析時(shí)進(jìn)行建立科研病種數(shù)據(jù)庫(kù)是臨床數(shù)據(jù)研究的必然選擇嗎？CHIMA 2019科研數(shù)據(jù)庫(kù)的局限性 泛研究目的的科研病種數(shù)據(jù)庫(kù) 以收集準(zhǔn)備病種數(shù)據(jù)為目的，用以支持本病種不同目的的研究 數(shù)據(jù)庫(kù)涉及數(shù)據(jù)項(xiàng)多，結(jié)構(gòu)復(fù)雜，人工加工工作量巨大，持續(xù)難度大 針對(duì)問(wèn)題分析時(shí)需要二次加工 難以滿足所有研究需求 例：糖尿病視網(wǎng)膜病變專(zhuān)病數(shù)據(jù)庫(kù)（片段）是否降血壓藥物、服用降血壓藥物種類(lèi)數(shù)量、開(kāi)始日期、服用時(shí)長(zhǎng)（月）、目前規(guī)律服用降血壓藥物；鈣離子拮抗劑降壓藥是否使用、藥物名稱(chēng)、劑量、開(kāi)始日期、服用時(shí)長(zhǎng)（月）；受體阻滯劑降壓藥是否使用、藥物名稱(chēng)、劑量、開(kāi)始日期、服用時(shí)長(zhǎng)（月）；血管擴(kuò)張藥是否使用、藥物名稱(chēng)、劑量、開(kāi)

7、始日期、服用時(shí)長(zhǎng)（月）；Ang受體阻滯劑是否使用、藥物名稱(chēng)、劑量、開(kāi)始日期、服用時(shí)長(zhǎng)（月）；CHIMA 2019科研數(shù)據(jù)庫(kù)的局限性 單一研究目的的科研病種數(shù)據(jù)庫(kù) 以特定問(wèn)題為導(dǎo)向收集病種數(shù)據(jù) 數(shù)據(jù)庫(kù)涉及數(shù)據(jù)少，人工加工工作量小 難以滿足特定問(wèn)題以外的研究需求 例：肺癌患者生存研究數(shù)據(jù)庫(kù)性別、年齡、吸煙史、是否戒煙、家族史、ABO血型、RhD血型、基礎(chǔ)疾病、合并癥、病理類(lèi)型、分化程度、基因檢測(cè)方法、基因突變狀態(tài)、PD-L1（陽(yáng)性/陰性）、MMR/MSI、TNMG分期、手術(shù)、輔助治療（化療、放療）、一線治療、療效評(píng)估、副反應(yīng)、PFS、二線治療、生存狀態(tài)、隨訪時(shí)間、總生存時(shí)間、最后一次隨訪時(shí)間、是否

8、存活、是否復(fù)發(fā)/進(jìn)展、復(fù)發(fā)/進(jìn)展位置、復(fù)發(fā)/進(jìn)展時(shí)間CHIMA 2019（三）臨床數(shù)據(jù)研究的兩種路徑觀點(diǎn)認(rèn)識(shí)：通過(guò)建立專(zhuān)病數(shù)據(jù)庫(kù)和直接基于原始數(shù)據(jù)庫(kù)開(kāi)展臨床數(shù)據(jù)研究是大數(shù)據(jù)中心兩種數(shù)據(jù)研究路徑。依托專(zhuān)病數(shù)據(jù)庫(kù)的路徑有較大的局限性。在現(xiàn)實(shí)研究實(shí)踐中，特別是在回顧性研究中，更多地采用直接依托原始數(shù)據(jù)的方式。CHIMA 2019（四）對(duì)醫(yī)療大數(shù)據(jù)平臺(tái)的認(rèn)識(shí)問(wèn)題：醫(yī)療大數(shù)據(jù)平臺(tái)是什么？是一體化的產(chǎn)品嗎？技術(shù)形態(tài)是什么？ 面向一線臨床研究人員的需求 數(shù)據(jù)檢索與瀏覽系統(tǒng) 科研專(zhuān)病數(shù)據(jù)庫(kù)管理系統(tǒng) 多中心數(shù)據(jù)采集系統(tǒng) 數(shù)理統(tǒng)計(jì)工具 面向數(shù)據(jù)處理分析人員的需求 數(shù)據(jù)處理工具SQL、ETL工具 自然語(yǔ)言處理及結(jié)構(gòu)化工具 去隱私工具 各類(lèi)建模工具：R、Matlab、SAS、SPSS 院后隨訪系統(tǒng) 深度學(xué)習(xí)數(shù)據(jù)標(biāo)注工具 可視化分析工具 深度學(xué)習(xí)平臺(tái) 組學(xué)數(shù)據(jù)處理分析平臺(tái)功能形態(tài)CHIMA 2019（四）對(duì)醫(yī)療大數(shù)據(jù)平臺(tái)的認(rèn)識(shí) 數(shù)據(jù)形態(tài) 數(shù)據(jù)檢索：列數(shù)據(jù)庫(kù)（結(jié)構(gòu)化數(shù)據(jù)），文本分布式索引（病歷文本） 數(shù)據(jù)處理：傳統(tǒng)關(guān)系數(shù)據(jù)庫(kù) 數(shù)據(jù)分析：傳統(tǒng)關(guān)系數(shù)據(jù)庫(kù) 專(zhuān)病系統(tǒng)：傳統(tǒng)關(guān)系數(shù)據(jù)庫(kù)/XML檢索處理分析專(zhuān)病 多重?cái)?shù)據(jù)存在 針對(duì)不同的