人工智能与大数据技术导论
●提升数据质量
医院信息系统每天采集、传输、存储和处理大量的数字医疗数据，这些医疗数据支撑着整个信息系统的运行，成为医院管理和医疗业务工作的基础。医疗数据质量的高低直接影响和决定着医疗数据和统计信息的使用价值。提升数据质量方面，首先要保证数据的完整性，对电子病历进行结构化处理，更有效地进行数据的收集。同时，也要个性化地发展，专科电子病历作为比较火热的领域，为医院的大数据科研打下了非常好的基础。在数据的可用性方面，数据质量一定要有标准可以遵循，医院对于数据的质量要有一个监控的过程。医生利用系统查找出来的数据是三年以前的，这样的数据利用起来的话肯定会出问题的。在遵循标准的同时，数据采集的过程中也要进行规范化和标准化的管理。
●提高数据安全
医疗数据和应用呈现指数级的增长趋势，也给动态数据安全监控和隐私保护带来了极大的挑战。在2017年6月，国务院发布了促进健康医疗大数据发展行动纲要的指导意见，将健康医疗大数据作为国家重要的基础性战略资源。国家对于健康医疗大数据的安全十分重视，“规范有序，安全可控”作为“意见”基本原则中最重要的一项。健康医疗大数据应警惕数据安全，保护患者隐私，才能真正实现数据融合共享、开放应用。
●推进大数据应用的三大维度
在大数据时代的发展当中，医院的信息管理方式出现了非常明显的转变，其中的信息数据已经呈现出了非常显著的特征。但是，大数据距离临床业务发展成熟仍然是有距离的，目前科研还是大数据应用的主要战场。要更好地推进大数据的发展，首先，要扩大医疗信息化的覆盖面；其次，信息化在一个领域中要有深入的应用，比如高值耗材要深入到床旁、手术台旁等；最后，医院要利用信息化进行互联互通，产生协同效应。
14.7
机器学习在医疗行业中的应用实例分析
我们来看一个实际例子。如图14-3所示，日本横滨市从2008年起开始构建“119紧急电话对紧急程度/病情严重程度的识别（call triage）”预测模型系统。横滨市的call triage指的是从通话内容中预测拨打119电话的患者病情的严重程度，根据具体症状来调整急救人员的种类和规模。因为现在增加急救人员的人手存在困难，如何有效地安排就显得非常重要。这时，最重要的一点是“不能把重症的患者判断为轻症”，哪怕允许“把轻症的患者判断为重症”，也绝不允许系统把重症患者判断为轻症。也正因为如此，系统最初的预测精准度还不到30%。
422