Veliki podaci u zdravstvu: kako Hadoop revolucionira zdravstvenu analitiku

Tehnologije Hadoop i Big Data revolucioniraju zdravstvenu analitiku. Ovaj blog velikih podataka u zdravstvu raspravlja o tome kako analitika velikih podataka može poboljšati medicinsku skrb.

'80% svih zdravstvenih informacija čine nestrukturirani podaci koji su toliko veliki i složeni da postoji oštra potreba za specijaliziranim alatom i metodama za rukovanje njima i dobivanje uvida iz podataka.'

Podaci o zdravstvu među najsloženijim su i najopsežnijim podacima koji se danas proizvode u svijetu. Među ovom ogromnom gomilom zdravstvenih podataka dragocjeni su uvidi koji mogu izravno utjecati i poboljšati kvalitetu ljudskih života. Iako nam je nedostajalo sredstava za analizu ovih podataka još prije desetak godina, napredak u analitiki velikih podataka učinio je Healthcare Analytics danas zasebnom stvarnošću!

U ovom postu na blogu istražimo probleme koje analitika velikih podataka može riješiti u domeni zdravstva. Pogledajmo i nekoliko studija slučaja primjene analitike velikih podataka u zdravstvu i alata koji se koriste.





Zašto analitika velikih podataka u zdravstvu?

Najvažnije blagodati primjene analitike velikih podataka u zdravstvu su:

  • Rano otkrivanje i provjera epidemija
  • Točno otkrivanje i izlječenje bolesti koje imaju mali uspjeh u liječenju
  • Otkriće novih tretmana temeljenih na genomici i profiliranju pacijenata
  • Sprječavanje osiguranja i prijevara s medijskim zahtjevima
  • Povećanje profitabilnosti zdravstvenih ustanova

Pojava nosivih uređaja učinila je prikupljanje zdravstvenih podataka lakšim nego ikad prije. Od praćenja podataka o kondiciji do gerijatrijske njege i intenzivne njege, nosiva tehnologija revolucionirala je prikupljanje podataka u zdravstvu. Zapravo, izvješće Global Connected Health Market 2016-2020 predviđa rast globalnog povezanog zdravstvenog tržišta na CAGR od 26,54% tijekom razdoblja 2016-2020!



Tako prikupljeni podaci mogu se pohraniti pomoću Hadoopa i analizirati pomoću MapReduce i Spark.

Veliki podaci u zdravstvu - slučaj upotrebe

Jedna od najpoznatijih implementacija velikih podataka u zdravstvu u posljednje vrijeme je IBM Watson, moćna kognitivna računalna platforma za zdravstvenu analitiku. Opremljen je sposobnostima prirodnog jezika, stvaranjem hipoteza i učenjem utemeljenim na dokazima kako bi podržao medicinske profesionalce dok donose odluke.

Evo kako liječnik može koristiti Watsona za pomoć u dijagnosticiranju i liječenju pacijenata:



java ima-odnos

IBM-Watson-big-data-in-healthcare

Korak 1 : Liječnik postavlja upit koji opisuje simptome pacijenta i srodne čimbenike.

Korak 2: Watson analizira ulazne podatke analizirajući dostupne podatke o pacijentima za relevantne čimbenike kao što su obiteljska zdravstvena povijest, lijekovi, izvještaji o ispitivanjima itd., A također uzima u obzir bilješke liječnika, kliničke studije, članke o istraživanju i druge takve podatke.

Korak 3: Watson iznosi popis dijagnoza s odgovarajućim rezultatima koji pokazuju razinu pouzdanosti za svaku hipotezu. To pomaže liječniku - i pacijentu - donijeti više informiranih i točnijih odluka.

Dijagnoza utemeljena na dokazima - provedba:

Jedna od poznatih aplikacija IBM Watsona bila je ' Watson za onkologiju 'Aplikaciju koju je IBM razvio u partnerstvu s njujorškim Memorial Sloan Kettering Cancer Center (MSK).

  • Prostor: Osnovna premisa na kojoj se gradi aplikacija je sljedeća - MSK onkolozi poznati su stručnjaci za određene vrste karcinoma. Ako IBM Watson može biti obučen da preuzme njihovu stručnost, tada to znanje postaje dostupno bilo kojem liječniku iz bilo kojeg kutka svijeta.
  • Program: Aplikacija Watson za onkologiju jedinstvena je aplikacija za elitnu njegu raka koja može raditi na iPadu ili drugim tabletama.
  • Primjena: Uzmimo hipotetski slučaj pacijenta u dalekom kutu Azije koji boluje od rijetkog oblika karcinoma pluća koji je genetski povezan. Liječnici u bolnici u kojoj se pacijent liječi možda neće imati potrebnu stručnost za liječenje ovog specifičnog soja raka pluća, ali Watson za onkologiju to čini uz pomoć podataka MSK-ovog centra za rak.

Značaj ove aplikacije je dalekosežan jer bilo koji liječnik s bilo kojeg mjesta na svijetu može joj pristupiti samo dobivanjem licence za taj program i pružiti svojim pacijentima pristup liječenju karcinoma svjetske klase. Takva je čarolija zdravstvene analitike rođena iz pristupa velikim podacima u zdravstvu!

Možete pronaći više takvih slučajeva upotrebe povezanih s prediktivnom analizom i tretmanima temeljenim na dokazima ovdje .

Uloga Hadoopa u zdravstvenoj analitici

Hadoop je temeljna tehnologija koja se koristi na mnogim platformama za zdravstvenu analitiku. To je zato što je Apache Hadoop prikladan za obradu ogromnih i složenih zdravstvenih podataka i za učinkovito rješavanje izazova koji muče zdravstvenu industriju. Nekoliko je argumenata za korištenje Hadoopa za rad s velikim podacima u zdravstvu:

povezani popis u c programu
  1. Hadoop čini pohranu podataka jeftinijom i dostupnijom:

Trenutno su 80% svih zdravstvenih podataka nestrukturirani podaci. To uključuje bilješke liječnika, medicinska izvješća, laboratorijske rezultate, RTG, MRI slike, vitalne podatke i financijske podatke. Hadoop pruža liječnicima i istraživačima priliku da pronađu uvide iz skupova podataka s kojima je ranije bilo nemoguće postupati.

  1. Kapacitet skladištenja i rukovanje:

Većina zdravstvenih organizacija može pohraniti podatke koji vrijede najviše tri dana po pacijentu, što ograničava mogućnost analize proizvedenih podataka. Hadoop može pohraniti i rukovati ogromnom količinom podataka, što ga čini idealnim kandidatom za posao.

  1. Hadoop može poslužiti kao organizator podataka, a također i kao analitički alat:

Hadoop pomaže istraživačima pronaći korelacije u skupovima podataka s mnogim varijablama, što je težak zadatak za ljude. Zbog toga je pravi okvir za rad sa zdravstvenim podacima.

Evo demonstracije za primjenu analitike velikih podataka u zdravstvu. Ova demonstracija MapReduce pomoći će vam da napišete program koji može ukloniti duplicirane CT skenirane slike iz baze podataka sa 100 milijuna slika. Postupni postupak, pristup i rješenje možete pronaći u ovom video tutorialu.

Ovo je samo jedan od mnogih slučajeva kada je analiza velikih podataka pomogla u rješavanju glavnih zdravstvenih problema i pridonijela učinkovitom otkrivanju i prevenciji bolesti. Hadoop je izuzetno relevantan u analizi ogromnih skupova podataka za prevenciju i pravodobno liječenje kroničnih bolesti. Velika je neiskorištena prilika za upotrebu Big Data Analyticsa u zdravstvu i pravo je vrijeme da Hadoop profesionalci pojačaju i prihvate izazov!

Edureka ima tečaj uživo o Big Data & Hadoop-u koji vode instruktori, a zajednički su ga kreirali stručnjaci iz industrije.

Imate pitanje za nas? Molimo spomenite to u odjeljku za komentare i javit ćemo vam se.

Vezane objave:

10 najtoplijih tehničkih vještina za svladavanje u 2016