Údaje o zdravotnej starostlivosti patria medzi najkomplexnejšie a najobjemnejšie údaje, ktoré sa dnes na svete vytvárajú. Medzi touto obrovskou hromadou údajov o zdravotnej starostlivosti sa nachádzajú cenné poznatky, ktoré môžu priamo ovplyvniť a zlepšiť kvalitu ľudských životov. Aj když nám ještě donedávna před deseti lety chyběly prostředky pro analýzu těchto dat, pokrok v Big Data Analytics učinil z Healthcare Analytics dnes jednoznačnou realitu!
V tomto blogovom príspevku sa pozrime na problémy, ktoré môže analýza veľkých dát vyriešiť v oblasti zdravotnej starostlivosti. Pozrime sa tiež na niekoľko prípadových štúdií aplikácie Big Data Analytics v zdravotníctve a nástrojov, ktoré sa používajú.
Prečo analýza veľkých dát v zdravotníctve?
Najdôležitejšie výhody uplatňovania analýzy veľkých dát v zdravotníctve sú:
- Včasný objav a kontrola epidémií
- Presná detekcia a liečba chorôb, ktoré majú nízku úspešnosť liečby
- Objavenie nových liečebných postupov založených na genomike a profilovaní pacientov
- Predchádzanie poisteniu a podvodom s poistnými udalosťami
- Zvýšenie ziskovosti zdravotníckych zariadení
Nástup nositeľných zariadení uľahčil zhromažďovanie údajov o zdravotnej starostlivosti ako nikdy predtým. Od sledovania údajov o fitnes po geriatrickú starostlivosť a intenzívnu starostlivosť priniesla nositeľná technológia revolúciu v zbere údajov v zdravotníctve. Správa Global Connected Health Market 2016-2020 v skutočnosti predpovedá rast globálneho trhu prepojeného zdravia na CAGR 26,54% počas obdobia 2016-2020!
Takto zhromaždené údaje je možné uložiť pomocou programu Hadoop a analyzovať pomocou služieb MapReduce a Spark.
Veľké dáta v zdravotníctve - prípad použitia
Jednou z najznámejších implementácií Big Data v zdravotníctve v poslednej dobe je IBM Watson, výkonná kognitívna výpočtová platforma pre analytiku v zdravotníctve. Je vybavený schopnosťami prirodzeného jazyka, generovaním hypotéz a učením založeným na dôkazoch, ktoré majú zdravotníckym pracovníkom pomôcť pri rozhodovaní.
Takto môže lekár pomocou Watsona pomôcť pri diagnostike a liečbe pacientov:
Krok 1 : Lekár položí otázku popisujúcu príznaky pacienta a súvisiace faktory.
Krok 2: Watson analyzuje vstupy ťažbou dostupných údajov o pacientoch pre príslušné faktory, ako je rodinná anamnéza, lieky, protokoly o testoch atď., A berie do úvahy aj poznámky lekára, klinické štúdie, články z výskumu a ďalšie podobné údaje.
Krok 3: Watson uvádza zoznam diagnóz s príslušnými skóre, ktoré označujú úroveň spoľahlivosti pre každú hypotézu. To pomáha lekárovi - a pacientovi - robiť informovanejšie a presnejšie rozhodnutia.
Diagnostika založená na dôkazoch - implementácia:
Jednou zo známych aplikácií spoločnosti IBM Watson bola Watson pre onkológiu „Aplikácia, ktorú spoločnosť IBM vyvinula v spolupráci s newyorským Memorial Sloan Kettering Cancer Center (MSK).
- Predpoklad: Základným predpokladom, na ktorom je aplikácia postavená, je toto - onkológovia MSK sú známi odborníci na určité typy rakoviny. Ak sa dá spoločnosť IBM Watson vyškoliť, aby mohla využívať svoje odborné znalosti, potom tieto znalosti získa každý lekár z ktoréhokoľvek kúta sveta.
- Program: Aplikácia Watson for Oncology je komplexná aplikácia pre elitnú starostlivosť o rakovinu, ktorú je možné spustiť na iPade alebo iných tabletoch.
- Prihláška: Uveďme hypotetický prípad pacienta v ďalekom kúte Ázie, ktorý trpí vzácnou formou rakoviny pľúc, ktorá je geneticky spojená. Lekári v nemocnici, kde sa pacient lieči, nemusia mať potrebné skúsenosti s liečbou tohto špecifického kmeňa rakoviny pľúc, ale Watson pre onkológiu áno s pomocou údajov z MSK Cancer Center.
Dôležitosť tejto aplikácie je ďalekosiahla, pretože k nej má prístup ktorýkoľvek lekár z celého sveta, ktorý získa licenciu na tento program a umožní svojim pacientom prístup k prvotriednej liečbe rakoviny. V tom spočíva čaro analytiky v zdravotníctve, ktorá sa odvíja od prístupu k veľkým dátam v zdravotníctve!
Môžete nájsť viac takýchto prípadov použitia spojených s prediktívnou analýzou a liečbou založenou na dôkazoch tu .
Úloha spoločnosti Hadoop v analýze zdravotnej starostlivosti
Hadoop je základná technológia, ktorá sa používa na mnohých platformách analytiky v zdravotníctve. Je to preto, že Apache Hadoop je tým správnym riešením na spracovanie obrovských a komplexných údajov o zdravotnej starostlivosti a na efektívne riešenie problémov, ktoré trápia zdravotnícky priemysel. Niekoľko argumentov pre použitie Hadoopu na prácu s Big Data v zdravotníctve je:
- Vďaka Hadoopu je ukladanie dát lacnejšie a dostupnejšie:
V súčasnosti tvoria 80% všetkých informácií o zdravotnej starostlivosti neštruktúrované údaje. Patria sem okrem iných poznámky lekárov, lekárske správy, laboratórne výsledky, röntgenové snímky, obrázky MRI, vitály a finančné údaje. Hadoop poskytuje lekárom a výskumníkom príležitosť nájsť poznatky zo súborov dát, ktoré predtým nebolo možné spracovať.
- Skladovacia kapacita a manipulácia:
Väčšina zdravotníckych organizácií nemôže uložiť viac ako tri dni dát na pacienta, čo obmedzuje možnosť analýzy získaných údajov. Hadoop dokáže ukladať a spracovávať obrovské množstvo dát, čo z neho robí ideálneho kandidáta na túto prácu.
- Hadoop môže slúžiť ako organizátor údajov a tiež ako analytický nástroj:
Hadoop pomáha výskumníkom nájsť korelácie v súboroch údajov s mnohými premennými, čo je pre ľudí náročná úloha. Preto je správny rámec pre prácu s údajmi o zdravotnej starostlivosti.
Tu je ukážka aplikácie Big Data Analytics v zdravotníctve. Táto ukážka MapReduce vám pomôže napísať program, ktorý dokáže eliminovať duplicitné obrázky zo skenovania CT z databázy 100 miliónov obrázkov. Podrobný postup, prístup a riešenie nájdete v tomto videonávode.
Toto je len jeden z mnohých prípadov, keď analýza veľkých dát pomohla vyriešiť hlavné problémy so zdravotnou starostlivosťou a prispela k efektívnej detekcii a prevencii chorôb. Hadoop je mimoriadne dôležitý pri analýze obrovských súborov údajov o prevencii a včasnej liečbe chronických chorôb. Vo využívaní Big Data Analytics v zdravotníctve existuje obrovská nevyužitá príležitosť a je správny čas, aby sa odborníci spoločnosti Hadoop rozhodli túto výzvu zintenzívniť!
Edureka má živý a inštruktorom vedený kurz Big Data & Hadoop, ktorý spolu vytvorili odborníci v odbore.
Máte na nás otázku? Uveďte to prosím v sekcii komentárov a my sa vám ozveme.
Súvisiace príspevky:
rozdiel medzi hashmapou a hashtable
10 najhorúcejších technických zručností, ktoré je potrebné zvládnuť v roku 2016