Les dades de salut es troben entre les dades més complexes i voluminoses produïdes al món actualment. Entre aquesta enorme pila de dades sanitàries hi ha informació valuosa que pot afectar directament i millorar la qualitat de la vida humana. Tot i que no teníem mitjans per analitzar aquestes dades fins fa tan sols una dècada, el progrés en Big Data Analytics ha convertit Healthcare Analytics en una realitat diferent avui en dia.
En aquesta entrada del blog, examinem els problemes que les anàlisis de Big Data poden resoldre en el camp de la salut. Vegem també alguns estudis de casos sobre l’aplicació de Big Data Analytics a la salut i les eines que s’utilitzen.
Per què Big Data Analytics en salut?
Els avantatges principals d’aplicar l’anàlisi de Big Data a la sanitat són:
- Descobriment precoç i control d’epidèmies
- Detecció i cura precises de malalties amb poc èxit de tractament
- Descobriment de nous tractaments basats en la genòmica i el perfil de pacients
- Prevenció d'assegurances i frau de reclamacions mitjanes
- Augment de la rendibilitat de les institucions sanitàries
L’aparició de dispositius portàtils ha facilitat la recollida de dades sanitàries que mai abans. Des del seguiment de dades de condicionament físic fins a cures geriàtriques i cures intensives, la tecnologia portàtil ha revolucionat la recopilació de dades en salut. De fet, l’informe Global Connected Health Market 2016-2020 preveu que el mercat global de la salut connectada creixi a un CAGR del 26,54% durant el període 2016-2020.
Les dades recollides es poden emmagatzemar mitjançant Hadoop i analitzar-les amb MapReduce i Spark.
Big Data en atenció sanitària: cas d’ús
Una de les implementacions més conegudes de Big Data a Healthcare en els darrers temps és IBM Watson, una poderosa plataforma d’informàtica cognitiva per a l’anàlisi de la salut. Està equipat amb capacitats de llenguatge natural, generació d’hipòtesis i aprenentatge basat en l’evidència per donar suport als professionals mèdics mentre prenen decisions.
Així és com un metge pot utilitzar Watson per ajudar a diagnosticar i tractar pacients:
Pas 1 : El metge fa una consulta sobre els símptomes del pacient i els factors relacionats.
Pas 2: Watson analitza les aportacions mitjançant l'explotació de les dades disponibles dels pacients per a factors rellevants com ara antecedents de salut familiar, medicaments, informes de proves, etc. i també té en compte les notes del metge, estudis clínics, articles de recerca i altres dades d'aquest tipus.
Pas 3: Watson publica una llista de diagnòstics amb les puntuacions corresponents que indiquen el nivell de confiança de cada hipòtesi. Això ajuda el metge i el pacient a prendre decisions més informades i precises.
Diagnòstic basat en evidències: implementació:
Una de les aplicacions més conegudes d’IBM Watson ha estat la ‘ Watson per a l’oncologia ’Aplicació que IBM va desenvolupar en col·laboració amb el Memorial Sloan Kettering Cancer Center (MSK) de Nova York.
- Premissa: La premissa bàsica sobre la qual es basa l’aplicació és aquesta: els oncòlegs MSK són experts coneguts en certs tipus de càncer. Si IBM Watson es pot formar per adquirir la seva experiència, el coneixement estarà disponible per a qualsevol metge de qualsevol racó del món.
- Programa: L’aplicació Watson for Oncology és una aplicació única per a la cura del càncer d’elit que es pot executar en un iPad o altres tauletes.
- Sol·licitud: Prenguem un cas hipotètic d'un pacient en un racó llunyà d'Àsia que pateix una forma rara de càncer de pulmó que està genèticament relacionat. És possible que els metges de l’hospital on es tracta el pacient no tinguin l’experiència necessària per tractar aquesta soca específica de càncer de pulmó, però Watson for Oncology sí que ho fa amb les dades del MSK Cancer Center.
convertir l'objecte a matriu php
La importància d’aquesta aplicació és de gran abast, ja que qualsevol metge de qualsevol part del món pot accedir a l’aplicació amb només obtenir una llicència per al programa i donar als seus pacients accés a un tractament contra el càncer de classe mundial. Aquesta és la màgia de les analítiques sanitàries que neixen de l’accés al Big Data a la sanitat.
Podeu trobar més casos d’ús relacionats amb l’anàlisi predictiva i els tractaments basats en l’evidència aquí .
Fibonacci en c ++
Paper d'Hadoop en Healthcare Analytics
Hadoop és la tecnologia subjacent que s’utilitza en moltes plataformes d’anàlisi sanitària. Això es deu al fet que Apache Hadoop és l’adequat per manejar les enormes i complexes dades sanitàries i fer front amb eficàcia als reptes que afecten la indústria sanitària. Alguns arguments per utilitzar Hadoop per treballar amb Big Data a Healthcare són:
- Hadoop fa que l’emmagatzematge de dades sigui menys costós i més disponible:
Actualment, el 80% de tota la informació sanitària són dades no estructurades. Això inclou notes mèdiques, informes mèdics, resultats de laboratori, raigs X, imatges de ressonància magnètica, dades vitals i dades financeres, entre d’altres. Hadoop ofereix a metges i investigadors l’oportunitat de trobar informació de conjunts de dades que abans no eren manejables.
- Capacitat i manipulació d'emmagatzematge:
La majoria d’organitzacions sanitàries no poden emmagatzemar dades de tres dies per pacient, limitant l’oportunitat d’anàlisi de les dades produïdes. Hadoop pot emmagatzemar i gestionar una gran quantitat de dades, cosa que el converteix en el candidat ideal per a la feina.
- Hadoop pot servir com a organitzador de dades i també com a eina d’anàlisi:
Hadoop ajuda els investigadors a trobar correlacions en conjunts de dades amb moltes variables, una tasca difícil per als humans. Per això, és el marc adequat per treballar amb dades sanitàries.
Aquí teniu una demostració per a l’aplicació de Big Data Analytics a la sanitat. Aquesta demostració de MapReduce us ajudarà a escriure un programa que pugui eliminar les imatges d'escaneig CT duplicades d'una base de dades de 100 milions d'imatges. El procediment pas a pas, l'enfocament i la solució es poden trobar en aquest vídeo tutorial.
Aquest és només un dels molts casos en què l’anàlisi de Big Data ha ajudat a resoldre problemes sanitaris importants i ha contribuït a la detecció i prevenció efectives de malalties. Hadoop és extremadament rellevant en l'anàlisi de grans conjunts de dades per a la prevenció i el tractament oportú de malalties cròniques. Hi ha una gran oportunitat inexplotada en l’ús de Big Data Analytics a la sanitat i és el moment adequat perquè els professionals d’Hadoop intensifiquin el seu repte.
Edureka té un curs dirigit per instructors sobre Big Data i Hadoop, co-creat per professionals de la indústria.
Tens alguna pregunta? Esmenta’l a la secció de comentaris i et respondrem.
Articles Relacionats:
10 habilitats tècniques més calentes per dominar el 2016