6、医疗大数据分析：从入门到实践

医疗大数据分析：从入门到实践

1. 医疗大数据分析方法概述

在医疗领域，数据分析有多种方法，主要包括描述性分析、预测性分析和规范性分析。

1.1 预测性分析

预测性分析旨在利用现有数据生成无法通过简单算术运算得出的洞察。不过，关于预测性分析存在两个常见误区：
- 误区一 ：认为预测总是基于时间序列外推到未来（即预测）。实际上，预测性分析可用于生成任何类型的未知数据，包括过去和现在的数据。此外，它还可应用于非时间相关的用例，如疾病进展建模、人际关系建模以及药物依从性的情感分析等。
- 误区二 ：认为预测性分析能保证未来会发生什么。事实上，由于其生成的洞察具有概率性而非确定性，预测性分析无法确保结果的确定性。

1.2 规范性分析

规范性分析是数据简化的第三种方法，它超越了描述性和预测性模型，通过推荐一个或多个行动方案，并展示每个决策可能产生的结果。规范性分析与预测性分析类似，都使用现有数据来构建和验证模型以创建不存在的数据。不同之处在于，规范性模型本质上是多个不同的预测模型并行运行，每个模型支持不同的输入/行动过程和/或期望结果。规范性分析在医疗大数据中更具相关性，原因如下：
- 关注行动 ：不仅仅是信息的可视化，规范性分析在定义上就集成到工作流程和业务流程中，以促进和完成用户行动。
- 使用异构大数据源 ：为了使机器学习和规范性分析发挥作用，重点在于处理通常超出人类认知处理能力的大型数据集。机器学习还能比人类更高效地处理视频、图像、语音和大量非结