大數(shù)據(jù)科研分析平臺(tái)是以人工智能技術(shù)為核心驅(qū)動(dòng)、以院內(nèi)外真實(shí)診療數(shù)據(jù)為基礎(chǔ)支撐的創(chuàng)新型臨床-科研一站式服務(wù)體系。通過對(duì)疾病數(shù)據(jù)的自動(dòng)整合、處理，可輔助醫(yī)生快速建立覆蓋多病種、全變量的高質(zhì)量專病數(shù)據(jù)庫；并在此基礎(chǔ)上，利用相應(yīng)算法模型，快速實(shí)現(xiàn)對(duì)數(shù)據(jù)的深度挖掘和多維分析，提升科研效率及質(zhì)量，促進(jìn)成果轉(zhuǎn)化，實(shí)現(xiàn)臨床-科研協(xié)同發(fā)展。
平臺(tái)基于大樣本臨床試驗(yàn)，能夠快速完成問題驗(yàn)證并生成統(tǒng)計(jì)結(jié)果，降低科研成本，提升醫(yī)療機(jī)構(gòu)服務(wù)質(zhì)量和科研成果轉(zhuǎn)化效率。
在實(shí)驗(yàn)設(shè)計(jì)階段，基于大數(shù)據(jù)資源中心，進(jìn)行文獻(xiàn)學(xué)習(xí)與數(shù)據(jù)回顧，并通過薈萃分析及深度學(xué)習(xí)技術(shù)，幫助提出問題、形成假設(shè)。
基于醫(yī)院數(shù)據(jù)中心及基因組學(xué)、eCRF表及患者隨訪等院外數(shù)據(jù)，形成科研數(shù)據(jù)集市；支持多種形式、多個(gè)維度的數(shù)據(jù)檢索，檢索結(jié)果秒級(jí)返回，檢索效率是手工的上千倍，且召回率高于人工數(shù)倍。
3.輔助數(shù)據(jù)處理
通過自然語言處理、數(shù)據(jù)歸一等大數(shù)據(jù)技術(shù)，實(shí)現(xiàn)對(duì)大量多源異構(gòu)數(shù)據(jù)的整合、清洗及后結(jié)構(gòu)化處理，形成系統(tǒng)可識(shí)別、可利用的信息。
4.輔助統(tǒng)計(jì)分析
平臺(tái)通過接入R語言，集成多種醫(yī)學(xué)統(tǒng)計(jì)模型，實(shí)現(xiàn)按科研需求靈活選擇統(tǒng)計(jì)方式，有效解決研究過程中階段性數(shù)據(jù)統(tǒng)計(jì)分析費(fèi)時(shí)、繁瑣問題，優(yōu)化實(shí)驗(yàn)方案。
5.輔助總結(jié)評(píng)價(jià)
利用大數(shù)據(jù)科研分析平臺(tái)，可以對(duì)不同樣本進(jìn)行多次驗(yàn)證，根據(jù)結(jié)果找出最真實(shí)的科學(xué)證據(jù)，減少實(shí)驗(yàn)偏倚，提高實(shí)驗(yàn)質(zhì)量。
特點(diǎn)
1.多級(jí)數(shù)據(jù)分層模型
針對(duì)臨床數(shù)據(jù)復(fù)雜的分級(jí)結(jié)構(gòu)，特別是病歷文書、檢查報(bào)告等，研發(fā)出了“多級(jí)數(shù)據(jù)分層模型”，用于深度挖掘各層次數(shù)據(jù)，把數(shù)據(jù)的顆粒度做到極致，并建立其層次關(guān)系，從而能支撐復(fù)雜關(guān)聯(lián)性分析等深度的科研應(yīng)用研究。
2.專病庫
大數(shù)據(jù)臨床科研平臺(tái)專病庫是以專科疾病為中心，整合患者在院期間的各類臨床診療資料（包括病歷文書、檢驗(yàn)檢查、醫(yī)囑用藥、手麻、護(hù)理等）以及患者隨訪數(shù)據(jù)、生物樣本數(shù)據(jù)、組學(xué)研究數(shù)據(jù)或公開發(fā)布的環(huán)境質(zhì)量數(shù)據(jù)，并對(duì)海量數(shù)據(jù)進(jìn)行多維度分析。利用可視化功能，醫(yī)生能夠發(fā)現(xiàn)過去難以發(fā)掘的臨床問題，找出科研的新思路。
3.數(shù)據(jù)智能質(zhì)控
針對(duì)大數(shù)據(jù)資源庫每個(gè)數(shù)據(jù)項(xiàng)，實(shí)現(xiàn)實(shí)時(shí)多級(jí)的質(zhì)量監(jiān)控，包括資源的完整度、異常數(shù)據(jù)點(diǎn)、異常數(shù)據(jù)類型以及數(shù)據(jù)分布情況等，并可針對(duì)不規(guī)范數(shù)據(jù)進(jìn)行溯源分析，追溯到原始病歷文書，發(fā)現(xiàn)書寫誤差。
4.數(shù)據(jù)深度挖掘
在數(shù)據(jù)深度挖掘能力方面，平臺(tái)提供病種分析，包括影響因素分析、預(yù)測分析、干預(yù)分析三大核心主題的分析研究。
此外，提供在線統(tǒng)計(jì)模型工具，現(xiàn)已整合醫(yī)學(xué)上常用的統(tǒng)計(jì)算法40余種，包括獨(dú)立樣本T檢驗(yàn)、卡方檢驗(yàn)、回歸分析等。操作設(shè)計(jì)完全結(jié)合醫(yī)學(xué)專業(yè)特點(diǎn)以及科學(xué)研究思路，將大部分?jǐn)?shù)據(jù)處理和量化過程轉(zhuǎn)由后臺(tái)直接完成，省去人工處理數(shù)據(jù)的復(fù)雜度，提高科研效率。
5.數(shù)據(jù)導(dǎo)出
平臺(tái)可針對(duì)數(shù)據(jù)的分類模型，定制每種分類數(shù)據(jù)的導(dǎo)出模式，基于關(guān)鍵事件處理、復(fù)雜邏輯計(jì)算、自動(dòng)行列轉(zhuǎn)換、智能標(biāo)準(zhǔn)化值域輸出等新技術(shù)。替代統(tǒng)計(jì)學(xué)處理之前大量的手工數(shù)據(jù)處理工作，為醫(yī)生在階段性統(tǒng)計(jì)階段節(jié)省大量時(shí)間。