大數(shù)據(jù)應用 醫(yī)療健康應用實例與系統(tǒng)分析(1)

從大數(shù)據(jù)和醫(yī)療健康大數(shù)據(jù)的介紹出發(fā)，首先闡述了醫(yī)療健康行業(yè)所面臨的挑戰(zhàn)和大數(shù)據(jù)對醫(yī)療健康行業(yè)的促進作用；然后介紹了大數(shù)據(jù)和醫(yī)療健康行業(yè)的背景知識；之后舉例說明了大數(shù)據(jù)在醫(yī)療健康行業(yè)的應用以及醫(yī)療健康大數(shù)據(jù)系統(tǒng)和關鍵技術。

1 概述

大數(shù)據(jù)是指難以被傳統(tǒng)數(shù)據(jù)管理系統(tǒng)有效且經(jīng)濟地存儲、管理、處理的復雜數(shù)據(jù)集。大數(shù)據(jù)一般以PB為單位計量，并包含結構化、半結構化、無結構化的數(shù)據(jù)，大數(shù)據(jù)給數(shù)據(jù)的采集、運輸、加密、存儲、分析和可視化帶來了嚴峻的挑戰(zhàn)[2]。與傳統(tǒng)數(shù)據(jù)相比，大數(shù)據(jù)包含5個V特性：Volume（數(shù)據(jù)規(guī)模巨大）、Variety（數(shù)據(jù)類型繁多）、Velocity（數(shù)據(jù)產(chǎn)生的數(shù)據(jù)非?？欤eracity（分析結果取決于數(shù)據(jù)準確性）、Value（大數(shù)據(jù)一般包含非常重要的價值）[3]。大數(shù)據(jù)帶來了存儲、管理、處理數(shù)據(jù)的挑戰(zhàn)，也帶來了發(fā)掘數(shù)據(jù)中新的價值的機遇。多個行業(yè)已經(jīng)利用大數(shù)據(jù)改善業(yè)務，例如金融業(yè)、零售業(yè)、生命科學、環(huán)境研究。大數(shù)據(jù)市場估計每年會增長50億美元的價值，到2020年將達到600億美元的價值[4]。

醫(yī)療健康行業(yè)目前面臨著巨大的挑戰(zhàn)，其中，最主要的挑戰(zhàn)包括：急劇升高的醫(yī)療支出、人口老齡化帶來的慢性疾病問題、醫(yī)療人員短缺、醫(yī)療欺詐[5]等。國家統(tǒng)計局的數(shù)據(jù)顯示，我國2013年醫(yī)療衛(wèi)生總支出為31 668億元，較2012年上升12.6%，并且已經(jīng)連續(xù)8年每年增長超過10%。醫(yī)療支出已經(jīng)占據(jù)了社會總支出很大的比例，在可以預見的將來，醫(yī)療支出將會持續(xù)增長。然而，根據(jù)美國醫(yī)學研究院（Institute of Medicine，IOM）的一篇報告，如今醫(yī)療健康支出的1/3被浪費而沒有用于改善醫(yī)療。這些浪費包括不必要的服務、行政浪費、昂貴的醫(yī)療費用、醫(yī)療欺詐和錯失預防的機會[6]。為了保持競爭力，醫(yī)療機構必須把數(shù)據(jù)作為一種戰(zhàn)略資產(chǎn)，分析數(shù)據(jù)以達到提高診斷準確度、提高療效、降低費用、減少浪費的目的。

醫(yī)療健康機構采用大數(shù)據(jù)可以有效地幫助醫(yī)生進行更準確的臨床診斷；更精確地預測治療方案的成本與療效；整合病人基因信息進行個性化治療；分析人口健康數(shù)據(jù)預測疾病爆發(fā)等。利用大數(shù)據(jù)技術還能有效減少醫(yī)療成本，麥肯錫全球研究院預計使用大數(shù)據(jù)分析技術將每年為美國節(jié)省3 000億美元開支。其中，最有節(jié)省開支潛力的兩個方面包括臨床操作和研發(fā)[7]。利用大數(shù)據(jù)技術幫助醫(yī)療企業(yè)實現(xiàn)其業(yè)務的例子正在快速增多。比如，ActiveHealthManagement收集用戶健康方面的數(shù)據(jù)以幫助用戶實現(xiàn)健康管理；CancerIQ整合臨床數(shù)據(jù)和基因數(shù)據(jù)幫助實現(xiàn)癌癥的風險評估、預防和治療；CliniCast利用大數(shù)據(jù)預測治療效果以及降低花費。

本文首先介紹醫(yī)療健康行業(yè)的大數(shù)據(jù)特點以及大數(shù)據(jù)技術背景，然后舉例說明目前大數(shù)據(jù)在醫(yī)療健康行業(yè)的應用，最后分析目前的醫(yī)療健康大數(shù)據(jù)系統(tǒng)及其相關技術。

2 背景知識

2.1 大數(shù)據(jù)處理方法

根據(jù)麥肯錫全球研究院2011年的報告，適合大數(shù)據(jù)的處理技術包括：關聯(lián)規(guī)則學習、分類、聚類分析、數(shù)據(jù)融合、機器學習、自然語言處理、回歸、信號處理、仿真、可視化[8]等。其中，關聯(lián)規(guī)則學習是挖掘各個變量間有趣的關系，比如在零售中發(fā)現(xiàn)經(jīng)常被一起買的商品，便于促銷；分類是通過訓練已有的數(shù)據(jù)集來有效識別新的數(shù)據(jù)，比如預測用戶的購買行為；聚類分析是按數(shù)據(jù)相似程度將整個數(shù)據(jù)集分為多個小規(guī)模的數(shù)據(jù)集；數(shù)據(jù)融合是將多個數(shù)據(jù)源的信息整合分析以產(chǎn)生新的更加精確、連續(xù)、有價值的信息；機器學習是一類算法的總稱，關注設計算法自動識別數(shù)據(jù)中的復雜模式；自然語言處理關注計算機與自然語言的聯(lián)系，幫助計算機識別人類語言；回歸是一組統(tǒng)計算法，用來判斷因變量與自變量的關系，以幫助預測。信號處理是一組用來識別、分析、處理信號的技術；仿真是模擬一個復雜系統(tǒng)行為的技術，經(jīng)常被用來預測；可視化是將數(shù)據(jù)處理為圖像、圖標、動畫，以幫助人類直觀了解數(shù)據(jù)。

2.2 大數(shù)據(jù)處理平臺

大數(shù)據(jù)的特點決定了傳統(tǒng)的數(shù)據(jù)庫軟件和數(shù)據(jù)處理軟件無法應對存儲、處理、分析大數(shù)據(jù)的任務。大數(shù)據(jù)處理任務由運行在數(shù)十臺，甚至數(shù)百臺服務器的大規(guī)模并行軟件完成[8]。常見的大數(shù)據(jù)處理平臺和工具有：MapReduce，其提供了一種分布式編程的抽象方法；Hadoop，其包含了多個系統(tǒng)和工具以幫助完成大數(shù)據(jù)任務； HDFS，其用來可靠地分布式存儲數(shù)據(jù)； Hive，其提供了Hado op上的SQL支持； HBase，它是基于HDFS的一種非關系型數(shù)據(jù)庫；Zookeeper，其提供了集群節(jié)點的一個管理方法。

2.3 醫(yī)療健康數(shù)據(jù)來源

醫(yī)院信息系統(tǒng)（hospital information system，HIS）是醫(yī)療數(shù)據(jù)的重要來源。醫(yī)院信息系統(tǒng)包括：電子病例系統(tǒng)（electronic medicalrecord system，EMRS）、實驗室信息系統(tǒng)（laboratory information system，LIS）、醫(yī)學影像存檔與通信系統(tǒng)（picture archiving &communicationsystem，PACS）、放射信息管理系統(tǒng)（radiology information system，RIS）、臨床決策支持系統(tǒng)（clinical decision support system，CDSS）等。根據(jù)中國醫(yī)院信息化狀況調查報告中對于醫(yī)院信息系統(tǒng)的總體實施現(xiàn)狀報告，截至2006年，電子病例系統(tǒng)、實驗室信息系統(tǒng)、醫(yī)學影像存檔與通信系統(tǒng)、臨床決策支持系統(tǒng)的已有或在建率分別為27.46%、37.70%、25.20%、12.30%[9]。

除此之外，各種健康設備可以幫助收集用戶的生命體征信息，比如心電數(shù)據(jù)、血氧濃度、呼吸、血壓、體溫、脈搏、運動量。社交網(wǎng)絡和搜索引擎也包含了潛在的人口健康信息。

相關知識

國內外健康醫(yī)療大數(shù)據(jù)建設及應用發(fā)展現(xiàn)狀分析
國家數(shù)據(jù)局：盡快推進一批醫(yī)療健康試點，加快數(shù)據(jù)要素開發(fā)利用
數(shù)字化運動健康管理系統(tǒng)
大數(shù)據(jù)為健康醫(yī)療賦效能
醫(yī)療，AI應用的下一條“黃金賽道”
用于健康與健身應用的傳感器技術
美年健康：AI醫(yī)療最佳應用場景跑出加速度
健康管理系統(tǒng)設計
實時監(jiān)測個體健康數(shù)據(jù)以改善健康結果
健康行業(yè)OA辦公系統(tǒng)、ERP管理系統(tǒng)

網(wǎng)址: 大數(shù)據(jù)應用 醫(yī)療健康應用實例與系統(tǒng)分析(1)? http://www.u1s5d6.cn/newsview46289.html