第一篇：大數(shù)據(jù)驅(qū)動的種羊肉羊精準(zhǔn)體重管理

聚碼科技

大數(shù)據(jù)驅(qū)動的種羊肉羊精準(zhǔn)體重管理

當(dāng)前國內(nèi)羊業(yè)發(fā)展勢頭迅猛，在國家提倡保護(hù)環(huán)境以及提高秸稈等農(nóng)副產(chǎn)品的利用轉(zhuǎn)換的背景下，由產(chǎn)業(yè)資本推動的養(yǎng)羊產(chǎn)業(yè)正在從分散向規(guī)?；锌焖龠~進(jìn)。以現(xiàn)代化生產(chǎn)的角度審視，在規(guī)模飼養(yǎng)下，每個羊場以及每個圈舍都是一條生產(chǎn)線，養(yǎng)羊行業(yè)面臨的挑戰(zhàn)在于：如何做到控制每條生產(chǎn)線，以便進(jìn)行大規(guī)模復(fù)制，從而破解萬只羊場面臨的難題，確保盈利能力可控可預(yù)測。

養(yǎng)羊產(chǎn)業(yè)難度大，是因?yàn)橄嚓P(guān)因素多，包括了品種、飼料、環(huán)境、節(jié)氣、飼喂管理、甚至市場變化等諸多因素。在諸多變化的條件下，如何達(dá)到最佳的料肉產(chǎn)出比，不僅是種羊品種改進(jìn)的重要課題，也是肉羊養(yǎng)殖管理的核心攻關(guān)課題。為能夠進(jìn)行科學(xué)的管理，建立以料肉比數(shù)據(jù)為核心的管理體系是關(guān)鍵。

傳統(tǒng)的養(yǎng)羊，每個飼喂育肥周期，從管理的角度來說，中間過程比較模糊，難以看清，直到一個周期結(jié)束時才能看到結(jié)果，卻已經(jīng)無法糾正。其養(yǎng)殖過程具有隨機(jī)性，類似擲骰子，一個周期過程質(zhì)量的好壞取決于養(yǎng)殖戶或者管理人員的業(yè)務(wù)能力與專業(yè)素養(yǎng)。建立以料肉比數(shù)據(jù)為核心的管理體系，是把育肥周期透明化，使得養(yǎng)羊生產(chǎn)線過程透明可視，如同自動化生產(chǎn)線添加了質(zhì)量流程檢測設(shè)備，為科學(xué)管理建立基礎(chǔ)。在料肉比數(shù)據(jù)清晰的情況下，對其他條件進(jìn)行調(diào)整優(yōu)化，不斷提高效益。

數(shù)據(jù)的獲取與使用成本通常包括除了數(shù)據(jù)收集設(shè)備的成本，還有數(shù)據(jù)收集、數(shù)據(jù)錄入、數(shù)據(jù)清洗、數(shù)據(jù)匯總分析、數(shù)據(jù)分發(fā)、數(shù)據(jù)備份管理等工作。數(shù)據(jù)的獲取與使用成本是制約科學(xué)管理發(fā)展的關(guān)鍵原因。傳統(tǒng)的方法下，數(shù)據(jù)采集員使用電子磅秤采集羊的體重?cái)?shù)據(jù)，采用人工站在稱上抱著羊進(jìn)行保定稱重，并通過人工讀取可視耳標(biāo)編號，手工記錄數(shù)據(jù)。這樣的方法，不僅作業(yè)強(qiáng)度大，在數(shù)據(jù)收集的準(zhǔn)確度上依賴管理人員，數(shù)據(jù)的匯總分析、分發(fā)、管理等都需要人工驅(qū)動，依賴Excel等管理，導(dǎo)致數(shù)據(jù)的丟失，這是常見情況，其實(shí)際潛在成本高。而在今天物聯(lián)網(wǎng)以及大數(shù)據(jù)技術(shù)充分介入的背景下，采用以物聯(lián)網(wǎng)技術(shù)支撐的自動分欄稱重設(shè)備，對數(shù)據(jù)進(jìn)行自動采集，操作作業(yè)強(qiáng)度小，效率高，系統(tǒng)能夠?qū)?shù)據(jù)自動匯總，自動分發(fā)，摒棄人為操作因素，使數(shù)據(jù)科學(xué)、系統(tǒng)、規(guī)范。數(shù)據(jù)結(jié)果客觀可靠，具有連續(xù)性、長期性和可比性。在長的時間維度上，大大降低了成本。

以大數(shù)據(jù)驅(qū)動的種羊肉羊的精準(zhǔn)體重管理，是養(yǎng)羊管理的基礎(chǔ)，其背后的物聯(lián)網(wǎng)支持體系包括：智能自動稱重分欄設(shè)備，智能管理終端，物聯(lián)網(wǎng)通信網(wǎng)絡(luò)，后端服務(wù)器后臺，數(shù)據(jù)管理分發(fā)平臺，以及數(shù)據(jù)訂閱使用用戶客戶端。智能自動1

聚碼科技

稱重分欄設(shè)備是數(shù)據(jù)采集入口；智能管理終端在現(xiàn)場與稱重設(shè)備協(xié)同工作，采集數(shù)據(jù)，完成管理任務(wù)；數(shù)據(jù)通過通信網(wǎng)絡(luò)上傳服務(wù)器后臺；后端數(shù)據(jù)管理分發(fā)平臺對數(shù)據(jù)進(jìn)行匯總分析，并通過網(wǎng)絡(luò)分發(fā)給用戶，從而完成數(shù)據(jù)的從采集到分析、使用的完整流程。

其中，種羊肉羊的精準(zhǔn)體重管理，是對每只羊建立唯一標(biāo)識ID為基礎(chǔ)，通過給每只羊佩戴基于RFID具有唯一編號的電子耳標(biāo)，并以可視耳標(biāo)作為補(bǔ)充，在系統(tǒng)中對每只羊建立檔案。在羊走過自動稱重分欄設(shè)備時，設(shè)備自動識別耳標(biāo)編號、獲取其體重?cái)?shù)據(jù)，并將數(shù)據(jù)存入智能管理終端，通過網(wǎng)絡(luò)提交服務(wù)器。通過細(xì)化追蹤管理到每只羊個體的成長情況，不僅能夠完成種羊的生產(chǎn)性能測定，而且可以在肉羊的生產(chǎn)管理中，形成精準(zhǔn)管理，挖掘數(shù)據(jù)所反映的深層次問題。

以一組數(shù)據(jù)（見圖一）為例，通過對羊群在初始入欄時進(jìn)行稱重分欄，在育肥期間進(jìn)行二次和三次稱重，得到每只羊的在各時間節(jié)點(diǎn)的體重?cái)?shù)據(jù)；通過計(jì)算各時間區(qū)間段的總體重增長，可以得到區(qū)間增重以及區(qū)間日增重；通過計(jì)算總增重，可以得到總增重以及總平均日增重。通過監(jiān)測區(qū)間日增重以及平均日增重核心指標(biāo)，以及各項(xiàng)指標(biāo)橫向?qū)Ρ?，可以分析管理中的各生產(chǎn)要素產(chǎn)生的影響。

圖一精準(zhǔn)體重?cái)?shù)據(jù)（數(shù)據(jù)來源：聚碼分欄秤）

圖二異常數(shù)據(jù)監(jiān)測（數(shù)據(jù)來源：聚碼分欄秤）

從圖二中的數(shù)據(jù)可以看到，編號尾號為0300的羊，在第二時間區(qū)間段內(nèi)的體重增長突然下降，與自身前期體重增長以及其他同級別羊只的增長有明顯差異，說明該羊有明顯需要處理的異常問題。該組數(shù)據(jù)顯示，羊群中有5%的羊在不同階段，均具有體重增長異常的問題。聚碼科技

圖三數(shù)據(jù)匯總橫向?qū)Ρ确治觯〝?shù)據(jù)來源：聚碼云）

根據(jù)圖三顯示數(shù)據(jù)，即不同體重級別的羊的平均總增重，可以看到不同體重級別的羊的成長情況，據(jù)此可以獲得不同級別的羊的平均日增重。

通過上述物聯(lián)網(wǎng)大數(shù)據(jù)技術(shù)手段，可以看出，生產(chǎn)管理過程的改進(jìn)和提高具首先，生產(chǎn)過程的持續(xù)改進(jìn)具有了技術(shù)支持。生產(chǎn)線典型的過程改進(jìn)流程包括IDEAL模型，通過實(shí)施IDEAL模型的五個步驟：初始化（Initiate）、診斷（Diagnosis）、建造（Establish）、實(shí)施（Act）、學(xué)習(xí)（Learning），對養(yǎng)羊生產(chǎn)線進(jìn)行基于量化的過程改進(jìn)，可以識別診斷各生產(chǎn)要素所產(chǎn)生的影響以及如何控制，通過對過程進(jìn)行量化定義，形成企業(yè)生產(chǎn)標(biāo)準(zhǔn)，并形成自學(xué)習(xí)系統(tǒng)與持續(xù)改進(jìn)能力。

其次，由于精準(zhǔn)體重?cái)?shù)據(jù)的管理具有客觀性，使得各羊場、各羊圈、各品種、各飼料等各種橫向指標(biāo)對比變得透明可行，可以為管理改進(jìn)提供決策依據(jù)。

再次，基于物聯(lián)網(wǎng)系統(tǒng)的精準(zhǔn)體重?cái)?shù)據(jù)管理，使得企業(yè)具有科學(xué)的預(yù)測能力，可以為客戶提供深層次的品牌價(jià)值服務(wù)。

大數(shù)據(jù)強(qiáng)調(diào)盡可能獲取所有數(shù)據(jù)，在數(shù)據(jù)深層次上提升企業(yè)的潛在價(jià)值；采用物聯(lián)網(wǎng)新技術(shù)背景下的獲取相關(guān)性分析，從而創(chuàng)造價(jià)值。例如通過記錄種羊與子代肉羊的譜系關(guān)系，追蹤子代肉羊的實(shí)際生產(chǎn)性能，記錄實(shí)際生產(chǎn)的時間等各個要素，從而為種羊的動態(tài)管理與持續(xù)改良進(jìn)一步提供線索。

技術(shù)的發(fā)展為產(chǎn)業(yè)賦能，使傳統(tǒng)的一些不可行變成可行；在大數(shù)據(jù)驅(qū)動的大趨勢下，積極擁抱變革是企業(yè)成為行業(yè)領(lǐng)導(dǎo)者必修的內(nèi)功。

有巨大的提升空間。

第二篇：醫(yī)療大數(shù)據(jù)及精準(zhǔn)醫(yī)療

醫(yī)療大數(shù)據(jù)及精準(zhǔn)醫(yī)療

謝邦昌

臺北醫(yī)學(xué)大學(xué)管理學(xué)院及大數(shù)據(jù)研究中心院長/主任

大數(shù)據(jù)的趨勢以及價(jià)值是現(xiàn)在最熱門的話題，也改變了許多企業(yè)經(jīng)營的方式，對于各行各業(yè)來說是勢必是一個大挑戰(zhàn)，能否將大數(shù)據(jù)的力量從危機(jī)到轉(zhuǎn)機(jī)就要看現(xiàn)代經(jīng)營者有沒有轉(zhuǎn)變傳統(tǒng)型態(tài)的思維？

首先什么是大數(shù)據(jù)？傳統(tǒng)數(shù)據(jù)一年的數(shù)據(jù)量大概為3TB左右，以現(xiàn)今數(shù)據(jù)來說一天的資料量為50TB，由這簡單的數(shù)據(jù)量差就可以得知傳統(tǒng)數(shù)據(jù)跟現(xiàn)今數(shù)據(jù)的差異多么龐大，也就是現(xiàn)在俗稱的大數(shù)據(jù)時代。數(shù)據(jù)龐大之下，不管是銀行業(yè)、傳統(tǒng)零售業(yè)、社會建設(shè)公共方面甚至是醫(yī)療保健產(chǎn)業(yè)對數(shù)據(jù)處理、分析方式以及經(jīng)營企業(yè)的模式將會有所改變。

在過往的醫(yī)療診斷歷史，到醫(yī)院看病時必須耗費(fèi)許多時間等待看診，而醫(yī)生看診又要再花費(fèi)時間。當(dāng)醫(yī)生要求病患拍攝X光片或檢驗(yàn)時，又要再花額外許多時間診斷。而在現(xiàn)今醫(yī)療信息高度發(fā)展的臺灣，看診程序從網(wǎng)絡(luò)掛號、候診順序、診間病歷調(diào)閱、醫(yī)師醫(yī)令、處方開立、放射影像存取、檢查檢驗(yàn)數(shù)據(jù)儲存等，無數(shù)的數(shù)據(jù)信息便在醫(yī)院中傳遞、交換、儲存。同時大多數(shù)的生理檢驗(yàn)信息在你回診時得以從電子病歷中檢索，這些我們認(rèn)為理所當(dāng)然的信息處理，在臺灣我們只要花費(fèi)少許的時間如一個早上便完成了，而這一切正是仰賴醫(yī)學(xué)信息分析與醫(yī)療大數(shù)據(jù)的交換處理。

醫(yī)學(xué)大數(shù)據(jù)的產(chǎn)生，主要?dú)w功于醫(yī)療設(shè)備數(shù)字化及電子化病歷發(fā)展兩大領(lǐng)域的突破，透過儀器數(shù)字化，醫(yī)院得以獲得更多病人疾病與健康信息紀(jì)錄。而在病人醫(yī)療診斷方面，為了完善紀(jì)錄病患個人資料、診斷數(shù)據(jù)與過往醫(yī)療紀(jì)錄等，即促成了電子病歷系統(tǒng)發(fā)展。醫(yī)學(xué)大數(shù)據(jù)發(fā)展由過去紙張記錄、紙本信息數(shù)字化、醫(yī)學(xué)紀(jì)錄儲存到現(xiàn)今多信息整合，其數(shù)據(jù)量有著爆炸性的成長，不僅由過去個人社經(jīng)信息、診斷信息等文字媒介，更拓展到多媒體影像信息，如X光影像，動態(tài)視訊影像信息，如核磁共振MRI以及電訊號信息，如心電圖等等，這些龐大醫(yī)學(xué)數(shù)據(jù)的匯集與高度整合技術(shù)能力，正是臺灣醫(yī)學(xué)信息領(lǐng)域發(fā)展領(lǐng)先的原因，同時更顯得醫(yī)學(xué)數(shù)據(jù)發(fā)展的多元應(yīng)用及其重要性。

而由醫(yī)療健保產(chǎn)業(yè)來說，個人醫(yī)療信息終端的產(chǎn)生給醫(yī)療產(chǎn)業(yè)帶來革命性的變化，連結(jié)了傳統(tǒng)醫(yī)院、政府（社會保障）、保險(xiǎn)公司、藥物生產(chǎn)公司等相關(guān)產(chǎn)業(yè)，形成新的行業(yè)生態(tài)圈。將互聯(lián)網(wǎng)＋醫(yī)療保健去建構(gòu)一個智能的健康系統(tǒng)，在整個健康系統(tǒng)下會有智能的合作伙伴，包含醫(yī)院、醫(yī)生、診所、學(xué)術(shù)中心、保險(xiǎn)公司、藥廠、醫(yī)療設(shè)備制造商、政府等相關(guān)人員等，接著產(chǎn)生出個人化的護(hù)理體系，其中包含個人健康、成本節(jié)約、提高效率、病人教育、增強(qiáng)通信、績效度量、預(yù)防等相關(guān)內(nèi)容，使得人們有著更健康的社會。

經(jīng)常聽到的醫(yī)療云、照護(hù)云以及健康云都是運(yùn)用云端技術(shù)結(jié)合大數(shù)據(jù)去提供健康咨詢的服務(wù)。在網(wǎng)絡(luò)普及下，人手一臺智能型手機(jī)讓這些云更能夠去發(fā)揮，客戶只需要使用健康感知的終端，其中包含穿戴型裝置、愛睡寶、電視機(jī)以及相關(guān)的智能型測量裝置，就能夠讓親人、醫(yī)生以及相關(guān)的護(hù)理人員得知目前的身體狀態(tài)，不僅如此，還可以遠(yuǎn)程監(jiān)護(hù)以及遠(yuǎn)程門診，一切都透過遠(yuǎn)程醫(yī)療平臺讓人們有著安全、方便、快速及健康舒適的生活環(huán)境。

大數(shù)據(jù)在生技醫(yī)療衛(wèi)生發(fā)展?fàn)顩r及應(yīng)用,大數(shù)據(jù)已深耕于經(jīng)濟(jì)領(lǐng)域且創(chuàng)造了巨大的經(jīng)濟(jì)價(jià)值

美國的大數(shù)據(jù)產(chǎn)業(yè)已經(jīng)創(chuàng)造了巨大的價(jià)值，具體表現(xiàn)在:大數(shù)據(jù)使美國醫(yī)療服務(wù)質(zhì)量得到提高。

對于醫(yī)療服務(wù)的提供方和支付方來說，在減少醫(yī)療成本的同時不斷提高醫(yī)療質(zhì)量和效率仍然是一個難以實(shí)現(xiàn)的目標(biāo)，而這也是改善民生的重大機(jī)遇。2010年，全美醫(yī)療支出占國內(nèi)生產(chǎn)總值的17.9%，比2000年增長13.8%。而且，某些慢性疾病如糖尿病的患病率正在增加，正在消耗更多的醫(yī)療資源。

對這些疾病和其他相關(guān)健康服務(wù)的管理將深刻地影響國家的福祉。在這方面大數(shù)據(jù)可以發(fā)揮作用。為在廣大人群中取得最有效的醫(yī)療效果，更多地使用電子健康記錄（電子健康檔案），并與新的分析工具相結(jié)合，將提供挖掘信息的機(jī)會。研究人員可以利用信息尋找有效的統(tǒng)計(jì)趨勢，并依據(jù)真實(shí)的醫(yī)療服務(wù)質(zhì)量開展醫(yī)療評估。

大數(shù)據(jù)在醫(yī)療及生技業(yè)之應(yīng)用

醫(yī)療及生技業(yè)大數(shù)據(jù)應(yīng)用的當(dāng)前需求來自疫情和健康趨勢分析、電子病例、醫(yī)學(xué)研發(fā)、臨床試驗(yàn)等領(lǐng)域。

疫情和健康分析趨勢

利用大數(shù)據(jù)進(jìn)行疫情分析，說明這個地方可能處于某種疾病蔓延，實(shí)時掌握病情。

Google和疾管局一樣能夠掌握流感疫情

2009年又冒出了一種新的流感病毒，稱為H1N1。這種新菌株結(jié)合了禽流感和豬流感病毒，迅速蔓延。短短幾星期內(nèi)，全球的公共衛(wèi)生機(jī)構(gòu)都憂心忡忡，擔(dān)心即將爆發(fā)流感大流行。有些人發(fā)出警訊，認(rèn)為這次爆發(fā)可能與1918年的西班牙流感不相上下，當(dāng)時感染人數(shù)達(dá)到五億人，最后奪走數(shù)千萬人的性命。雪上加霜的是，面對流感可能爆發(fā)，卻還沒有能派上用場的疫苗，公共衛(wèi)生當(dāng)局唯一能努力的，就是減緩其蔓延的速度。為了達(dá)到這項(xiàng)目的，必須先知道當(dāng)前流行感染的范圍及程度。在美國，疾病管制局（CDC）要求醫(yī)生一碰到新流感病例，就必須立刻通報(bào)。即使如此，通報(bào)的速度仍然總是慢了病毒一步，大約是慢上一到兩星期。畢竟，民眾覺得身體不舒服之后，通常還是會過個幾天才就醫(yī)，而層層通報(bào)回到疾管局也需要時間，更別提疾管局要每星期才整理一次通報(bào)來的數(shù)據(jù)。但是面對迅速蔓延的疫情，拖個兩星期簡直就像是拖了一個世紀(jì)，會在最關(guān)鍵的時刻，讓公共衛(wèi)生當(dāng)局完全無法掌握真實(shí)情況。

說巧不巧，就在H1N1躍上新聞頭條的幾星期前，網(wǎng)絡(luò)巨擘Google旗下的幾位工程師，在著名的《自然》科學(xué)期刊發(fā)表了一篇重要的論文，當(dāng)時并未引起一般人的注意，只在衛(wèi)生當(dāng)局和計(jì)算機(jī)科學(xué)圈里引起討論。該篇論文解釋了Google能如何「預(yù)測」美國在冬天即將爆發(fā)流感，甚至還能精準(zhǔn)定位到是哪些州。谷歌的秘訣，就是看看民眾在網(wǎng)絡(luò)上搜尋些什么。由于Google每天會接收到超過三十億筆的搜尋，而且會把它們?nèi)績Υ嫫饋?，那就會有大量的?shù)據(jù)得以運(yùn)用。

Google先挑出美國人最常使用的前五千萬個搜尋字眼，再與美國疾病管制局在2003年到2008年之間的流感傳播數(shù)據(jù)，加以比對。Google的想法，是想靠著民眾在網(wǎng)絡(luò)上搜尋什么關(guān)鍵詞，找出那些感染了流感的人。雖然也曾有人就網(wǎng)絡(luò)搜尋字眼做過類似的努力，但是從來沒人能像Google一樣掌握巨量數(shù)據(jù)（big data，直譯為大數(shù)據(jù)），并具備強(qiáng)大的處理能力和在統(tǒng)計(jì)上的專業(yè)技能。

雖然Google已經(jīng)猜到，民眾的搜尋字眼可能與流感有關(guān)，像是「止咳退燒」，但相不相關(guān)其實(shí)不是真正的重點(diǎn)，他們設(shè)計(jì)的系統(tǒng)也不是從這個角度出發(fā)。Google這套系統(tǒng)真正做的，是要針對搜尋字眼的搜尋頻率，找出和流感傳播的時間、地區(qū)，有沒有統(tǒng)計(jì)上的相關(guān)性。他們總共用上了高達(dá)4億5千萬種不同的數(shù)學(xué)模型，測試各種搜尋字眼，再與疾管局在2007年與2008年的實(shí)際流感病例加以比較。這套軟件找出了一組共四十五個搜尋字眼，放進(jìn)數(shù)學(xué)模型之后，預(yù)測結(jié)果會與官方公布的全美真實(shí)數(shù)據(jù)十分符合，有強(qiáng)烈的相關(guān)性。

于是，他們就像疾管局一樣能夠掌握流感疫情，但可不是

一、兩星期之后的事，而是幾近實(shí)時同步的掌握！因此，在2009年發(fā)生H1N1危機(jī)的時候，比起政府手中的數(shù)據(jù)（以及無可避免的通報(bào)延遲），Google系統(tǒng)能提供更有用、更及時的信息。公衛(wèi)當(dāng)局有了這種寶貴的信息，控制疫情如虎添翼。

最驚人的是，Google的這套方法并不需要去采集檢體、也不用登門造訪各家醫(yī)院診所，而只是好好利用了巨量數(shù)據(jù)，也就是用全新的方式來使用信息，以取得實(shí)用且價(jià)值非凡的見解、商機(jī)或服務(wù)。有了Google這套系統(tǒng)，下次爆發(fā)流感的時候，全球就有了更佳的工具能夠加以預(yù)測、并防止疫情蔓延。

電子病例

將分散在醫(yī)院中的各個部門、各式各樣的病例集中在云端，醫(yī)生們可透過語意搜查找出任何病例中的相關(guān)訊息，進(jìn)而為醫(yī)學(xué)診斷提供更加豐富的數(shù)據(jù)。可提供以病患為中心的個人化療程建議，或幫助對醫(yī)療問題及其患病率進(jìn)行自動診斷。臺灣的醫(yī)療黑金：健保數(shù)據(jù)庫 Google臺灣董事總經(jīng)理簡立峰曾表示：「我認(rèn)為最有價(jià)值的寶藏，就是臺灣的全民健保數(shù)據(jù)庫?！?，臺灣醫(yī)療產(chǎn)業(yè)貫穿上下游的數(shù)據(jù)，全在健保數(shù)據(jù)庫里面，而且?guī)缀跛腥硕家尤?，全世界只有臺灣擁有如此完整的數(shù)據(jù)庫。美國麻省理工學(xué)院電機(jī)與計(jì)算機(jī)科學(xué)院教授約John Guttag也說，相較于美國，臺灣的健保是由政府買單，這讓醫(yī)療數(shù)據(jù)取得變得容易，「這是臺灣的機(jī)會，未來也很有機(jī)會從中獲利?！?/p>

累積15年來、2千3百萬人民的健保數(shù)據(jù)庫，正等待著識貨的伯樂來挖寶。臺中榮總醫(yī)生、陽明大學(xué)教授吳俊穎以親身經(jīng)驗(yàn)說明，過去醫(yī)學(xué)界只知道，幽門螺旋桿菌跟胃癌有關(guān)，但是卻沒有規(guī)模夠大、時間夠長的臨床實(shí)驗(yàn)可以證實(shí)，他與研究團(tuán)隊(duì)藉由探勘臺灣的健保數(shù)據(jù)庫，發(fā)現(xiàn)服藥根除幽門螺旋桿菌，可以降低胃癌的發(fā)生率。

這篇論文不只發(fā)表在腸胃科排名第一的雜志《腸胃病學(xué)》上，更震撼了日本醫(yī)學(xué)界。日本是全球胃癌罹患率最高的國家，當(dāng)?shù)蒯t(yī)生特別把這篇論文翻譯成日文，并且說服日本厚生省，對幽門螺旋桿菌感染患者全面給付殺菌療程，不僅影響醫(yī)師的臨床運(yùn)作、政府決策，甚至有可能改變國際性醫(yī)療行為準(zhǔn)則。

吳俊穎認(rèn)為，臺灣的健保數(shù)據(jù)庫內(nèi)容巨細(xì)靡遺，所有醫(yī)療項(xiàng)目都記錄得一清二楚，「它像是永不干涸的黑金，當(dāng)數(shù)據(jù)越來越多串聯(lián)和使用，就會越來越有價(jià)值。」然而，吳俊穎也提到，健保數(shù)據(jù)庫有個缺點(diǎn)，就是缺乏診斷和檢測結(jié)果。麻省理工學(xué)院教授Peter Szolovits也曾舉例說明過，如果有一位病患發(fā)現(xiàn)關(guān)節(jié)腫起來，醫(yī)生跟他說這「疑似」是風(fēng)濕性關(guān)節(jié)炎，因此記錄風(fēng)濕性關(guān)節(jié)炎的費(fèi)用，可能后來病人發(fā)現(xiàn)根本不是這個病，如果把這筆數(shù)據(jù)用在風(fēng)濕性關(guān)節(jié)炎的醫(yī)療研究上，那就會變成糟糕的數(shù)據(jù)，影響研究結(jié)果。

「如果能夠把健保數(shù)據(jù)庫與醫(yī)院病歷的數(shù)據(jù)庫做結(jié)合，那它就會變成最完美的醫(yī)療數(shù)據(jù)庫！」吳俊穎提到，病歷數(shù)據(jù)包含檢測和治療的結(jié)果，不只對于臺灣醫(yī)療產(chǎn)業(yè)來說非常有價(jià)值，國內(nèi)外的生技和醫(yī)藥大廠，也都會搶著要跟臺灣合作。想象一個情境，有天當(dāng)你到南部度假，突然感到身體不適，就近到當(dāng)?shù)氐脑\所就醫(yī)。第一次跟你見面的醫(yī)生，登入全臺灣共享的醫(yī)療數(shù)據(jù)庫，調(diào)出你在其他醫(yī)院的病歷數(shù)據(jù)，花幾分鐘就能對你的身體了如指掌，還能透過臨床決策輔助系統(tǒng)，顯示出跟你有相同癥狀的病友群體、使用各種藥物的治療狀況，透過大數(shù)據(jù)分析可以協(xié)助醫(yī)生在最短時間內(nèi)，找出最適合的治療方式。

「很多人以為這樣的愿景，離現(xiàn)實(shí)生活非常遙遠(yuǎn)，其實(shí)臺灣已經(jīng)走在半路上了?！古_大醫(yī)院竹東分院院長王明巨如此說道。的確，臺灣醫(yī)療機(jī)構(gòu)的病歷電子化程度很高，很有可能成為全球第一個全國醫(yī)院流通電子病歷的國家。醫(yī)學(xué)研發(fā)

運(yùn)用實(shí)時監(jiān)測及分析大量的儀器數(shù)據(jù)，建構(gòu)預(yù)測模型，并利用統(tǒng)計(jì)工具改善臨床試驗(yàn)設(shè)計(jì)，分析臨床試驗(yàn)數(shù)據(jù)。發(fā)展個人化醫(yī)學(xué)及疾病發(fā)作模式等醫(yī)療研發(fā)。利用大數(shù)據(jù)解決多發(fā)性硬化癥的算法運(yùn)算復(fù)雜度

位于水牛城的紐約州立大學(xué)(SUNY)是一個領(lǐng)先全球的多發(fā)性硬化癥(MS)研 究中心。MS是一種具破壞性的、面性的神經(jīng)系統(tǒng)疾病，影養(yǎng)全球近百人。這種疾病會使人的大腦和骨隨發(fā)炎并產(chǎn)生神經(jīng)病，導(dǎo)致患者可能出現(xiàn)行動不便、視力受損、疼痛等癥狀。

MS的病因是很復(fù)雜的，沒有一個單一基因是可能的致病源。因此自2007年以來，SUNY就一直希望透過掃描MS患者的基因組的變化來開發(fā)新的治療方式，透過從原本成千上萬的基因序列的變異SNP，SNP指的是單核桃多型性，來獲得單一樣品，研究基因產(chǎn)物和其他基因產(chǎn)物及環(huán)境因素進(jìn)行的交互作用。

研究人員的想法是以多個SNP變異點(diǎn)結(jié)合不同的環(huán)境變因，并使用一種被稱之為「AMBIENCE」的算法，來檢測縣性和非線性兩種數(shù)據(jù)數(shù)據(jù)中的相關(guān)性，以識別這些交互作用之間的關(guān)系。但是這個想法就如同大海撈針，因?yàn)榄h(huán)境變因包括像是實(shí)驗(yàn)對象曝曬太陽的時間長短、維生素D產(chǎn)生的量、吸煙的情況等皆有可能影響研究結(jié)果。況且人類的基因由23對染色體所組成，其中包含約30億個DNA堿基對，這些因變量和應(yīng)變量數(shù)量多到嚇人，必須靠建構(gòu)一套計(jì)算量高達(dá)1018的高等分析模型才能解決。

因此SUNY與IBM合作，建構(gòu)一套搭配軟硬件的數(shù)據(jù)分析系統(tǒng)，以往平均需要27.2小時的工作，縮短到現(xiàn)在只要11.7分鐘即可完成。而且這套系統(tǒng)不僅大大簡化和加速了復(fù)雜的分析過程，還提供了不同類型的變量值，如：分類變量、分配卜瓦松變量或連續(xù)常態(tài)變量等。過去，只要研究中增加一個新的變量值，研究團(tuán)隊(duì)就必須重新編寫整個算法，而現(xiàn)在只需按幾個鍵即可完成。

大數(shù)據(jù)系統(tǒng)分析的應(yīng)用除了MS的研究以外，全球估計(jì)超過3300萬人感染，至今沒有方法可以完全治愈的艾滋病，以及罕見疾病等，都已開始利用大數(shù)據(jù)進(jìn)行大型的醫(yī)學(xué)研究。

臨床實(shí)驗(yàn)

臨床試驗(yàn)藉由大數(shù)據(jù)而有了重大的改變，可利用臨床驗(yàn)數(shù)據(jù)、儀器讀數(shù)等，進(jìn)行比較效果研究、臨床決策支持系統(tǒng)、遠(yuǎn)距病人監(jiān)測及加強(qiáng)醫(yī)學(xué)數(shù)據(jù)透明度等方面。

擁有數(shù)據(jù)數(shù)據(jù)保護(hù)的早產(chǎn)兒

所謂的早產(chǎn)兒是指懷孕不到37周就提早出世的寶寶。這些提早降臨人世的小仙子，如果出生后體重不到1500公克，很可能會因?yàn)槊庖呦到y(tǒng)尚未發(fā)育完全而受到感染，一旦感染之后就很容易引起呼吸衰竭、肺出血及敗血癥。

不過，加拿大多倫多市立兒童醫(yī)院里的早產(chǎn)兒，卻可以睡得特別安詳，因?yàn)樗麄兪怯袛?shù)據(jù)數(shù)據(jù)保護(hù)的「data baby」。隨著醫(yī)療設(shè)備的發(fā)展，利用醫(yī)療監(jiān)測儀器監(jiān)測病患的生命征象，如血壓、心跳和體溫等，已經(jīng)是非常普遍的事了。通常這些儀器還具有警報(bào)功能，一旦生理的數(shù)據(jù)數(shù)值超出正常范圍時就會發(fā)出警示，醫(yī)療人員就會采取因應(yīng)行動。但是即使醫(yī)術(shù)再精湛、經(jīng)驗(yàn)再豐富的醫(yī)護(hù)人員，可能也無法準(zhǔn)確地察覺這些異常的發(fā)生時間和嚴(yán)重性，尤其當(dāng)發(fā)生在脆弱的早產(chǎn)兒生身上。根據(jù)美國弗吉尼亞大學(xué)追蹤以往的數(shù)據(jù)顯示，新生兒受到感染初期的12到24小時，因?yàn)槊}搏和心跳幾乎都可在接受的范圍內(nèi)，因此醫(yī)護(hù)人員很難從生命征象數(shù)據(jù)的改變中察覺，等到警示燈響起，常常為時已晚。

連續(xù)監(jiān)測和記錄這些生理性數(shù)據(jù)，可以觀察出新生兒是否遭受感染的早期征兆，但數(shù)據(jù)量實(shí)在太過龐大了。估計(jì)這些監(jiān)測設(shè)備每一秒鐘就會產(chǎn)生1000個讀數(shù)。以往是30到60分鐘由醫(yī)護(hù)人員歸納出一個數(shù)據(jù)做為紀(jì)錄，然后儲存72小時。如果要把這些讀數(shù)統(tǒng)統(tǒng)記錄起來，根本是不可能的事。

但這項(xiàng)不可能的任務(wù)，并沒有嚇跑安大略省理工學(xué)院和IBM。他們使用來自懷生研究中心的最新技術(shù)，利用江河運(yùn)算平臺支持大量數(shù)據(jù)的收集和分析，一天24小時不間斷地收集和記錄著包括早產(chǎn)兒的體溫、心跳、血氧飽和濃度和血壓等電子監(jiān)測儀器產(chǎn)生的大量數(shù)據(jù)，以及周遭環(huán)境如溫度、濕度等相關(guān)數(shù)據(jù)。在保護(hù)病人的隱私安全考慮下，這些數(shù)據(jù)會直接傳到安大略省理工學(xué)院研究中心和IBM華生研究中心；系統(tǒng)會分析和研究哪些因素的交互作用會造成感染，甚至哪幾床的新生兒因?yàn)榉蠗l件較多，可能出現(xiàn)疾病或感染的風(fēng)險(xiǎn)較大。之后，系統(tǒng)再將分析結(jié)果提供給醫(yī)護(hù)人員比較判讀。這些動作都在數(shù)秒內(nèi)完成。藉由這項(xiàng)計(jì)劃，兒童病房里的醫(yī)護(hù)人員已經(jīng)可以提前18到24小時，預(yù)防新生兒敗血癥的發(fā)生。

由于大數(shù)據(jù)在規(guī)模（Volume）、增加速度（Velocity），以及價(jià)值性（Value）上正呈現(xiàn)幾何上升，而其數(shù)據(jù)所表現(xiàn)的多樣性變化（Variety）與數(shù)據(jù)的有效性（Validation），更容易成為企業(yè)的風(fēng)險(xiǎn)源頭。面對排山倒海而來的大數(shù)據(jù)，企業(yè)需運(yùn)用大數(shù)據(jù)，迅速將數(shù)據(jù)轉(zhuǎn)化成商業(yè)智能，運(yùn)用分析信息，提升市場的洞察能力，做出更準(zhǔn)確的營運(yùn)決策。例如：電信業(yè)者可以分析手機(jī)在基地臺漫游的特性，提供更好的在地費(fèi)率；信用卡業(yè)者可以每天定期分析各種信用貸款所產(chǎn)生的風(fēng)險(xiǎn)，動態(tài)調(diào)整信貸利率；便利超商可以分析消費(fèi)者的購買習(xí)慣，動態(tài)調(diào)整架上存貨數(shù)量等；制造業(yè)者可透過現(xiàn)場制造系統(tǒng)所記錄的大量在線實(shí)時生產(chǎn)數(shù)據(jù)進(jìn)行分析，以協(xié)助制造業(yè)改善制程、提升良率，并減少物料浪費(fèi)。因此大數(shù)據(jù)將是企業(yè)未來所面臨的關(guān)鍵挑戰(zhàn)。鑒于目前信息以超乎想象的速度產(chǎn)生、累積、消逝，而企業(yè)所面臨的商機(jī)亦有相同的循環(huán)表現(xiàn)。透過海量信息的實(shí)時性分析與運(yùn)用，將可對不同信息的需求者，產(chǎn)生不一樣的價(jià)值與意義。若能持續(xù)在既有的數(shù)據(jù)中發(fā)掘價(jià)值，同時考慮動態(tài)信息所帶動的巨大沖擊，并藉此掌握瞬息萬變的市場契機(jī)，則大數(shù)據(jù)的分析與應(yīng)用，將有助于各類型企業(yè)在相關(guān)營運(yùn)領(lǐng)域中，引領(lǐng)下一階段的企業(yè)永續(xù)發(fā)展。基于以上的發(fā)展潮流與態(tài)勢，麥肯錫（Mckinsey）管理顧問公司于2010年已指出未來引領(lǐng)企業(yè)發(fā)展趨勢的十大科技，其中即包含了大數(shù)據(jù)的獲取與分析、云端運(yùn)算服務(wù)的公共價(jià)值，以及企業(yè)多層面的參與互動及服務(wù)。在這些技術(shù)與行動通訊網(wǎng)絡(luò)的整合應(yīng)用下，企業(yè)未來所產(chǎn)生的數(shù)據(jù)量將呈現(xiàn)倍數(shù)成長，并導(dǎo)致過去傳統(tǒng)的儲存技術(shù)即將遇到瓶頸，因此，虛擬化的云端運(yùn)算分析技術(shù)，以及大數(shù)據(jù)的管理，將成為各方面所即將面臨處理的新課題。從目前的技術(shù)發(fā)展 來看，未來各項(xiàng)實(shí)體化設(shè)施，將可能在未來藉由虛擬化的技術(shù)，得以降低各項(xiàng)成本的支出，然而云端運(yùn)算與大數(shù)據(jù)的應(yīng)用，絕非僅為建置一個大型數(shù)據(jù)中心即可，對于后續(xù)所產(chǎn)生大量數(shù)據(jù)下的數(shù)量管控、數(shù)據(jù)的質(zhì)量與分析結(jié)果，以及這些數(shù)據(jù)所衍生之相關(guān)應(yīng)用與服務(wù)，才是現(xiàn)階段所應(yīng)關(guān)心的重點(diǎn)。計(jì)算設(shè)施(Computer)網(wǎng)絡(luò)設(shè)施(Network)儲存設(shè)施(Storage)數(shù)據(jù)數(shù)量管控?cái)?shù)據(jù)應(yīng)用服務(wù)數(shù)據(jù)質(zhì)量分析虛擬化(Virtualization)為了結(jié)合技術(shù)、數(shù)據(jù)，以及應(yīng)用分析與服務(wù)等三項(xiàng)議題的探討，本演講大數(shù)據(jù)主要闡述BIG DATA 在生技醫(yī)療衛(wèi)生上之應(yīng)用與研究;拋磚引玉系望能激起大家投入醫(yī)療大數(shù)據(jù)的研究!

第三篇：大數(shù)據(jù)+精準(zhǔn)醫(yī)療

大數(shù)據(jù)+精準(zhǔn)醫(yī)療

2012年全國居民慢性病死亡率為533/10萬，占總死亡人數(shù)的86.6%。心腦血管病、癌癥和慢性呼吸系統(tǒng)疾病為主要死因，占總死亡的79.4%，其中心腦血管病死亡率為271.8/10萬，癌癥死亡率為144.3/10萬（前五位分別是肺癌、肝癌、胃癌、食道癌、結(jié)直腸癌），慢性呼吸系統(tǒng)疾病死亡率為68/10過標(biāo)化處理后，除冠心病、肺癌等少數(shù)疾病死亡率有所上升外，多數(shù)慢性病死亡率呈下降趨勢。慢性病的患病、死亡與經(jīng)濟(jì)、社會、人口、行為、環(huán)境等因素密切相關(guān)。一方面，隨著人們生活質(zhì)量和保健水平不斷提高，人均預(yù)期壽命不斷增長，老年人口數(shù)量不斷增加，我國慢性病患者的基數(shù)也在不斷擴(kuò)大；另一方面，隨著深化醫(yī)藥衛(wèi)生體制改革的不斷推進(jìn)，城鄉(xiāng)居民對醫(yī)療衛(wèi)生服務(wù)需求不斷增長，公共衛(wèi)生和醫(yī)療服務(wù)水平不斷提升，慢性病患者的生存期也在不斷延長。慢性病患病率的上升和死亡率的下降，反映了國家社會經(jīng)濟(jì)條件和醫(yī)療衛(wèi)生水平的發(fā)展，是國民生活水平提高和壽命延長的必然結(jié)果。當(dāng)然，我們也應(yīng)該清醒地認(rèn)識到個人不健康的生活方式對慢性病發(fā)病所帶來的影響，綜合考慮人口老齡化等社會因素和吸煙等危險(xiǎn)因素現(xiàn)狀及變化趨勢，我國慢性病的總體防控形勢依然嚴(yán)峻，防控工作仍面臨著巨大挑戰(zhàn)。

大數(shù)據(jù)的分析和應(yīng)用都將在醫(yī)療行業(yè)發(fā)揮巨大的作用，提高醫(yī)療效率和醫(yī)療效果。

一、臨床操作

在臨床操作方面，有5個主要場景的大數(shù)據(jù)應(yīng)用： 1．比較效果研究

通過全面分析病人特征數(shù)據(jù)和療效數(shù)據(jù)，然后比較多種干預(yù)措施的有效性，可以找到針對特定病人的最佳治療途徑。

基于療效的研究包括比較效果研究(Comparative Effectiveness Research，CER)。研究表明，對同一病人來說，醫(yī)療服務(wù)提供方不同，醫(yī)療護(hù)理方法和效果不同，成本上也存在著很大的差異。精準(zhǔn)分析包括病人體征數(shù)據(jù)、費(fèi)用數(shù)據(jù)和療效數(shù)據(jù)在內(nèi)的大型數(shù)據(jù)集，可以幫助醫(yī)生確定臨床上最有效和最具有成本效益的治療方法。醫(yī)療護(hù)理系統(tǒng)實(shí)現(xiàn)CER，將有可能減少過度治療(比如避免那些副作用比療效明顯的治療方式)，以及治療不足。從長遠(yuǎn)來看，不管是過度治療還是治療不足都將給病人身體帶來負(fù)面影響，以及產(chǎn)生更高的醫(yī)療費(fèi)用。

2．臨床決策支持系統(tǒng)

臨床決策支持系統(tǒng)可以提高工作效率和診療質(zhì)量。目前的臨床決策支持系統(tǒng)分析醫(yī)生輸入的條目，比較其與醫(yī)學(xué)指引不同的地方，從而提醒醫(yī)生防止?jié)撛诘腻e誤，如藥物不良反應(yīng)。通過部署這些系統(tǒng)，醫(yī)療服務(wù)提供方可以降低醫(yī)療事故率和索賠數(shù)，尤其是那些臨床錯誤引起的醫(yī)療事故。在美國Metropolitan兒科重癥病房的研究中，兩個月內(nèi)，臨床決策支持系統(tǒng)就削減了40%的藥品不良反應(yīng)事件數(shù)量。

3．醫(yī)療數(shù)據(jù)透明度

提高醫(yī)療過程數(shù)據(jù)的透明度，可以使醫(yī)療從業(yè)者、醫(yī)療機(jī)構(gòu)的績效更透明，間接促進(jìn)醫(yī)療服務(wù)質(zhì)量的提高。

根據(jù)醫(yī)療服務(wù)提供方設(shè)置的操作和績效數(shù)據(jù)集，可以進(jìn)行數(shù)據(jù)分析并創(chuàng)建可視化的流程圖和儀表盤，促進(jìn)信息透明。流程圖的目標(biāo)是識別和分析臨床變異和醫(yī)療廢物的來源，然后優(yōu)化流程。僅僅發(fā)布成本、質(zhì)量和績效數(shù)據(jù)，即使沒有與之相應(yīng)的物質(zhì)上的獎勵，也往往可以促進(jìn)績效的提高，使醫(yī)療服務(wù)機(jī)構(gòu)提供更好的服務(wù)，從而更有競爭力。

4．遠(yuǎn)程病人監(jiān)控

從對慢性病人的遠(yuǎn)程監(jiān)控系統(tǒng)收集數(shù)據(jù)，并將分析結(jié)果反饋給監(jiān)控設(shè)備(查看病人是否正在遵從醫(yī)囑)，從而確定今后的用藥和治療方案。

2010年，美國有1.5億慢性病患者，如糖尿病、充血性心臟衰竭、高血壓患者，他們的醫(yī)療費(fèi)用占到了醫(yī)療衛(wèi)生系統(tǒng)醫(yī)療成本的80%。遠(yuǎn)程病人監(jiān)護(hù)系統(tǒng)對治療慢性病患者是非常有用的。遠(yuǎn)程病人監(jiān)護(hù)系統(tǒng)包括家用心臟監(jiān)測設(shè)備、血糖儀，甚至還包括芯片藥片，芯片藥片被患者攝入后，實(shí)時傳送數(shù)據(jù)到電子病歷數(shù)據(jù)庫。舉個例子，遠(yuǎn)程監(jiān)控可以提醒醫(yī)生對充血性心臟衰竭病人采取及時治療措施，防止緊急狀況發(fā)生，因?yàn)槌溲孕呐K衰竭的標(biāo)志之一是由于保水產(chǎn)生的體重增加現(xiàn)象，這可以通過遠(yuǎn)程監(jiān)控實(shí)現(xiàn)預(yù)防。更多的好處是，通過對遠(yuǎn)程監(jiān)控系統(tǒng)產(chǎn)生的數(shù)據(jù)的分析，可以減少病人住院時間，減少急診量，實(shí)現(xiàn)提高家庭護(hù)理比例和門診醫(yī)生預(yù)約量的目標(biāo)。

5．對病人檔案的先進(jìn)分析

在病人檔案方面應(yīng)用高級分析可以確定哪些人是某類疾病的易感人群。舉例說，應(yīng)用高級分析可以幫助識別哪些病人有患糖尿病的高風(fēng)險(xiǎn)，使他們盡早接受預(yù)防性保健方案。這些方法也可以幫患者從已經(jīng)存在的疾病管理方案中找到最好的治療方案。

二、付款/定價(jià) 對醫(yī)療支付方來說，通過大數(shù)據(jù)分析可以更好地對醫(yī)療服務(wù)進(jìn)行定價(jià)。以美國為例，這將有潛力創(chuàng)造每年500億美元的價(jià)值，其中一半來源于國家醫(yī)療開支的降低。

1．自動化系統(tǒng)

自動化系統(tǒng)(例如機(jī)器學(xué)習(xí)技術(shù))檢測欺詐行為。業(yè)內(nèi)人士評估，每年有2%~4%的醫(yī)療索賠是欺詐性的或不合理的，因此檢測索賠欺詐具有巨大的經(jīng)濟(jì)意義。通過一個全面的一致的索賠數(shù)據(jù)庫和相應(yīng)的算法，可以檢測索賠準(zhǔn)確性，查出欺詐行為。這種欺詐檢測可以是追溯性的，也可以是實(shí)時的。在實(shí)時檢測中，自動化系統(tǒng)可以在支付發(fā)生前就識別出欺詐，避免重大的損失。

2．基于衛(wèi)生經(jīng)濟(jì)學(xué)和療效研究的定價(jià)計(jì)劃

在藥品定價(jià)方面，制藥公司可以參與分擔(dān)治療風(fēng)險(xiǎn)，比如基于治療效果制定定價(jià)策略。這對醫(yī)療支付方的好處顯而易見，有利于控制醫(yī)療保健成本支出。對患者來說，好處更加直接。他們能夠以合理的價(jià)格獲得創(chuàng)新的藥物，并且這些藥物經(jīng)過基于療效的研究。而對醫(yī)藥產(chǎn)品公司來說，更好的定價(jià)策略也是好處多多。他們可以獲得更高的市場準(zhǔn)入可能性，也可以通過創(chuàng)新的定價(jià)方案，更有針對性療效藥品的推出，獲得更高的收入。

在歐洲，現(xiàn)在有一些基于衛(wèi)生經(jīng)濟(jì)學(xué)和療效的藥品定價(jià)試點(diǎn)項(xiàng)目。

三、研發(fā)

醫(yī)療產(chǎn)品公司可以利用大數(shù)據(jù)提高研發(fā)效率。拿美國為例，這將創(chuàng)造每年超過1000億美元的價(jià)值。

1．預(yù)測建模

醫(yī)藥公司在新藥物的研發(fā)階段，可以通過數(shù)據(jù)建模和分析，確定最有效率的投入產(chǎn)出比，從而配備最佳資源組合。模型基于藥物臨床試驗(yàn)階段之前的數(shù)據(jù)集及早期臨床階段的數(shù)據(jù)集，盡可能及時地預(yù)測臨床結(jié)果。評價(jià)因素包括產(chǎn)品的安全性、有效性、潛在的副作用和整體的試驗(yàn)結(jié)果。通過預(yù)測建模可以降低醫(yī)藥產(chǎn)品公司的研發(fā)成本，在通過數(shù)據(jù)建模和分析預(yù)測藥物臨床結(jié)果后，可以暫緩研究次優(yōu)的藥物，或者停止在次優(yōu)藥物上的昂貴的臨床試驗(yàn)。

2．提高臨床試驗(yàn)設(shè)計(jì)的統(tǒng)計(jì)工具和算法 使用統(tǒng)計(jì)工具和算法，可以提高臨床試驗(yàn)設(shè)計(jì)水平，并在臨床試驗(yàn)階段更容易地招募到患者。通過挖掘病人數(shù)據(jù)，評估招募患者是否符合試驗(yàn)條件，從而加快臨床試驗(yàn)進(jìn)程，提出更有效的臨床試驗(yàn)設(shè)計(jì)建議，并能找出最合適的臨床試驗(yàn)基地。比如那些擁有大量潛在符合條件的臨床試驗(yàn)患者的試驗(yàn)基地可能是更理想的，或者在試驗(yàn)患者群體的規(guī)模和特征二者之間找到平衡。

3．臨床實(shí)驗(yàn)數(shù)據(jù)的分析

分析臨床試驗(yàn)數(shù)據(jù)和病人記錄可以確定藥品更多的適應(yīng)癥和發(fā)現(xiàn)副作用。在對臨床試驗(yàn)數(shù)據(jù)和病人記錄進(jìn)行分析后，可以對藥物進(jìn)行重新定位，或者實(shí)現(xiàn)針對其他適應(yīng)癥的營銷。實(shí)時或者近乎實(shí)時地收集不良反應(yīng)報(bào)告可以促進(jìn)藥物警戒(藥物警戒是上市藥品的安全保障體系，對藥物不良反應(yīng)進(jìn)行監(jiān)測、評價(jià)和預(yù)防)?；蛘咴谝恍┣闆r下，臨床實(shí)驗(yàn)暗示出了一些情況但沒有足夠的統(tǒng)計(jì)數(shù)據(jù)去證明，現(xiàn)在基于臨床試驗(yàn)大數(shù)據(jù)的分析可以給出證據(jù)。

這些分析項(xiàng)目是非常重要的?？梢钥吹阶罱鼛啄晁幤烦肥袛?shù)量屢創(chuàng)新高，藥品撤市可能給醫(yī)藥公司帶來毀滅性的打擊。2004年從市場上撤下的止痛藥Vioxx，給默克公司造成70億美元的損失，短短幾天內(nèi)就造成股東價(jià)值33%的損失。

四、更具體一些，大數(shù)據(jù)已經(jīng)得到實(shí)際應(yīng)用的已經(jīng)有如下場景

1．組學(xué)大數(shù)據(jù)精準(zhǔn)醫(yī)療

人類通過開展組學(xué)研究及不同組學(xué)間的關(guān)聯(lián)研究，從環(huán)境、生活方式和行為等暴露組學(xué)，至個體細(xì)胞分子水平上的基因組學(xué)、表觀組學(xué)、轉(zhuǎn)錄組學(xué)、蛋白組學(xué)、代謝組學(xué)、宏基因組學(xué)，再到個體健康和疾病狀態(tài)的表型組學(xué)等。利用大數(shù)據(jù)將各種組學(xué)進(jìn)行綜合及整合，既能為疾病發(fā)生、預(yù)防和治療提供全面、全新的認(rèn)識，也有利于開展個體化醫(yī)學(xué)，即通過系統(tǒng)整合生物醫(yī)學(xué)與臨床數(shù)據(jù)，可以更準(zhǔn)確地預(yù)測個體患病風(fēng)險(xiǎn)和預(yù)后，有針對性地實(shí)施預(yù)防和治療。

2．大數(shù)據(jù)虛擬藥物研發(fā)

快速識別生物標(biāo)志物和研發(fā)藥物。利用某種疾病患者人群的臨床數(shù)據(jù)和組學(xué)數(shù)據(jù)，可以快速識別有關(guān)疾病發(fā)生、預(yù)后或治療效果的生物標(biāo)志物。在藥物研發(fā)方面，醫(yī)學(xué)大數(shù)據(jù)使得人們對病因和疾病發(fā)生機(jī)制的理解更加深入，從而有助于識別生物靶點(diǎn)和研發(fā)藥物。同時，充分利用海量臨床數(shù)據(jù)和組學(xué)數(shù)據(jù)、已有藥物的研究數(shù)據(jù)和高通量藥物篩選，能加速藥物篩選過程。

3．生物大數(shù)據(jù)流行病防治

快速篩檢未知病原和發(fā)現(xiàn)可疑致病微生物。通過采集未知病原樣本數(shù)據(jù)，對病原進(jìn)行測序，并將未知病原與已知病原的基因序列進(jìn)行比對，從而判斷其為已知病原或與其最接近的病原類型，據(jù)此推測其來源和傳播路線、開展藥物篩選和相應(yīng)的流行疾病防治。

4．互聯(lián)網(wǎng)大數(shù)據(jù)公衛(wèi)監(jiān)測

利用互聯(lián)網(wǎng)大數(shù)據(jù)以及有關(guān)專業(yè)數(shù)據(jù)實(shí)時開展公共衛(wèi)生監(jiān)測。公共衛(wèi)生監(jiān)測包括傳染病監(jiān)測、慢性非傳染性疾病及相關(guān)危險(xiǎn)因素監(jiān)測、健康相關(guān)監(jiān)測，如出生缺陷監(jiān)測、食品安全風(fēng)險(xiǎn)監(jiān)測等。此外，還可以通過覆蓋全國的患者電子病歷數(shù)據(jù)庫進(jìn)行疫情監(jiān)測，通過監(jiān)測社交媒體或頻繁檢索的詞條來預(yù)測某些傳染病的流行。

5．大數(shù)據(jù)健康管理

實(shí)時開展大數(shù)據(jù)健康管理，通過可穿戴設(shè)備對個體體征數(shù)據(jù)，如心率、脈率、呼吸頻率、體溫、熱消耗量、血壓、血糖、血氧、體脂含量等數(shù)據(jù)的實(shí)時、連續(xù)監(jiān)測和流數(shù)據(jù)挖掘、分析，提供實(shí)時健康指導(dǎo)與建議，更科學(xué)地實(shí)施個性化健康管理。

6．大數(shù)據(jù)疾病譜研究

了解人群疾病譜的改變，這有助于制定新的疾病防治策略。全球疾病負(fù)擔(dān)研究是一個應(yīng)用大數(shù)據(jù)的實(shí)例，該研究應(yīng)用的數(shù)據(jù)范圍廣、數(shù)據(jù)量巨大，近4700臺并行臺式計(jì)算機(jī)完成了數(shù)據(jù)準(zhǔn)備、數(shù)據(jù)倉庫建立和數(shù)據(jù)挖掘分析的自動化和規(guī)范化計(jì)算，應(yīng)用大數(shù)據(jù)研究人群疾病譜。

7．大數(shù)據(jù)人群隊(duì)列研究

以大數(shù)據(jù)為導(dǎo)向的人群隊(duì)列研究逐漸成為醫(yī)學(xué)研究的熱點(diǎn)。超大規(guī)模隊(duì)列研究具有大樣本-如數(shù)十萬人群，前瞻性-如數(shù)十年長期隨訪，多學(xué)科-如基礎(chǔ)、臨床、預(yù)防、信息等多學(xué)科合作，多病種-如對多種疾病進(jìn)行研究，多因素-如探討多種危險(xiǎn)因素，整合性-如監(jiān)測系統(tǒng)、信息系統(tǒng)、醫(yī)保系統(tǒng)的整合，共享性-如生物標(biāo)本和數(shù)據(jù)資源的共享，等特點(diǎn)，經(jīng)過長期隨訪能夠產(chǎn)出大量人群數(shù)據(jù)，基于大數(shù)據(jù)的人群隊(duì)列研究更具有科學(xué)性、可靠性和權(quán)威性。

第四篇：數(shù)據(jù)驅(qū)動講稿

數(shù)據(jù)驅(qū)動(Data-driven)概念的出現(xiàn)源自計(jì)算機(jī)科學(xué)領(lǐng)域，近些年其理論、應(yīng)用等的研究都引起控制領(lǐng)域及仿真應(yīng)用領(lǐng)域等的重點(diǎn)關(guān)注。數(shù)據(jù)驅(qū)動最初被視為一種適應(yīng)性的仿真開發(fā)方法。在數(shù)據(jù)驅(qū)動的仿真模式中，數(shù)據(jù)驅(qū)動指任何應(yīng)用需求都能夠由系統(tǒng)數(shù)據(jù)及相關(guān)模型所描述，而無需進(jìn)行再編程。以數(shù)據(jù)驅(qū)動思想為指導(dǎo)的應(yīng)用涵蓋控制、決策、調(diào)度和故障診斷等關(guān)鍵領(lǐng)域，包括制造過程控制、氣候預(yù)報(bào)、交通管理、地理開采、生物傳感等諸多具體應(yīng)用。

隨著城市路網(wǎng)規(guī)模的不斷擴(kuò)大和交通流量的顯著增加原有的路徑規(guī)劃算法己經(jīng)不能滿足路網(wǎng)實(shí)時性的要求。針對數(shù)據(jù)驅(qū)動的動態(tài)路徑規(guī)劃方法進(jìn)行仿真研究和探討。

城市交通系統(tǒng)是一種典型的復(fù)雜系統(tǒng)，系統(tǒng)各要素之間的相互作用隨機(jī)性較大，利用以往的數(shù)學(xué)分析或經(jīng)驗(yàn)分析模型不可能準(zhǔn)確地將真實(shí)環(huán)境模擬出來、為了找出更有效的方法，從60年代開始，研究人員著手研究交通仿真。尤其在近些年，隨著計(jì)算機(jī)技術(shù)和軟件工程控制理論以及人工智能的快速發(fā)展，仿真技術(shù)在各個領(lǐng)域得到)‘一泛的應(yīng)用。交通環(huán)境的仿真就是計(jì)算機(jī)仿真技術(shù)在交通領(lǐng)域內(nèi)的重要作用，是利用計(jì)算機(jī)數(shù)字模型來模擬復(fù)雜的交通環(huán)境并實(shí)施有效分析和評估的方法。

在大數(shù)據(jù)環(huán)境下，可以通過數(shù)據(jù)預(yù)處理手段從海量的實(shí)際道路信息數(shù)據(jù)中抽取正確可靠的歷史數(shù)據(jù)，聚類而向路況的非關(guān)系型數(shù)據(jù)倉庫，對以上多樣化數(shù)據(jù)進(jìn)行存儲與組織，并通過數(shù)據(jù)挖掘，以關(guān)聯(lián)規(guī)則和相關(guān)系數(shù)等形式分析認(rèn)知道路交通信息相關(guān)數(shù)據(jù)之間的關(guān)聯(lián)關(guān)系，例如通過不同時段，某車輛在通過某一特定路段時在該路段行駛的時間長短測得該道路的擁堵時間，可以認(rèn)知車輛在道路行駛擁堵狀況的內(nèi)在規(guī)律。

（1）客戶點(diǎn)的需求量、客戶點(diǎn)之間多條路徑在某個時段的擁堵概率數(shù)據(jù)

(3)兩點(diǎn)間最短路徑規(guī)劃。根據(jù)用戶設(shè)定的具體地點(diǎn)，智能的規(guī)劃最優(yōu)路徑，并且在屏幕上實(shí)時動態(tài)顯示當(dāng)前車輛狀態(tài)，以及最優(yōu)路徑并根據(jù)在圖中實(shí)時動態(tài)更新車輛所處位置信息。

按照大數(shù)據(jù)驅(qū)動的“關(guān)聯(lián)+預(yù)測+調(diào)控”的決策新模式，其中:(1)關(guān)聯(lián)指通過車間制造數(shù)據(jù)的關(guān)聯(lián)分析，發(fā)現(xiàn)隱藏其間的關(guān)系。需要在清洗、分類與集成等制造數(shù)據(jù)預(yù)處理的基礎(chǔ)上，構(gòu)建制造數(shù)據(jù)時序模型并挖掘序列模式，實(shí)現(xiàn)不同制造數(shù)據(jù)的關(guān)聯(lián)分析，挖掘數(shù)據(jù)之間的影響規(guī)律。

(2)預(yù)測指利用關(guān)聯(lián)分析結(jié)果，描述車間制造過程與性能指標(biāo)的內(nèi)在關(guān)系。通過將車間性能指標(biāo)數(shù)據(jù)化，建立模型描述車間運(yùn)行過程數(shù)據(jù)對性能指標(biāo)數(shù)據(jù)的影響規(guī)律，實(shí)現(xiàn)車間性能

預(yù)測。

(3)調(diào)控指基于車間性能預(yù)測模型，找到車間運(yùn)行過程的關(guān)鍵制造參數(shù)并進(jìn)行控制。通過確定影響質(zhì)量控制、交貨期控制的關(guān)鍵參數(shù)，運(yùn)用規(guī)律知識建立針對產(chǎn)品合格率、交貨準(zhǔn)時率等性能指標(biāo)的科學(xué)調(diào)控機(jī)制。

第五篇：走向數(shù)據(jù)驅(qū)動的精準(zhǔn)教學(xué)：教學(xué)范式3.0時代來了!

走向數(shù)據(jù)驅(qū)動的精準(zhǔn)教學(xué)：教學(xué)范式3.0時代來了！

人類正從 IT（Information Technology）時代走向 DT（Data Technology）時代，大數(shù)據(jù)作為改變世界的新型科技力量，正在迅速融入各行各業(yè)。作為技術(shù)最難“攻 克”的傳統(tǒng)行業(yè)之一，教育在大數(shù)據(jù)技術(shù)與理念的沖擊下正在發(fā)生著一場“靜悄悄的革命”。

隨著國家教育信息化戰(zhàn)略的持續(xù)推進(jìn)，各級、各類學(xué)校的信息化環(huán)境得到快速完善，各種學(xué)習(xí)的平臺、移動 APP、數(shù)字終端、可穿戴設(shè)備等開始在中小學(xué)逐步流行。數(shù)字技術(shù)的常態(tài)化應(yīng)用及數(shù)字化學(xué)習(xí)活動的日常開展為教育大數(shù)據(jù)的生成提供了得天獨(dú)厚的條件。伴隨著教育數(shù)據(jù)的持續(xù)累積與深度挖掘，大數(shù)據(jù)在構(gòu)建新型教學(xué)生態(tài)、助力教學(xué)結(jié)構(gòu)變革、再造教學(xué)流程方面的作用日益凸顯。一場由經(jīng)驗(yàn)?zāi)７陆虒W(xué)、計(jì)算輔助教學(xué)轉(zhuǎn)向數(shù)據(jù)驅(qū)動教學(xué)的范式變革正在發(fā)生。教學(xué)范式 3.0 時代：數(shù)據(jù)驅(qū)動教學(xué)

教學(xué)范式是對教學(xué)這一復(fù)雜活動的概括性解釋，是某個時期或階段教學(xué)綜合特征的體現(xiàn)，它既包含教學(xué)理論與研究方法，又包含教學(xué)模式、學(xué)習(xí)策略及教學(xué)評價(jià)方式等。人類社會自誕生以來歷經(jīng)了農(nóng)業(yè)時代、工業(yè)時代、信息時代，而教育范式作為社會的子系統(tǒng)也歷經(jīng)了多次重大變革?？偟膩碚f，從農(nóng)業(yè)時代開始，教學(xué)范式經(jīng)歷了經(jīng)驗(yàn)?zāi)７陆虒W(xué)范式、計(jì)算輔助教學(xué)范式及數(shù)據(jù)驅(qū)動教學(xué)范式三個階段。隨著時代的變革與范式轉(zhuǎn)型，教育的科學(xué)性和技術(shù)的智能性也逐漸增強(qiáng)（圖 1）。

圖1 三代教學(xué)范式的發(fā)展 一經(jīng)驗(yàn)?zāi)７陆虒W(xué)范式

經(jīng)驗(yàn)?zāi)７陆虒W(xué)范式是教學(xué)史上最古老的教學(xué)范式，它起源于希臘教學(xué)理念中的“模仿—再現(xiàn)”思想，盛行于農(nóng)業(yè)和工業(yè)時代，其核心是將教學(xué)視為知識與經(jīng)驗(yàn)的傳遞，該階段的教學(xué)著重強(qiáng)調(diào)經(jīng)驗(yàn)的模仿和知識的授受。世紀(jì)捷克教育學(xué)家夸美紐斯提出“班級教學(xué)”之后，班級授課制得到了教育界的廣泛認(rèn)同，迅速成為當(dāng)時乃至今日最普遍的教學(xué)形態(tài)。經(jīng)驗(yàn)?zāi)７陆虒W(xué)也隨之快速傳播，成為教育界最有影響力的教學(xué)范式?？涿兰~斯曾在《大學(xué)教學(xué)論》中提出“教育是把一切事物教給一切人類的普遍技術(shù)”，該觀點(diǎn)認(rèn)為就像是印刷器能夠?qū)⒅R復(fù)制一樣，教育也可以把教學(xué)者講授和書本中的知識當(dāng)成“墨汁”復(fù)制給像白紙一樣的兒童?？涿兰~斯綜合了“教授學(xué)”和“印刷術(shù)”的元素，把這種教學(xué)的技術(shù)稱作“教刷術(shù)”，生動地刻畫了經(jīng)驗(yàn)?zāi)７陆虒W(xué)范式在知識傳遞方面的本來面貌。

在經(jīng)驗(yàn)?zāi)７陆虒W(xué)范式下，教學(xué)者在整體的教學(xué)結(jié)構(gòu)中占據(jù)絕對的主導(dǎo)地位，學(xué)習(xí)者大多扮演被動接受者的角色，教學(xué)內(nèi)容以書本知識、已有經(jīng)驗(yàn)和技能為主，教學(xué)媒介限于紙筆、書本、黑板、粉筆等傳統(tǒng)教學(xué)工具（圖 2）。圖2 經(jīng)驗(yàn)?zāi)７陆虒W(xué)范式教學(xué)框架 農(nóng)業(yè)時代，經(jīng)驗(yàn)?zāi)７陆虒W(xué)被視為知識傳承的重要方式，人們對經(jīng)驗(yàn)積累下的現(xiàn)有知識成果進(jìn)行學(xué)習(xí)，長者或經(jīng)驗(yàn)豐富的人扮演“教學(xué)者”的角色，將經(jīng)驗(yàn)與知識授予他人，學(xué)習(xí)者通過觀察和耳濡目染來獲取知識。

隨著工業(yè)社會的到來，為了滿足社會生產(chǎn)的現(xiàn)實(shí)需求，以知識傳遞和接受效率見長的經(jīng)驗(yàn)?zāi)７陆虒W(xué)開始在學(xué)校教育環(huán)境下快速普及。學(xué)校培養(yǎng)的人才能夠批量、規(guī)?；度氲缴鐣a(chǎn)勞動中，推動了該時期經(jīng)濟(jì)社會的發(fā)展，提高了社會生產(chǎn)力。但同時這種經(jīng)驗(yàn)性的、客觀存在的知識被過度崇拜，深刻影響了人類的知識觀和教育觀。人們認(rèn)為知識都是類似于客觀存在的地下礦物，而教學(xué)者的職責(zé)就是探測并獲取這些礦物，學(xué)習(xí)者則負(fù)責(zé)接收和存儲已經(jīng)被教學(xué)者獲取的礦物，這種觀念忽視了知識背后的科學(xué)發(fā)現(xiàn)過程，一定程度上阻礙了科學(xué)的發(fā)展。

經(jīng)驗(yàn)?zāi)７陆虒W(xué)偏愛行為主義學(xué)習(xí)理論，在該理論的影響下，教學(xué)往往過于注重學(xué)習(xí)者外顯行為的習(xí)得而忽視了學(xué)習(xí)者完滿人格養(yǎng)成所必需的實(shí)踐活動和心理活動。培養(yǎng)的人才缺少基本的探索和創(chuàng)新能力，知“魚”而不懂如何“漁”。經(jīng)驗(yàn)?zāi)７陆虒W(xué)范式是傳統(tǒng)教學(xué)中的重要范式，也是教學(xué)范式發(fā)展的必經(jīng)階段。盡管該范式存在明顯的弊端，為教育事業(yè)的創(chuàng)新發(fā)展帶來了諸多問題，但其對人類社會的貢獻(xiàn)不容忽視。在東亞國家和地區(qū)現(xiàn)代化進(jìn)程中，以經(jīng)驗(yàn)?zāi)７陆虒W(xué)范式為軸心的學(xué)校教育在實(shí)現(xiàn)高速現(xiàn)代化過程中起到了關(guān)鍵性的作用。在當(dāng)前的信息時代，經(jīng)驗(yàn)?zāi)７陆虒W(xué)范式依然存在，但其主導(dǎo)地位正在被計(jì)算輔助教學(xué)和數(shù)據(jù)驅(qū)動教學(xué)逐步取代。二計(jì)算輔助教學(xué)范式

20世紀(jì)40年代末50年代初，以信息技術(shù)為首的第三次技術(shù)革命席卷全球，人類開始以驚人的速度走出工業(yè)文明，步入信息時代。多媒體、計(jì)算機(jī)及網(wǎng)絡(luò)技術(shù)的出現(xiàn)改變了人類的認(rèn)知及生活方式，教育也開始了技術(shù)支持下的變革探索之路。

人們逐漸認(rèn)識到，僅僅依靠知識的傳遞已經(jīng)不能滿足社會生產(chǎn)力的發(fā)展需求和人類自身的發(fā)展需要。社會真正需要的是能夠發(fā)現(xiàn)未知，掌握知識源頭的創(chuàng)造性人才，只有當(dāng)人們具備了科學(xué)意識和能力，才能成為真正意義上的知識擁有者，才能在科學(xué)日益發(fā)達(dá)的現(xiàn)代社會中生存。教育應(yīng)通過教學(xué)活動的設(shè)計(jì)與實(shí)施，培養(yǎng)學(xué)習(xí)者發(fā)現(xiàn)問題、探索問題及解決問題的能力。隨著信息技術(shù)的發(fā)展與人們教育觀念的轉(zhuǎn)變，計(jì)算輔助教學(xué)范式逐漸形成并開始流行起來。該范式出現(xiàn)的初衷是希望借助技術(shù)的力量去解決經(jīng)驗(yàn)?zāi)７陆虒W(xué)中 存在的內(nèi)容來源單

一、呈現(xiàn)方式單調(diào)、學(xué)習(xí)者興趣不足等弊端，進(jìn)而提高教育教 學(xué)生產(chǎn)力和生產(chǎn)效益。技術(shù)的介入是計(jì)算輔助教學(xué)范式最大的特征，互聯(lián)網(wǎng)等各種新興技術(shù)與媒體的應(yīng)用使得知識的產(chǎn)生和傳輸速度持續(xù)飆升。教學(xué)內(nèi)容開始超 越傳統(tǒng)的書本教材，延伸至廣闊的互聯(lián)網(wǎng)。教學(xué)內(nèi)容的形態(tài)也逐步多樣化，音視頻、圖片、動畫等資源開始在教學(xué)中廣泛應(yīng)用。教學(xué)媒體也變得豐富起來，由傳統(tǒng)的教學(xué)“老三樣”（黑板、粉筆、課本）演變?yōu)椤靶滤臉印保娔X、網(wǎng)絡(luò)、白板、多媒體課件）（圖 3）。

圖3 計(jì)算輔助教學(xué)范式框架 計(jì)算輔助教學(xué)是一場由技術(shù)引發(fā)的教學(xué)范式變革。

在這一范式下，盡管以教師與知識為中心的課堂教學(xué)結(jié)構(gòu)，以及學(xué)習(xí)者在整個教學(xué)過程中被動接受知識的地位未得到顯著性改變，但相比經(jīng)驗(yàn)?zāi)７陆虒W(xué)范式，學(xué)習(xí)者開始體驗(yàn)和參與知識發(fā)現(xiàn)與探究的過程。在技術(shù)的支持下，該階段的教學(xué)模式開始從講授式教學(xué)轉(zhuǎn)向 探究式教學(xué)和項(xiàng)目式教學(xué)，其中代表性教學(xué)模式主要包括 WebQuest教學(xué)、適時教學(xué)（Just-in-Time Teaching，JiTT）、研究性學(xué)習(xí)、項(xiàng)目式學(xué)習(xí)、基于問題的學(xué)習(xí)、基于資源的學(xué)習(xí)等。

客觀來說，這些模式雖然在實(shí)踐中并未對學(xué)校的教育教學(xué)產(chǎn)生變革性的影響，但其在培養(yǎng)學(xué)習(xí)者知識探究能力與問題解決能力、推動基礎(chǔ)教育創(chuàng)新發(fā)展方面確實(shí)發(fā)揮了積極作用。一個不容忽視的現(xiàn)象是先進(jìn)技術(shù)層出不窮，其在教學(xué)中的應(yīng)用卻是“蜻蜓點(diǎn)水”，斥巨資購置的技術(shù)設(shè)備“進(jìn)駐”校園后大多成為“擺設(shè)”，教師參加完各種信息技術(shù)應(yīng)用培訓(xùn)后仍是運(yùn)用以前的教學(xué)方式。如何實(shí)現(xiàn)技術(shù)與教學(xué)實(shí)踐的深度融合，如何提升計(jì)算輔助教學(xué)的精準(zhǔn)性和個性化，是下一步教學(xué)范式轉(zhuǎn)型發(fā)展的重要方向。三數(shù)據(jù)驅(qū)動教學(xué)范式

舍恩伯格與庫克耶合著的《大數(shù)據(jù)時代：生活、工作與思維的大變革》（Big Data：A Revolution That Will Transform How We Live，Work and Think）被認(rèn)為是大數(shù)據(jù)研究的開創(chuàng)之作，真正把大數(shù)據(jù)推向了公眾視野。

隨著數(shù)據(jù)密集型科學(xué)的快速發(fā)展，數(shù)據(jù)成為了驅(qū)動社會創(chuàng)新發(fā)展、綜合競爭的重要指標(biāo)，也成為教育研究和利用的主要對象。與此同時，以大數(shù)據(jù)、云計(jì)算、泛在網(wǎng)絡(luò)、虛擬現(xiàn)實(shí)、人工智能等為代表的新技術(shù)開始在教育教學(xué)領(lǐng)域“嶄露頭角”。學(xué)習(xí)空間超越了封閉的物理空間，走向虛實(shí)融合的無邊界學(xué)習(xí)場域；學(xué)習(xí)過程從課堂、家庭、圖書館等斷點(diǎn)式的學(xué)習(xí)活動，走向家校貫通、雙線（線上、線下）融合的學(xué)習(xí)連續(xù)體。與此同時，越來越多、越來越細(xì)的教與學(xué)的行為印記被網(wǎng)絡(luò)教學(xué)平臺、移動 APP、可穿戴設(shè)備等“真實(shí)”地記錄下來。教學(xué)過程與結(jié)果數(shù)據(jù)的持續(xù)采集，逐步形成教學(xué)大數(shù)據(jù)，通過教學(xué)大數(shù)據(jù)的深度挖掘和多元分析，能夠?qū)?shù)據(jù)背后反映的教學(xué)意義與價(jià)值清晰地呈現(xiàn)出來，進(jìn)而輔助教師更精準(zhǔn)地“教”、指導(dǎo)學(xué)生更精益地“學(xué)”。隨著數(shù)據(jù)流在教學(xué)各個環(huán)節(jié)的生成與運(yùn)行，一條具有正向反饋機(jī)制的教學(xué)鏈條開始形成，數(shù)據(jù)驅(qū)動教學(xué)范式開始出現(xiàn)。圖4 數(shù)據(jù)驅(qū)動教學(xué)范式框架

在數(shù)據(jù)驅(qū)動教學(xué)范式（圖 4）下，教學(xué)者和學(xué)習(xí)者的各種行為數(shù)據(jù)（如做題、點(diǎn)擊視頻鏈接、分享資源、在線提問等）均將以數(shù)字化的形式存儲下來；教學(xué)內(nèi)容以文字、圖片、聲音、視頻、虛擬場景等形式在多種教學(xué)媒介（教育機(jī)器人、智能教學(xué)平臺、VR/AR 設(shè)備、3D打印、移動終端等）中呈現(xiàn)，教學(xué)者和學(xué)習(xí)者在使用教學(xué)媒介的同時將“教”和“學(xué)”的數(shù)據(jù)存儲在媒介終端；教學(xué)媒介既是教學(xué)內(nèi)容的呈現(xiàn)載體，又是教學(xué)數(shù)據(jù)的采集終端和傳輸渠道，為教學(xué)大數(shù)據(jù)的運(yùn)行提供支撐。

借助教育數(shù)據(jù)挖掘與學(xué)習(xí)分析技術(shù)，可以將課堂環(huán)境與網(wǎng)絡(luò)環(huán)境中生成的教學(xué)數(shù)據(jù)“翻譯”成有價(jià)值的信息，如學(xué)困生的識別、知識缺陷的發(fā)現(xiàn)、學(xué)科能力的診斷、教學(xué)目標(biāo)的達(dá)成度等，進(jìn)而為教學(xué)者的教學(xué)決策（調(diào)整教學(xué)方案、打造精準(zhǔn)教學(xué)、實(shí)現(xiàn)全面評估、施行科學(xué)決策等）與學(xué)習(xí)者的學(xué)習(xí)決策（制訂學(xué)習(xí)計(jì)劃、定制學(xué)習(xí)資源、選擇學(xué)習(xí)路徑等）提供更準(zhǔn)確、更及時、更全面的支持，推進(jìn)數(shù)據(jù)驅(qū)動的精準(zhǔn)教學(xué)和精準(zhǔn)學(xué)習(xí)。

數(shù)據(jù)驅(qū)動教學(xué)有望超越計(jì)算輔助教學(xué)，逐步成為大數(shù)據(jù)時代主流的教學(xué)范式。近年來，隨著大數(shù)據(jù)技術(shù)在教育領(lǐng)域應(yīng)用探索的快速推進(jìn)，數(shù)據(jù)驅(qū)動教學(xué)開始呈現(xiàn)四大特征：科學(xué)化、精準(zhǔn)化、智能化和個性化。從傳統(tǒng)課堂到高效互動課堂 一傳統(tǒng)課堂高度“缺鈣”

隨著信息技術(shù)在教育領(lǐng)域的廣泛應(yīng)用，技術(shù)與教學(xué)的融合更為深入，課堂教學(xué)模式也發(fā)生了變革。但我國現(xiàn)有的大多數(shù)課堂教學(xué)仍然存在著模式化、靜態(tài)化等問題，課堂互動往往是教師“動”，學(xué)生“不動”，不能很好地滿足學(xué)生的個性化發(fā)展需求，整個教學(xué)活動陷入“課堂效率低—學(xué)生掌握差—課后拼命補(bǔ)”的怪圈（圖 5）。如何利用大數(shù)據(jù)技術(shù)提高課堂效率并促進(jìn)學(xué)生的個性化發(fā)展，是當(dāng)前學(xué)校教育教學(xué)面臨的現(xiàn)實(shí)挑戰(zhàn)。

圖5 教學(xué)課堂惡性循環(huán)怪圈 二什么是高效互動課堂 高效互動課堂是指在大數(shù)據(jù)技術(shù)和信息化教學(xué)媒體的支持下，以促進(jìn)師生全向互動為抓手，以“低耗高效、輕負(fù)高質(zhì)”為目標(biāo)，為每位學(xué)生帶來最大獲得感的課堂形態(tài)（圖 6）?！案咝А笔侵冈谟邢薜恼n堂教學(xué)時間內(nèi)，最大程度地提高適切教學(xué)目標(biāo)達(dá)成率；“互動”則是指課堂教學(xué)中師生、生生之間及師生與教學(xué)內(nèi)容和教學(xué)媒體之間的全向互動。高效互動課堂的特征主要表現(xiàn)為以下四個方面：

圖6 高效互動課堂概念框架 01全向互動

高效互動課堂借助多樣的技術(shù)手段量化師生的教學(xué)行為，幫助教師優(yōu)化教學(xué)計(jì)劃，增強(qiáng)學(xué)生的課堂參與度和積極性。電子書包、交互式電子白板、平板電腦、點(diǎn)陣筆等設(shè)備為課堂互動提供了現(xiàn)實(shí)環(huán)境，方便實(shí)現(xiàn)人與人、人與設(shè)備、人與資源的多維全向互動，使課堂教學(xué)迸發(fā)出新的活力。02數(shù)據(jù)把脈

高效互動課堂利用大數(shù)據(jù)技術(shù)持續(xù)分析課堂數(shù)據(jù)，為教師及時了解學(xué)情、調(diào)整教學(xué)計(jì)劃提供了數(shù)據(jù)支持。教師通過傳感器和智能終端同步記錄學(xué)生的學(xué)習(xí)路徑，追蹤其學(xué)習(xí)過程，全面掌握學(xué)習(xí)者的學(xué)習(xí)現(xiàn)狀，為教學(xué)“把脈”，實(shí)現(xiàn)對癥下藥。03精準(zhǔn)反饋

高效互動課堂立足教學(xué)過程，通過分析教學(xué)數(shù)據(jù)能夠掌握學(xué)習(xí)者的不同需求。不僅能幫助教師實(shí)時捕捉有價(jià)值的信息，根據(jù)學(xué)生出現(xiàn)的學(xué)習(xí)問題進(jìn)行及時干預(yù)、優(yōu)化教學(xué)內(nèi)容與教學(xué)方法，還能幫助學(xué)生進(jìn)一步鞏固、深化和運(yùn)用所學(xué)知識。04輕負(fù)高質(zhì)

豐富的媒體支持、高效的互動體驗(yàn)與精準(zhǔn)的學(xué)情分析，促使教師在最短的時間內(nèi)盡可能高質(zhì)量地完成教學(xué)任務(wù)。教師在有限課堂教學(xué)的時間內(nèi)，既能保證課堂教學(xué)有足夠的信息量，又能聚焦班級存在的共性問題和學(xué)生的個性問題，幫助學(xué)生及時查漏補(bǔ)缺，布置少而精的學(xué)業(yè)任務(wù)，真正實(shí)現(xiàn)高效教學(xué)。中國教育大數(shù)據(jù)重要事件（2016—2017）本文摘編自楊現(xiàn)民，田雪松等編著《中國基礎(chǔ)教育大數(shù)據(jù) 2016—2017：走向數(shù)據(jù)驅(qū)動的精準(zhǔn)教學(xué)》第一、二章部分內(nèi)容及附錄，內(nèi)容略有刪減改動?！吨袊A(chǔ)教育大數(shù)據(jù) 2016—2017：走向數(shù)據(jù)驅(qū)動的精準(zhǔn)教學(xué)》作者：楊現(xiàn)民，田雪松