醫(yī)療大數(shù)據(jù)的應(yīng)用PPT

醫(yī)療大數(shù)據(jù)的應(yīng)用19/22/2023議程? 醫(yī)療與大數(shù)據(jù)的趨勢2? 什么是醫(yī)療大數(shù)據(jù)?? 大數(shù)據(jù)面臨的挑戰(zhàn)? 如何管理和利用大數(shù)據(jù)? 案例分享? 總結(jié)與展望9/22/2023議程? 醫(yī)療與大數(shù)據(jù)的趨勢3? 什么是醫(yī)療大數(shù)據(jù)?? 大數(shù)據(jù)面臨的挑戰(zhàn)? 如何管理和利用大數(shù)據(jù)? 案例分享? 總結(jié)與展望9/22/2023趨勢分析:

我們正處在醫(yī)療行業(yè)的一個重要轉(zhuǎn)折點4醫(yī)療費用在不斷上升GDP的占比非常高Source:U

nited

Nation

s“Po

pulati

onAgi

ng200

2”25-

29%30+

%20-

24%10-

19%0-9

%

%

o

f

popu

lationoverage

602050WWAverageAge60+:

21%全球老齡化平均年齡60

+:目前的10%,

到2050年將達(dá)到20%以美國為例:

醫(yī)療大數(shù)據(jù)的價值3千億美元/年,

相當(dāng)于每年生成總值增長0.7%9/22/2023趨勢分析:我們正處在醫(yī)療行業(yè)的一個重要轉(zhuǎn)折點50500010000150002010 2011 2012 2013 2014 2015存儲的增長醫(yī)療服務(wù)產(chǎn)生的數(shù)據(jù)總量(PB)AdminImagingEMREmailFileNonClin

ImgResearch醫(yī)療影像歸檔一個醫(yī)療系統(tǒng)案例的數(shù)據(jù)到2020年,醫(yī)療數(shù)據(jù)將急劇增長到35Zetabytes,相當(dāng)于2009年數(shù)據(jù)量的44倍增長9/22/2023議程? 醫(yī)療與大數(shù)據(jù)的趨勢6? 什么是醫(yī)療大數(shù)據(jù)?? 大數(shù)據(jù)面臨的挑戰(zhàn)? 如何管理和利用大數(shù)據(jù)? 案例分享? 總結(jié)與展望9/22/2023醫(yī)療大數(shù)據(jù)簡介71.

制藥企業(yè)/生命科學(xué)3.費用報銷,利用率和

欺詐監(jiān)管2.臨床決策支持&其他臨床應(yīng)用

(包括診斷相關(guān)的影像信息)4.

患者行為/社交網(wǎng)絡(luò)數(shù)據(jù)來源包括哪些?我們?nèi)绾卫么髷?shù)據(jù)創(chuàng)造價值? (示例)1.

個體化醫(yī)療3.

欺詐監(jiān)測得以加強(qiáng)2.

臨床決策支持4.

由生活方式和行為引發(fā)的疾病分析9/22/2023醫(yī)療大數(shù)據(jù)相關(guān)解決方案8分布式平臺存儲優(yōu)化安全和隱私影像數(shù)據(jù)處理加速新興的醫(yī)療服務(wù)應(yīng)用個體化醫(yī)療臨床決策支持腫瘤基因組學(xué)健康信息服務(wù)基礎(chǔ)醫(yī)療服務(wù)個人健康管理老齡社會數(shù)據(jù)分析及視覺化處理類SQL的檢索醫(yī)療影像分析機(jī)器學(xué)習(xí)數(shù)據(jù)處理/管理醫(yī)療影像醫(yī)療記錄基因數(shù)據(jù)議程? 醫(yī)療與大數(shù)據(jù)的趨勢9? 什么是醫(yī)療大數(shù)據(jù)?? 大數(shù)據(jù)面臨的挑戰(zhàn)? 如何管理和利用大數(shù)據(jù)? 案例分享? 總結(jié)與展望9/22/2023大數(shù)據(jù)的挑戰(zhàn)不僅來自于數(shù)據(jù)量的增長...需要新技術(shù)的支持10檢驗結(jié)果,費用數(shù)據(jù),影像,設(shè)備產(chǎn)生的感應(yīng)數(shù)據(jù),

基因數(shù)據(jù)等數(shù)據(jù)量? 結(jié)構(gòu)化數(shù)據(jù),

遵循標(biāo)準(zhǔn)的數(shù)據(jù)標(biāo)準(zhǔn)(如,HL7)? 非結(jié)構(gòu)化數(shù)據(jù),

如口述、手寫、照片、影像等類型在傳統(tǒng)的解決方案之上，引入新的數(shù)據(jù)及分析模型和技術(shù)，實時有效的商業(yè)價值基于現(xiàn)有數(shù)據(jù)庫中的數(shù)據(jù)進(jìn)行分析，來支持不同種類的業(yè)務(wù)：如費用及報銷、患者病史、歸檔影像分析、實時臨床決策支持（數(shù)據(jù)分析）價值?

實時數(shù)據(jù)分析，而非傳統(tǒng)的批量處理分析?

數(shù)據(jù)以流的方式進(jìn)入系統(tǒng)，進(jìn)行抽取和分析?

對于實時運行中的每個時間節(jié)點產(chǎn)生影響，而不是事后處理速度9/22/2023議程? 醫(yī)療與大數(shù)據(jù)的趨勢11? 什么是醫(yī)療大數(shù)據(jù)?? 大數(shù)據(jù)面臨的挑戰(zhàn)? 如何管理和利用大數(shù)據(jù)? 案例分享? 總結(jié)與展望9/22/2023關(guān)注數(shù)據(jù)的價值12數(shù)據(jù)源文本-語音-視頻-傳感器RequestingOrM2M通訊批量–

商業(yè)應(yīng)用傳統(tǒng)解決方案環(huán)境ERP,CRM,

Batch,OLTP-DB邊緣服務(wù)器(Edge)大數(shù)據(jù)存儲的考慮傳統(tǒng)存儲方式大規(guī)模數(shù)據(jù)分析–

Hadoop*海量數(shù)據(jù)庫–Hive*大規(guī)模備份–

Lustre*豐富的視覺化效果–

安全的數(shù)據(jù)分析和緩存分析

同步端到端Machine-to-MachineSource-to-Source9/22/2023關(guān)注數(shù)據(jù)的價值13數(shù)據(jù)源文本-語音-視頻-傳感器RequestingOrM2M通訊批量–

商業(yè)應(yīng)用傳統(tǒng)解決方案環(huán)境ERP,CRM,

Batch,OLTP-DB邊緣服務(wù)器（Edge）DataCenter

ProvisioningDiscreteVirtualCloud–AsA

ServiceHPC大數(shù)據(jù)存儲的考慮傳統(tǒng)存儲方式大規(guī)模分析–

Hadoop*海量數(shù)據(jù)庫–Hive*大規(guī)模備份–

Lustre*豐富的視覺化效果–

安全的數(shù)據(jù)分析和緩存分析同步端到端Machine-to-MachineSource-to-Source可行的解決方案體系（示例）Applications&

ServicesVisualization–FileStructure&AnalyticalToolsDataDelivery,Operational&

GraphicalAnalyticsDataManagement&

ComputationalAnalyticsCompute–Storage&

InfrastructurePlatforms大數(shù)據(jù)解決方案的部署方式（參考）14企業(yè)級數(shù)據(jù)倉庫電子表格視覺化工具數(shù)據(jù)挖掘集成開發(fā)工具ODS&

數(shù)據(jù)集市企業(yè)應(yīng)用工具傳統(tǒng)的文件格式日志社交&

網(wǎng)絡(luò)遺留系統(tǒng)結(jié)構(gòu)化非結(jié)構(gòu)化錄音文件&筆記等數(shù)據(jù)平臺關(guān)系型數(shù)據(jù)庫No-SQL內(nèi)存數(shù)據(jù)庫SQL應(yīng)用NodeNodeNodeHadoop*Web

AppsMashUpsIMPORTINSIGHTSCONSUMECreateMapREDUCE18大數(shù)據(jù)解決方案的整體框架架構(gòu)Dataasa

ServicesBI&Predictive

AnalyticsExistingBI/Analyticswith

in-databasedataprocessing

supportMedicalDevicesDataVelocityDataVolumeandQualityIntegratedAnalytics

withHadoopSupportIntegrationToolsDistributedHighPerformanceData

ProcessingHadoop*

MapReduceDataingestion,IntegrationandProcessing

ServicesMPP

DatabasesDW

AppliancesDatabasesDBMS/

NoSQLCustomAnalytic

SolutionsMapReduce Textual

AnalyticsStreaming

Analytics10GBeFast

FabricVerticallyIntegratedSoftwareIntelAIMSuiteNLP/SemanticSearch/MachineLearningKnowledgeManagementDataVulnerabilityHPC/

TCPMICNAS-SAS

andDistributedStorageData

AccessUserAuthenticationDataCharacteristicsDistributed Virtual PersistenceEvent,MessageReal-Time,Cached,FederatedEDW,

MartsDataVisibilityCloudProvisioningModels-Storage&Connectivity

ConsiderationsData

SourcesText,

VideoSecurityServicesPrivacyComplianceHumanGenome&DrugDiscoveryGISSurveillance

andMedicalDeviceStreaming

DataDiagnosticImagesSocialMediaMedicalRecordsLogFilesand

AudioProvisioning

ModelsCanVaryby

DataCharacteristics159/22/2023高效的大數(shù)據(jù)訪問途徑

(客戶端)16“Know

Me” “Free

Me” “Express

Me”智能手機(jī)移動醫(yī)療助理平板電腦筆記本,Ultrabook?其他設(shè)備臺式機(jī)數(shù)字標(biāo)牌自助終端MobilityVital

sign,I&O

entryMedicationadministrationTemplatedata

entryFree-format

textdata

entryLarge

diagnosticimagesData

inquiryManageability“Link

Me”9/22/2023大數(shù)據(jù)在中國醫(yī)療行業(yè)中的應(yīng)用模式171.制藥企業(yè)/生命科學(xué)3.費用報銷,

利用率和欺詐監(jiān)管4.患者行為/社交網(wǎng)絡(luò)2.臨床決策支持

&其他臨床應(yīng)用

(包括診斷相關(guān)的影像信息)?藥品研發(fā)對藥品實際

作用進(jìn)行分析；實施藥品市場預(yù)測?基因測序?分布式計算加快基因測序計算效率?臨床數(shù)據(jù)比對匹配同類型的病人，用藥?臨床決策支持利用規(guī)則和數(shù)據(jù)實時分析給出智能提示?公共衛(wèi)生實時統(tǒng)計分析發(fā)現(xiàn)公共衛(wèi)生疫情及公民健康狀況?新農(nóng)合基金數(shù)據(jù)分析及時了解基金狀況，預(yù)測風(fēng)險輔助制定農(nóng)合基金的起付線，賠付病種等?基本藥物臨床應(yīng)用分析分析基本藥物在處方中的比例?遠(yuǎn)程監(jiān)控采集并分析病人隨身攜帶儀器數(shù)據(jù)，給出智能建議?人口統(tǒng)計學(xué)分析對不同群體人群的就醫(yī)，健康數(shù)據(jù)實施人口統(tǒng)計分析?了解病人就診行為發(fā)現(xiàn)病人的特定就診行為，分配醫(yī)療資源議程? 醫(yī)療與大數(shù)據(jù)的趨勢18? 什么是醫(yī)療大數(shù)據(jù)?? 大數(shù)據(jù)面臨的挑戰(zhàn)? 如何管理和利用大數(shù)據(jù)? 案例分享? 總結(jié)與展望9/22/2023案例分享:RegionalHealthInfoNetwork–

ChinaReal-timeClinicalDecision

Support19?實時的醫(yī)療數(shù)據(jù)處理（電子健康檔案，醫(yī)療影像數(shù)據(jù)），支持醫(yī)療協(xié)同、臨床決策支持和公共衛(wèi)生管理采用

Hadoop*(HBase*/Hive*)來實現(xiàn)醫(yī)療數(shù)據(jù)分析和處理? 未來將擴(kuò)展到不同領(lǐng)域、不同區(qū)域/地區(qū)（包括數(shù)據(jù)交換、處理和分析）?與本地的軟件廠商及OEM廠商進(jìn)行了廣泛合作? 技術(shù)挑戰(zhàn)– Hadoop

(HBase/Hive)與傳統(tǒng)關(guān)系型數(shù)據(jù)庫如何有效結(jié)合– 大數(shù)據(jù)在區(qū)域衛(wèi)生信息平臺中的切實可行應(yīng)用場景PublicHealthHospitalPrimary

care(Grassroots)AncillaryData&ServicesHealthInformationDWEHRData&ServicesRegistriesData&ServicesLongitudinalRecord

ServicesHealthInformationAccess

LayerCareCoordinationClinicaldecision

support…Data

AnalyticR&D…RHIN區(qū)域醫(yī)療及基層醫(yī)療信息系統(tǒng)大數(shù)據(jù)解決方案20分布式數(shù)據(jù)服務(wù)系統(tǒng)展現(xiàn)層(報告,

視圖)集成的用戶應(yīng)用界面（居民、醫(yī)生、衛(wèi)生行政管理人員）數(shù)據(jù)挖掘

（Mahout） 分布式批量處理框架(Map/Reduce)協(xié)作

服務(wù)(Zookeeper)結(jié)構(gòu)化數(shù)據(jù)采集器

(Sqoop) 日志數(shù)據(jù)采集器(Flume)分布式文件系統(tǒng)

(HDFS) 區(qū)域衛(wèi)生信息訪問層(HIAL)醫(yī)院信息系統(tǒng)醫(yī)院信息系統(tǒng)實時數(shù)據(jù)庫(Hbase)語言和編譯(Hive)基層醫(yī)療信息系統(tǒng)新農(nóng)合醫(yī)療保險服務(wù)器虛擬化基礎(chǔ)設(shè)施虛擬化網(wǎng)絡(luò)虛擬化 存儲虛擬化基于云的區(qū)域基層醫(yī)療服務(wù)系統(tǒng)多租戶應(yīng)用健康檔案數(shù)據(jù)存儲公共衛(wèi)生 醫(yī)療服務(wù)運營管理 藥品管理9/22/2023Sequencing3BillionBase

PairsDataProcessingCloud

StorageVisualizationMillions

ofVariantsInterpretation&AnalyticsMillionsof

VariantsMillionsof

PatientsCommercializingTargetedTherapeuticsCompanionDiagnosticsActionable

Biomarkers案例分享:

NEXTBIO基因數(shù)據(jù)分析21Costtosequenceagenomehasfallenby800xinthelast4yearsEachgenomehas~4million

variantsGrowthinthegenomicsdatainthepublicandprivate

domainDataavailableinvarietyof

sources– Structured,semi-structured,

unstructuredNewaggregateddatagrowingexponentially9/22/2023案例分享:

NEXTBIO病人相關(guān)性數(shù)據(jù)22Novel

DiscoveriesBiomarkersDisease

MechanismDrug

IndicationsClinicalTrial

ParametersPatientCare

OptionsLargecontentrepositoryofpublicandprivategenomicdatacombinedwithproprietaryandpatentedcorrelation

engine9/22/2023案例分享:KaiserPermanente

大數(shù)據(jù)應(yīng)用23數(shù)據(jù)的發(fā)展趨勢? Kaiser的數(shù)據(jù)中，90%是非結(jié)構(gòu)化的

(80%的EHR和影像數(shù)據(jù))? 在未來十年，數(shù)據(jù)將會有25

倍的增長

(Oneexabyteby

2020)? 主要的數(shù)據(jù)增長來自于非結(jié)構(gòu)化數(shù)據(jù)

(醫(yī)療影像,視頻,文本,

音頻等)? 信息給實時個性化醫(yī)療服務(wù)帶來了可能性

(RequiresContextual–device,environment,spatial,Demographics,SocialandBehavioralprofilesinadditiontomedical

information)? Kaiser

正在評估大數(shù)據(jù)相關(guān)技術(shù)…24結(jié)構(gòu)化數(shù)據(jù)80%非結(jié)構(gòu)化數(shù)據(jù)? 全世界80%

的數(shù)據(jù)是非結(jié)構(gòu)化的

(大量的移動終端設(shè)備,

機(jī)器產(chǎn)生的數(shù)據(jù))? 在未來十年，數(shù)據(jù)將迎來44倍的增長

(35zettabytesby

2020)? 主要的數(shù)據(jù)增長來自于

非結(jié)構(gòu)化數(shù)據(jù)

(在線的歸檔數(shù)據(jù),醫(yī)療影像,在線視頻和存儲,照片等)? 信息給各行業(yè)發(fā)展帶來了新一輪的機(jī)遇

(零售,金融,保險,制造,

醫(yī)療,…)? 各行業(yè)已經(jīng)開始采用

大數(shù)據(jù)技術(shù)

用于信息提

取全球數(shù)據(jù)的構(gòu)成結(jié)構(gòu)化數(shù)據(jù)Kaiser的數(shù)據(jù)構(gòu)成90%非結(jié)構(gòu)化數(shù)據(jù)數(shù)據(jù)平臺計算的趨勢–分布式計算25DiscontinuousChangeSAN/NASMasterSlave(s)DataisdistributedacrossprocessingslavenodesResourcescontainingdataarenot

sharedMastermanagesthedatadistribution,jobschedulingacrossslavenodesandaggregatingresult

setsIntegratebuilt/boughtReal-timePredictiveAnalyticalSolutionsorProcessing

logicSMP

(5$)MPP

(10$)In-Memory

(50$)SAN/NASSAN/NASShare-NothingDistributedStorage

andCompute

($)Fault-tolerantMasterSlave

Architecturecapableofwithstandingpartialsystem

failuresDASSAN/NASSMP(DiskCaching,HighSpeed

Network)(10$)Kaiserislookingtoexploitthis

capability…Structured,RelationalTabular

DataInteractiveQuery

SupportReal-time

AnalyticsSQLTransaction

DataUnstructured,Non-tabularDataRichAdHoc

IntegrationReal-time

AnalyticsUQLALL

Data9/22/2023大數(shù)據(jù)平臺–需求分析26

Ingestion(DataModel,MetadataReferenceData,

Store)

Integration(Alignment,Semantics,Completeness,

Quality)

Interrogation(Clustering,Statistical,Quality,

Semantics)

Information(Standard&AdHocreporting,Query,Alerts,Forecasting,

Access)數(shù)據(jù)量

(Sensors,EMR,Claims,Pharmacy,Images)類型

(Structured,Text,Unstructured,Documents,

Images)處理的特性

Intuition(Simulation,Optimization,Stochastic

Optimization)Aunifiedinformationstorage

methodologyenablinguserstomanagedatafromALL

sources.Aportfoliooftoolstomanage

(profile,cleanse,classify,synchronize,aggregate,integrate,share)ALLtypesof

data.SupportcurrentBItoolsfocusedonstructuredinformation.Build/buypackaged

unstructureddataprocessingandanalytics

tools.Abilitytomodelinformationandtransitionfrommultipleaccessmethodstogenerating,

sharing,collaboratingandactingoninsightsanytime,anywhereonany

device.速度

(SLAs,Real-timeDecisionSupport&ContextualIntelligence)Informationdrivesprocessoptimizations

withstrategicimpact.Modelingbusinessintuitionfromdata

deluge.數(shù)據(jù)的特性9/22/2023大數(shù)據(jù)–

界定的標(biāo)準(zhǔn)27DATA

SIZEDATA

TYPEDATA

CLASSDATA

CATALOGDATA

VELOCITYDATA

ACCESSDATABASE

TYPESERVERARCHITECTU