“即使只是在县城得了普通感冒，如果在搜索引擎中寻找合适的医院，推荐的往往也是北京上海的大医院，推荐结果显然并不适应患者的情况。”长江学者、国家“千人计划”特聘专家、合肥工业大学数据挖掘与智能计算研究团队学科带头人吴信东教授介绍说。发生这种情况的原因是目前从互联网上获取的还主要是信息，而并非有用的知识。目前，人类知识的迅猛增长和大数据的多源与动态加剧了知识的碎片化问题，针对这些数量庞大、来源众多、结构各异的碎片化知识，大数据知识工程通过发掘其表示与演变的规律，融合知识实现量质转化与知识增殖，同时对融合知识进行动态有序化组织，以满足不同客户的需求。

　　网上存储的医疗健康数据中隐藏着丰富的医学领域知识，但如何从这些数据中获取真正有用的知识进行辅助决策支持方面的临床实践应用，还存在着诸多难点。由于这些医疗健康数据是来自于地理上分布、管理上自治、模式上异构的多种数据资源，其信息的有效性往往很难甄别。如同一家医院具有不同的名称、同一种疾病可能分属多个分科、一家医院的同一科室可能存在同名医生等。对疾病的治疗方案，也存在着专业医生的权威诊断和病人自己的治疗经验。

　　面向具有多源性、海量性、动态性、异构性、不确定性和实时性等特征的医疗健康数据，该校数据挖掘与智能计算研究团队开发的普适医疗信息与服务系统采用数据挖掘及其它人工智能技术、云计算等技术，提供医疗信息自动聚合、知识发现与服务、医疗服务信用评价机制、个性化医疗服务推荐机制，以达到医疗信息和服务普适共享、广大民众普遍受惠的目的。系统开发集成了具有自主知识产权的多源海量信息自动聚合的中间件、多源海量动态信息知识发现中间件、知识处理工具库、个性化计算工具库、平台管理工具库和数据管理与查询工具库等多项技术，每天从12个信息较为全面的医疗门户网站选取处理的数据高达5TB。这些数据经过采集、加工后进入普适医疗信息服务系统，以在线方式为广大疾病患者提供智能化、实用易用的服务和咨询。通过系统，病人可以查疾病、诊症状、推医院、荐医生，并形成医疗信息知识库。同时，这些服务与咨询也是针对患者病情的量身定做，同一种疾病在不同的情况下将推荐不同的诊断方案，如痛风患者由于病情不同，应该到风湿科、内分泌科或骨科等不同科室接受治疗。

　　“大数据知识工程形成的基于互联网的知识服务经济是一种新的经济和业态，也是新经济的支撑，具有重要的战略意义。除了医疗领域外，大数据知识工程在个性化教育、社交媒体等公共领域有着极为广泛的应用前景。”吴信东教授说。

作者:周慧吴兰

来源：IT168

原文链接:大数据系统可实现医疗信息服务普适共享