德州大学休斯敦健康科学中心生物医学信息学院 School of Biomedical Informatics

1）你在which university, dept／program?哪一年入学的？

德州大学休斯敦健康科学中心生物医学信息学学院

https://sbmi.uth.edu/

2014入学

2）能说说你们program或者整个系的Grad program招生情况吗？ 比如你这一级招了多少新生？其中多少中国人？都是什么背景？

由于2008年布什总统提出全民要上医疗信息系统，整个医用软件行业就业行情很好。美国卫生部拨款几亿科研经费，支持SHARP项目。我就申请了SHARPC的SBMI。这个学院目前在读硕士，博士等，大概170多人。院长是科大少年班的，美籍华人。华人学生不多，20个在读的。主要是德州本地居民为主。学生背景很广，很多是国内的临床医学专业，医院管理方向，生物工程专业，心理学，统计专业，医学英语专业，还有工科的，比如计算机，电子工程，应用数学等。
. 1point3acres.com .1point3acres缃�
3）能说一下你所了解的同学们的就业情况吗？多少人打算找工作，其中有多少人找到了？都是些什么样的公司，什么性质／title的工作？如果你知道大体工资水平，介意说一下吗？
例子越多、信息越详细越好。多谢！

由于医疗行业占美国GDP的18%，医疗软件是为医疗行业服务的。这个学院就业目前非常好。博士三个去Duke当了助理教授，两个在医院做助理院长。基本上华人全部找到工作。没有回国的。华人博士，大多毕业当了老师，或者在医院工作。硕士生一般也都在医院，少数去了公司。工作包括

1.医疗软件公司，如Cerner，EPIC的程序员。几年前是8万以上。

2.各大医院的信息科，CIO，senior tech lead, Database manager，大概10万以上。

3.医院的Business analyst，这种一般国内本科是学临床的，6-8万美元。

4.咨询公司，比如Accenture，这种美国学生居多。口语要求比较高。

优点是STEM 27个月的OPT，然后就业的非营利性机构，H1B不收名额限制，就业比较稳定，适合办绿卡。缺点，收入比纯CS，去湾区的，还是低。不过休斯敦房价很便宜。物价低，还有个火箭队可以看看。

. 鍥磋?鎴戜滑@1point3 acres
4）据你所知，系里哪些老师比较牛？有没有什么老师招人比较多、学生出路比较好？
小学科，知识面又比较博杂。老师研究方向很广。张家杰院长是目前行业学术领袖。拿到了SHARPC 1500万美元的政府课题，做cognitive science，人机交互的优化，医疗决策支持等。徐华教授，做医学的自然语言处理，大数据分析。目前科研经费450万，都是NIH的课题。

5）能说一说你在那里的消费水平吗？
德州牛仔故乡，每个月1500美元生活费，包括房租，应该够了。房租大概400-600美元，如果能住进学校宿舍，便宜一些。吃饭，中餐6-10元一个菜把。牛肉面6美元一碗。医学中心规模很大，各种饮食都有。个人偏好日本寿司。

6）你周一到周五都是怎么过的？周末是怎么过的？

学习，学习，再学习。行业知识更新很快，机遇很多。有些师兄，都去创业，或者去了湾区start up，白天学校上课，RA工作，晚上读书，看电视。学校有时候发放免费的冰球票，打打保龄球等。华人还是很喜欢自助烧烤，靠着领事馆近，办手续方便。每年中秋，春节，领事馆还组织活动。周末一般钓鱼，这里靠海，有湖，还有一些湿地。华人教会，佛寺也去过。. 鍥磋?鎴戜滑@1point 3 acres
.鐣欏?璁哄潧-涓

本人是生物背景，硕士过来学习了计算机的基本知识，包括编程等。侧重点在理解计算机在生物和医疗的前沿应用等。比如基于google glass的电子病历实现。两个师兄曾经在这家公司参与创业。还有一些自然语言处理，大数据应用，基于医学词库的数据挖掘。。。
https://www.drchrono.com/google-glass-ehr/

补充内容 (2014-10-29 07:00):
由于是交叉性学科，做数据挖掘的时候需要一定的业务知识。这里有很多临床医学专业的，因为他们理解医疗术语的各种关联。

丁香园约稿，我院老师写的移动医疗2014年会见闻，原文发表于丁香园。

mHealth Summit 2014 游记

同行们 11 月中旬才在华盛顿开了美国医学信息学年会， 12 月初又相聚在华盛顿参加 mHealth 峰会。这么高频率的会议，只能说医疗 IT 是越来越热。会议前有几个关注点，下面就展开分析一下。
政策面
政策的导向性决定了行业的宽度和纵深。美国卫计委的 CTO Bryan Sivak 提到了产品同质性严重，Fitbit，jawbone 等设备采集的数据雷同，数据采集上并没有巨大的突破。Bryan 提及五个方面的问题，供大家讨论。
1. 数据拥有权的问题：大数据来了，谁是数据的持有者？是硬件制造商，是医院，是个人？
2. 隐私权的问题：HIPPA 对隐私权的立法，目前仅限于病人的临床数据，如何保护传感器的数据流？这个其实是个难题。在德州医院，凡是不能对数据加密的传感器，医院是需要特批才能在临床使用。数据丢失或者外泄会导致巨额的赔偿。
3. 数据类型和标准化的问题：各厂商的设备本身或者在其功能实现的过程，会带来各种误差。这种误差会对数据的质量，并库后数据分析的结论，带来各种困扰。
4. 利益驱动性问题：数据表明，很多用户在三周之内放弃使用移动设备。如何去调动他们的积极性？如何让用户体验到中长期的监控可以保障更好的健康状况，这是一个长期的行为学转变。
5. 易用性设计：医生都很忙也很保守，属于被动性接受新事物。医生的常见反馈是，我看一天病人，晚上还要花 4 个小时补病历，读文章。再让我去监测持续的数据流，在噪音数据里面提取新的诊疗线索，甚至是打电话给病人，让他继续多走几公里的路，这工作强度太大。
厂商宏观战略
WebMD Health Corp. (NASDAQ: WBMD) 和 Walgreen Co. (NYSE: WAG) 两家公司的合作是热点。WebMD 是医疗 IT 服务的提供商，提供医疗资讯，药品查询，本地医生检索，急救指南，症状推理，实验室指标分析等服务。Walgreen 是美国最大的连锁药房，2014 年销售额 760 亿美元，拥有大量人群的诊断，处方和药物保险信息。
此次合作囊括两者线上和线下服务的整合，WebMD 提供 IT 服务，Walgreen 整合这些服务进入日常的药品销售，实现病人的院外数据的闭环管理。包括发药，药物知识查询，用药过程中的病程记录，续药，远程咨询，医生预约等完整的服务链条。整个链条中采集的数据，含有巨大的潜在价值。
三星的首席医疗官，David Rhew 认为，mhealth 需要五大支柱：移动终端的研发，传感器设备的研发，大数据算法的研发，基于云的数据存储和运算，行为学研究。三星在这五个支柱上都布局展开了行动，目前产品包括药剂师的在线支持，用药管理门户，医生护士的远程交流平台等。David 强力推荐了三星的 Digital Health SDK。
辉瑞的全球创新副总 Wendy Mayer 列举了四个典型项目，代表了辉瑞在 mHealth 方面的应用。
1. 临床药物试验：由于移动医疗提供了更完整的数据，从而让辉瑞能找到更合适的病人，优化药物研发的分析推理过程，缩短药物研发周期。个别药物研发成本，降低 40%。
2. 管理慢性病人用药的流程，让慢性病人能更加按时，按量的服药，从而提高疗效，降低 20% 的治疗成本。辉瑞认为现在的口服药是有局限性的，比如半夜睡眠状态，各项体征可能有反向波动。但是由于监测盲区，精细化用药存在很大的局限。mHealth 的 24 小时监测加提示，甚至未来的自动化给药，将有巨大的潜力。
3. 定位和优化药物分发渠道：移动医疗能够更好的学习和定位客户，提供最佳的药品分发渠道。想象一下，病人走到半路，药物不够。旁边的药房立刻推送广告，提供实时的库存信息。
4. 合作伙伴的定位和项目设计，辉瑞利用大数据的分析结果，在亚太找到了 15 个合作伙伴，迅速展开了基于移动平台的项目合作。
-baidu 1point3acresIBM 则是负责健康产业革新的总监 Harry Reynolds 站台，强调了 IBM 在大数据上的优势，Watson 对于自由文本的处理，大数据的建模，预测性分析服务都是未来的重点。IBM 针对大型企业，提供 mHealth 解决方案的设计和部署，比如有高风险作业的海上石油勘探公司。
高通总裁 Derek Aberle 对市场的预估，全球存在 360 亿美元的远程医疗监控市场，由于病人用药顺应性的提高，将会节约 5000 亿美元的药物开销。这个消息应该是保险公司的利好，药商的噩耗。家庭病床将是慢性病管理的终点，将覆盖 3.9 万亿美元的市场。那么如何在竞争中获胜呢？Derek 建议，快速的产品设计与迭代开发，加上大尺度的推广，才能突破壁垒，带来物廉价美的回报。
硬件上，高通将提供更大的带宽和更实时的数据。软件上，机器学习（machine learning）将是高通关注的重点，如何能模拟人类对大数据进行分析。
Verizon 是美国最大的电信公司，演讲人主题词只有一个，连接。美国人每天看 5 个小时的手机，平板，电脑，而不是电视。消费者的行为学数据是大家抢夺的目标。数据导致产品革新，数据引导销售渠道的建立。
产品与服务
新奥尔良的 Ochsner 医疗集团和 Duke 大学演示了 EPIC+APPLE 的解决方案。该解决方案首先把 EPIC 的患者门户网站 MyChart 与苹果的 Healthkit 做了深度集成。数据目前只能单向从苹果流入 EPIC，考虑到隐私以及数据安全问题，反向通路没有开通。目前只有 50-60 个数据点可以被集成，包括了身高，体重，血压，钠制剂等的摄入数据。苹果目前正在努力扩充这个列表，相信等 apple watch 上市，传感器的技术公开化。苹果将淘汰掉血糖仪，血压计，肺活量测试仪等众多设备的制造商。并通过外部扩展插件淘汰窥镜等更多的设备制造商。
初期的测试是针对慢性心脏病的病人，在治疗效果和成本控制上都获得了提高。经过 HealthKit 的 24 小时不间断监测，44% 的病人再次入院率下降。两家医院都认为 Healthkit 比 google fit 易于集成。 印象中，10 年前 holter 监视器背一天要 240 人民币。现在患者自带手机，解决方案近乎免费。
实验发现，病人是非常乐意于共享数据的。突然想到微软的 Health Vault 平台，不知该如何应对这样的危局。Google 虽然当年停掉了 Google Health，但是 google glass，google fit 又轻装上阵，卷土重来。
Kaiser Permanente，美国最大的医疗集团，把 mHeath 融入了自己的 CRM 服务，推出了健康管理平台 HealthConnect。每个病人都会有一个服务专员。此项目目前的主打科室是皮肤科。病人可以在任何时间，用手机拍摄自己的皮肤病变，发送给医生，从而获得新的诊疗方案。关键词是加速，加速排查，加速的诊断，加速的提供诊疗方案。对于易恶变的黑色素瘤，实现快速响应。

移动解决方案和流行病也是一个行业热点。这次的讨论当然聚焦在埃博拉病毒上。流行病知识模型的设计，和移动产品的绑定，让我想了很多知识库建设的问题。这个解决方案牵涉到本体库的设计，把潜伏期，传播途径，接触人群，致病菌，诊疗机制等嵌入到程序中，实现查询和复杂的知识推理。
由于是发展中国家为主，非洲的第一优先级是成本，低成本的解决方案才能被推广。第二优先级是教育，如何让预防的方法学在低文化的人群中普及。第三才是诊疗的支持。在低成本的环境下制定一个高效，灵活的方案，这对于地震等突发事件，也有借鉴意义。
绩效考核
绩效考核（Key performance Indicator）关注面很多，包括了单个环节的效率，整体指标的提高，比如再入院率，住院周期，等待时间，出院小结中诊疗意见的成本估算，流程的安全性等。强调每一个嵌入 mHealth 的流程再造，都应该有一个对比性的评估。美国目前接入一个糖尿病终端的开销为 330 美元。成本分布如下，新设备 20%，连接成本 9%，人力成本 63%，设备处理成本 8%。由此可见，自动化分析将是市场的下一个焦点，用来节约人力成本。

展区观察
整个生态链都有参展。包括了，硬件层面，手机，传感器研发，家用给药机等；软件层面，数据安全，数据集成平台等；服务层面，开发代工，企业服务咨询，私有云门户，虚拟诊室，远程医疗服务，电子病历集成服务等。当然，还有投资商在其中热情互动。个人感觉，同质化真的很严重。很多展商连宣传材料都大同小异。
有个 HTML 5 的小应用，值得推荐。该应用借助移动终端，对精神科病人做反复的量表评估。比如抑郁症患者，服药前和服药后的量表对比，在家中的位置，行为上的变化，都可以采集到，从而避免突发性意外。这种问卷表设计简单，电脑自动打分。衔接上医院的服务专员，应用场景还是非常得力的。当然，提供大量的量表模板，并允许自定义结构化量表，是这个公司的优点。
高通联合应用提供商，做了一个很大的解决方案站台。内部有一个家用给药机的产品，包括了预定义口服药剂量，给药时间，和手机绑定。看了产品之后，可以进一步展望，儿童指纹匹配不上，无法打开药盒。老年健忘症患者忘记服药之后，机器会报警。没有得到反馈，会通知家属和医生。
特定时间只能打开特定的格子，从而避免误服。每次服药之后，给药时间，药物过敏反应，实时监测，基于药物半衰期建模，实现个体化用药，优化服药的周期，保持体内最佳药物浓度。
教学中的启示
如何拥抱时代的脉搏是医学信息学教育需要思考的问题。整个行业在快速进化中，如何让学生的实战项目贴切这个时代，既不超前成为先烈，也不落后被淘汰，是提高教学质量的关键。目前，学院会对优秀的产品和解决方案定期组织研讨会，把业界的解决方案在教学中推广，并进一步扶持学生的创新项目。
产品易用性一再被提及。由于我院在人机交互上有很大的研究投入，个人觉得，把医疗软件游戏化也是一个值得探讨的思路。医学的严谨性，重复性需要被趣味化。如何用游戏的设计思路去重构医学的日常工作，比如 dashboard 的数据展现，流程与资源管理等，是个值得思考的问题。
同期 HIMSS2014 中美医疗信息化发展高峰论坛提到了 mHealth 成功的六个要素：
第一，优秀的互操作性（interoperability），传感器和其他设备获得的数据，必须要能够共享，集成，回流到电子病历中去，才能导致更好的医疗服务。
第二：一体化（integration）mHealth 的解决方案要能够嵌入现有的诊疗流程，实现 KPI 的优化。
第三，智能化设计（intelligence），移动数据，尤其是大数据需要和人工智能实时的绑定起来，才能优化医疗服务。
第四，归附力（engagement），只有让病人产生行为学的改变，中长期的采用新的解决方案，才能体现更好的效果。
第五，回报性分析 （outcome），如何能用投资回报率模型，说明每一分投入，都提高了诊疗质量。
第六，社会化（socialization），只有社区型的互动，才能带来用户粘度，从而对用户进一步提供指导，技术支持，并导致用户行为上的转变，最终带来规模性的效益。
总结
目前看来，整个行业快速进化中，机遇和挑战总是并存的。21 世纪企业的核心战略是以人为本的团队建设。一个抓住用户痛点的产品必然来自于好的团队。在产业发展的早期，个人会更关注好的团队。既然国酒茅台的广告已经做到了 Gayload 酒店的门口，相信中国 mHealth 走向世界只是时间问题。抛砖引玉，相信其他同行还有更全面深入的理解。
本文作者 朱珉，德州大学休斯顿健康科学中心生物医学信息学院
同行可以微信加我：mzhu666，欢迎切磋交流。

1 医学信息学概论

医学信息学的定义是什么？
医学信息学的历史沿革是什么？
医学信息学的功能实现在人和机器任务的区别是什么？
医学信息学的应用和挑战有哪些？

1.1        医学信息学的概念

随着个人电脑，因特网的普及，人类对信息的采集，储存，分析，重组，显示，利用也越来越广泛，人类进入了崭新的信息化时代。同时随着生活水平的提高，人类对健康的追求也越来越高，从而促进了健康产业的迅速发展。新兴的信息科学与古老的医学，以及其他现代科学的相互渗透、相互结合，诞生了一门新的学科——医学信息学。医学信息学作为一个新兴的交叉性学科，将迅速地影响和改变着传统医学，并促进健康信息技术（HealthIT）产业的蓬勃发展。
近十年数据表明，我国在健康上的投入比例逐年增长，我国医疗卫生体制改革促使基本医疗保障制度全面覆盖城乡居民，基本医疗卫生可及性和服务水平明显提高。加快对医学信息学的研究、应用就成为了历史的必然。
医学信息学（Medical Informatics），最早起源于上个世纪50年代，曾用名包括生物医学计算（ Biomedical Computing），计算生物学 （Computational Biology ），生物信息学（Bio-Informatics）等。随着科技的发展，医学信息学的定义也随着人类对医学信息学的不断研究而拓展。现阶段对医学信息学的定义是：探讨生物学的、医学的、或者更广义的健康数据的采集、存储、交互、和展现的过程的科学；探讨如何利用信息科技来优化这些过程的科学；以及探讨如何利用这些数据实现信息和知识层次的各种应用的科学。
医学信息学有三个重要概念：数据，信息，知识。数据是原始符号，信息是经过分析的可用的数据，而知识是信息组成的一系列法则和公式。比如说，41 是数据，41度是信息，41度体温是知识。

1.2医学信息学的形成和知识框架

根据Shortliffe教授生物医学信息学的知识框架，如图1-1所示：左侧表示医学信息学研究对象的层次，可以从分子水平逐级上升到基因水平、蛋白水平、亚细胞水平、细胞水平、组织水平、器官水平、个体水平、再上升到公共卫生水平； 右侧表示该学科相关或采用的科学技术，包括计算机科学，临床医学，基础生物医学科学，认知学，生物工程学，管理学，流行病学及生物统计学等，两者的交叉从而衍生出医学信息学的若干亚学科，比如生物信息学，影像信息学，临床信息学，公共卫生信息学等，统称为医学信息学。

1 医学信息学概论

医学信息学的定义是什么？
医学信息学的历史沿革是什么？
医学信息学的功能实现在人和机器任务的区别是什么？
医学信息学的应用和挑战有哪些？

1.1        医学信息学的概念

随着个人电脑，因特网的普及，人类对信息的采集，储存，分析，重组，显示，利用也越来越广泛，人类进入了崭新的信息化时代。同时随着生活水平的提高，人类对健康的追求也越来越高，从而促进了健康产业的迅速发展。新兴的信息科学与古老的医学，以及其他现代科学的相互渗透、相互结合，诞生了一门新的学科——医学信息学。医学信息学作为一个新兴的交叉性学科，将迅速地影响和改变着传统医学，并促进健康信息技术（HealthIT）产业的蓬勃发展。
近十年数据表明，我国在健康上的投入比例逐年增长，我国医疗卫生体制改革促使基本医疗保障制度全面覆盖城乡居民，基本医疗卫生可及性和服务水平明显提高。加快对医学信息学的研究、应用就成为了历史的必然。
医学信息学（Medical Informatics），最早起源于上个世纪50年代，曾用名包括生物医学计算（ Biomedical Computing），计算生物学 （Computational Biology ），生物信息学（Bio-Informatics）等。随着科技的发展，医学信息学的定义也随着人类对医学信息学的不断研究而拓展。现阶段对医学信息学的定义是：探讨生物学的、医学的、或者更广义的健康数据的采集、存储、交互、和展现的过程的科学；探讨如何利用信息科技来优化这些过程的科学；以及探讨如何利用这些数据实现信息和知识层次的各种应用的科学。
医学信息学有三个重要概念：数据，信息，知识。数据是原始符号，信息是经过分析的可用的数据，而知识是信息组成的一系列法则和公式。比如说，41 是数据，41度是信息，41度体温是知识。

1.2医学信息学的形成和知识框架

根据Shortliffe教授生物医学信息学的知识框架，如图1-1所示：左侧表示医学信息学研究对象的层次，可以从分子水平逐级上升到基因水平、蛋白水平、亚细胞水平、细胞水平、组织水平、器官水平、个体水平、再上升到公共卫生水平； 右侧表示该学科相关或采用的科学技术，包括计算机科学，临床医学，基础生物医学科学，认知学，生物工程学，管理学，流行病学及生物统计学等，两者的交叉从而衍生出医学信息学的若干亚学科，比如生物信息学，影像信息学，临床信息学，公共卫生信息学等，统称为医学信息学。

估计大家都好奇我生活的城市休斯顿是一个什么样子，下面送上几张图片吧

估计大家都好奇我生活的城市休斯顿是一个什么样子，下面送上几张图片吧