大資料應用在醫療行業的5個經典案例

原文：5 examples of big data in

healthcare

醫保的成本推動了對大資料驅動的醫保應用系統的需求。醫保行業中的技術決策者不會忽略大資料帶來的效率提公升，經濟吸引力和快速的創新步伐，這些都可以用在醫保行業中並使行業受益。許多人發現，對醫保資料進行數位化和共享的新標準和激勵措施–以及商用硬體產品在儲存和並行處理方面的改進和**的下降–正在導致醫保行業的的大資料革命，其以更低的成本提供更好的服務為目標。

醫保行業可以通過大資料和高階分析來獲得巨大收益。本文將介紹在醫保行業裡的五個大資料產品案例。

valence health 使用mapr公司的資料融合平台(converged data platform）來建立乙個資料湖並作為公司主要的資料倉儲。 valence每天從3000個資料輸入源接收45種不同型別的資料。這些關鍵資料報括實驗室測試結果、患者健康記錄、處方、疫苗記錄、藥店優惠、賬單和付款, 以及醫生和醫院的賬單, 這些都用來提公升決策來改善醫保結果和財務狀況。該公司快速增長的客戶和日益增加的相關資料量正在壓垮現有的技術基礎設施。

在採用mapr的解決方案之前，如果收到乙個資料來源發來的2千萬個實驗室測試結果，他們需要22個小時來處理這些資料。mapr把這個處理時間從22小時降到20分鐘，並且使用更少的硬體。valence health現在也可以處理之前很難滿足的客戶要求。例如，乙個客戶可能打**來說」三個月前我發給你們了乙個錯誤的檔案，我希望把那個檔案拿掉。」他們傳統的資料庫解決方案可能要3到4周的時間才能找到那個資料並刪除。mapr的快照功能提供了定點恢復，這使得valence可以分分鐘回滾到那個時間點並刪除那個檔案。

unitedhealthcare 為近5千1百萬使用者提供健康保險和服務。和該公司合作的有超過85萬醫師和護理人員，全國範圍內大約有6100所醫院。他們的賬目完整(payment integrity)小組的艱鉅任務是確保所有賬單都按時正確付款。面對每天超過1百萬個的賬單(10tb的資料)，他們之前的處理方式是特製的，嚴重依賴於規則，並受制於資料孤島和碎片化的資料環境。unitedhealthcare 採用了乙個獨特的雙模型策略，既集中關注業務收益，同時也追求利用最新的技術來不斷創新。

他們是這麼做的：針對業務收益，該集團建立了乙個**分析』工廠』用來系統地可重複地識別不準確的賬單。hadoop用做現在乙個單一平台的資料框架，該平台上建有多種工具來分析各種資訊，包括賬單，處方，醫保參與人，合作醫護人員，以及賬單審查結果。

他們集中了業務裡所有資料孤島的資料，包含36處資料資產。他們手邊現在有多個**模型(pcr,確定欺詐true fraud，ayasdi 等)，這些模型提供了乙個潛在的欺詐排序列表，使得他們可以有針對性地和系統化地處理欺詐。

liaison 科技提供了乙個雲端解決方案來幫助企業來整合，管理和安全保障其資料。它的乙個垂直解決方案是針對醫保行業和生命科學行業，這兩個行業有2個挑戰–滿足hipaa合規要求和資料格式及其展現形式的多樣性。利用mapr 流，合規挑戰中的資料可回溯要求迎刃而解，因為流處理將系統資料記錄變成了乙個無限的，不可更改的資料轉換日誌。多樣性的挑戰在於，乙個患者記錄可以有多種使用方式-可以是乙個文件，可以是一幅圖，或者是查詢結果 -這取決於不同的使用者，可能是製藥公司，醫院，診所或醫生。利用流處理實時地將資料變化輸出到 mapr-db,hbase,mapr-db json文件，圖和搜尋資料庫，使用者可以得到最新的和最適合的資料。另外，通過在 mapr 融合資料平台上開發這一服務，liaison 可以保障所有資料模組的安全，避免了其他方案的資料和安全孤島的問題。

下一代基因測序（ngs）是乙個經典的大資料應用，它面臨雙重的挑戰，即巨量原始異構的資料，以及ngs最佳實踐的快速變化。另外，許多前沿研究需要與外部組織的不同資料進行大量的互動。這需要強大的工作流程工具來處理大量的原始ngs資料，而且足夠靈活以跟上快速變化的研究技術。它還需要乙個方法來將這些大量外部組織的資料有意義地整合到novartis的資料, 如1000 geomes, nih 的 gtex (genotype-tissue expression,基因型組織表達)和 tcga (the cancer genome atlas,癌症基因**譜)-特別是臨床資料, 表型性資料, 實驗資料和其他相關資料。

novartis 團隊選擇了 hadoop 和 apache spark 來構建工作流程系統，使其能夠整合，處理和分析各種資料來為下一代基因測序（ngs）研究服務並緊跟科研腳步。

目前的心律分析過程較慢而且是手動分類的。醫務人員首先將各類裝置上採集的資料批量上傳到分析軟體，然後醫療分析師檢視並分類資料並向醫生和醫院提交報告，最後由他們對患者作出醫療決定。該過程耗時24小時以上 - 這使得醫生訪問患者資料長時間滯後，增加了緊急情況下的醫療風險。

利用mapr-fs，telemed能夠通過nfs將各種醫療裝置的資料直接採集到其資料集群並實時產生患者洞察報告。該解決方案需要具備高可用性並提供多使用者訪問(來自 hipaa 的要求)，因為他們儲存了各種醫院患者的資料和醫療裝置公司的資料。能夠按客戶分治資料是非常重要的。

在mapr專業服務的幫助下，他們能夠在hipaa審查期限7月18日前搭建好解決方案。該方案架構滿足了高可用ha，多使用者和實時洞察報告的要求。該公司首席執行官履行了投資者給他的要求和時限，他們將在第3或第4季度開始發售其saas解決方案。

以同樣或更低的成本提公升患者的**結果對於任何醫保提供者來說都是非常大的生意, 在美國, 醫保的總體花費在以15% 的速度高速增長。全面的數位化轉型是實現這一目標的關鍵, 數位化、增強的通訊和大資料分析是支援轉型的重要工具。大資料分析的許多新興案例都和基於hadoop的解決方案的能力緊密相關, 它們可以從任意資料來源獲取並儲存巨量異構的資料，不管是結構化的或是非結構化的, 並將其用於深度分析中。

選擇大資料平台時, 特別是 hadoop 的發布商, 要確保該平台非常擅長融合處理醫保行業裡各類資料，通常它們都在儲存在各種資料孤島上，比如，醫院的臨床資料在乙個孤島上，藥品**商的資料在另乙個孤島，醫院用品的後勤資料在另外乙個。這個平台應該足夠靈活, 使醫護人員可以使用各類複雜的資料, 如醫生的筆記和影像檔案進行真正的病理分析, 而不僅僅是存檔。

改變醫療行業的八個大資料應用

醫藥和醫療正在成為大資料的殺手應用。醫藥和醫療行業的管理者們已經意識到，hadoop 機器學習 自然語言處理等新型資料分析技術是帶來飛躍式發展的關鍵契機。以下是正在改變醫療行業的八個大資料創新應用 二 醫生的bi。西雅圖兒童醫院的醫護人員如今正在使用tableau，視覺化分析遍布醫院各處的伺服器和資...

大資料的應用在鍋爐防磨防爆中的重要作用

在網際網路資訊科技爆發式發展的今天，各行各業的資料量都是海量增長。在這個時代，人工傳統的分析手段已經遠遠不能滿足於資料分析的需求，因此大資料分析手段已經成為乙個必不可少的分析手段，尤其在智慧型電廠之中。隨著火電機組的裝機容量增加和資訊化 現代化技術的發展，電廠內人員數量越來越少，但是實時的資料量是越...

大資料行業5個職位方向指南

大資料已不再是新詞，企業也越來越需要大資料高階人才。這給想要從事大資料方面工作的人員提供了難得的職業機遇。那麼在大資料行業，都有什麼職位可以選擇呢？來看看大資料行業的5個職位方向指南吧！一 etl研發 隨著資料種類的不斷增加，企業對資料整合專業人才的需求越來越旺盛。etl開發者與不同的資料 和組織打...