Stora data inom vården: Hur Hadoop revolutionerar Healthcare Analytics



Hadoop & Big Data-teknologier revolutionerar sjukvårdsanalyser. Den här stora datan i vårdbloggen diskuterar hur stor dataanalys kan förbättra medicinsk vård.

'80% av all vårdinformation är ostrukturerad data som är så stor och komplex att det finns ett stort behov av ett specialiserat verktyg och metoder för att hantera den och få insikter från data.'

Hälso- och sjukvårdsdata är bland de mest komplexa och omfattande uppgifter som produceras i världen idag. Det finns värdefulla insikter som ligger direkt i denna enorma höga hälsoinformation som direkt kan påverka och förbättra människors livskvalitet. Medan vi saknade metoder för att analysera dessa uppgifter fram till så sent som för ett decennium sedan, har framsteg inom Big Data Analytics gjort Healthcare Analytics till en tydlig verklighet idag!

Låt oss i det här blogginlägget undersöka de problem som Big Data-analys kan lösa inom vårdområdet. Låt oss också titta på några fallstudier av tillämpningen av Big Data Analytics i vården och de verktyg som används.





Varför Big Data Analytics inom vården?

De främsta fördelarna med att tillämpa Big Data-analys inom sjukvården är:

hur man ställer in förmörkelse för java
  • Tidig upptäckt och kontroll av epidemier
  • Noggrann upptäckt och botning av sjukdomar som har låg behandlingsframgång
  • Upptäckter av nya behandlingar baserade på genomik och patientprofilering
  • Förebyggande av försäkringar och mediefråga
  • Ökning av vårdinstitutionernas lönsamhet

Tillkomsten av bärbara enheter har gjort insamlingen av vårddata enklare än någonsin tidigare. Från spårning av träningsdata till geriatrisk vård och intensivvård har bärbar teknik revolutionerat datainsamlingen inom sjukvården. Faktum är att Global Connected Health Market 2016-2020-rapporten förutspår att den globala anslutna hälsomarknaden ska växa till en CAGR på 26,54% under perioden 2016-2020!



De insamlade uppgifterna kan lagras med Hadoop och analyseras med MapReduce och Spark.

Stora data inom sjukvården - användningsfall

En av de mest kända implementeringarna av Big Data i Healthcare under senare tid är IBM Watson, en kraftfull kognitiv datorplattform för sjukvårdsanalys. Den är utrustad med naturliga språkfunktioner, hypotesgenerering och evidensbaserat lärande för att stödja läkare när de fattar beslut.

Så här kan en läkare använda Watson för att hjälpa till att diagnostisera och behandla patienter:



IBM-Watson-big-data-in-healthcare

Steg 1 : Läkare ställer en fråga som beskriver patientens symptom och relaterade faktorer.

Steg 2: Watson analyserar ingångarna genom att bryta tillgängliga patientdata för relevanta faktorer som familjehälsovård, mediciner, testrapporter etc. och beaktar också läkarens anteckningar, kliniska studier, forskningsartiklar och andra sådana data.

Steg 3: Watson lägger ut en lista med diagnoser med motsvarande poäng som anger konfidensnivån för varje hypotes. Detta hjälper läkaren - och patienten - att fatta mer informerade och exakta beslut.

Bevisbaserad diagnos - Implementering:

En av de välkända applikationerna från IBM Watson har varit ” Watson för onkologi 'Applikation som IBM utvecklade i samarbete med New Yorks Memorial Sloan Kettering Cancer Center (MSK).

  • Premiss: Den grundläggande förutsättningen för vilken applikationen bygger är att MSK onkologer är kända experter på vissa typer av cancer. Om IBM Watson kan utbildas för att ta på sig sin expertis blir kunskapen tillgänglig för alla läkare från alla hörn av världen.
  • Program: Watson for Oncology-appen är en enda applikation för elitcancervård som kan köras på en iPad eller andra surfplattor.
  • Ansökan: Låt oss ta ett hypotetiskt fall av en patient i ett avlägset hörn av Asien som lider av en sällsynt form av lungcancer som är genetiskt kopplad. Läkarna på sjukhuset där patienten behandlas kanske inte har nödvändig expertis för att behandla denna specifika lungcancerstam, men Watson for Oncology gör med hjälp av MSK Cancer Center-data.

Betydelsen av denna app är vidsträckt eftersom alla läkare från var som helst i världen kan komma åt appen genom att bara få en licens för programmet och ge sina patienter tillgång till cancerbehandling i världsklass. Sådan är magin i sjukvårdsanalyser som kommer från tillgång till Big Data inom sjukvården!

Du kan hitta fler sådana användningsfall kopplade till prediktiv analys och evidensbaserade behandlingar här .

Hadoops roll i Healthcare Analytics

Hadoop är den underliggande tekniken som används i många plattformar för vårdanalys. Detta beror på att Apache Hadoop är rätt passform för att hantera de enorma och komplexa sjukvårdsdata och effektivt hantera de utmaningar som plågar sjukvårdsindustrin. Några argument för att använda Hadoop för att arbeta med Big Data i Healthcare är:

  1. Hadoop gör datalagring billigare och mer tillgängligt:

För närvarande är 80% av all vårdinformation ostrukturerad data. Detta inkluderar läkaranteckningar, medicinska rapporter, laboratorieresultat, röntgen, MR-bilder, vitala och ekonomiska data bland andra. Hadoop ger läkare och forskare möjlighet att hitta insikter från datamängder som tidigare var omöjliga att hantera.

  1. Lagringskapacitet och hantering:

De flesta vårdorganisationer kan lagra högst tre dagars data per patient, vilket begränsar möjligheten för analys av den producerade informationen. Hadoop kan lagra och hantera enorma mängder data, vilket gör den till den perfekta kandidaten för jobbet.

  1. Hadoop kan fungera som dataorganisatör och även som ett analysverktyg:

Hadoop hjälper forskare att hitta korrelationer i datamängder med många variabler, en svår uppgift för människor. Det är därför det är rätt ram för att arbeta med vårddata.

Här är en demo för tillämpningen av Big Data Analytics i vården. Denna MapReduce-demo hjälper dig att skriva ett program som kan eliminera duplicerade CT-skannade bilder från en databas med 100 miljoner bilder. Steg-för-steg-proceduren, tillvägagångssättet och lösningen finns i denna videohandledning.

implementera en länkad lista i c

Detta är bara ett av de många tillfällen där Big Data-analys har hjälpt till att lösa stora hälsoproblem och bidragit till effektiv upptäckt och förebyggande av sjukdomar. Hadoop är extremt relevant i analysen av enorma datamängder för förebyggande och snabb behandling av kroniska sjukdomar. Det finns en enorm outnyttjad möjlighet i användningen av Big Data Analytics inom hälso- och sjukvården och det är dags för Hadoop-proffs att ta steget och ta utmaningen!

Edureka har en levande och instruktörsledd kurs om Big Data & Hadoop, skapad av branschutövare.

Har du en fråga till oss? Vänligen nämna det i kommentarfältet så återkommer vi till dig.

Relaterade inlägg:

10 hetaste tekniska färdigheter att behärska 2016