Az átfogó,  heterogén, nagy mintaszámú egészségügyi adatok a standard klinikai adatok mellett egyre nagyobb mértékben tartalmaznak életmódra és környezetre vonatkozó adatokat, illetve molekuláris biológiai adatokat, ami mind információ technológiai, mind statisztikai szempontból is új kihívásokat jelent.

Az egészségügyi informatika számára új feladat a teljes körű egészségügyi, klinikai és gyógyszerfogyasztási adatok szinkronizált gyűjtése, amely ráadásul kiegészül olyan valós életből származó adatokkal, mint a viselhető elektronikai eszközök és a támogatott életviteli technológiáknak az adatai.

Az így előálló nagy mennyiségű, többrétű, sok ponton keresztkapcsolt, átfogó adathalmaz statisztikai és adatbányászati elemzése mind az egyén, az orvos, a biztosítók és a gyógyszeripar számára is vitális információkat biztosíthat. Ennek azonban feltétele ezen új adatokra is alkalmazható vagy éppen célzottan erre kifejlesztett adatelemzési eljárások használata.

A tantárgy ezen új, egészségügyi adatok által meghatározott szempontból ismerteti az informatikai és statisztikai megoldásokat.

A tantárgy a következő kompetenciák elsajátítását teszi lehetővé:

-          biostatisztikai alapfogalmak és módszerek ismerete

-          orvosi kódrendszerek, ontológiák kezelése

-          adatmérnöki folyamatok tervezése

-          az R statisztikai adatelemzési nyelv alkalmazása

-          orvosi döntéstámogató rendszerek kialakítása

1.      Az R adatelemzési nyelv alapjai I.

2.      Az R adatelemzési nyelv alapjai II.

3.      Biostatisztikai alapok I. Statisztikai minta, mintavételezés, statisztikai erő számítása, populációk összehasonlítása.

4.      Biostatisztikai alapok II: hipotézistesztelés és konfidencia-intervallumok, gyakori statisztikai tesztek.

5.      Biostatisztikai alapok III: Túlélési elemzés.

6.      Biostatisztikai alapok IV: a bayesi megközelítés.

7.      Biomarker kutatás: biomarker típusok, a jegykiválasztási probléma.

8.      A többszörös hipotézistesztelési probléma és megoldásai.

9.      Dimenziócsökkentés és klaszterezés.

10.  Prediktív módszerek: regressziós modellek, döntési fák.

11.  Hálózati medicina és rendszerbiológia.

12.  Kísérlettervezés és orvosi döntéstámogatás.

13.  Egészségügyi kódrendszerek: genetikai és fenotípusos leírók, betegségek, gyógyszerek, diagnosztikai tesztek, képalkotó eljárások, beavatkozások kódrendszerei.

14.  Egészségügyi és gyógyszeripari rendszerek, folyamatok, szereplők és informatikai támogatásuk.

A tárgy elméleti része előadás formájában kerül átadásra. Gyakorlati feladatok megoldására a félév során a gyakorlati órákon, a félév folyamán kiadott nagy házi feladatban, illetve a kapcsolódó labor keretein belül kerül sor.

1. Szorgalmi időszakban: 
   Házi feladat sikeres elkészítése és leadása a félév végéig.
2. Vizsgaidőszakban: Szóbeli vizsga. A vizsgára bocsátás feltétele az elfogadott házi feladat.
3. Osztályozás: A vizsga osztályzata a szóbeli vizsgán megszerzett jegy.

A házi feladat bemutatása a pótlási héten még lehetséges.

1.      Dinya Elek – Solymosi Norbert: Biometria a klinikumban, Medicina, 2016

2.      Prohászka Zoltán –­ Füst György – Dinya Elek: Biostatisztika a klinikumban, Semmelweis Kiadó és Multimédia Stúdió, 2013

3.      Torsten Hothorn – Brian S. Everitt: A Handbook of Statistical Analyses using R, Third Edition, Chapman and Hall/CRC, 2014

4.      Antal Péter – Arany Ádám – Bolgár Bence – Gézsi András – Hajós Gergely – Hullám Gábor – Marx Péter – Millinghoffer András – Poppe László – Sárközy Péter: Bioinformatika: Molekuláris méréstechnikától az orvosi döntéstámogatásig,
ISBN-13 978-963-2791-80-7, Typotex, 2014

5.      Antos András – Antal Péter – Hullám Gábor – Millinghoffer András – Hajós Gergely: Valószínűségi döntéstámogató rendszerek, ISBN-13 978-963-2791-84-5, Typotex, 2014