床醫學研究與精準醫學平臺,SAP醫療行業售前顧問月2?2017SAPSEoranSAPaffiliatecompany.Allrightsreserved.?CUSTOMER2內容概覽SAP療平臺的臨床科研數據分析系統案例：ASCO(美國臨床腫瘤學會)3?2017SAPSEoranSAPaffiliatecompany.Allrightsreserved.?CUSTOMER3內容概覽SAP療平臺的臨床科研數據分析系統案例：ASCO(美國臨床腫瘤學會)4?2017SAPSEoranSAPaffiliatecompany.Allrightsreserved.?CUSTOMER4失效率38%失失效率38%失效率40%失效率43%失效率50%為什么要倡導精準醫學許多疾病沒有普適的良藥和治療方案對同一種藥的反應可能不同抗抑郁藥抗抑郁藥哮哮喘藥糖糖尿病藥關關節炎藥 老年癡呆藥失效率70% 癌癥藥失效率75%?2017SAPSEoranSAPaffiliatecompany.Allrightsreserved.?CUSTOMER5記時間軸 (以癌癥為例)記時間軸 (以癌癥為例)將多種數據應用于臨床治療與研究射治療白質組每個樣本有1.6億數據點(2.4GB)ProteomicsDB存儲7.6TB蛋白質組原始數據人診療記錄海德堡研究所存有16萬名癌癥病人診療PubMed醫學論文數據庫2500多萬篇論文數據量通常大于50GB掃描一個組織器官每秒產生10GB原始數據因和生物學數據每個全基因組有800MB的數據領先的研究機構數據量大于15PB方數據1萬名醫生和1000萬名患者的記錄多達15億條(100GB)ClinicalT網站目前有超過3萬個招募名額6?2017SAPSEoranSAPaffiliatecompany.Allrightsreserved.?CUSTOMER6數據的處理與挖掘難點眾多多的數據來源種噪聲中抽取特征院內各種分析的復雜性 數據難 !數據挖掘難?2017SAPSEoranSAPaffiliatecompany.Allrightsreserved.?CUSTOMER7人群檢索探索分析數據挖掘統計分析決策支持監測隨訪基因分析人群檢索探索分析數據挖掘統計分析決策支持監測隨訪基因分析高效的數據處理與計算集成的干凈的病患數據基因組學數據語義的文本挖掘將海量數據迅速轉化為臨床研究的助力策更智能！隊列研究隊列研究用戶管理用戶管理預測分析的能力預測分析的能力基基于疾病的數據模型集集成知識庫8?2017SAPSEoranSAPaffiliatecompany.Allrightsreserved.?CUSTOMER8在隊列研究中發現疾病、健康與遺傳之間的關聯以酒精過敏研究為例(斯坦福與SAP合作)CarlosD.Bustamante斯坦福大學遺傳學系教授斯坦福生物醫學數據科學部主席EuanA.AshleyMRCPDphil斯坦福心血管疾病中心臨床醫生和主任斯坦福臨床基因組服務總監風險相關。來源：/wiki/Alcohol_flush_reactionALDH2(醛脫氫酶)中的單核苷酸多態性隊列分析基于完整的標注數據9?2017SAPSEoranSAPaffiliatecompany.Allrightsreserved.?CUSTOMER9支持所有終端設備伴應用基于SAPHANA支持所有終端設備伴應用基于SAPHANA的醫療互聯平臺應用及界面服務計劃引擎醫療集成服務存儲過程和數據模型數據庫服務預測分析庫業務功能庫集成服務數據挖掘基因數據規則引擎搜索空間SAP醫療大數據平臺架構SAPSAP具AP結構化數據其他數據源非結構化數據基因數據其他類型數據影像數據設備數據各種數據類型各種數據源基因庫PACSEMRHISLIS?2017SAPSEoranSAPaffiliatecompany.Allrightsreserved.?內容概覽SAP療平臺的臨床科研數據分析系統案例：ASCO(美國臨床腫瘤學會)?2017SAPSEoranSAPaffiliatecompany.Allrightsreserved.??EDC數據采集??EDC數據采集?eCRF表單設計?臨床研究管理?隨訪管理?中文自動分詞?文本分類?信息檢索?信息抽取基于SAPHANA的臨床科研數據分析系統的特點集成?自動集成臨床診療數據?支持集成已經下線的臨床系統?支持集成離線數據(WORD、?支持數據增量更新臨臨床科研數據一體化準建模?對原始數據進行深層次清洗和處理?已開發出多套單病種模型 (高血壓、AKI)?2017SAPSEoranSAPaffiliatecompany.Allrightsreserved.?ManyPatientsManyPatients臨床研究之路ManyManyFeaturesManyPatients特征選擇ManyPatients特征選擇隊列選擇數據分析臨床專家反饋?2017SAPSEoranSAPaffiliatecompany.Allrightsreserved.?經典的“預測”CharlsonIndex1987LACEIndex2010?2017SAPSEoranSAPaffiliatecompany.Allrightsreserved.?機器學習的預測案例風險預測研究方案目的建立病人使用造影劑產生造影劑腎病的評估模型型回顧性象納入：造影劑住院患者診療數據，并對部分數據進行補充；排除：使用造影劑之前沒有血清肌酐指標的人群實驗組：造影劑之后72小時后發生腎病患者對照組：沒有發生造影劑腎病患者素性別，年齡，肝腎功能，鈉，膽紅素等等(盡可能包含文獻或者實際中可能與造影劑腎病相關的因素在數據中，這樣方便后期模型進行篩選)針對病人的少量因素，通過模型得出是否會患造影劑腎病訓練集、測試集模型算法選擇(線性模型與非線性模型對比)析特征篩選：選出比較符合實際操作和預測精度高的特征組合測析模型可視化以及模型解釋(ROC曲線)?2017SAPSEoranSAPaffiliatecompany.Allrightsreserved.?AKI案例特征提取?指標波動篩選所有的AKI病例(6個月->5分鐘)?通過時間序列篩選用過造影劑發生AKI的病例?由醫生自己編輯需要導出的變量RandomRandomForestRandomForest?2017SAPSEoranSAPaffiliatecompany.Allrightsreserved.?模型選擇NeuralNetworkwB1wt2yLogisticRegression其他模型選擇：?K-nearestneighbors?Na?veBayes?SupportVectorMachines??N=8800，V=13?采用機器學習隨機森林的方法建立預測模型，預測能力優良?首次建立可用于增強CT的造影劑腎病預測模型?建立了一個造影前CIN多CIN預測模型都是術中、術后預測?首次發現血清鈉離子濃度為CIN一個危險因素預測分析(PredictiveAnalytics)舉例采用機器學習隨機森林方法建立的CIN預測模型JournaloftheAmericanHeartAssociationIF:5.12?2017SAPSEoranSAPaffiliatecompany.Allrightsreserved.??2017SAPSEoranSAPaffiliatecompany.Allrightsreserved.?與傳統方法的對比研究方向過去現在大樣本臨床研究手工無法完成幾萬乃至幾十萬份病例查找短短數分鐘完成數十萬份病例查短短數分鐘完成數十萬份病例查找罕見病例研究手工無法完成海量電子病歷的查找，即使在病案室也無法查找已經下線的系統數據通過搜索引擎快速、全面找到罕見病通過搜索引擎快速、全面找到罕見病例特定條件隊列研究手工無法完成復雜條件的人群搜索，特別是非結構化電子病歷的搜索構建疾病模型，通過多維度條件精準查找人群，支持入選標準、排除標準前瞻性研究手工無法完成隨訪與院中的數據關聯，無法進行全面數據分析通過診中與隨訪數據的融合，大大提高了數據的關聯性、可利用性、全面性?2017SAPSEoranSAPaffiliatecompany.Allrightsreserved.?內容概覽SAP療平臺的臨床科研數據分析系統案例：ASCO(美國臨床腫瘤學會)20?2017SAPSEoranSAPaffiliatecompany.Allrightsreserved.?20的健康狀況不佳足參與臨床試驗的條件口人美國臨床腫瘤學會(ASCO)挑戰1–臨床試驗參與者不具代表性挑戰2–信息量過載挑戰3–EHR無法解決解決問題基基于離散數據的國家標準可用性差電子病歷不適合基于病患時間線的研究不支持臨床醫生的工作流程海量數據非有效信息難以連接其它系統、過度護理、無法復制數據……21?2017SAPSEoranSAPaffiliatecompany.Allrightsreserved.?21ASCO創建CancerLinQ，SAP成為合作伙伴22?2017SAPSEoranSAPaffiliatecompany.Allrightsreserved.?22CancerLinQ項目為醫生服務度量和對標醫療質量實時自助分析匿名病患數據為診療行為提供指導發現潛在的模式，產生知識23?2017SAPSEoranSAPaffiliatecompany.Allrightsreserved.?23CancerLinQ項目正式啟動SAP被選為技術合作伙伴CancerLinQ項目正式啟動SAP被選為技術合作伙伴成立顧問委員會CancerLinQ里程碑在在ASCO2015年年度會議中進行平臺演示665個先鋒試驗輸入75萬條記錄2014年2015年2016成立治理董事會和成立治理董事會和成員委員會乳