Tervishoiuandmed on tänapäeval maailmas kõige keerukamate ja mahukamate andmete hulgas. Selle tohutu hulga tervishoiuteenuste hulgas lebamine on väärtuslik teadmine, mis võib otseselt mõjutada ja parandada inimelu kvaliteeti. Kuigi meil oli veel kümmekond aastat tagasi puudus nende andmete analüüsimise võimalustest, on Big Data Analyticsi edusammud muutnud Tervishoiuanalüütika täna reaalseks reaalsuseks!
Selles blogipostituses uurigem probleeme, mida Big Data Analytics saab tervishoiuvaldkonnas lahendada. Vaatame ka mõnda juhtumianalüüsi Big Data Analyticsi rakendamisest tervishoius ja kasutatavatest tööriistadest.
Miks tervishoius suurandmete analüüs?
Big Data analüüsi rakendamise peamised eelised tervishoius on:
- Epideemiate varajane avastamine ja kontroll
- Haiguste, mille ravi on edukas, täpne avastamine ja ravi
- Uute ravimeetodite avastamine, mis põhinevad genoomikal ja patsiendi profileerimisel
- Kindlustuse ja keskmise nõude pettuste ennetamine
- Tervishoiuasutuste tasuvuse kasv
Kantavate seadmete tulek on teinud tervishoiuteenuste andmete kogumise lihtsamaks kui kunagi varem. Alates sobivuse andmete jälgimisest kuni geriaatrilise hoolduse ja intensiivravini on kantav tehnoloogia pööranud tervishoius kasutatavate andmete kogumise põhjalikumalt. Tegelikult prognoositakse globaalse ühendatud terviseturu 2016–2020 aruandes, et globaalse ühendatud terviseturu kasv ajavahemikul 2016–2020 on CAGR 26,54%!
Nii kogutud andmeid saab salvestada Hadoopi abil ja analüüsida MapReduce'i ja Sparki abil.
Suured andmed tervishoius - kasutamise juhtum
Üks viimaste aegade tuntumaid Big Data rakendusi tervishoius on IBM Watson, võimas kognitiivne arvutusplatvorm tervishoiuanalüütika jaoks. See on varustatud loomulike keelevõimaluste, hüpoteeside genereerimise ja tõenduspõhise õppega, et toetada meditsiinitöötajaid nende otsuste langetamisel.
Nii saab arst kasutada Watsonit patsientide diagnoosimisel ja ravimisel:
Samm 1 : Arst esitab päringu, kirjeldades patsiendi sümptomeid ja sellega seotud tegureid.
sortimismeetod c ++
2. samm: Watson sõelub sisendeid, kaevandades olemasolevad patsiendiandmed asjakohaste tegurite jaoks, nagu perekonna terviseajalugu, ravimid, katsearuanded jne, ning võtab arvesse ka arsti märkusi, kliinilisi uuringuid, uurimisartikleid ja muid selliseid andmeid.
python mis on __init__
3. samm: Watson paneb välja diagnooside loetelu koos vastavate hindetega, mis näitavad iga hüpoteesi usaldustaset. See aitab arstil ja patsiendil teha teadlikumaid ja täpsemaid otsuseid.
Tõenduspõhine diagnoos - rakendamine:
IBM Watsoni üks tuntumaid rakendusi on olnud Watson onkoloogia jaoks ’Rakendus, mille IBM töötas välja koostöös New Yorgi Memorial Sloan Ketteringi vähikeskusega (MSK).
- Eeldus: Põhiline eeldus, millele rakendus on rajatud, on see - MSK onkoloogid on teatud tüüpi vähktõvega seotud eksperdid. Kui IBM Watsonit saab koolitada oma teadmisi omandama, saavad need teadmised kättesaadavaks igale arstile igast maailma nurgast.
- Programm: Rakendus Watson for Oncology on vähipõletuse eliitravi üks peatus, mida saab kasutada iPadis või muudes tahvelarvutites.
- Rakendus: Võtame hüpoteetilise juhtumi Aasia kaugemas nurgas olevast patsiendist, kes põeb haruldast geneetiliselt seotud kopsuvähi vormi. Haigla arstidel, kus patsient ravitakse, ei pruugi olla vajalikke teadmisi selle konkreetse kopsuvähi tüve raviks, kuid Watson for Oncology teeb seda MSK vähikeskuse andmete abil.
Selle rakenduse tähendus on kaugeleulatuv, kuna kõik arstid kõikjalt maailmast pääsevad rakendusele juurde, hankides lihtsalt programmi litsentsi ja võimaldades oma patsientidele juurdepääsu maailmatasemel vähiravile. Selline on tervishoiuanalüütika võlu, mis on sündinud juurdepääsu kaudu suurtele andmetele tervishoius!
Selliseid kasutusjuhtumeid, mis on seotud ennustava analüüsi ja tõenduspõhise raviga, leiate veelgi siin .
Hadoopi roll tervishoiuanalüüsis
Hadoop on aluseks olev tehnoloogia, mida kasutatakse paljudes tervishoiuanalüüsi platvormides. Selle põhjuseks on asjaolu, et Apache Hadoop sobib hästi tohutute ja keeruliste tervishoiuandmete käsitsemiseks ning tervishoiutööstust vaevavate probleemide tõhusaks lahendamiseks. Mõned argumendid Hadoopi kasutamiseks tervishoius suurandmetega töötamiseks on:
- Hadoop muudab andmete salvestamise odavamaks ja kättesaadavamaks:
Praegu on 80% kogu tervishoiuteabest struktureerimata. See hõlmab muu hulgas arstide märkmeid, meditsiinilisi aruandeid, laboritulemusi, röntgenülevaate, MRI pilte, elutähtsaid andmeid ja finantsandmeid. Hadoop annab arstidele ja teadlastele võimaluse leida andmeid andmekogumitest, mida varem oli võimatu käsitleda.
- Salvestusmaht ja käitlemine:
Enamik tervishoiuorganisatsioone saab ühe patsiendi kohta salvestada maksimaalselt kolme päeva andmeid, mis piirab toodetud andmete analüüsimise võimalust. Hadoop suudab talletada ja käsitseda tohutult palju andmeid, muutes selle ideaalseks kandidaadiks.
- Hadoop võib olla nii andmete korraldaja kui ka analüütiline tööriist:
Hadoop aitab teadlastel leida seoseid paljude muutujatega andmekogumitest, mis on inimeste jaoks keeruline ülesanne. Seetõttu on tervishoiuandmetega töötamiseks õige raamistik.
Siin on demo Big Data Analyticsi rakendamiseks tervishoius. See MapReduce'i demo aitab teil kirjutada programmi, mis võib 100-miljonise pildi andmebaasist kõrvaldada CT-skannimise duplikaadid. Samm-sammult toimimise, lähenemisviisi ja lahenduse leiate sellest videoõpetusest.
See on vaid üks paljudest juhtudest, kus suurandmete analüüs on aidanud lahendada peamisi tervishoiuprobleeme ning aidanud kaasa haiguste tõhusale avastamisele ja ennetamisele. Hadoop on äärmiselt asjakohane krooniliste haiguste ennetamiseks ja õigeaegseks raviks mõeldud humongous andmekogumite analüüsimisel. Big Data Analyticsi kasutamisel tervishoius on tohutu kasutamata võimalus ja Hadoopi spetsialistidel on õige aeg ülesandeks astuda ja väljakutse vastu võtta!
Edurekal on reaalajas ja juhendajate juhitud kursus Big Data & Hadoop kohta, mille on loonud ka tööstuse praktikud.
Kas teil on meile küsimus? Palun mainige seda kommentaaride jaotises ja võtame teiega ühendust.
mida lisab java
Seonduvad postitused:
10 kuumimat tehnilist oskust 2016. aastal omandada