研究宗旨
醫療組的目的是希望透過大數據分析找出影響疾病的因子,並建立預測模型。所使用的數據主要來自台灣健保料庫,健保資料庫幾乎涵蓋台灣99%人口就醫紀錄,其內容主要包含人口統計變項、醫療診斷紀錄以及最重要的醫療費用,此外,台灣已經有很多學術論文是使用健保之料庫作為主要分析母體,由此可知,此健保資料具有一定的公信力。目前主要研究的疾病有肺癌、腦中風與口腔癌,並藉由大數據的方法分析出相對重要的影響因子,不僅如此,在研究的過程中均有和醫生合作,目的是希望將醫學上的專業知識與研究所學的方法相互結合與應用,期待研究的結果與預測模型是符合臨床需求,而分析出來的結果可以讓醫生做為參考和使用。傳統的醫療預測方法主要是透過迴歸模型,但是此方法並沒有考慮時間相關因子,此外,對於因子與因子間的解釋力相對薄弱,故發展出兩種方法來解決此問題,分別為半馬可夫鏈與貝式網路,在半馬可夫鏈的部分相較於馬可夫鏈對於時間的估計較符合臨床診斷;而貝式網路相較於其他資料探科方法,對於因子與因子間的解釋力較強,所以可以解釋因子間的因果關係。希望以台灣健保資料庫作為研究母體並搭配此兩種研究方法,對於台灣的醫療相關領域與政府相關決策有所貢獻。
計畫
1. 國科會103年度肺癌患者在慢性疾病因素干擾下之診斷決策支援模型
2. 馬偕104年度馬偕計畫-腦中風
3. 北醫104年度二校計畫-口腔癌
競賽
2014年10月第一屆半導體大數據分析競賽
醫療組的目的是希望透過大數據分析找出影響疾病的因子,並建立預測模型。所使用的數據主要來自台灣健保料庫,健保資料庫幾乎涵蓋台灣99%人口就醫紀錄,其內容主要包含人口統計變項、醫療診斷紀錄以及最重要的醫療費用,此外,台灣已經有很多學術論文是使用健保之料庫作為主要分析母體,由此可知,此健保資料具有一定的公信力。目前主要研究的疾病有肺癌、腦中風與口腔癌,並藉由大數據的方法分析出相對重要的影響因子,不僅如此,在研究的過程中均有和醫生合作,目的是希望將醫學上的專業知識與研究所學的方法相互結合與應用,期待研究的結果與預測模型是符合臨床需求,而分析出來的結果可以讓醫生做為參考和使用。傳統的醫療預測方法主要是透過迴歸模型,但是此方法並沒有考慮時間相關因子,此外,對於因子與因子間的解釋力相對薄弱,故發展出兩種方法來解決此問題,分別為半馬可夫鏈與貝式網路,在半馬可夫鏈的部分相較於馬可夫鏈對於時間的估計較符合臨床診斷;而貝式網路相較於其他資料探科方法,對於因子與因子間的解釋力較強,所以可以解釋因子間的因果關係。希望以台灣健保資料庫作為研究母體並搭配此兩種研究方法,對於台灣的醫療相關領域與政府相關決策有所貢獻。
計畫
1. 國科會103年度肺癌患者在慢性疾病因素干擾下之診斷決策支援模型
2. 馬偕104年度馬偕計畫-腦中風
3. 北醫104年度二校計畫-口腔癌
競賽
2014年10月第一屆半導體大數據分析競賽
Research Members
Name : Jessie (陳婉平)
|
Name : Jamie (李嘉敏)
|
Name : Iroh (羅美妮)
|
|
Graduated Members
Name : Kenny(陳昆皇)
|
|
Name : Hendry
|