医疗健康管理的根本目的是高效利用医疗资源，基于预防和治疗两种手段维护和改善人民健康。在国家自然科学基金重大研究计划“大数据驱动的管理与决策研究”的支持下，我国学者围绕公共卫生管理和分级诊疗决策问题，对多源多模态医疗健康大数据进行了深入解析，打破了组织决策的时域、空域边界，在智慧医疗健康管理领域取得了新突破。
在公共卫生管理方面，研究团队发现，人类在时间、空间上的流动行为及人与人之间的关联关系能够揭示人类行为的基本规律。基于该发现，研究团队综合考虑了人类个体在物理空间、网络空间的社会活动轨迹，构建了一个多时空协同的传染病传播与预测模型。该模型突破了传统的传染病传播模型构建机制，有利于传染病暴发早期的及时识别与干预。
在分级诊疗决策方面，研究团队发现，通过跨域数据的协同计算、预测-决策的协同分析、人类-机器的协同决策，可有效实现大数据从知识发现向价值发现转移。基于该理论模型，研究团队借助前沿的深度学习技术，在可靠诊疗知识发现、医疗决策方案生成、智能就医引导、医疗群组协作，以及分级诊疗资源调度上开展了一系列创新性探索。多项理论研究和实践结果表明，上述理论方法能够有效提高各类医疗健康机构管理决策水平和资源利用效率，为数据价值化提供了新视角。
这些研究成果不仅在理论上作出了贡献，还广泛应用于疫情防控、分级诊疗等实践中。科研团队研发的“智能移动医用远程交互服务系统”为新冠疫情防控作出了贡献。同时，集成了相关理论方法的“智慧医院与区域医疗协同服务系统”先后部署到全国千余家各级医疗机构以及若干重要决策场景和任务平台，在远程医疗知识服务、患者分级就医引导、跨域诊疗辅助决策、微创手术远程指导上均取得了显著成效，促进了优质医疗资源的有效开发和利用。
此外，围绕公共卫生安全、疫情防控及影响等主题，研究团队还形成了一系列研究报告和决策建议，为我国完善公共卫生安全、智慧医疗健康管理体系贡献了行业研究和政策咨询报告。
0 条