样本数据应用模式
产品描述
基于样本信息、临床数据和多组学平台产生的数据（基因组、转录组、蛋白质组数据等）之间的有效关联，依托样本库大数据平台带来的不同样本库间网络化即时管理和有效融合，应用大数据、人工智能的分析和优化手段，对大量临床非结构化数据进行结构化处理和深度挖掘，推动重大疾病研究模式的转变，促进转化医学研究进程（详见图11）。
图11 大数据整合利用架构
（1）临床应用场景大数据平台可以有效应用于临床场景，解决传统的临床数据搜索性能效率低下、搜索方式有限、专业技术要求较强等问题：基于大数据架构的设计，可有效优化传统检索问题，可以用于全文搜索、结构化搜索、分词搜索、模糊搜索以及复合搜索等多种模式，能够实现秒级搜索；基于大数据平台，可以在标准数据生产的基础上，利用大量的电子病历作为分析样本，并结合临床知识，抽象出疾病特征字段进行建模，结合专业的临床知识库，提供全方位的辅助决策服务。
（2）科研应用场景临床样本科研思路发现困难、诸多病历的非结构化字段处理需要大量的人力、处理完的数据需要时间精力的转换和处理才能进行分析，这一系列问题困扰着临床医生的科研工作。利用大数据平台，可以从临床科研全流程（科研灵感的发现、初步调研验证、科研立项、圈定目标人群、观测指标的建立、数据如何收集以及最后的统计分析和文章撰写等）予以支持，帮助临床医生更高效地开展科研工作。
（3）管理应用场景通过大数据平台，可以统一数据统计口径、有效集中多业务系统分类方式；形成联盟医院质量对比；对重点学科建设及病种发展形成有效手段；控制和评估数据质量问题；促进医疗整体质控方案的完善；建立样本统一索引；统一主数据管理；有效利用临床电子病历数据和科研数据进行医学研究。
（4）捐赠者服务场景大数据平台除了为样本库、医疗机构、科学研究等提供数据和应用支持外，在样本捐赠者服务方面也将有非常重要的意义。基于捐赠者提供的样本、临床、随访及科研等信息，可以形成一套智能导诊服务模式，采用人工智能技术识别捐赠者可能患有的疾病并给出就医指导。结合大数据平台疾病知识图谱、数据挖掘方面的导诊算法、语义分析等工具，让捐赠者获得导诊服务。通过建立相关专科疾病、症状、治疗方式知识库，利用问题生成器和病历分类器，建立知识库内容与提问内容、推荐医院之间的联系，实现智能推荐。
（5）药物研究场景当今时代，临床试验的质量管理直接关系到药品研发进程及疾病防治策略。依托大数据平台，并参考专业的标准数据集和中心化统一编码，可高质高效辅助开展临床试验及临床研究。通过大数据平台，基于项目的纳入排除条件，结合临床场景发现疑似符合入组条件的受试者，加速临床试验入组。基于大数据平台的历史项目核查报告和质控规则，智能预测临床试验可能的风险，并利用大数据技术进行质量评估，实时发现方案不依从、数据不一致、AE/SAE漏报等质量问题，提醒研究团队进行整改。同时在CRA、质控员、稽查人员现场质控前，基于数据模型运算，优先产出质控分析报告，告知质控人员风险点，方便质控人员做有针对性核查。
（6）教学应用场景基于大数据的疾病图谱是临床医疗教学除了教科书、文献之外的第三个工具。对某一疾病的海量真实数据进行统计分析，可呈现真实的疾病特征分布，包括年龄分布、常见症状、性别比例、常用检查检验方式等。隐藏在大数据各个节点数据之间逻辑关系的透出，帮助深度解读疾病信息。做到理论和临床实际案例相结合，辅助临床教学。
