Helsetjenester er blant de mest komplekse og omfangsrike dataene som produseres i verden i dag. Liggende blant denne enorme bunken med helsedata er verdifull innsikt som direkte kan påvirke og forbedre kvaliteten på menneskeliv. Mens vi manglet måter å analysere disse dataene til så sent som for et tiår siden, har fremgang i Big Data Analytics gjort Healthcare Analytics til en tydelig realitet i dag!
La oss i dette blogginnlegget undersøke problemene som Big Data-analyser kan løse i helsesektoren. La oss også se på noen få casestudier av anvendelsen av Big Data Analytics i helsetjenester og verktøyene som brukes.
Hvorfor Big Data Analytics i helsevesenet?
De viktigste fordelene ved å bruke Big Data-analyse i helsevesenet er:
- Tidlig oppdagelse og kontroll av epidemier
- Nøyaktig påvisning og kur av sykdommer som har lav behandlingssuksess
- Oppdagelse av nye behandlinger basert på genomikk og pasientprofilering
- Forebygging av forsikring og medikravsvindel
- Økt lønnsomhet i helseinstitusjoner
Fremveksten av bærbare enheter har gjort innsamling av helsedata lettere enn noen gang før. Fra sporing av treningsdata til geriatrisk pleie og intensivbehandling har bærbar teknologi revolusjonert datainnsamlingen innen helsetjenester. Faktisk prognoser Global Connected Health Market 2016-2020-rapporten at det globale tilkoblede helsemarkedet vil vokse med en CAGR på 26,54% i perioden 2016-2020!
Dataene som samles inn, kan lagres ved hjelp av Hadoop og analyseres ved hjelp av MapReduce og Spark.
Big Data in Healthcare - Use Case
En av de mest kjente implementeringene av Big Data i Healthcare i nyere tid er IBM Watson, en kraftig kognitiv databehandlingsplattform for helseanalyse. Den er utstyrt med naturlige språkkunskaper, hypotesegenerering og evidensbasert læring for å støtte medisinske fagpersoner når de tar beslutninger.
Slik kan en lege bruke Watson til å hjelpe til med å diagnostisere og behandle pasienter:
Trinn 1 : Lege stiller et spørsmål som beskriver symptomer på pasienten og relaterte faktorer.
sorter () c ++
Steg 2: Watson analyserer innspillene ved å utvinne tilgjengelige pasientdata for relevante faktorer som familiens helsehistorie, medisiner, testrapporter osv. Og vurderer også legenotater, kliniske studier, forskningsartikler og andre slike data.
Trinn 3: Watson legger ut en liste over diagnoser med tilsvarende score som indikerer konfidensnivået for hver hypotese. Dette hjelper legen - og pasienten - med å ta mer informerte og nøyaktige beslutninger.
hva er skannerklassen i java
Bevisbasert diagnose - Implementering:
En av de kjente applikasjonene til IBM Watson har vært ' Watson for onkologi 'Applikasjon som IBM utviklet i samarbeid med New Yorks Memorial Sloan Kettering Cancer Center (MSK).
- Forutsetning: Den grunnleggende forutsetningen som applikasjonen er bygget på er dette - MSK onkologer er kjente eksperter på visse typer kreftformer. Hvis IBM Watson kan opplæres til å ta på seg sin ekspertise, blir kunnskapen tilgjengelig for enhver lege fra ethvert hjørne av verden.
- Program: Watson for Oncology-appen er en one-stop-applikasjon for elite kreftomsorg som kan kjøres på en iPad eller andre nettbrett.
- Applikasjon: La oss ta et hypotetisk tilfelle av en pasient i et fjernt hjørne av Asia som lider av en sjelden form for lungekreft som er genetisk knyttet. Legene på sykehuset der pasienten blir behandlet, har kanskje ikke den nødvendige ekspertisen for å behandle denne spesifikke lungekreftstammen, men Watson for Oncology gjør det med hjelp fra MSK Cancer Center-data.
Betydningen av denne appen er vidtrekkende, ettersom enhver lege fra hvor som helst i verden kan få tilgang til appen ved bare å få en lisens for programmet og gi pasientene tilgang til kreftbehandling i verdensklasse. Slik er magien med helseanalyser som kommer fra tilgang til Big Data i helsevesenet!
Du kan finne flere slike brukssaker knyttet til prediktiv analyse og evidensbaserte behandlinger her .
Rollen til Hadoop i Healthcare Analytics
Hadoop er den underliggende teknologien som brukes i mange helseanalyseplattformer. Dette skyldes at Apache Hadoop er riktig egnet til å håndtere de enorme og komplekse helsedataene og effektivt takle utfordringene som plager helsevesenet. Noen argumenter for å bruke Hadoop til å jobbe med Big Data in Healthcare er:
- Hadoop gjør datalagring billigere og mer tilgjengelig:
For tiden er 80% av all helseinformasjon ustrukturerte data. Dette inkluderer blant annet legenotater, medisinske rapporter, laboratorieresultater, røntgen, MR-bilder, vitals og økonomiske data. Hadoop gir leger og forskere muligheten til å finne innsikt fra datasett som tidligere var umulige å håndtere.
- Lagringskapasitet og håndtering:
De fleste helseorganisasjoner kan ikke lagre mer enn tre dager med data per pasient, noe som begrenser muligheten for analyse av produserte data. Hadoop kan lagre og håndtere enorm mengde data, noe som gjør den til den ideelle kandidaten for jobben.
- Hadoop kan fungere som dataorganisator og også som et analyseverktøy:
Hadoop hjelper forskere med å finne sammenhenger i datasett med mange variabler, en vanskelig oppgave for mennesker. Det er derfor det er riktig rammeverk å jobbe med helsedata.
Her er en demo for anvendelse av Big Data Analytics i helsevesenet. Denne MapReduce-demoen hjelper deg med å skrive et program som kan eliminere dupliserte CT-skannede bilder fra en database med 100 millioner bilder. Den trinnvise fremgangsmåten, tilnærmingen og løsningen finner du i denne videoopplæringen.
Dette er bare ett av mange tilfeller der Big Data-analyse har bidratt til å løse store helseproblemer og bidratt til effektiv påvisning og forebygging av sykdommer. Hadoop er ekstremt relevant i analysen av enorme datasett for forebygging og rettidig behandling av kroniske sykdommer. Det er en enorm ubenyttet mulighet i bruken av Big Data Analytics i helsevesenet, og tiden er inne for Hadoop-fagpersoner å ta tak i utfordringen!
Edureka har et live og instruktørledet kurs om Big Data & Hadoop, co-laget av industriutøvere.
Har du et spørsmål til oss? Vennligst nevn det i kommentarfeltet, så kommer vi tilbake til deg.
Relaterte innlegg:
tostring () metode java
10 hotteste tekniske ferdigheter å mestre i 2016