实用健康医疗数据科学精要

在过去几年里，随着健康医疗数据的积累和数据科学技术的进步,卫健行业迎来了全新的变革。数据科学技术为生物医药研究提供了新的理论研究范式，为临床研究和循证实践提供了新的证据产生方法，为健康管理和临床诊疗提供了更精准的辅助决策工具，为卫生管理提供了更精细化的行政治理手段，为健康医疗产业提供了更广阔的创新创业空间。在大健康、大数据的时代背景下，一面是以全民健康托起全面小康的健康中国战略，一面是从数据大国建设数据强国的国家战略需求，健康医疗与数据科学的融合发展，已经成为了时代的已然和必然。健康医疗数据科学，是医学与数据科学深度融合的交叉领域，同时也是两个学科双向奔赴的过程。医疗从业者的数据科学素养，与数据从业者的医疗行业认知，对于保证数据赋能医疗的具体实施效果，同等重要。为了对齐和提升多方认知，促进数据科学在健康医疗领域的工具化、技术化、语言化、思想化和文化化，作者作为一名健康医疗大数据的践行者，希望尽自己绵薄之力，助推行业的发展。经过3年多近60万字的写作，这本《实用健康医疗数据科学精要》终于和大家见面了。 本书从内容上可分为三个部分，分别为行业背景知识、数据科学理论，以及健康医疗应用。在行业背景知识部分，本书通过两条线，分别介绍了医学与数据科学的发展脉络。两条线汇聚，引出了健康医疗大数据与人工智能在真实世界中应用，这一宏大命题。本部分内容涉及到了很多读者可能感兴趣的话题，例如科学研究的范式转移、现代医学的科学性与循证性、现代循证体系的建立过程、传统医学与现代医学的主要分歧、数据科学如何助力传统医学融入现代、医疗大数据与人工智能概念的内涵与外延、弱人工智能与强人工智能的区别与联系、我们发展人工智能应该坚守的造物观、医疗人工智能的落地条件、数据要素化的内涵与实施路径、真实世界研究的核心理念以及人群队列管理等。 在数据科学理论部分，本书主要介绍了三部分内容：首先是如何将真实世界数据转变为真实世界证据。这一部分内容主要聚焦于如何挖掘单变量对单变量的影响，这也是循证医学研究的基础研究范式和基本关注点。通过一根杠杆图，以大道至简的方式告诉读者朋友，相关关系与因果关系的判定与差异、混杂与交互因素的识别与控制，以及风险因素对各类结局影响的论证逻辑结构；第二部分聚焦于临床预测模型构建的思路与流程，包括建模前的问题定义与数据准备，建模中的模型选择与变量筛选，建模后的模型应用形式，以及区分度、校准度和临床意义评价等内容。这部分内容也是从单变量关系到多变量关系，从描述、比较到模拟、预测的进阶过渡；第三部分对机器学习算法进行了深入浅出的介绍，包括统计学习算法和深度学习算法。统计学习算法，如基于正则化方法的lasso回归、树模型算法、集成学习算法、贝叶斯理论、基于距离的分类与聚类、数据降维、支持向量机、关联规则挖掘和时间序列分析等。深度学习算法包括卷积神经网络、循环神经网络、对抗生成网络、深度强化学习以及最近非常火的Transformer、大语言模型和AIGC等内容。同为医生，我非常了解医护人员学习数学和算法的困难。为此，在算法介绍部分，本书分层次由浅到深进行讲解。例如我会把支持向量机比喻为AI界的水果忍者，我会用传话游戏来描述神经网络的训练过程。同时，本书也会使用大量形象、生动、有趣的原创图片，以及一些算法在医疗场景中的实际应用案例，从而帮助卫健领域的读者完成从补偿学习到资本学习的转变，进一步降低他们的学习难度。当然，本书也包含了完整的、严谨的数学推导过程，能够适配不同读者的阅读需求。作者非常固执地要把数据科学的底层算法讲给读者。因为当我们不了解一个人的时候，我们可能会把他想得过于好，或者过于不好。同样的，当我们不了解一个技术的时候，我们常常会对其过于信任和依赖，亦或过于怀疑和抵触。作者一直认为，在数据科学领域，理解技术是应用技术的前提，带着把健康医疗数据科学讲深讲透的初心和决心，本书坚持道与术同讲。明白了道的初衷，才能守一而用万；明白了术的逻辑，才能触类而旁通。 在健康医疗应用部分，本书囊括了健康医疗涉及的主要领域，包括日常诊疗、精准医学、医药研发、转化医学、智慧健康医疗、合理医疗、医院管理以及医学人文等。在日常诊疗章节，本书介绍了临床决策的双重认知模式以及能够引起医疗决策失误的常见认知偏差，提出了数据科学具有在元认知层面对临床决策进行认知纠偏的效果，并进一步讨论了人机协同决策的机制，和临床辅助决策系统，即CDSS的设计原则。在精准医学部分，本书介绍了精准医学的定义和由来，讲述了它与大规模人群队列和多模态组学数据的关系，详细介绍了以中心法则为主线开展的基因组学、转录组学和蛋白组学，以及中心法则之外的代谢组学、表型组学、肠道菌群组学、影像组学乃至时空组学等多组学研究的生物细节机制。以“始于差异，经由机制，终于临床”总结介绍了组学数据分析的通用思路和方法。在医药研发章节，本书回顾了新药研发的艰难过程，介绍了生物分子的常用化学表征以及模型计算的主要原理。在转化医学章节，本书介绍了转化医学的概念、阶段以及转化医学与数据科学的关系，讨论了基于数据科学的数字医疗产品在转化过程中所需要关注的基本点。从科学创新、技术创新和工程创新三个角度，从创新度、先进度和成熟度三个维度，向读者朋友们介绍了科技成果评价的标准方法，帮助大家理解自身成果的定位、赛道和潜在的转化路径。最后，本书以基因编辑技术为例，介绍了技术产品化、产品商品化、商品产业化的过程以及相关注意事项。在智慧医疗章节，本书以智慧地球三要素为引，介绍了智慧健康医疗的核心三精理念与“4E”效果，详细介绍了智慧健康医疗三驾马车——智慧医疗、智慧管理、智慧服务的相应评价标准。并对信息数据技术衍生出的，在医疗业务场景中经常用到的，新技术概念做了全面的梳理和总结，包括digital health，eHealth，mHealth、互联网医疗、远程医疗、数字医疗、数字疗法、数字孪生、数字原生和元宇宙等。最后，本章节对如火如荼的智慧健康医疗建设做了深刻的反思，提出了数据科学之于智慧医疗，是渔而非鱼的观点。在合理医疗章节，本书深刻剖析了临床决策的相关干系人和利益方，从卫生经济学的角度讲述了合理医疗的大道理与不合理医疗的小算盘，指出了当前合理医疗监管外儒内法的表现形式，以及从形式之法到数据之法的具体实施路径。最后，本书围绕疾病负担分析，介绍了基于数据科学的合理医疗循证评价方法。在医院管理章节，本书介绍了指标化的医院数字化管理方法，也介绍了常见的注意事项。例如当一个指标成为一个指标时，它也成为了被考核组织所要操纵的目标。本书以DRGsDIP医保费用管理、RBRVS绩效考核体系构建以及精细化医院运营管理为例，详细介绍了数据科学方法在医疗管理中的应用。在医学人文章节，本书简要回顾了当代医学人文缺失的主要原因，论述了如何通过数据科学帮助实现医学技术的人文式供给，并提出了在医学美学的指导下发展健康医疗数据科学的观点，促进健康医疗服务完成合规律性与合目的性的统一。在最后一章中，本书介绍了如何建设医疗大数据平台。具体来说，我们需要以信息化为基础，以伦理批准、患者安全、信息安全、数据合规为红线，以数据质量为保障，以数据变现为导向建设临床、管理、科研一体化的数据平台，以更好地实现医疗大数据的理、采、存、管、用。其中，安全体系的构建与数据的合规合理使用，避免掉进唯数据主义的陷阱，以及促进业务、信息、数据团队协同作战的Dataops理念，是本章的重点。 这虽然是一本技术类书籍，但大家在阅读它的时候并不会觉得非常枯燥。因为这是一本有血有肉有温度的书。这个温度，来自于作者作为一名医生对于生命的体会，对于医疗行业的体会，对于个人学习成长的体会，以及对于社会责任和家庭责任的体会。咱们用医生的话，来说数据的事。这里的医生，并不是一个冰冷的职业，而是一个个有血有肉、有悲有喜的人。一定会有一些非医疗领域的读者，通过阅读这本书，能够被带入到医疗角色中，更加理解生命与医学的不易与神圣；同时也一定会有很多医生朋友，他们在读到一些段落时，会忍不住会心一笑，因为相似的情景，相似的逻辑，相似的感受，每天都在医院里重复发生。人生在世，健康为本。所谓一切为了健康，健康为了一切。在2013年，WHO曾提出过health in all policies，即将健康融入所有政策的理念。作者在后面接上一句，data science and technology in all health care practices，将数据科学技术融入一切健康医疗实践。希望本书能够带给大家一个关于健康医疗数据科学多维度的、体系化的认知。突出业务需求，突出问题导向，保证科学务实，保证技术向善！让大家知其然亦知其所以然，即看得到热闹，也看得懂门道。通过健康医疗业务与数据科学底层逻辑的交互融合，实现数据科学在健康医疗领域的文化畅流，促进产学研用的紧密结合，助推健康医疗事业快速发展。作者也希望通过这本书，找到更多的知音和伙伴，大家齐心共力，因数而智，化智为能，除人类之病痛，助健康之完美。

目　录 第1章　医学发展与数据科学 1 1.1 医学认知的物质化、科学化和数据化 1 1.1.1 从神灵主义走出的医学 1 1.1.2 医学认知的物质化 2 1.1.3 医学认知的科学化 4 1.1.4 医学认知的数据化 6 1.2 数据化或是传统医学现代化的必经之路 8 1.2.1 现代医学与传统医学的分歧 8 1.2.2 数据科学助力传统医学融入现代 8 1.3 以实践和数据说话的循证医学发展历程 10 1.3.1 理解循证医学 10 1.3.2 循证医学证据体系建立的五个阶段 11 1.4 基于PICOS原则把临床语言转变为数据语言 18 1.5 数据科学在循证医学证据体系以外的应用 19 第2章　走进数据科学时代 23 2.1 大数据的由来、定义和特征 23 2.1.1 大数据的由来和定义 23 2.1.2 大数据的nV特征 24 2.1.3 走出数据以“大”论英雄的误区 25 2.2 大数据发展的数据工程问题 27 2.2.1 硬件工程问题 27 2.2.2 软件技术问题 28 2.3 大数据发展的数据科学问题 30 2.3.1 统计学的由来与发展 30 2.3.2 智能的内涵：知有所合谓之智，能有所合谓之能 31 2.3.3 人工智能的起落与辉煌 32 2.3.4 发展人工智能应坚守的造物观：重己役物，致用利人 35 2.4 大数据驱动的数据科学生态变革 38 2.4.1 从统计学思维到应用型思维 38 2.4.2 数据科学生态促使数据从业者角色分化 40 2.5 大数据驱动的科学研究范式变革 42 2.5.1 科学革命的结构 42 2.5.2 第四范式与AI for science 43 2.6 大数据驱动的日常生活变革 46 2.7 数字经济驱动数据要素价值变现 48 2.7.1 互联网泡沫破碎后的数字经济重建 48 2.7.2 理解数据要素化 49 2.7.3 数据变现的路径 51 第3章　健康医疗大数据与人工智能 54 3.1 健康医疗大数据的范围 54 3.2 健康医疗大数据的行业特征 55 3.2.1 医疗大数据的纵向和横向孤岛现象 55 3.2.2 健康医疗大数据的多模态性、疾病主题特异性和动态性 56 3.2.3 健康医疗大数据的主观性和价值稀疏性 56 3.3 大数据驱动的人工智能在医疗领域的应用与角色 59 3.3.1 人工智能在医疗领域的应用 59 3.3.2 从效率工具角度看待医疗人工智能 61 3.3.3 医疗AI开发中的困难与瓶颈 62 3.4 模型的透明性和可问责性是医疗人工智能广泛落地的基础 64 第4章　健康医疗大数据让循证医学走进真实世界 67 4.1 以RCT为代表的理想世界研究的局限性 67 4.2 基于真实世界数据的真实世界研究 69 4.2.1 真实世界研究的定义 69 4.2.2 真实世界研究的证据等级体系 72 4.3 大数据时代下的真实世界人群队列管理 74 第5章　基于真实世界数据的医学统计 76 5.1 医疗业务的数据化 76 5.2 缺失值的识别和处理 78 5.3 真实世界研究数据分析要点概述 80 5.4 统计三件套：说一说、比一比、找关系 84 5.5 从暴露到结局的单变量关系是经典循证医学研究的基本关注点 90 5.5.1 单变量之间的线性和广义线性关系 90 5.5.2 单变量之间的线性趋势关系和非线性关系 98 5.5.3 从辛普森悖论看为什么研究单变量之间的关系同样要做多因素分析 101 5.5.4 单变量间的相关关系和因果关系 104 5.6 单变量之间关系的论证逻辑结构 105 5.6.1 从定性到定量：单变量关系研究需要回答的四个问题 105 5.6.2 从一根杠杆看懂何为混杂和交互因素 106 5.6.3 混杂因素的识别和控制 108 5.6.4 交互因素的识别和控制 112 5.6.5 倾向性评分：控制多个混杂的神器 113 第６章　由统计推导结论到智能预测 119 6.1 从医学统计到统计学习 119 6.1.1 从效用统计到结局预测 119 6.1.2 从人工智能到机器学习 120 6.1.3 人工智能中的损失和优化 123 6.2 临床预测模型构建的基本思路 125 6.2.1 建模前工作 125 6.2.2 建模中工作 127 6.2.3 建模后工作 129 6.3 医疗机器学习的“PICOS” 140 第7章　统计学习的常见算法浅析 142 7.1 回归分析中的多重共线性与Lasso回归 142 7.1.1 多重共线性的影响和识别 142 7.1.2 Lasso回归的原理 143 7.2 通俗好用的树模型和集成算法 146 7.2.1 用于分类任务的决策树构建 146 7.2.2 用于回归任务的回归树和模型树 151 7.2.3 群策群力的集成学习 152 7.3 人们日用而不自知的贝叶斯推理 155 7.3.1 初识贝叶斯定理 155 7.3.2 朴素贝叶斯算法 158 7.3.3 概率图模型 159 7.4 基于距离的机器学习分类与聚类 161 7.4.1 K近邻分类 162 7.4.2 聚类算法 163 7.5 数据降维的艺术 166 7.5.1 主成分分析 166 7.5.2 因子分析 174 7.6 支持向量机 178 7.6.1 AI界的水果忍者 178 7.6.2 SVM到底在优化什么？ 180 7.6.3 核技巧是使SVM真正强大起来的原因 183 7.7 挖掘数据共显模式的关联规则算法 185 7.7.1 驱动购物的关联规则 185 7.7.2 Apriori算法 186 7.8 时间序列分析 188 第8章　开启多模态学习的深度学习 201 8.1 人工神经网络与深度学习 201 8.1.1 人工神经网络与深度学习入门 201 8.1.2 神经网络在学习过程中，到底学到了什么？ 204 8.1.3 如何更准确地选择损失函数下降的方向 208 8.2 卷积神经网络与机器视觉 211 8.2.1 卷积神经网络的直观理解 211 8.2.2 卷积运算的数学解释 214 8.2.3 计算机视觉和卷积神经网络的发展脉络 217 8.2.4 医学影像人工智能 222 8.3 给AI植入想象力的对抗生成网络和扩散模型 227 8.3.1 对GAN原理的形象理解 227 8.3.2 GAN训练过程的算法数学理解 228 8.3.3 GAN的其他集中花式玩法 230 8.3.4 扩散模型简介 233 8.4 使AI学会策略的强化学习 235 8.4.1 理解决策过程 235 8.4.2 如何学习Q值？ 236 8.4.3 理解整个策略学习过程 236 8.4.4 理解深度强化学习之DQN 238 8.5 循环神经网络与自然语言处理 240 8.5.1 对RNN的形象理解 240 8.5.2 对RNN的算法理解 241 8.6 基于深度学习的自然语言处理简介 245 8.6.1 词的向量表示 245 8.6.2 Encoder-Decoder和注意力机制 250 8.6.3 从transformer到ChatGPT 253 8.6.4 自然语言处理在医学中的应用浅析 261 8.7 大模型驱动的AIGC通用人工智能时代 263 8.7.1 AIGC缘起 263 8.7.2 大力出奇迹：ChatGPT引爆了AIGC的奇点 264 8.7.3 大模型的解封咒语：提示工程 269 第9章　日常诊疗与数据科学 271 9.1 临床推理中的双重认知模式 271 9.2 医疗与数据科学的认知协同 275 9.3 人机决策与CDSS 278 9.4 医疗从业者学习数据科学的必要性和可行性 281 第10章　精准医学与数据科学 284 10.1 精准医学的由来 284 10.2 精准医学与组学研究 285 10.3 以中心法则为主线开展的组学研究 286 10.4 中心法则之外，拓宽组学的边界 291 10.5 始于差异，经由机制，终于临床 293 第十一章　医药研发与数据科学 301 11.1 新药研发概述 301 11.2 生物分子的化学表征与计算 302 11.3 基于不同分子表征的模型计算 304 第12章　转化医学与数据科学 307 12.1 转化医学的由来、阶段和与数据科学的关系 307 12.2 树立合理的医学科技创新观念和转化动机 310 12.3 科技成果评价的主要方法和维度 314 12.4 医学科技成果的转化途径与过程 325 12.5 医学转化案例之CRISPR-Cas9基因编辑技术 330 第13章　智慧健康医疗与数据科学 333 13.1 智慧健康医疗概述 333 13.2 智慧健康医疗衍射出的重要概念 340 13.3 数据科学之于智慧医疗，是渔而非鱼 345 第14章　合理医疗与数据科学 351 14.1 合理医疗的大道理 351 14.2 不合理医疗的小算盘 352 14.3 合理医疗监管的外儒内法 359 14.4 监管手段从形式之法到数据之法 361 14.5 基于数据科学的合理医疗循证评价 364 第15章　医院管理与数据科学 370 15.1 指标化的医院数字化管理 370 15.2 基于数据科学的DRGs/DIP医保费用管理 379 15.3 基于数据科学方法的精细医院运营管理 386 15.4 基于数据科学的RBRVS绩效评价体系构建 391 第16章　医学人文与数据科学 396 16.1 技术和人文是医学发展的双翼 396 16.2 数据科学对医学人文的潜在影响 400 16.3 在医学美学的指导下发展医疗数据科学 403 第17章　医疗大数据的理、采、存、管、用 407 17.1 医疗机构数据应用的窘境 407 17.2 医疗大数据平台的四层架构和五项功能 412 17.3 医疗大数据的变现管理 421 17.4 医疗大数据应用的安全体系 426 17.4.1 信息安全是所有数据建设的基础 427 17.4.2 健康医疗大数据的合规管理 431 17.4.3 隐私计算在促进医疗大数据合规应用的作用 437 17.4.4 隐私计算融合区块链提升数据协作全流程保护能力 441 17.4.5 易被忽视的AI安全 442 17.5 DataOps推动业务数据协作联动 445 17.6 警惕唯数据主义的陷阱 447 后 记　精数道以明医理，通仁术以践仁心 453

弓凯，北京大学医学部临床医学系八年制连读博士，神经外科副主任医师，厦门市高层次人才，厦门大学附属第一医院计算机中心副主任，厦门大学附属第一医院医疗大数据中心负责人，厦门市第三医院（厦门大学附属第一医院同安院区）信息办主任。从事临床一线工作10余年，从事医务及互联网医院管理工作3年。2019年起专注于医学信息与健康医疗大数据相关工作，致力于实现医疗领域的数据文化畅流，建设以数据科学为基础的“产、学、研、用”新型智慧健康医疗体系。创立了厦门大学附属第一医院医疗大数据中心，与厦门市翔安区数字经济产业园深度合作，深度挖掘健康医疗数据要素价值。任现职以来以第一作者及通讯作者身份发表论文10余篇，最高单篇被引量超过90次。现任厦门市医学会医学信息分会常务理事、中国医药教育协会数字医疗专业委员会委员、中国研究型医院协会互联网医院分会理事、中国卫生信息与健康医疗大数据学会专业委员会青年委员、厦门市卫建委规划与项目管理专家库成员等职务。

暂无其它内容！

• 实用健康数据科学精要

  来源：豆瓣 发布时间：2025-05-08 22:14:11

• 实用健康数据科学精要

  来源：豆瓣 发布时间：2025-05-08 22:14:11