Q医疗

大数据科研分析平台是以人工智能技术为核心驱动、以院内外真实诊疗数据为基础支撑的创新型临床-科研一站式服务体系。通过对疾病数据的自动整合、处理，可辅助医生快速建立覆盖多病种、全变量的高质量专病数据库；并在此基础上，利用相应算法模型，快速实现对数据的深度挖掘和多维分析，提升科研效率及质量，促进成果转化，实现临床-科研协同发展。

平台基于大样本临床试验，能够快速完成问题验证并生成统计结果，降低科研成本，提升医疗机构服务质量和科研成果转化效率。 

1.辅助科研构思 

在实验设计阶段，基于大数据资源中心，进行文献学习与数据回顾，并通过荟萃分析及深度学习技术，帮助提出问题、形成假设。 

2.辅助数据获取

基于医院数据中心及基因组学、eCRF表及患者随访等院外数据，形成科研数据集市；支持多种形式、多个维度的数据检索，检索结果秒级返回，检索效率是手工的上千倍，且召回率高于人工数倍。 

3.辅助数据处理

通过自然语言处理、数据归一等大数据技术，实现对大量多源异构数据的整合、清洗及后结构化处理，形成系统可识别、可利用的信息。 

4.辅助统计分析

平台通过接入R语言，集成多种医学统计模型，实现按科研需求灵活选择统计方式，有效解决研究过程中阶段性数据统计分析费时、繁琐问题，优化实验方案。 

5.辅助总结评价

利用大数据科研分析平台，可以对不同样本进行多次验证，根据结果找出最真实的科学证据，减少实验偏倚，提高实验质量。

特点

1.多级数据分层模型

针对临床数据复杂的分级结构，特别是病历文书、检查报告等，研发出了“多级数据分层模型”，用于深度挖掘各层次数据，把数据的颗粒度做到极致，并建立其层次关系，从而能支撑复杂关联性分析等深度的科研应用研究。

2.专病库

大数据临床科研平台专病库是以专科疾病为中心，整合患者在院期间的各类临床诊疗资料（包括病历文书、检验检查、医嘱用药、手麻、护理等）以及患者随访数据、生物样本数据、组学研究数据或公开发布的环境质量数据，并对海量数据进行多维度分析。利用可视化功能，医生能够发现过去难以发掘的临床问题，找出科研的新思路。

3.数据智能质控

针对大数据资源库每个数据项，实现实时多级的质量监控，包括资源的完整度、异常数据点、异常数据类型以及数据分布情况等，并可针对不规范数据进行溯源分析，追溯到原始病历文书，发现书写误差。

4.数据深度挖掘

在数据深度挖掘能力方面，平台提供病种分析，包括影响因素分析、预测分析、干预分析三大核心主题的分析研究。

此外，提供在线统计模型工具，现已整合医学上常用的统计算法40余种，包括独立样本T检验、卡方检验、回归分析等。操作设计完全结合医学专业特点以及科学研究思路，将大部分数据处理和量化过程转由后台直接完成，省去人工处理数据的复杂度，提高科研效率。

5.数据导出

平台可针对数据的分类模型，定制每种分类数据的导出模式，基于关键事件处理、复杂逻辑计算、自动行列转换、智能标准化值域输出等新技术。替代统计学处理之前大量的手工数据处理工作，为医生在阶段性统计阶段节省大量时间。