让机器分析并理解医疗数据,用计算模型来模拟医护人员的基于经验的推理过程,使诊疗过程更加严谨、精准
大规模分析算法发现医疗数据间的关联性
医疗知识图谱模拟医生的思考过程,推断诊断结果和建议治疗方案
机器学习技术找出相似患者组群,为诊疗决策提供数据支持
本图展示了心衰病人的发展进程。图中的每一条带子表示一种心衰病人的病程发展路径。从中可以看出导致心衰的几种主要模式,一种是心血管病导致心衰,包括高血压,高血脂,心律不齐,冠心病等;第二种是慢性肺病导致心衰,包括哮喘,慢性支气管炎,慢阻肺等;第三种是慢性肾病导致的心衰,包括肾炎,肾衰竭等,以及慢性肾病相关的疾病,例如贫血;第四种是糖尿病导致的心衰,以及糖尿病相关的疾病例如白内障。该图明确地展示了这几种心衰病程发展的类型以及过程。
通过医疗知识图谱的推断和大规模相似患者间的比对,综合考虑患者的疾病史和个人史,找出患者可能患有的疾病,并建议适合该患者体质的治疗方案。
本图展示的是基于症状的医疗知识图谱,可帮助医生进行辅助诊断和治疗。从大到小的各个圆圈排版表示了知识图谱的一个树状体系结构,概念依次是 整体->一级部位->二级部位->症状->相关疾病,药品和症状。医生在查询有关信息时可以根据患者症状的部位,比如头部,眼,来匹配可能出现的症状,比如眼睑痉挛,进一步可以找到眼睑痉挛相关的检验检查,可能疾病,从而对症状进行诊断;或者进行相关药品的使用。
根据患者的疾病史、个人史和辅助检查结果,预测并发症、药物警戒性、手术死亡率、短期内重新入院概率等医疗风险。
Subburst可以帮助展示一个病人群体的病程发展路径的模式。图中每一圈表示一个时间点,内圈表示早的时间点,外圈表示晚的时间点,每一个由内向外的路径表示一种病程模式。当鼠标滑过图中的每一个颜色块时可以在中心区域看到该颜色块所对应的病程模式在整个病人群体中所占的比重。此图展示的是一个一般性的病人群体,从中我们可以看到骨骼疾病占有最大的比重,有33.8%的病人一开始具有骨骼疾病,并且有4.62%的病人一直伴随有骨骼疾病。其次是代谢疾病,肿瘤,心脏病等等。由该图我们可以明显看出该病人群体所有的疾病以及病情的演化。
我们提供全套的“云端+本地备份”医疗信息化系统,PC端+移动端全覆盖服务,包括HIS/CIS、EMR、LIS、RIS、转诊系统等,所有服务在线提供,各系统部件统一存储、相互连通。让医疗机构更加专注于医疗本身
2015年初,我们从五湖四海聚到一起创办了欧洲杯网有限公司,或许是因为对于做一件美好事情的执念,也或许仅仅是为了做一件我们喜欢做的事。我们希望用数据科学改变医疗行业,让医护人员的工作更加便利,患者得到更加精准的诊疗。我们的核心团队由专业技术人员组成,包括多年海外医疗经历的数据科学家、开发经验丰富的工程师和长期从事医疗行业的医疗专家。我们是一群有梦想的年轻人,埋头苦干,只为了让智慧医疗不再是个概念。
我们是一家医疗数据科学公司,致力于使用“大数据分析+人工智能”为医疗工作者提供决策支持,让诊疗过程中的各环节变的更加精准。我们结合数据分析和知识图谱等先进算法,通过大规模病案比对和时间序列分析拓展医护人员的记忆和经验:为诊断提供决策依据,辅助选择个性化的治疗方案,预测并发症、药物警戒性等医疗风险,提供疾病演进的研究分析工具。我们期盼着与各类型医疗机构合作,为准确医疗提供数据决策支持。
我们有优秀的技术团队,丰富的数据积累和开发经验,和认真做事的心。
任职要求:
任职要求:
任职要求:
任职要求:
任职要求:
任职要求:
任职要求:
任职要求:
任职要求:
简历请发送至: hr@swifthealth.cn