Dideli duomenys sveikatos priežiūros srityje: kaip „Hadoop“ keičia sveikatos priežiūros analitiką



„Hadoop“ ir „Big Data“ technologijos daro perversmą sveikatos priežiūros analitikoje. Šie dideli sveikatos priežiūros tinklaraščio duomenys aptaria, kaip didelių duomenų analizė gali pagerinti medicininę priežiūrą.

„80% visos sveikatos priežiūros informacijos yra nestruktūrizuoti duomenys, kurie yra tokie dideli ir sudėtingi, kad labai reikalingas specializuotas įrankis ir metodai, kaip jį tvarkyti ir iš kurių įgyti įžvalgų.“

Sveikatos priežiūros duomenys yra vieni sudėtingiausių ir gausiausių duomenų, gaunamų šiandien pasaulyje. Gulėjimas tarp šios didžiulės sveikatos priežiūros duomenų krūvos yra vertingos įžvalgos, kurios gali tiesiogiai paveikti ir pagerinti žmogaus gyvenimo kokybę. Nors dar prieš dešimtmetį mums trūko priemonių analizuoti šiuos duomenis, „Big Data Analytics“ pažanga pavertė „Healthcare Analytics“ šiandien aiškia realybe!

Šiame tinklaraščio įraše panagrinėkime problemas, kurias „Big Data Analytics“ gali išspręsti sveikatos priežiūros srityje. Taip pat apžvelkime kelis „Big Data Analytics“ taikymo sveikatos priežiūros srityje ir naudojamų įrankių atvejų tyrimus.



Kodėl didžiųjų duomenų analizė sveikatos priežiūros srityje?

Svarbiausi „Big Data“ analizės taikymo sveikatos priežiūros srityje privalumai yra šie:

  • Ankstyvas epidemijų atradimas ir patikrinimas
  • Tikslus ligų, kurių gydymas yra nesėkmingas, nustatymas ir gydymas
  • Naujų gydymo metodų, pagrįstų genomika ir pacientų profiliais, atradimas
  • Draudimo ir medikų ieškinių sukčiavimo prevencija
  • Sveikatos įstaigų pelningumo padidėjimas

Nešiojamųjų prietaisų atsiradimas palengvino sveikatos priežiūros duomenų rinkimą kaip niekada anksčiau. Nuo tinkamumo duomenų stebėjimo iki geriatrinės priežiūros ir intensyvios terapijos - dėvimos technologijos pakeitė duomenų rinkimą sveikatos priežiūros srityje. Tiesą sakant, 2016–2020 m. Pasaulinės sujungtos sveikatos rinkos ataskaitoje prognozuojama, kad susietos sveikatos rinkos rinka 2016–2020 m. Išaugs 26,54% CAGR!



Taip surinktus duomenis galima saugoti naudojant „Hadoop“ ir analizuoti naudojant „MapReduce“ ir „Spark“.

Dideli duomenys sveikatos priežiūros srityje - naudojimo atvejis

Vienas iš žinomiausių „Big Data“ sveikatos priežiūros paslaugų diegimo būdų pastaruoju metu yra „IBM Watson“ - galinga kognityvinė skaičiavimo platforma sveikatos priežiūros analizei. Jame yra natūralios kalbos galimybės, hipotezių generavimas ir įrodymais grįstas mokymasis medicinos specialistams padėti jiems priimant sprendimus.

Štai kaip gydytojas gali naudoti Watsoną, kad padėtų diagnozuoti ir gydyti pacientus:



IBM-Watson-big-data-in-healthcare

1 žingsnis : Gydytojas pateikia užklausą, kurioje aprašomi paciento simptomai ir susiję veiksniai.

2 žingsnis: Watsonas analizuoja duomenis naudodamas turimus pacientų duomenis apie svarbius veiksnius, tokius kaip šeimos sveikatos istorija, vaistai, tyrimų ataskaitos ir kt., Taip pat atsižvelgia į gydytojo užrašus, klinikinius tyrimus, mokslinius straipsnius ir kitus panašius duomenis.

numatytoji eilutės vertė „Java“

3 žingsnis: Watsonas pateikia diagnozių sąrašą su atitinkamais balais, kurie nurodo kiekvienos hipotezės patikimumo lygį. Tai padeda gydytojui ir pacientui priimti labiau pagrįstus ir tikslesnius sprendimus.

Įrodymais pagrįsta diagnozė - įgyvendinimas:

Viena iš gerai žinomų „IBM Watson“ programų buvo „ Watsonas onkologijai Programa, kurią IBM sukūrė bendradarbiaudama su Niujorko memorialiniu Sloano Ketteringo vėžio centru (MSK).

  • Prielaida: Pagrindinė prielaida, kuria grindžiama programa, yra tokia - MSK onkologai yra žinomi tam tikrų vėžio rūšių ekspertai. Jei „IBM Watson“ gali būti išmokytas pasinaudoti jų patirtimi, žinios tampa prieinamos bet kuriam gydytojui iš bet kurio pasaulio kampelio.
  • Programa: „Watson for Oncology“ programa yra vieno langelio programa, skirta elitinei vėžio priežiūrai, kuri gali veikti „iPad“ ar kitose planšetiniuose kompiuteriuose.
  • Naudojimas: Paimkime hipotetinį paciento tolimajame Azijos kampelyje atvejį, kuris kenčia nuo retos, genetiškai susijusios plaučių vėžio formos. Gydytojai ligoninėje, kurioje pacientas gydosi, gali neturėti reikiamos kompetencijos šiai specifinei plaučių vėžio padermei gydyti, tačiau „Watson for Onkology“ padeda su MSK vėžio centro duomenimis.

Šios programos reikšmė yra toli siekianti, nes bet kuris gydytojas iš bet kurios pasaulio vietos gali pasiekti programą, tik gavęs programos licenciją ir suteikdamas savo pacientams galimybę naudotis pasaulinės klasės vėžio gydymu. Tokia yra sveikatos priežiūros analizės magija, atsiradusi dėl galimybės naudotis „Big Data“ sveikatos priežiūros srityje!

Galite rasti daugiau tokių naudojimo atvejų, susijusių su nuspėjamąja analize ir įrodymais pagrįstu gydymu čia .

Hadoopo vaidmuo sveikatos priežiūros analizėje

„Hadoop“ yra pagrindinė technologija, naudojama daugelyje sveikatos priežiūros analizės platformų. Taip yra todėl, kad „Apache Hadoop“ yra tinkamas tvarkyti didžiulius ir sudėtingus sveikatos priežiūros duomenis ir veiksmingai spręsti sveikatos priežiūros pramonę kamuojančius iššūkius. Keletas argumentų, kaip „Hadoop“ naudoti dirbant su „Big Data“ sveikatos priežiūros srityje, yra šie:

  1. „Hadoop“ daro duomenų saugojimą pigesnį ir prieinamesnį:

Šiuo metu 80% visos sveikatos priežiūros informacijos yra nestruktūrizuoti duomenys. Tai apima gydytojų užrašus, medicinines ataskaitas, laboratorijos rezultatus, rentgeno nuotraukas, MRT vaizdus, ​​vitalus ir finansinius duomenis. Hadoopas suteikia gydytojams ir tyrėjams galimybę rasti įžvalgų iš duomenų rinkinių, kurių anksčiau buvo neįmanoma apdoroti.

  1. Sandėliavimo talpa ir tvarkymas:

Dauguma sveikatos priežiūros organizacijų gali saugoti ne daugiau kaip trijų dienų duomenis vienam pacientui, ribojant galimybę analizuoti gautus duomenis. Hadoopas gali saugoti ir tvarkyti didžiulį kiekį duomenų, todėl tai yra idealus kandidatas į šį darbą.

  1. „Hadoop“ gali būti duomenų tvarkytojas ir analizės įrankis:

Hadoopas padeda mokslininkams rasti sąsajas duomenų rinkiniuose su daugeliu kintamųjų - tai sunki užduotis žmonėms. Štai kodėl tai yra tinkama sistema dirbant su sveikatos priežiūros duomenimis.

Čia pateikiama „Big Data Analytics“ taikymo sveikatos priežiūros srityje demonstracija. Ši „MapReduce“ demonstracinė versija padės jums parašyti programą, galinčią pašalinti pasikartojančius KT nuskaitymo vaizdus iš 100 milijonų vaizdų duomenų bazės. Žingsnis po žingsnio procedūrą, požiūrį ir sprendimą galite rasti šioje vaizdo įrašo pamokoje.

Tai tik vienas iš daugelio atvejų, kai „Big Data“ analizė padėjo išspręsti pagrindines sveikatos priežiūros problemas ir prisidėjo prie efektyvaus ligų nustatymo ir prevencijos. Hadoopas yra ypač svarbus analizuojant lėtinių ligų prevencijos ir savalaikio gydymo duomenų rinkinius. Yra didžiulė neišnaudota galimybė naudotis „Big Data Analytics“ sveikatos priežiūros srityje, todėl „Hadoop“ profesionalams yra tinkamas laikas imtis veiksmų ir imtis iššūkių!

„Edureka“ turi tiesioginius ir instruktorių vedamus kursus apie „Big Data & Hadoop“, kuriuos bendrai sukūrė pramonės specialistai.

Turite mums klausimą? Prašau paminėti tai komentarų skiltyje ir mes su jumis susisieksime.

Susijusios žinutės:

10 karščiausių techninių įgūdžių, kuriuos reikia įvaldyti 2016 m