醫學信息學團隊

團隊介紹：

生物醫學信息學是融合計算機科學、信息科學、醫學和生物科學的交叉學科，在國際上位于研究前沿。生物醫學信息學團隊承擔了365英国上市官网在线在該方向上的科學研究和人才培養任務，針對國家人口與健康領域的重大需求與科技瓶頸問題，在醫療大數據平台、醫學知識庫、醫療智能決策支持系統等方面承擔了多項國家級項目。團隊的主要研究内容包括：醫療信息集成融合與醫療大數據、智能診療決策支持系統、醫療過程智能技術、數字化慢病管理等。

研究方向一：醫療信息集成融合與醫療大數據

實現互聯共享與整合是醫療大數據有效利用的前提。本方向研究和構建覆蓋臨床、組學、健康各領域的醫療大數據整合信息模型，設計和研發生物醫學大數據接口技術、醫療數據的語義互操作技術，研究醫療健康數據的集成引擎技術架構。構建醫療健康大數據平台系統，研究醫療大數據的預處理與質量控制技術。

研究方向二：智能診療決策支持系統

本方向聚焦對醫療大數據的分析與挖掘，研究和開發面向臨床輔助診療的智能決策支持技術和系統。針對心血管疾病，基于醫學人工智能技術，建立可用于指導治療的疾病風險評估方法，研發疾病評估及預測系統；針對腫瘤的精準診療，研發腫瘤多學科協作臨床決策支持系統，構建支持智能診療決策的術語體系和診療專病知識庫。

研究方向三：醫療過程智能技術

本方向以控制醫療差錯，提高醫療安全水平為目标，研究基于過程挖掘技術的醫療違規行為檢測方法，結合醫療大數據，發現違規行為和患者不良事件的關聯。利用工作流技術和規則推理技術，研發符合醫護人員使用習慣的醫療過程智能控制系統，應用于重症監護查房和冠脈介入術前等場合，實時預防并糾正醫護人員的疏漏。

研究方向四：數字化慢病管理

本方向針對心血管、代謝等多類重大慢性疾病，研究基于連續多生理參數的個性化慢病分級模型、數字化慢病閉環管理路徑技術、移動醫療人機交互與依從度增強技術等，探索移動醫療環境下的新型慢病診療管理模式和新型醫患溝通促進模式和患者健康行為幹預技術，研發數字化慢病閉環管理智能系統。

主要研究成果：

1、在醫療信息集成融合與醫療大數據研究方面，團隊成功研制分層次、開放式的生物醫學信息建模方法，建立了覆蓋臨床、健康和組學信息的生物醫學信息模型，被國際openEHR标準組織采納。研發基于語義的醫療信息集成引擎，實現快速的集成配置和監控，已經成功推廣應用于超過1000家國内外醫療機構和區域。研制了模型驅動的醫療大數據平台，可适應醫療環境下數據快速增長的需求，已經在解放軍總醫院、山西大醫院、甯夏醫科大學總醫院等大中型醫療機構建立大型的示範工程。開發了超過20個面向醫療數據集成、數據質控、數據存儲、數據訪問的醫療信息中間件，建立了醫療信息集成融合與互操作的技術體系，授權和申請發明專利十餘件。

圖：具備語義級集成能力的醫療信息集成引擎

圖：開放式醫療大數據平台産品

2、在智能診療決策支持系統研究方面，團隊針對性地研究大數據驅動的臨床信息決策支持，創新和發展機器學習和數據挖掘技術，從電子病曆等海量醫療數據中發現疾病診療知識，系統地建立了臨床信息決策支持理論方法。包括：建立了面向心血管疾病的醫學知識圖譜，應用于醫療決策，為醫生提供快速的、個性化的循證治療方案；研究疾病早期預警、精準幹預推薦、風險預後預警等臨床輔助決策方法，成果在解放軍總醫院、山西大醫院等多家國内大型三甲醫院應用轉化。在領域重要學術期刊和學術會議上發表30餘篇，引用次數600餘次。

圖：腫瘤多學科協作臨床決策支持系統

圖：心血管不良事件預警預測的人工智能方法在醫學信息學領域旗艦期刊Artificial Intelligence in Medicine上發表，引用次數為近五年該雜志307篇論文的第3位。

3、醫療過程智能技術研究方面，團隊針對個性化、過程化、不确定性醫學問題，研發過程驅動、情景感知的智能清單臨床輔助決策系統，并在荷蘭埃因霍溫卡莎琳娜醫院和中國人民解放軍總醫院臨床環境中開展應用對比，能有效提高醫療過程的安全控制能力，改善了人機交互方式，提高了臨床工作效率。

圖：心力衰竭智能預警預測系統

圖：手術智能清單核查系統

4、數字化慢病管理智能系統研究方面，團隊在國内率先開展慢病閉環管理智能決策支持系統的研發和應用。針對高血壓、慢阻肺等主要慢性病，建立了銜接家庭、社區和醫療機構的數字化慢病閉環管理路徑，通過患者健康狀态的智能感知、高危因素評估、健康信息預警和幹預、個性化健康教育等手段顯著提高了慢病管理的效率。慢病閉環管理智能決策支持系統已經在甯夏、浙江12個縣域應用示範點的48個醫療機構進行推廣，覆蓋450萬人。

圖：數字化慢病管理智能系統的跨區域應用示範