医学信息学团队

团队介绍：

生物医学信息学是融合计算机科学、信息科学、医学和生物科学的交叉学科，在国际上位于研究前沿。生物医学信息学团队承担了正规外围买球十大平台在该方向上的科学研究和人才培养任务，针对国家人口与健康领域的重大需求与科技瓶颈问题，在医疗大数据平台、医学知识库、医疗智能决策支持系统等方面承担了多项国家级项目。团队的主要研究内容包括：医疗信息集成融合与医疗大数据、智能诊疗决策支持系统、医疗过程智能技术、数字化慢病管理等。

研究方向一：医疗信息集成融合与医疗大数据

实现互联共享与整合是医疗大数据有效利用的前提。本方向研究和构建覆盖临床、组学、健康各领域的医疗大数据整合信息模型，设计和研发生物医学大数据接口技术、医疗数据的语义互操作技术，研究医疗健康数据的集成引擎技术架构。构建医疗健康大数据平台系统，研究医疗大数据的预处理与质量控制技术。

研究方向二：智能诊疗决策支持系统

本方向聚焦对医疗大数据的分析与挖掘，研究和开发面向临床辅助诊疗的智能决策支持技术和系统。针对心血管疾病，基于医学人工智能技术，建立可用于指导治疗的疾病风险评估方法，研发疾病评估及预测系统；针对肿瘤的精准诊疗，研发肿瘤多学科协作临床决策支持系统，构建支持智能诊疗决策的术语体系和诊疗专病知识库。

研究方向三：医疗过程智能技术

本方向以控制医疗差错，提高医疗安全水平为目标，研究基于过程挖掘技术的医疗违规行为检测方法，结合医疗大数据，发现违规行为和患者不良事件的关联。利用工作流技术和规则推理技术，研发符合医护人员使用习惯的医疗过程智能控制系统，应用于重症监护查房和冠脉介入术前等场合，实时预防并纠正医护人员的疏漏。

研究方向四：数字化慢病管理

本方向针对心血管、代谢等多类重大慢性疾病，研究基于连续多生理参数的个性化慢病分级模型、数字化慢病闭环管理路径技术、移动医疗人机交互与依从度增强技术等，探索移动医疗环境下的新型慢病诊疗管理模式和新型医患沟通促进模式和患者健康行为干预技术，研发数字化慢病闭环管理智能系统。

主要研究成果：

1、在医疗信息集成融合与医疗大数据研究方面，团队成功研制分层次、开放式的生物医学信息建模方法，建立了覆盖临床、健康和组学信息的生物医学信息模型，被国际openEHR标准组织采纳。研发基于语义的医疗信息集成引擎，实现快速的集成配置和监控，已经成功推广应用于超过1000家国内外医疗机构和区域。研制了模型驱动的医疗大数据平台，可适应医疗环境下数据快速增长的需求，已经在解放军总医院、山西大医院、宁夏医科大学总医院等大中型医疗机构建立大型的示范工程。开发了超过20个面向医疗数据集成、数据质控、数据存储、数据访问的医疗信息中间件，建立了医疗信息集成融合与互操作的技术体系，授权和申请发明专利十余件。

图：具备语义级集成能力的医疗信息集成引擎

图：开放式医疗大数据平台产品

2、在智能诊疗决策支持系统研究方面，团队针对性地研究大数据驱动的临床信息决策支持，创新和发展机器学习和数据挖掘技术，从电子病历等海量医疗数据中发现疾病诊疗知识，系统地建立了临床信息决策支持理论方法。包括：建立了面向心血管疾病的医学知识图谱，应用于医疗决策，为医生提供快速的、个性化的循证治疗方案；研究疾病早期预警、精准干预推荐、风险预后预警等临床辅助决策方法，成果在解放军总医院、山西大医院等多家国内大型三甲医院应用转化。在领域重要学术期刊和学术会议上发表30余篇，引用次数600余次。

图：肿瘤多学科协作临床决策支持系统

图：心血管不良事件预警预测的人工智能方法在医学信息学领域旗舰期刊Artificial Intelligence in Medicine上发表，引用次数为近五年该杂志307篇论文的第3位。

3、医疗过程智能技术研究方面，团队针对个性化、过程化、不确定性医学问题，研发过程驱动、情景感知的智能清单临床辅助决策系统，并在荷兰埃因霍温卡莎琳娜医院和中国人民解放军总医院临床环境中开展应用对比，能有效提高医疗过程的安全控制能力，改善了人机交互方式，提高了临床工作效率。

图：心力衰竭智能预警预测系统

图：手术智能清单核查系统

4、数字化慢病管理智能系统研究方面，团队在国内率先开展慢病闭环管理智能决策支持系统的研发和应用。针对高血压、慢阻肺等主要慢性病，建立了衔接家庭、社区和医疗机构的数字化慢病闭环管理路径，通过患者健康状态的智能感知、高危因素评估、健康信息预警和干预、个性化健康教育等手段显著提高了慢病管理的效率。慢病闭环管理智能决策支持系统已经在宁夏、浙江12个县域应用示范点的48个医疗机构进行推广，覆盖450万人。

图：数字化慢病管理智能系统的跨区域应用示范