Dane dotyczące opieki zdrowotnej należą do najbardziej złożonych i obszernych danych wytwarzanych obecnie na świecie. Wśród tego ogromnego stosu danych dotyczących opieki zdrowotnej znajdują się cenne informacje, które mogą bezpośrednio wpływać na jakość życia ludzkiego i poprawiać ją. Chociaż jeszcze dziesięć lat temu brakowało nam środków do analizowania tych danych, postęp w analizie Big Data sprawił, że Healthcare Analytics stała się dziś odrębną rzeczywistością!
W tym poście na blogu przyjrzyjmy się problemom, jakie analityka Big Data może rozwiązać w dziedzinie opieki zdrowotnej. Przyjrzyjmy się również kilku studiom przypadków zastosowania Big Data Analytics w opiece zdrowotnej i wykorzystywanych narzędziach.
Dlaczego analiza dużych zbiorów danych w opiece zdrowotnej?
Najważniejsze korzyści wynikające z zastosowania analityki Big Data w opiece zdrowotnej to:
- Wczesne wykrywanie i sprawdzanie epidemii
- Dokładne wykrywanie i leczenie chorób, które mają niewielki sukces w leczeniu
- Odkrycie nowych metod leczenia opartych na genomice i profilowaniu pacjentów
- Zapobieganie oszustwom ubezpieczeniowym i roszczeniom mediacyjnym
- Wzrost rentowności zakładów opieki zdrowotnej
Pojawienie się urządzeń do noszenia sprawiło, że gromadzenie danych medycznych stało się łatwiejsze niż kiedykolwiek wcześniej. Od śledzenia danych o kondycji po opiekę geriatryczną i intensywną opiekę, technologia noszenia zrewolucjonizowała gromadzenie danych w opiece zdrowotnej. W rzeczywistości raport Global Connected Health Market 2016-2020 przewiduje wzrost globalnego rynku połączonego rynku zdrowia o CAGR na poziomie 26,54% w okresie 2016-2020!
Zebrane w ten sposób dane można przechowywać za pomocą Hadoop i analizować za pomocą MapReduce i Spark.
Big Data w opiece zdrowotnej - przypadek użycia
Jedną z najbardziej znanych implementacji Big Data w służbie zdrowia w ostatnim czasie jest IBM Watson, potężna platforma przetwarzania kognitywnego do analiz medycznych. Jest wyposażony w funkcje języka naturalnego, generowanie hipotez i uczenie się oparte na dowodach, aby wspierać lekarzy w podejmowaniu decyzji.
Oto, w jaki sposób lekarz może wykorzystać firmę Watson do pomocy w diagnozowaniu i leczeniu pacjentów:
Krok 1 : Lekarz zadaje zapytanie opisujące objawy pacjenta i związane z nimi czynniki.
Krok 2: Watson analizuje dane wejściowe, wyszukując dostępne dane pacjentów pod kątem odpowiednich czynników, takich jak historia zdrowia w rodzinie, leki, raporty z badań itp., A także bierze pod uwagę notatki lekarzy, badania kliniczne, artykuły naukowe i inne tego typu dane.
Krok 3: Watson przedstawia listę diagnoz z odpowiadającymi im wynikami, które wskazują poziom ufności dla każdej hipotezy. Pomaga to lekarzowi - i pacjentowi - podejmować bardziej świadome i trafne decyzje.
Diagnoza oparta na faktach - wdrożenie:
Jedną z dobrze znanych aplikacji IBM Watson jest „ Watson for Oncology ”Aplikacja opracowana przez IBM we współpracy z nowojorskim Memorial Sloan Kettering Cancer Center (MSK).
- Przesłanka: Podstawowe założenie, na którym zbudowana jest aplikacja, jest takie - onkolodzy MSK to znani eksperci w niektórych typach nowotworów. Jeśli IBM Watson może zostać przeszkolony w zakresie wykorzystania ich wiedzy, wówczas wiedza ta stanie się dostępna dla każdego lekarza z dowolnego zakątka świata.
- Program: Aplikacja Watson for Oncology to kompleksowa aplikacja do elitarnego leczenia raka, która może działać na iPadzie lub innych tabletach.
- Podanie: Weźmy hipotetyczny przypadek pacjenta w odległym zakątku Azji, który cierpi na rzadką postać raka płuc, która jest genetycznie powiązana. Lekarze w szpitalu, w którym pacjent jest leczony, mogą nie mieć wiedzy niezbędnej do leczenia tego konkretnego szczepu raka płuc, ale Watson for Oncology robi to z pomocą danych MSK Cancer Center.
Znaczenie tej aplikacji jest dalekosiężne, ponieważ każdy lekarz z dowolnego miejsca na świecie może uzyskać do niej dostęp, po prostu uzyskując licencję na program i dając swoim pacjentom dostęp do światowej klasy leczenia raka. Taka jest magia analityki opieki zdrowotnej zrodzona z dostępu do Big Data w opiece zdrowotnej!
Możesz znaleźć więcej takich przypadków użycia powiązanych z analizą predykcyjną i terapiami opartymi na dowodach tutaj .
Rola Hadoop w Healthcare Analytics
Hadoop jest podstawową technologią używaną w wielu platformach analitycznych dla służby zdrowia. Dzieje się tak, ponieważ Apache Hadoop jest odpowiednim rozwiązaniem do obsługi ogromnych i złożonych danych dotyczących opieki zdrowotnej oraz skutecznego radzenia sobie z wyzwaniami nękającymi branżę opieki zdrowotnej. Kilka argumentów przemawiających za używaniem Hadoop do pracy z Big Data w służbie zdrowia:
- Dzięki Hadoop przechowywanie danych jest tańsze i bardziej dostępne:
Obecnie 80% wszystkich informacji dotyczących opieki zdrowotnej to dane nieustrukturyzowane. Obejmuje to między innymi notatki lekarzy, raporty medyczne, wyniki badań laboratoryjnych, prześwietlenie, obrazy MRI, parametry życiowe i dane finansowe. Hadoop zapewnia lekarzom i badaczom możliwość znalezienia spostrzeżeń ze zbiorów danych, które wcześniej były niemożliwe do obsłużenia.
- Pojemność magazynowa i obsługa:
Większość organizacji opieki zdrowotnej może przechowywać dane z maksymalnie trzech dni na pacjenta, co ogranicza możliwość analizy uzyskanych danych. Hadoop może przechowywać i obsługiwać ogromne ilości danych, co czyni go idealnym kandydatem do pracy.
- Hadoop może służyć jako organizator danych, a także jako narzędzie analityczne:
Hadoop pomaga naukowcom znaleźć korelacje w zestawach danych z wieloma zmiennymi, co jest trudnym zadaniem dla ludzi. Dlatego jest to właściwe ramy do pracy z danymi dotyczącymi opieki zdrowotnej.
jak stworzyć zestaw
Oto demonstracja zastosowania analizy dużych zbiorów danych w opiece zdrowotnej. To demo MapReduce pomoże Ci napisać program, który może wyeliminować zduplikowane obrazy TK z bazy danych zawierającej 100 milionów obrazów. Szczegółową procedurę, podejście i rozwiązanie można znaleźć w tym samouczku wideo.
To tylko jeden z wielu przypadków, w których analiza Big Data pomogła rozwiązać główne problemy zdrowotne i przyczyniła się do skutecznego wykrywania i zapobiegania chorobom. Hadoop jest niezwykle istotny w analizie ogromnych zbiorów danych w celu zapobiegania i szybkiego leczenia chorób przewlekłych. Istnieje ogromna niewykorzystana szansa w wykorzystaniu analizy dużych zbiorów danych w opiece zdrowotnej i nadszedł czas, aby specjaliści Hadoop podjęli wyzwanie!
Edureka prowadzi kurs na żywo i prowadzony przez instruktora na temat Big Data i Hadoop, współtworzony przez praktyków z branży.
Masz do nas pytanie? Wspomnij o tym w sekcji komentarzy, a my skontaktujemy się z Tobą.
Powiązane posty:
10 najlepszych umiejętności technicznych do opanowania w 2016 r