医疗大数据的应用

医疗大数据的应用,.,2,议程,医疗与大数据的趋势,什么是医疗大数据?大数据面临的挑战如何管理和利用大数据案例分享总结与展望,.,3,议程,医疗与大数据的趋势,什么是医疗大数据?大数据面临的挑战如何管理和利用大数据案例分享总结与展望,.,4,趋势分析:我们正处在医疗行业的一个重要转折点,医疗费用在不断上升GDP的占比非常高,Source:UnitedNations“PopulationAging2002”,25-29%,30+%,20-24%,10-19%,0-9%,%ofpopulationoverage60,2050WWAverageAge60+:21%,全球老龄化平均年龄60+:目前的10%,到2050年将达到20%,以美国为例:医疗大数据的价值3千亿美元/年,相当于每年生成总值增长0.7%,.,5,趋势分析:我们正处在医疗行业的一个重要转折点,0,5000,10000,15000,201020112012201320142015,存储的增长医疗服务产生的数据总量(PB),AdminImagingEMREmailFileNonClinImgResearch,医疗影像归档一个医疗系统案例的数据,到2020年,医疗数据将急剧增长到35Zetabytes,相当于2009年数据量的44倍增长,.,6,议程,医疗与大数据的趋势,什么是医疗大数据?大数据面临的挑战如何管理和利用大数据案例分享总结与展望,.,7,医疗大数据简介,1.制药企业/生命科学,3.费用报销,利用率和欺诈监管,2.临床决策支持&其他临床应用(包括诊断相关的影像信息),4.患者行为/社交网络,数据来源包括哪些?,我们如何利用大数据创造价值?(示例),1.个体化医疗,3.欺诈监测得以加强,2.临床决策支持,4.由生活方式和行为引发的疾病分析,.,8,医疗大数据相关解决方案,分布式平台,存储优化,安全和隐私,影像数据处理加速,新兴的医疗服务应用,个体化医疗,临床决策支持,肿瘤基因组学,健康信息服务,基础医疗服务,个人健康管理,老龄社会,数据分析及视觉化处理,类SQL的检索,医疗影像分析,机器学习,数据处理/管理,医疗影像,医疗记录,基因数据,.,9,议程,医疗与大数据的趋势,什么是医疗大数据?大数据面临的挑战如何管理和利用大数据案例分享总结与展望,.,10,大数据的挑战不仅来自于数据量的增长.需要新技术的支持,检验结果,费用数据,影像,设备产生的感应数据,基因数据等,数据量,结构化数据,遵循标准的数据标准(如,HL7)非结构化数据,如口述、手写、照片、影像等,类型,在传统的解决方案之上，引入新的数据及分析模型和技术，实时有效的商业价值,基于现有数据库中的数据进行分析，来支持不同种类的业务：如费用及报销、患者病史、归档影像分析、实时临床决策支持（数据分析）,价值,实时数据分析，而非传统的批量处理分析数据以流的方式进入系统，进行抽取和分析对于实时运行中的每个时间节点产生影响，而不是事后处理,速度,.,11,议程,医疗与大数据的趋势,什么是医疗大数据?大数据面临的挑战如何管理和利用大数据案例分享总结与展望,.,12,关注数据的价值,数据源文本-语音-视频-传感器RequestingOrM2M通讯批量商业应用,传统解决方案环境ERP,CRM,Batch,OLTP-DB,边缘服务器(Edge),大数据存储的考虑传统存储方式大规模数据分析Hadoop*海量数据库Hive*大规模备份Lustre*,丰富的视觉化效果安全的数据分析和缓存,分析同步端到端Machine-to-MachineSource-to-Source,.,13,关注数据的价值,数据源文本-语音-视频-传感器RequestingOrM2M通讯批量商业应用,传统解决方案环境ERP,CRM,Batch,OLTP-DB,边缘服务器（Edge）,DataCenterProvisioningDiscreteVirtualCloudAsAServiceHPC,大数据存储的考虑传统存储方式大规模分析Hadoop*海量数据库Hive*大规模备份Lustre*,丰富的视觉化效果安全的数据分析和缓存,分析同步端到端Machine-to-MachineSource-to-Source,.,14,大数据解决方案的部署方式（参考）,企业级数据仓库,电子表格,视觉化工具,数据挖掘,集成开发工具,ODS&数据集市,企业应用工具,传统的文件格式,日志,社交&网络,遗留系统,结构化,非结构化,录音文件&笔记等,数据平台,关系型数据库,No-SQL,内存数据库,SQL,应用,Node,Node,Node,Hadoop*,WebAppsMashUps,IMPORT,INSIGHTS,CONSUME,CreateMap,REDUCE,18,大数据解决方案的整体框架架构,DataasaServices,BI&PredictiveAnalyticsExistingBI/Analyticswithin-databasedataprocessingsupport,MedicalDevices,DataVelocity,DataVolumeandQuality,IntegratedAnalyticswithHadoopSupport,IntegrationTools,DistributedHighPerformanceDataProcessingHadoop*MapReduce,Dataingestion,IntegrationandProcessingServices,MPPDatabasesDWAppliances,DatabasesDBMS/NoSQL,CustomAnalyticSolutionsMapReduceTextualAnalyticsStreamingAnalytics,10GBeFastFabric,VerticallyIntegratedSoftwareIntelAIMSuite,NLP/SemanticSearch/MachineLearningKnowledgeManagement,DataVulnerability,HPC/TCPMIC,NAS-SASandDistributedStorage,DataAccessUserAuthentication,DataCharacteristics,DistributedVirtualPersistenceEvent,MessageReal-Time,Cached,FederatedEDW,Marts,DataVisibility,CloudProvisioningModels-Storage&ConnectivityConsiderations,DataSourcesText,Video,SecurityServicesPrivacyCompliance,HumanGenome&DrugDiscovery,GIS,SurveillanceandMedicalDeviceStreamingData,DiagnosticImages,SocialMedia,MedicalRecords,LogFiles,andAudio,ProvisioningModels,CanVarybyData,Characteristics,.,16,高效的大数据访问途径(客户端),“KnowMe”“FreeMe”“ExpressMe”,“LinkMe”,.,17,大数据在中国医疗行业中的应用模式,1.制药企业/生命科学,3.费用报销,利用率和欺诈监管,4.患者行为/社交网络,2.临床决策支持&其他临床应用(包括诊断相关的影像信息),药品研发对药品实际作用进行分析；实施药品市场预测基因测序分布式计算加快基因测序计算效率,临床数据比对匹配同类型的病人，用药临床决策支持利用规则和数据实时分析给出智能提示,公共卫生实时统计分析发现公共卫生疫情及公民健康状况新农合基金数据分析及时了解基金状况，预测风险辅助制定农合基金的起付线，赔付病种等基本药物临床应用分析分析基本药物在处方中的比例,远程监控采集并分析病人随身携带仪器数据，给出智能建议人口统计学分析对不同群体人群的就医，健康数据实施人口统计分析了解病人就诊行为发现病人的特定就诊行为，分配医疗资源,.,18,议程,医疗与大数据的趋势,什么是医疗大数据?大数据面临的挑战如何管理和利用大数据案例分享总结与展望,.,19,案例分享:RegionalHealthInfoNetworkChinaReal-timeClinicalDecisionSupport,实时的医疗数据处理（电子健康档案，医疗影像数据），支持医疗协同、临床决策支持和公共卫生管理采用Hadoop*(HBase*/Hive*)来实现医疗数据分析和处理未来将扩展到不同领域、不同区域/地区（包括数据交换、处理和分析）与本地的软件厂商及OEM厂商进行了广泛合作技术挑战,Hadoop(HBase/Hive)与传统关系型数据库如何有效结合大数据在区域卫生信息平台中的切实可行应用场景,PublicHealth,Hospital,Primarycare(Grassroots),AncillaryData&Services,HealthInformationDW,EHRData&Services,RegistriesData&Services,LongitudinalRecordServices,HealthInformationAccessLayer,CareCoordinationClinicaldecisionsupport,DataAnalyticR&D,RHIN,.,20,区域医疗及基层医疗信息系统大数据解决方案,分布式数据服务系统,展现层(报告,视图),集成的用户应用界面（居民、医生、卫生行政管理人员）,数据挖掘（Mahout）,分布式批量处理框架(Map/Reduce),协作服务(Zookeeper),结构化数据采集器(Sqoop),日志数据采集器(Flume),分布式文件系统(HDFS),区域卫生信息访问层(HIAL),医院信息系统,医院信息系统,实时数据库(Hbase),语言和编译(Hive),基层医疗信息系统,新农合医疗保险,服务器虚拟化,基础设施虚拟化网络虚拟化存储虚拟化,基于云的区域基层医疗服务系统多租户应用,健康档案数据存储,公共卫生医疗服务运营管理药品管理,.,21,Sequencing,3BillionBasePairs,DataProcessingCloudStorageVisualizationMillionsofVariants,Interpretation&Analytics,MillionsofVariantsMillionsofPatients,CommercializingTargetedTherapeuticsCompanionDiagnosticsActionableBiomarkers,案例分享:NEXTBIO基因数据分析,Costtosequenceagenomehasfallenby800 xinthelast4yearsEachgenomehas4millionvariantsGrowthinthegenomicsdatainthepublicandprivatedomainDataavailableinvarietyofsourcesStructured,semi-structured,unstructuredNewaggregateddatagrowingexponentially,.,22,案例分享:NEXTBIO病人相关性数据,NovelDiscoveriesBiomarkersDiseaseMechanismDrugIndicationsClinicalTrialParametersPatientCareOptions,Largecontentrepositoryofpublicandprivategenomicdatacombinedwithproprietaryandpatentedcorrelationengine,.,23,案例分享:KaiserPermanente大数据应用,.,24,数据的发展趋势,Kaiser的数据中，90%是非结构化的(80%的EHR和影像数据)在未来十年，数据将会有25倍的增长(Oneexabyteby2020)主要的数据增长来自于非结构化数据(医疗影像,视频,文本,音频等)信息给实时个性化医疗服务带来了可能性(RequiresContextualdevice,environment,spatial,Demographics,SocialandBehavioralprofilesinadditiontomedicalinformation)Kaiser正在评估大数据相关技术,结构化数据,80%非结构化数据,全世界80%的数据是非结构化的(大量的移动终端设备,机器产生的数据)在未来十年，数据将迎来44倍的增长(35zettabytesby2020)主要的数据增长来自于非结构化数据(在线的归档数据,医疗影像,在线视频和存储,照片等)信息给各行业发展带来了新一轮的机遇(零售,金融,保险,制造,医疗,)各行业已经开始采用大数据技术用于信息提取,全球数据的构成,结构化数据,Kaiser的数据构成90%非结构化数据,.,25,数据平台计算的趋势分布式计算,DiscontinuousChange,SAN/NAS,Master,Slave(s),Dataisdistributedacrossprocessingslavenodes,Resourcescontainingdataarenotshared,Mastermanagesthedatadistribution,jobschedulingacrossslavenodesandaggregatingresultsets,Integratebuilt/boughtReal-timePredictiveAnalyticalSolutionsorProcessinglogic,SMP(5$),MPP(10$),In-Memory(50$),SAN/NAS,SAN/NAS,Share-NothingDistributedStorageandCompute($)Fault-tolerantMasterSlaveArchitecturecapableofwithstandingpartialsystemfailures,DAS,SAN/NAS,SMP(DiskCaching,HighSpeedNetwork)(10$),Kaiserislookingtoexploitthiscapability,Structured,RelationalTabularDataInteractiveQuerySupportReal-timeAnalyticsSQLTransactionData,Unstructured,Non-tabularDataRichAdHocIntegrationReal-timeAnalyticsUQLALLData,.,26,大数据平台需求分析,Ingestion(DataModel,MetadataReferenceData,Store),Integration(Alignment,Semantics,Completeness,Quality),Interrogation(Clustering,Statistical,Quality,Semantics),Information(Standard&AdHocreporting,Query,Alerts,Forecasting,Access),数据量(Sensors,EMR,Claims,Pharmacy,Images),类型(Structured,Text,Unstructured,Documents,Images),处理的特性Intuition(Simulation,Optimization,StochasticOptimization),AunifiedinformationstoragemethodologyenablinguserstomanagedatafromALLsources.,Aportfoliooftoolstomanage(profile,cleanse,classify,synchronize,aggregate,integrate,share)ALLtypesofdata.,SupportcurrentBItoolsfocusedonstructuredinformation.Build/buypackagedunstructureddataprocessingandanalyticstools.,Abilitytomodelinformationandtransitionfrommultipleaccessmethodstogenerating,sharing,collaboratingandactingoninsightsanytime,anywhereonanydevice.,速度(SLAs,Real-timeDecisionSupport&ContextualIntelligence),Informationdrivesprocessoptimizationswithstrategicimpact.Modelingbusinessintuitionfromdatadeluge.,数据的特性,.,27,大数据界定的标准,DATASIZE,DATATYPE,DATACLASS,DATACATALOG,DATAVELOCITY,DATAACCESS,DATABASETYPE,SERVERARCHITECTURE,STORAGEARCHITECTURE,Gig