科创中国

行业领域

制造业

需求背景

实时数据分析一直是个热门话题，需要实时数据分析的场景也越来越多，如金融支付中的风控，基础运维中的监控告警，实时大盘之外，AI 模型也需要消费更为实时的聚合结果来达到很好的预测效果。实时数据分析如果讲的更加具体些，基本上会牵涉到数据聚合分析。数据聚合分析在实时场景下，面临的新问题是什么，要解决的很好，大致有哪些方面的思路和框架可供使用，本文尝试做一下分析和厘清。在实时数据分析场景下，最大的制约因素是时间，时间一变动，所要处理的源头数据会发生改变，处理的结果自然也会因此而不同。

需解决的主要技术难题

脑卒中在中国人群发病率呈现逐年增加的趋势， 致死率和致残率极高，给患者造成了巨大生活负担和社会负 担。因此，亟需构建应对海量多模态医疗大数据，能实现临 床疾病智能辅助诊断与推理的脑卒中大数据平台本研究沿 着“采集融汇→整理优化→挖掘分析→转化应用”医疗大数 据流处理路径，完成以下研究内容:(1)将多源异构数据结 构化，自动转换为标准资源库，研究基于规则的多模态诊疗 数据信息提取汇聚技术;(2)建设精准医疗指标量化体系与 专病知识图谱，完成健康医疗大数据通用数据模型(CDM)标 准体系;(3)基于人工智能深度神经网络，融合多模态数据 特征，实现特征去冗余和筛选，完成精准医疗数据特征工程; (4)研究辅助诊疗方法体系以及临床辅助诊断与推理系统; (5)最终构建脑卒中智能临床疾病辅助诊断与推理全栈式 医学大数据平台，并以国家健康医疗大数据研究院示范中心 为依托，进行多中心推广应用。本项目的完成，将建立脑卒 中的自动化、智能化的多源异构大数据汇聚技术体系，提升 多源异构大数据汇聚提取技术在医疗领域的应用，以此为基 础构建的辅助推理系统将极大提升脑卒中临床疾病的辅助 诊断水平;该平台的多中心推广应用，将有效降低脑卒中人 群的社会负担和经济负担。

期望实现的主要技术目标

1、数据汇聚及时率、准确率、并发任务数为 95%、99%、10; 2、量化指标个数、指标编码准确率、脑卒中专病知识图谱节 点数为 100 个、80%、100; 3、脑卒中医疗多模态数据数据特征个数为 100; 4、脑卒中精准辅助诊疗精准度为 85%; 5、脑卒中临床辅助诊断与推理全栈式大数据平台页面响应 及时率、并发用户数为 3 秒、100。

处理进度