大数据在医疗行业的应用

大数据

医疗&工程建设

演讲人：徐启雄周聪资料搜集：宋佳琪马宇寰邢洪达ppt制作：向琪工程管理1101班年6月6日大数据在医疗行业的应用第1页PART1大数据在医疗领域应用大数据在医疗行业的应用第2页outline一、

医疗与大数据趋势二

、什么是医疗大数据三

、大数据面临挑战四、

怎样管理和利用大数据五、

案例分析六、

总结与展望大数据在医疗行业的应用第3页一、

医疗与大数据趋势二

、什么是医疗大数据三

、大数据面临挑战四、

怎样管理和利用大数据五、

案例分析六、

总结与展望大数据在医疗行业的应用第4页医疗费用在不停上升

GDP占比非常高10-19%0-9%趋势分析:

我们正处于医疗行业一个主要转折点

%

of

population

over

age

60

30+

%

25-29%

20-24%

2050

WW

Average

Age

60+:

21%Source:

United

Nations

“Population

Aging

”

全球老龄化

平均年纪60

+:

当前10%,

到

2050年将到达20%Source:

McKinsey

Global

Institute

AnalysisESG

Research

Report

–

North

American

Health

Care

Provider

Market

Size

and

Forecast

以美国为例:

医疗大数据价值3千亿美元/年,

相当于每年生成总

值增加0.7%大数据在医疗行业的应用第5页01500010000

5000

趋势分析:我们正处于医疗行业一个主要转折点

存放增加

医疗服务产生数据总量(PB)AdminImagingEMREmailFileNon

Clin

ImgResearch

医疗影像归档一个医疗系统案例数据

到,

医疗数据将急剧增加到35

Zetabytes,

相当于数据量44倍

增加Source:

McKinsey

Global

Institute

AnalysisESG

Research

Report

–

North

American

Health

Care

Provider

Market

Size

and

Forecast大数据在医疗行业的应用第6页一、

医疗与大数据趋势二

、什么是医疗大数据三

、大数据面临挑战四、

怎样管理和利用大数据五、

案例分析六、

总结与展望大数据在医疗行业的应用第7页大数据对于“大数据”（Bigdata）研究机构Gartner给出了这么定义：“大数据”是需要新处理模式才能含有更强决议力、洞察发觉力和流程优化能力海量、高增加率和多样化信息资产。4V：Volume（大量）Velocity（高速）Variety（多样）veracity（真实性）/Value(价值性）大数据在医疗行业的应用第8页

1.

制药企业/生命科学3.

费用报销,

利用率

和

欺诈监管2.

临床决议支持

&

其它临床应用

(包含诊

断相关影像信息)

4.

患者行为/社交网络

医疗大数据介绍数据起源包含哪些?我们怎样利用大数据创造价值?

(示例)

2.

临床决议支持4.

由生活方式和行为引发疾病分析

1.

个体化医疗

3.

欺诈监测得以加强McKinsey

Global

Institute

Analysis大数据在医疗行业的应用第9页医疗大数据相关处理方案健康信息服务

新兴医疗服务

应用数据分析及视觉化处理数据处理/管理分布式平台

老龄社会

肿瘤基因组学

医疗影像分析

医疗影像影像数据处理加速基础医疗服务临床决议支持

类SQL检索

医疗统计

存放优化个人健康管理

个体化医疗

机器学习

基因数据

安全和隐私大数据在医疗行业的应用第10页一、

医疗与大数据趋势二

、什么是医疗大数据三

、大数据面临挑战四、

怎样管理和利用大数据五、

案例分析六、

总结与展望大数据在医疗行业的应用第11页大数据挑战不但来自于数据量增加...需要新技术支持检验结果,

费用数据,

影像,

设备产生感应数据,

基因数据等数据量••结构化数据,

遵照标准数据标准(如,HL7)非结构化数据,

如口述、手写、照片、影像等类型实时有效商业价值基于现有数据库中数据进行分析，来支持不一样种类业务：如费用及报销、患者病史、归档影像分析、实时临床决议支持（数据分析）•

实时数据分析，而非传统批量处理分析•

数据以流方式进入系统，进行抽取和分析

•

对于实时运行中每个时间节点产生影响，而不是事后处理在传统处理方案之上，引入新数据及分析模型和技术，价值速度大数据在医疗行业的应用第12页一、

医疗与大数据趋势二

、什么是医疗大数据三

、大数据面临挑战四、

怎样管理和利用大数据五、

案例分析六、

总结与展望大数据在医疗行业的应用第13页

传统处理方案

环境ERP,

CRM,

Batch,

OLTP-DBData

Center

Provisioning

Discrete

Virtual

Cloud

–

As

A

Service

HPC关注数据价值

大数据存放考虑

传统存放方式

大规模分析

–

Hadoop*

海量数据库

–

Hive*

大规模备份

–

Lustre*

数据源

文本-语音-视频-传感器

Requesting

Or

M2M

通讯

批量

–

商业应用丰富视觉化效果–

安全数据分析和缓存边缘服务器（Edge）

分析

同时

端到端

Machine-to-Machine

Source-to-Source

可行处理方案体系（示例）

Applications

&

ServicesVisualization

–

File

Structure

&

Analytical

Tools

Data

Delivery,

Operational

&

Graphical

Analytics

Data

Management

&

Computational

Analytics

Compute

–

Storage

&

Infrastructure

Platforms大数据在医疗行业的应用第14页高效大数据访问路径

(客户端)“Know

Me”“Free

Me”“Express

Me”智能手机移动医疗助理平板电脑笔记本,Ultrabook™其它设备台式机数字标牌自助终端

Mobility

Vital

sign,

I

&

O

entry

Medication

administration

Template

data

entry

Free-format

text

data

entry

Large

diagnostic

images

Data

inquiry

Manageability“Link

Me”大数据在医疗行业的应用第15页大数据在中国医疗行业中应用模式1.制药企业/生命科

学

3.费用报销,

利用

率

和

欺诈监管2.临床决议支持

&其它临床应用

(包括诊疗相关影像

信息)

4.患者行为/社交

网络•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•分布式计算加紧基因测序计算效率

•公共卫生实时统计分析

发觉公共卫生疫情及公民健康

情况

•新农合基金数据分析

及时了解基金情况，预测风险

辅助制订农合基金起付线，

赔付病种等

•基本药品临床应用分析

分析基本药品在处方中百分比•临床数据比对匹配同类型病人，用药•临床决议支持利用规则和数据实时分析给出智能提醒•远程监控采集并分析病人随身携带仪器数据，给出智能提议•人口统计学分析对不一样群体人群就医，健康数据实施人口统计分析•了解病人就诊行为发觉病人特定就诊行为，分配医疗资源大数据在医疗行业的应用第16页一、

医疗与大数据趋势二

、什么是医疗大数据三

、大数据面临挑战四、

怎样管理和利用大数据五、

案例分析六、

总结与展望大数据在医疗行业的应用第17页案例分享:

Regional

Health

Info

Network

–

ChinaReal-time

Clinical

Decision

Support•

实时医疗数据处理（电子健康档案，医

疗影像数据），支持医疗协同、临床决议

支持和公共卫生管理•

采取

Hadoop*

(HBase*/Hive*)来实现医

疗数据分析和处理•

未来将扩展到不一样领域、不一样区域/地域

（包含数据交换、处理和分析）•

与当地软件厂商及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怎样有效结合–大数据在区域卫生信息平台中切实可行

应用场景PublicHealthHospitalPrimary

care(Grassroots)

HealthInformation

DW

EHR

Data

&ServicesRegistries

Data

&

ServicesLongitudinal

Record

Services

Health

Information

Access

LayerCare

CoordinationClinical

decision

support…Data

AnalyticR&D…RHIN

Ancillary

Data

&

Services大数据在医疗行业的应用第18页分布式数据服务系统

展现层

(汇报,

视图)区域医疗及基层医疗信息系统大数据处理方案(Hadoop*)

集成用户应用界面（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)区域卫生信息访问层(HIAL)医院信息系统医院信息系统语言和编译

(Hive)

实时数据库

(Hbase)基层医疗信息系

统医疗服务药品管理新农合医疗保

险服务器虚拟

化

基础设施虚拟化网络虚拟化

存放虚拟化基于云区域基层医疗服务系统

多租户应用

分布式文件系统

协作

服务

(HDFS)

(Zookeeper)结构化数据采集器

日志数据采集器

(Sqoop)

(Flume)

健康档案数据存放公共卫生运行管理大数据在医疗行业的应用第19页Sequencing

3

Billion

Base

Pairs

Data

ProcessingCloud

Storage

Visualization

Millions

of

VariantsInterpretation

&

Analytics

Millions

of

Variants

Millions

of

Patients

Commercializing

Targeted

Therapeutics

Companion

DiagnosticsActionable

Biomarkers案例分享:

NEXTBIO基因数据分析••••Cost

to

sequence

a

genome

has

fallen

by800x

in

the

last

4

yearsEach

genome

has

~4

million

variantsGrowth

in

the

genomics

data

in

the

publicand

private

domainData

available

in

variety

of

sources–Structured,

semi-structured,

unstructured•New

aggregated

data

growingexponentially大数据在医疗行业的应用第20页案例分享:

NEXTBIO病人相关性数据Novel

DiscoveriesBiomarkersDisease

MechanismDrug

IndicationsClinical

Trial

ParametersPatient

Care

OptionsLarge

content

repository

of

public

and

private

genomic

data

combined

with

proprietary

and

patented

correlation

engine大数据在医疗行业的应用第21页

案例分享:

NEXTBIO

Nextbio

&

Intel

合作方向技术挑战:••••Immutable

Data

–

write

once,never

change,

read

many

timesTraditional

Bloom

Filters

worksHadoop*

&

HBase*

well

suited

1

genome

10

million

rows

100

genomes

1billion

rows

1M

genomes

10

trillion

rows

100M

genomes

1

quadrillion

1,000,000,000,000,000

rowsApp

can

dynamically

partitions

HBaseas

data

size

grows英特尔对于Hadoop提供优化:••••Optimized

Hadoop

stack

in

opensourceStabilize

HBase

to

provide

reliablescalable

deploymentOptimize

and

support

scale-out

asdata

size

dramatically

growsExploring

cluster

auto

tuning,Security

&

Compliance,

etc.大数据在医疗行业的应用第22页案例分享:

Kaiser

Permanente

大数据应用大数据在医疗行业的应用第23页数据发展趋势结构化数据

80%非结构化数据•••全世界

80%

数据是非结构化

(大量移动终端设备,

机器产生数据)在未来十年，数据将迎来

44

倍增加

(35zettabytes

by

)主要数据

增加

来自于

非结构化数据

(在线归档数据,

医疗影像,

在线视频和存放,

照片等)••全球数据组成•••Kaiser数据中，

90%

是非结构化

(80%EHR和影像数据)在未来十年，数据将会有

25

倍增加

(Oneexabyte

by

)主要数据

增加

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•(Requires

Contextual

–

device,environment,

spatial,

Demographics,Social

and

Behavioral

profiles

inaddition

to

medical

information)Kaiser

正在评定大数据相关技术…Kaiser数据组成结构化数据

90%UNSTRUCTURED

构化数据

DATA非结

信息

给各行业发展带来了新一轮机遇

(零售

,

金融,

保险,

制造,

医疗,…)

各行业已经开始采取

大数据技术

用于信息提

取Source:

Kaiser大数据在医疗行业的应用第24页Master••••

•

Integrate

built/bought

Real-time

Predictive

Analytical

Solutions

or

Processing

logicDiscontinuous

Change

SAN/NAS

SMP

(5$)SAN/NAS

In-Memory

(50$)

Share-Nothing

Distributed

Storage

and

Compute

($)Fault-tolerant

MasterSlave

Architecturecapable

of

withstanding

partial

system

failuresData

is

distributed

across

processing

slavenodesResources

containing

data

are

not

sharedMaster

manages

the

data

distribution,

jobscheduling

across

slave

nodes

and

aggregatingresult

setsSlave(s)

DASSAN/NAS

MPP

(10$)

SAN/NAS

SMP

(Disk

Caching,High

Speed

Network)

(10$)数据平台计算趋势–

分布式计算

Kaiser

is

looking

to

exploit

this

capability…•

Structured,

Relational

Tabular

Data•

Interactive

Query

Support•

Real-time

Analytics•

SQL

Transaction

Data•

Unstructured,

Non-tabular

Data•

Rich

Ad

Hoc

Integration•

Real-time

Analytics•

UQL

ALL

Data大数据在医疗行业的应用第25页大数据平台–需求分析

处理特征

Intuition

(Simulation,

Optimization,

Stochastic

Optimization)

Information

(Standard

&

Ad

Hoc

reporting,

Query,

Alerts,

Forecasting,

Access)

Interrogation

(Clustering,

Statistical,

Quality,

Semantics)

Integration

(Alignment,

Semantics,

Completeness,

Quality)

Ingestion

(Data

Model,

Metadata

Reference

Data,

Store)

Information

drives

process

optimizations

with

strategic

impact.

Modeling

business

intuition

from

data

deluge.

Ability

to

model

information

and

transition

frommultiple

access

methods

to

generating,

sharing,

collaborating

and

acting

on

insights

anytime,

anywhere

on

any

device.

Support

current

BI

tools

focused

on

structuredinformation.

Build/buy

packaged

unstructured

data

processing

and

analytics

tools.

A

portfolio

of

tools

to

manage

(profile,

cleanse,

classify,

synchronize,

aggregate,

integrate,

share)

ALL

types

of

data.

A

unified

information

storage

methodology

enabling

users

to

manage

data

from

ALL

sources.

数据特征

数据量

(Sensors,

EMR,

Claims,

Pharmacy,

Images)

速度

(SLAs,

Real-time

Decision

Support

&

Contextual

Intelligence)

类型(Structured,

Text,Unstructured,Documents,

Images)

大数据在医疗行业的应用第26页大数据

–

界定标准DATA

SIZEDATA

TYPEDATA

CLASS

DATA

CATALOGDATA

VELOCITY

DATA

ACCESSDATABASE

TYPEGigabytes,

Terabytes,PetabytesStructured,

Semi-Structured,UnstructuredHuman

Generated,Machine

GeneratedText,

Image,

Audio,

VideoBatch,

StreamingAnalytics,

Search,

Transaction

(ACID,

BASE)Relational

,File

Based,

Columnar,

NoSQL,

Document,

Graph,

RDFFRAMEWORKS

ANALYTICSFinancial,

Computer

Vision

Engine,

Geospatial,

Machine

Learning,Mathematical,

Natural

Language

Processing,

Neural

Networks,Statistical

Modeling,

Time-Series

Analysis,

Voice

EngineStandard

Reporting,

Ad

hoc

Reporting,

Query/Drill

downs,

AlertsForecasting,

Simulations,

Optimization,