首页 > 文献资料
-
人工智能医疗器械用数据集管理与评价方法研究
数据集是人工智能(Artificial Intelligence,AI)医疗器械研发、训练、验证、优化的重要资源,是产业链上游影响产品质量的重要因素.在人工智能医疗器械产业起步的关键时期,如何规范和引导企业、医院、第三方机构等社会力量建设与管理数据集,关系到行业的长远健康发展与持久繁荣,关系到人工智能医疗器械产品的有效性、安全性和风险性,也关系到我国海量医学数据红利能否释放.国内外对于人工智能医疗器械用数据集的管理与评价尚未建立专业标准,缺乏专用的可操作的方法体系.本文结合数据集建设实践经验,对人工智能医疗器械用数据集管理与评价策略提出具体的建议,从医疗器械质量评价与生产质量管理体系的视角明确具体的工作流程与方法要求,旨在帮助行业加强对数据集质量管理的重视,通过对其质量管理体系的科学管理,确保和提升人工智能医疗器械产品质量.
-
电子健康档案数据质量评估与治理的综述研究
对国内外有关电子健康档案数据质量方面的文献进行了总结分析.从数据质量的定义、问题与评估和治理策略的角度出发,阐述了国内外的研究现状,为相关电子健康档案数据质量的研究提供参考.
-
浦东新区区域卫生信息平台的数据治理现状
近一个时期以来,有关大数据在医疗卫生领域的研究与应用见可而进,新的挖掘技术和处理方法不断被人们引入到医疗卫生工作之中[1],随着对数据价值的不断挖掘,对数据管理和数据质量的要求也越来越高.通过对浦东新区卫生数据治理的现状进行分析并总结,提出今后发展设想,可为其他地区和行业提供借鉴.
-
医疗机构大数据分析功能及应用策略研究
目的:分析医疗大数据在临床信息化建设中的应用,提出临床信息化建设中医疗大数据分析的应用策略.方法:对医疗大数据应用进行场景分析,总结大数据分析技术,提出应用改进方法.结果:从5个方面提出了医疗大数据分析应用的建设策略,指出了未来数据驱动医疗方向.结论:医疗大数据分析是提升医院信息系统价值的重要方面,医疗机构数据治理氛围以及复合型信息人才建设是大数据分析应用成功的关键.
-
大数据临床科研平台的设计与实现
目的:优化传统科研工作存在的复杂耗时的流程环节,包括构思研究思路、获取数据、处理数据、统计建模等,建成一体化科研平台,方便科研人员高效、高质完成科研工作.方法:基于大数据相关技术,整合、清洗医院多源异构数据,形成标准化大数据资源中心,并基于资源中心建设相关科研应用.结果:实现了专病库管理、数据质控、数据导出、统计分析等功能,解决了科研人员在专病库建立及统计建模等方面的难题.结论:提升了科研质量及效率,加快了科研成果转化,从而间接促进了医疗质量的提高.
-
医疗行业大数据生命周期及治理
在介绍大数据生命周期、医疗数据种类及特征的基础上,提出医疗大数据生命周期模型,并基于此模型论述医疗大数据治理的问题、目标及具体措施,包括数据标准的制定、元数据管理平台搭建、医疗数据质量管理以及数据生命周期管理等.
-
临床医疗大数据治理和应用
OMOP通用数据模型是由OHDSI提出的国际先进的医学信息科研数据模型.本文介绍对医院大量临床医疗数据抽取、清洗,在引入OMOP模型的基础上生成医疗科研数据模型,以建立包括精确队列筛选和队列分析、比较等功能的Vinci医疗数据科研分析平台为例,通过平台应用案例,讨论应用意义和存在的问题.