Dati par veselības aprūpi ir vieni no sarežģītākajiem un apjomīgākajiem datiem, kas tiek ražoti pasaulē. Gulēšana starp šo milzīgo veselības aprūpes datu kaudzi ir vērtīga atziņa, kas var tieši ietekmēt un uzlabot cilvēku dzīves kvalitāti. Kaut arī vēl pirms desmit gadiem mums trūka līdzekļu šo datu analīzei, progress Big Data Analytics ir padarījis Healthcare Analytics par atšķirīgu realitāti šodien!
Šajā emuāra ziņā apskatīsim problēmas, kuras Big Data analytics var atrisināt veselības aprūpes jomā. Apskatīsim arī dažus gadījumu pētījumus par Big Data Analytics izmantošanu veselības aprūpē un izmantotajiem rīkiem.
Kāpēc veselības aprūpes lielo datu analīze?
Galvenie ieguvumi, lietojot Big Data analytics veselības aprūpē, ir:
- Agrīna epidēmiju atklāšana un pārbaude
- Precīza to slimību atklāšana un ārstēšana, kuru ārstēšana ir zema
- Jaunu ārstēšanas metožu atklāšana, pamatojoties uz genomiku un pacientu profilēšanu
- Apdrošināšanas un mediķu prasību krāpšanas novēršana
- Veselības aprūpes iestāžu rentabilitātes palielināšanās
Valkājamo ierīču parādīšanās ir padarījusi veselības aprūpes datu vākšanu vieglāku nekā jebkad agrāk. Sākot ar fitnesa datu izsekošanu līdz geriatriskai aprūpei un intensīvai terapijai, valkājamas tehnoloģijas ir radikāli mainījušas datu vākšanu veselības aprūpē. Faktiski globālā savienotā veselības tirgus 2016. – 2020. Gada pārskats prognozē, ka saistītais veselības tirgus globālā laika posmā no 2016. līdz 2020. gadam pieaugs par 26,54% CAGR!
Šādi savāktos datus var saglabāt, izmantojot Hadoop, un analizēt, izmantojot MapReduce un Spark.
Lieli dati veselības aprūpē - lietošanas gadījums
Viena no pēdējā laikā vispazīstamākajām Big Data ieviešanām veselības aprūpē ir IBM Watson - spēcīga kognitīvās skaitļošanas platforma veselības aprūpes analītikai. Tas ir aprīkots ar dabiskām valodas spējām, hipotēžu ģenerēšanu un uz pierādījumiem balstītu mācīšanos, lai atbalstītu medicīnas speciālistus, viņiem pieņemot lēmumus.
cloudera sertificēts apache hadoop izstrādātājs
Tas ir veids, kā ārsts var izmantot Watson, lai palīdzētu diagnosticēt un ārstēt pacientus:
1. solis : Ārsts uzdod vaicājumu, aprakstot pacienta simptomus un saistītos faktorus.
2. darbība: Vatsons analizē datus, iegūstot pieejamos pacienta datus par attiecīgajiem faktoriem, piemēram, ģimenes veselības vēsturi, medikamentiem, testu ziņojumiem utt., Kā arī ņem vērā ārsta piezīmes, klīniskos pētījumus, pētījumu rakstus un citus šādus datus.
3. solis: Vatsons izvirza diagnožu sarakstu ar atbilstošiem rādītājiem, kas norāda katras hipotēzes ticamības līmeni. Tas palīdz ārstam un pacientam pieņemt apzinātākus un precīzākus lēmumus.
Uz pierādījumiem balstīta diagnostika - ieviešana:
Viena no pazīstamākajām IBM Watson lietojumprogrammām ir bijusi Vatsons onkoloģijai Lietojumprogramma, kuru IBM izstrādāja sadarbībā ar Ņujorkas Memoriālo Sloan Kettering vēža centru (MSK).
- Priekšnoteikums: Pamata pieņēmums, uz kura balstās lietojumprogramma, ir šāds - MSK onkologi ir zināmi dažu vēža veidu eksperti. Ja IBM Watson var apmācīt pārņemt viņu zināšanas, tad šīs zināšanas kļūst pieejamas jebkuram ārstam no jebkura pasaules stūra.
- Programma: Watson for Oncology lietotne ir vienas pieturas programma elites vēža ārstēšanai, kas var darboties iPad vai citās planšetdatoros.
- Pielietojums: Ņemsim hipotētisku gadījumu, kad pacients Āzijas tālākajā stūrī cieš no retas plaušu vēža formas, kas ir ģenētiski saistīta. Ārstiem slimnīcā, kur pacients ārstējas, var nebūt nepieciešamās zināšanas, lai ārstētu šo specifisko plaušu vēža celmu, bet Watson for Oncology to dara, izmantojot MSK vēža centra datus.
Šīs lietotnes nozīme ir tālejoša, jo jebkurš ārsts no jebkuras vietas pasaulē var piekļūt lietotnei, tikai iegūstot licenci programmai un dodot saviem pacientiem piekļuvi pasaules klases vēža ārstēšanai. Tāda ir veselības aprūpes analīzes burvība, kas radusies, piekļūstot veselības aprūpes lielajiem datiem!
Jūs varat atrast vairāk šādu lietošanas gadījumu, kas saistīti ar prognozējošu analīzi un uz pierādījumiem balstītu ārstēšanu šeit .
Hadoop loma veselības aprūpes analīzē
Hadoop ir pamatā esošā tehnoloģija, kas tiek izmantota daudzās veselības aprūpes analīzes platformās. Tas ir tāpēc, ka Apache Hadoop ir piemērots, lai apstrādātu milzīgos un sarežģītos veselības aprūpes datus un efektīvi risinātu problēmas, kas skar veselības aprūpes nozari. Daži argumenti par Hadoop izmantošanu darbam ar Big Data veselības aprūpē ir:
attālās metodes izsaukuma java piemērs
- Hadoop padara datu glabāšanu lētāku un pieejamāku:
Pašlaik 80% no visas veselības aprūpes informācijas ir nestrukturēti dati. Tas ietver ārstu pierakstus, medicīniskos ziņojumus, laboratorijas rezultātus, rentgena attēlus, MRI attēlus, vitālus un finanšu datus. Hadoops dod ārstiem un pētniekiem iespēju atrast ieskatu no datu kopām, kuras agrāk nebija iespējams apstrādāt.
- Uzglabāšanas jauda un apstrāde:
Lielākā daļa veselības aprūpes organizāciju var uzglabāt ne vairāk kā trīs dienu datus par pacientu, ierobežojot iespēju analizēt iegūtos datus. Hadoop var uzglabāt un apstrādāt milzīgu datu daudzumu, padarot to par ideālu kandidātu šim darbam.
- Hadoop var kalpot kā datu organizētājs un arī kā analīzes rīks:
Hadops palīdz pētniekiem atrast korelācijas datu kopās ar daudziem mainīgajiem lielumiem, kas cilvēkiem ir grūts uzdevums. Tāpēc ir pareizais pamats darbam ar veselības aprūpes datiem.
Šeit ir demonstrācija Big Data Analytics lietošanai veselības aprūpē. Šī MapReduce demonstrācija palīdzēs jums uzrakstīt programmu, kas var novērst CT skenēšanas attēlu dublikātus no 100 miljonu attēlu datu bāzes. Soli pa solim procedūra, pieeja un risinājums ir atrodami šajā video pamācībā.
ja nosacījums SQL vaicājumā
Šis ir tikai viens no daudzajiem gadījumiem, kad lielo datu analīze ir palīdzējusi atrisināt galvenās veselības aprūpes problēmas un sekmējusi efektīvu slimību atklāšanu un profilaksi. Hadops ir ārkārtīgi nozīmīgs, analizējot hronisku slimību profilakses un savlaicīgas ārstēšanas datu kopas. Lielo datu analīzes izmantošanā veselības aprūpē ir milzīga neizmantota iespēja, un Hadoop profesionāļiem ir īstais laiks pastiprināties un pieņemt izaicinājumu!
Edurekā ir tiešraides un instruktoru vadīti kursi par Big Data & Hadoop, kurus kopīgi izveidojuši nozares praktiķi.
Vai mums ir jautājums? Lūdzu, pieminējiet to komentāru sadaļā, un mēs ar jums sazināsimies.
Saistītās ziņas:
10 karstākās tehnikas prasmes apgūt 2016. gadā