實用健康醫(yī)療數(shù)據(jù)科學精要

第1章　醫(yī)學發(fā)展與數(shù)據(jù)科學 1
1.1?醫(yī)學認知的物質(zhì)化、科學化和數(shù)據(jù)化 1
1.1.1?從神靈主義走出的醫(yī)學? 1
1.1.2?醫(yī)學認知的物質(zhì)化? 2
1.1.3?醫(yī)學認知的科學化? 4
1.1.4?醫(yī)學認知的數(shù)據(jù)化? 6
1.2?數(shù)據(jù)化或是傳統(tǒng)醫(yī)學現(xiàn)代化的必經(jīng)之路 8
1.2.1?現(xiàn)代醫(yī)學與傳統(tǒng)醫(yī)學的分歧? 8
1.2.2?數(shù)據(jù)科學助力傳統(tǒng)醫(yī)學融入現(xiàn)代? 8
1.3?以實踐和數(shù)據(jù)說話的循證醫(yī)學發(fā)展歷程 10
1.3.1?理解循證醫(yī)學? 10
1.3.2?循證醫(yī)學證據(jù)體系建立的五個階段? 11
1.4?基于PICOS原則把臨床語言轉(zhuǎn)變?yōu)閿?shù)據(jù)語言 18
1.5?數(shù)據(jù)科學在循證醫(yī)學證據(jù)體系以外的應(yīng)用 19
第2章　走進數(shù)據(jù)科學時代 23
2.1?大數(shù)據(jù)的由來、定義和特征 23
2.1.1?大數(shù)據(jù)的由來和定義? 23
2.1.2?大數(shù)據(jù)的nV特征? 24
2.1.3?走出數(shù)據(jù)以“大”論英雄的誤區(qū)? 25
2.2?大數(shù)據(jù)發(fā)展的數(shù)據(jù)工程問題 27
2.2.1?硬件工程問題? 27
2.2.2?軟件技術(shù)問題? 28
2.3?大數(shù)據(jù)發(fā)展的數(shù)據(jù)科學問題 30
2.3.1?統(tǒng)計學的由來與發(fā)展? 30
2.3.2?智能的內(nèi)涵：知有所合謂之智，能有所合謂之能? 31
2.3.3?人工智能的起落與輝煌? 32
2.3.4?發(fā)展人工智能應(yīng)堅守的造物觀：重己役物，致用利人? 35
2.4?大數(shù)據(jù)驅(qū)動的數(shù)據(jù)科學生態(tài)變革 38
2.4.1?從統(tǒng)計學思維到應(yīng)用型思維? 38
2.4.2?數(shù)據(jù)科學生態(tài)促使數(shù)據(jù)從業(yè)者角色分化? 40
2.5?大數(shù)據(jù)驅(qū)動的科學研究范式變革 42
2.5.1?科學革命的結(jié)構(gòu)? 42
2.5.2?第四范式與AI for science? 43
2.6?大數(shù)據(jù)驅(qū)動的日常生活變革 46
2.7?數(shù)字經(jīng)濟驅(qū)動數(shù)據(jù)要素價值變現(xiàn) 48
2.7.1?互聯(lián)網(wǎng)泡沫破碎后的數(shù)字經(jīng)濟重建? 48
2.7.2?理解數(shù)據(jù)要素化? 49
2.7.3?數(shù)據(jù)變現(xiàn)的路徑? 51
第3章　健康醫(yī)療大數(shù)據(jù)與人工智能 54
3.1?健康醫(yī)療大數(shù)據(jù)的范圍 54
3.2?健康醫(yī)療大數(shù)據(jù)的行業(yè)特征 55
3.2.1?醫(yī)療大數(shù)據(jù)的縱向和橫向孤島現(xiàn)象? 55
3.2.2?健康醫(yī)療大數(shù)據(jù)的多模態(tài)性、疾病主題特異性和動態(tài)性? 56
3.2.3?健康醫(yī)療大數(shù)據(jù)的主觀性和價值稀疏性? 56
3.3?大數(shù)據(jù)驅(qū)動的人工智能在醫(yī)療領(lǐng)域的應(yīng)用與角色 59
3.3.1?人工智能在醫(yī)療領(lǐng)域的應(yīng)用? 59
3.3.2?從效率工具角度看待醫(yī)療人工智能? 61
3.3.3?醫(yī)療AI開發(fā)中的困難與瓶頸? 62
3.4?模型的透明性和可問責性是醫(yī)療人工智能廣泛落地的基礎(chǔ) 64
第4章　健康醫(yī)療大數(shù)據(jù)讓循證醫(yī)學走進真實世界 67
4.1?以RCT為代表的理想世界研究的局限性 67
4.2?基于真實世界數(shù)據(jù)的真實世界研究 69
4.2.1?真實世界研究的定義? 69
4.2.2?真實世界研究的證據(jù)等級體系? 72
4.3?大數(shù)據(jù)時代下的真實世界人群隊列管理 74
第5章　基于真實世界數(shù)據(jù)的醫(yī)學統(tǒng)計 76
5.1?醫(yī)療業(yè)務(wù)的數(shù)據(jù)化 76
5.2?缺失值的識別和處理 78
5.3?真實世界研究數(shù)據(jù)分析要點概述 80
5.4?統(tǒng)計三件套：說一說、比一比、找關(guān)系 84
5.5?從暴露到結(jié)局的單變量關(guān)系是經(jīng)典循證醫(yī)學研究的基本關(guān)注點 90
5.5.1?單變量之間的線性和廣義線性關(guān)系? 90
5.5.2?單變量之間的線性趨勢關(guān)系和非線性關(guān)系? 98
5.5.3?從辛普森悖論看為什么研究單變量之間的關(guān)系同樣要做多
　　　因素分析? 101
5.5.4?單變量間的相關(guān)關(guān)系和因果關(guān)系? 104
5.6?單變量之間關(guān)系的論證邏輯結(jié)構(gòu) 105
5.6.1?從定性到定量：單變量關(guān)系研究需要回答的四個問題? 105
5.6.2?從一根杠桿看懂何為混雜和交互因素? 106
5.6.3?混雜因素的識別和控制? 108
5.6.4?交互因素的識別和控制? 112
5.6.5?傾向性評分：控制多個混雜的神器? 113
第６章　由統(tǒng)計推導(dǎo)結(jié)論到智能預(yù)測 119
6.1?從醫(yī)學統(tǒng)計到統(tǒng)計學習 119
6.1.1?從效用統(tǒng)計到結(jié)局預(yù)測? 119
6.1.2?從人工智能到機器學習? 120
6.1.3?人工智能中的損失和優(yōu)化? 123
6.2?臨床預(yù)測模型構(gòu)建的基本思路 125
6.2.1?建模前工作? 125
6.2.2?建模中工作? 127
6.2.3?建模后工作? 129
6.3?醫(yī)療機器學習的“PICOS” 140
第7章　統(tǒng)計學習的常見算法淺析 142
7.1?回歸分析中的多重共線性與Lasso回歸 142
7.1.1?多重共線性的影響和識別? 142
7.1.2?Lasso回歸的原理? 143
7.2?通俗好用的樹模型和集成算法 146
7.2.1?用于分類任務(wù)的決策樹構(gòu)建? 146
7.2.2?用于回歸任務(wù)的回歸樹和模型樹? 151
7.2.3?群策群力的集成學習? 152
7.3?人們?nèi)沼枚蛔灾呢惾~斯推理 155
7.3.1?初識貝葉斯定理? 155
7.3.2?樸素貝葉斯算法? 158
7.3.3?概率圖模型? 159
7.4?基于距離的機器學習分類與聚類 161
7.4.1?K近鄰分類? 162
7.4.2?聚類算法? 163
7.5?數(shù)據(jù)降維的藝術(shù) 166
7.5.1?主成分分析? 166
7.5.2?因子分析? 174
7.6?支持向量機 178
7.6.1?AI界的水果忍者? 178
7.6.2?SVM到底在優(yōu)化什么？? 180
7.6.3?核技巧是使SVM真正強大起來的原因? 183
7.7?挖掘數(shù)據(jù)共顯模式的關(guān)聯(lián)規(guī)則算法 185
7.7.1?驅(qū)動購物的關(guān)聯(lián)規(guī)則? 185
7.7.2?Apriori算法? 186
7.8?時間序列分析 188
第8章　開啟多模態(tài)學習的深度學習 201
8.1?人工神經(jīng)網(wǎng)絡(luò)與深度學習 201
8.1.1?人工神經(jīng)網(wǎng)絡(luò)與深度學習入門? 201
8.1.2?神經(jīng)網(wǎng)絡(luò)在學習過程中，到底學到了什么？? 204
8.1.3?如何更準確地選擇損失函數(shù)下降的方向? 208
8.2?卷積神經(jīng)網(wǎng)絡(luò)與機器視覺 211
8.2.1?卷積神經(jīng)網(wǎng)絡(luò)的直觀理解? 211
8.2.2?卷積運算的數(shù)學解釋? 214
8.2.3?計算機視覺和卷積神經(jīng)網(wǎng)絡(luò)的發(fā)展脈絡(luò)? 217
8.2.4?醫(yī)學影像人工智能? 222
8.3?給AI植入想象力的對抗生成網(wǎng)絡(luò)和擴散模型 227
8.3.1?對GAN原理的形象理解? 227
8.3.2?GAN訓練過程的算法數(shù)學理解? 228
8.3.3?GAN的其他集中花式玩法? 230
8.3.4?擴散模型簡介? 233
8.4?使AI學會策略的強化學習 235
8.4.1?理解決策過程? 235
8.4.2?如何學習Q值？? 236
8.4.3?理解整個策略學習過程? 236
8.4.4?理解深度強化學習之DQN? 238
8.5?循環(huán)神經(jīng)網(wǎng)絡(luò)與自然語言處理 240
8.5.1?對RNN的形象理解? 240
8.5.2?對RNN的算法理解? 241
8.6?基于深度學習的自然語言處理簡介 245
8.6.1?詞的向量表示? 245
8.6.2?Encoder-Decoder和注意力機制? 250
8.6.3?從transformer到ChatGPT? 253
8.6.4?自然語言處理在醫(yī)學中的應(yīng)用淺析? 261
8.7?大模型驅(qū)動的AIGC通用人工智能時代 263
8.7.1?AIGC緣起? 263
8.7.2?大力出奇跡：ChatGPT引爆了AIGC的奇點? 264
8.7.3?大模型的解封咒語：提示工程? 269
第9章　日常診療與數(shù)據(jù)科學 271
9.1?臨床推理中的雙重認知模式 271
9.2?醫(yī)療與數(shù)據(jù)科學的認知協(xié)同 275
9.3?人機決策與CDSS 278
9.4?醫(yī)療從業(yè)者學習數(shù)據(jù)科學的必要性和可行性 281
第10章　精準醫(yī)學與數(shù)據(jù)科學 284
10.1?精準醫(yī)學的由來 284
10.2?精準醫(yī)學與組學研究 285
10.3?以中心法則為主線開展的組學研究 286
10.4?中心法則之外，拓寬組學的邊界 291
10.5?始于差異，經(jīng)由機制，終于臨床 293
第十一章　醫(yī)藥研發(fā)與數(shù)據(jù)科學 301
11.1?新藥研發(fā)概述 301
11.2?生物分子的化學表征與計算 302
11.3?基于不同分子表征的模型計算 304
第12章　轉(zhuǎn)化醫(yī)學與數(shù)據(jù)科學 307
12.1?轉(zhuǎn)化醫(yī)學的由來、階段和與數(shù)據(jù)科學的關(guān)系 307
12.2?樹立合理的醫(yī)學科技創(chuàng)新觀念和轉(zhuǎn)化動機 310
12.3?科技成果評價的主要方法和維度 314
12.4?醫(yī)學科技成果的轉(zhuǎn)化途徑與過程 325
12.5?醫(yī)學轉(zhuǎn)化案例之CRISPR-Cas9基因編輯技術(shù) 330
第13章　智慧健康醫(yī)療與數(shù)據(jù)科學 333
13.1?智慧健康醫(yī)療概述 333
13.2?智慧健康醫(yī)療衍射出的重要概念 340
13.3?數(shù)據(jù)科學之于智慧醫(yī)療，是漁而非魚 345
第14章　合理醫(yī)療與數(shù)據(jù)科學 351
14.1?合理醫(yī)療的大道理 351
14.2?不合理醫(yī)療的小算盤 352
14.3?合理醫(yī)療監(jiān)管的外儒內(nèi)法 359
14.4?監(jiān)管手段從形式之法到數(shù)據(jù)之法 361
14.5?基于數(shù)據(jù)科學的合理醫(yī)療循證評價 364
第15章　醫(yī)院管理與數(shù)據(jù)科學 370
15.1?指標化的醫(yī)院數(shù)字化管理 370
15.2?基于數(shù)據(jù)科學的DRGs/DIP醫(yī)保費用管理 379
15.3?基于數(shù)據(jù)科學方法的精細醫(yī)院運營管理 386
15.4?基于數(shù)據(jù)科學的RBRVS績效評價體系構(gòu)建 391
第16章　醫(yī)學人文與數(shù)據(jù)科學 396
16.1?技術(shù)和人文是醫(yī)學發(fā)展的雙翼 396
16.2?數(shù)據(jù)科學對醫(yī)學人文的潛在影響 400
16.3?在醫(yī)學美學的指導(dǎo)下發(fā)展醫(yī)療數(shù)據(jù)科學 403
第17章　醫(yī)療大數(shù)據(jù)的理、采、存、管、用 407
17.1?醫(yī)療機構(gòu)數(shù)據(jù)應(yīng)用的窘境 407
17.2?醫(yī)療大數(shù)據(jù)平臺的四層架構(gòu)和五項功能 412
17.3?醫(yī)療大數(shù)據(jù)的變現(xiàn)管理 421
17.4?醫(yī)療大數(shù)據(jù)應(yīng)用的安全體系 426
17.4.1?信息安全是所有數(shù)據(jù)建設(shè)的基礎(chǔ)? 427
17.4.2?健康醫(yī)療大數(shù)據(jù)的合規(guī)管理? 431
17.4.3?隱私計算在促進醫(yī)療大數(shù)據(jù)合規(guī)應(yīng)用的作用? 437
17.4.4?隱私計算融合區(qū)塊鏈提升數(shù)據(jù)協(xié)作全流程保護能力? 441
17.4.5?易被忽視的AI安全? 442
17.5?DataOps推動業(yè)務(wù)數(shù)據(jù)協(xié)作聯(lián)動? 445
17.6?警惕唯數(shù)據(jù)主義的陷阱 447
后?記　精數(shù)道以明醫(yī)理，通仁術(shù)以踐仁心 453