大數(shù)據(jù)

醫(yī)療&工程建設(shè)

演講人：徐啟雄周聰資料收集：宋佳琪馬宇寰邢洪達ppt制作：向琪工程管理1101班2014年6月6日PART1大數(shù)據(jù)在醫(yī)療領(lǐng)域的應(yīng)用outline一、

醫(yī)療與大數(shù)據(jù)的趨勢二

、什么是醫(yī)療大數(shù)據(jù)三

、大數(shù)據(jù)面臨的挑戰(zhàn)四、

如何管理和利用大數(shù)據(jù)五、

案例分析六、

總結(jié)與展望一、

醫(yī)療與大數(shù)據(jù)的趨勢二

、什么是醫(yī)療大數(shù)據(jù)三

、大數(shù)據(jù)面臨的挑戰(zhàn)四、

如何管理和利用大數(shù)據(jù)五、

案例分析六、

總結(jié)與展望醫(yī)療費用在不斷上升

GDP的占比非常高10-19%0-9%趨勢分析:

我們正處在醫(yī)療行業(yè)的一個重要轉(zhuǎn)折點

%

of

population

over

age

60

30+

%

25-29%

20-24%

2050

WW

Average

Age

60+:

21%Source:

United

Nations

“Population

Aging

2002”

全球老齡化

平均年齡60

+:

目前的10%,

到

2050年將達到20%Source:

McKinsey

Global

Institute

AnalysisESG

Research

Report

2011

–

North

American

Health

Care

Provider

Market

Size

and

Forecast

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%01500010000

50002010

2011

2012

2013

2014

2015趨勢分析:我們正處在醫(yī)療行業(yè)的一個重要轉(zhuǎn)折點

存儲的增長

醫(yī)療服務(wù)產(chǎn)生的數(shù)據(jù)總量(PB)AdminImagingEMREmailFileNon

Clin

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35

Zetabytes,

相當(dāng)于2009年數(shù)據(jù)量的44倍

增長Source:

McKinsey

Global

Institute

AnalysisESG

Research

Report

2011

–

North

American

Health

Care

Provider

Market

Size

and

Forecast一、

醫(yī)療與大數(shù)據(jù)的趨勢二

、什么是醫(yī)療大數(shù)據(jù)三

、大數(shù)據(jù)面臨的挑戰(zhàn)四、

如何管理和利用大數(shù)據(jù)五、

案例分析六、

總結(jié)與展望大數(shù)據(jù)對于“大數(shù)據(jù)”（Bigdata）研究機構(gòu)Gartner給出了這樣的定義：“大數(shù)據(jù)”是需要新處理模式才能具有更強的決策力、洞察發(fā)現(xiàn)力和流程優(yōu)化能力的海量、高增長率和多樣化的信息資產(chǎn)。4V：Volume（大量）Velocity（高速）Variety（多樣）veracity（真實性）/Value(價值性）

1.

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)

醫(yī)療大數(shù)據(jù)簡介數(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)

2.

臨床決策支持4.

由生活方式和行為引發(fā)的疾病分析

1.

個體化醫(yī)療

3.

欺詐監(jiān)測得以加強McKinsey

Global

Institute

Analysis醫(yī)療大數(shù)據(jù)相關(guān)解決方案健康信息服務(wù)

新興的醫(yī)療服務(wù)

應(yīng)用數(shù)據(jù)分析及視覺化處理數(shù)據(jù)處理/管理分布式平臺

老齡社會

腫瘤基因組學(xué)

醫(yī)療影像分析

醫(yī)療影像影像數(shù)據(jù)處理加速基礎(chǔ)醫(yī)療服務(wù)臨床決策支持

類SQL的檢索

醫(yī)療記錄

存儲優(yōu)化個人健康管理

個體化醫(yī)療

機器學(xué)習(xí)

基因數(shù)據(jù)

安全和隱私一、醫(yī)療與大數(shù)據(jù)據(jù)的趨勢二、什么是醫(yī)療大數(shù)據(jù)據(jù)三、大數(shù)據(jù)面臨的挑挑戰(zhàn)四、如何管理和利用大大數(shù)據(jù)五、案例分析六、總結(jié)與展望大數(shù)據(jù)的挑戰(zhàn)戰(zhàn)不僅來自于于數(shù)據(jù)量的增增長...需要新技術(shù)的的支持檢驗結(jié)果,費用數(shù)據(jù),影像,設(shè)備產(chǎn)生的感感應(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)數(shù)據(jù)標(biāo)準(zhǔn)(如如,HL7)非結(jié)構(gòu)化數(shù)據(jù)據(jù),如口述、手寫寫、照片、影影像等類型實時有效的商商業(yè)價值基于現(xiàn)有數(shù)據(jù)據(jù)庫中的數(shù)據(jù)據(jù)進行分析，，來支持不同同種類的業(yè)務(wù)務(wù)：如費用及報銷、、患者病史、、歸檔影像分分析、實時臨臨床決策支持持（數(shù)據(jù)分析）?實時數(shù)據(jù)分析析，而非傳統(tǒng)統(tǒng)的批量處理理分析?數(shù)據(jù)以流的方方式進入系統(tǒng)統(tǒng)，進行抽取取和分析?對于實時運行行中的每個時時間節(jié)點產(chǎn)生生影響，而不不是事后處理理在傳統(tǒng)的解決決方案之上，，引入新的數(shù)數(shù)據(jù)及分析模模型和技術(shù)，，價值速度一、醫(yī)療與大數(shù)據(jù)據(jù)的趨勢二、什么是醫(yī)療大數(shù)據(jù)據(jù)三、大數(shù)據(jù)面臨的挑挑戰(zhàn)四、如何管理和利用大大數(shù)據(jù)五、案例分析六、總結(jié)與展望傳統(tǒng)解決方案案環(huán)境ERP,CRM,Batch,OLTP-DBDataCenterProvisioningDiscreteVirtualCloud–AsAServiceHPC關(guān)注數(shù)據(jù)的價價值大數(shù)據(jù)存儲的的考慮傳統(tǒng)存儲方式式大規(guī)模分析–Hadoop*海量數(shù)據(jù)庫–Hive*大規(guī)模備份–Lustre*數(shù)據(jù)源文本-語音-視頻-傳感感器RequestingOrM2M通訊批量–商業(yè)應(yīng)用豐富的視覺化化效果–安全的數(shù)據(jù)分分析和緩存邊緣服務(wù)器（（Edge））分析同步端到端Machine-to-MachineSource-to-Source可行的解決方方案體系（示示例）Applications&ServicesVisualization–FileStructure&AnalyticalToolsDataDelivery,Operational&GraphicalAnalyticsDataManagement&ComputationalAnalyticsCompute–Storage&InfrastructurePlatforms高效的大數(shù)據(jù)據(jù)訪問途徑(客戶端)“KnowMe”“FreeMe”“ExpressMe”智能手機移動醫(yī)療助理平板電腦筆記本,Ultrabook?其他設(shè)備臺式機數(shù)字標(biāo)牌自助終端MobilityVitalsign,I&OentryMedicationadministrationTemplatedataentryFree-formattextdataentryLargediagnosticimagesDatainquiryManageability“LinkMe””大數(shù)數(shù)據(jù)據(jù)在在中中國國醫(yī)醫(yī)療療行行業(yè)業(yè)中中的的應(yīng)應(yīng)用用模模式式1.制制藥藥企企業(yè)業(yè)/生生命命科科學(xué)3.費費用用報報銷銷,利用用率和欺詐詐監(jiān)監(jiān)管管2.臨臨床床決決策策支支持持&其他他臨臨床床應(yīng)應(yīng)用用(包包括診診斷斷相相關(guān)關(guān)的的影影像像信息息)4.患患者者行行為為/社社交交網(wǎng)絡(luò)絡(luò)?藥藥品品研研發(fā)發(fā)對藥藥品品實實際際作用用進進行行分分析析；；實實施藥藥品品市市場場預(yù)預(yù)測測?基基因因測測序序?分布布式式計計算算加加快快基基因因測測序序計計算算效率率?公公共共衛(wèi)衛(wèi)生生實實時時統(tǒng)統(tǒng)計計分分析析發(fā)現(xiàn)現(xiàn)公公共共衛(wèi)衛(wèi)生生疫疫情情及及公公民民健健康康狀況況?新新農(nóng)農(nóng)合合基基金金數(shù)數(shù)據(jù)據(jù)分分析析及時時了了解解基基金金狀狀況況，，預(yù)預(yù)測測風(fēng)風(fēng)險險輔助助制制定定農(nóng)農(nóng)合合基基金金的的起起付付線線，，賠付付病病種種等等?基基本本藥藥物物臨臨床床應(yīng)應(yīng)用用分分析析分析析基基本本藥藥物物在在處處方方中中的的比比例例?臨臨床床數(shù)數(shù)據(jù)據(jù)比比對對匹配配同同類類型型的的病病人人，，用用藥藥?臨臨床床決決策策支支持持利用用規(guī)規(guī)則則和和數(shù)數(shù)據(jù)據(jù)實實時時分分析析給給出智智能能提提示示?遠遠程程監(jiān)監(jiān)控控采集集并并分分析析病病人人隨隨身身攜攜帶帶儀儀器數(shù)數(shù)據(jù)據(jù)，，給給出出智智能能建建議議?人人口口統(tǒng)統(tǒng)計計學(xué)學(xué)分分析析對不不同同群群體體人人群群的的就就醫(yī)醫(yī)，，健健康數(shù)數(shù)據(jù)據(jù)實實施施人人口口統(tǒng)統(tǒng)計計分分析析?了了解解病病人人就就診診行行為為發(fā)現(xiàn)現(xiàn)病病人人的的特特定定就就診診行行為為，，分配配醫(yī)醫(yī)療療資資源源一、醫(yī)療療與與大大數(shù)數(shù)據(jù)據(jù)的的趨趨勢勢二、什什么么是醫(yī)醫(yī)療療大大數(shù)數(shù)據(jù)據(jù)三、大大數(shù)據(jù)據(jù)面面臨臨的的挑挑戰(zhàn)戰(zhàn)四、、如何何管理理和和利利用用大大數(shù)數(shù)據(jù)據(jù)五、、案例例分析析六、、總結(jié)結(jié)與展展望望案例例分分享享:RegionalHealthInfoNetwork–ChinaReal-timeClinicalDecisionSupport?實時時的的醫(yī)醫(yī)療療數(shù)數(shù)據(jù)據(jù)處處理理（（電電子子健健康康檔檔案案，，醫(yī)醫(yī)療影影像像數(shù)數(shù)據(jù)據(jù)）），，支支持持醫(yī)醫(yī)療療協(xié)協(xié)同同、、臨臨床床決決策策支持持和和公公共共衛(wèi)衛(wèi)生生管管理理?采用用Hadoop*(HBase*/Hive*)來來實實現(xiàn)現(xiàn)醫(yī)醫(yī)療數(shù)數(shù)據(jù)據(jù)分分析析和和處處理理?未來來將將擴擴展展到到不不同同領(lǐng)領(lǐng)域域、、不不同同區(qū)區(qū)域域/地地區(qū)區(qū)（包包括括數(shù)數(shù)據(jù)據(jù)交交換換、、處處理理和和分分析析））?與本本地地的的軟軟件件廠廠商商及及OEM廠廠商商進進行行了了廣廣泛泛合作作?技術(shù)術(shù)挑挑戰(zhàn)戰(zhàn)–Hadoop(HBase/Hive)與與傳傳統(tǒng)統(tǒng)關(guān)關(guān)系系型型數(shù)數(shù)據(jù)據(jù)庫如如何何有有效效結(jié)結(jié)合合–大數(shù)數(shù)據(jù)據(jù)在在區(qū)區(qū)域域衛(wèi)衛(wèi)生生信信息息平平臺臺中中的的切切實實可可行行應(yīng)用用場場景景PublicHealthHospitalPrimarycare(Grassroots)HealthInformationDWEHRData&ServicesRegistriesData&ServicesLongitudinalRecordServicesHealthInformationAccessLayerCareCoordinationClinicaldecisionsupport…DataAnalyticR&D…RHINAncillaryData&Services分布式數(shù)據(jù)據(jù)服務(wù)系統(tǒng)統(tǒng)展現(xiàn)層(報告,視圖)區(qū)域醫(yī)療及及基層醫(yī)療療信息系統(tǒng)統(tǒng)大數(shù)據(jù)解解決方案(Hadoop*)集成的用戶戶應(yīng)用界面面（居民、、醫(yī)生、衛(wèi)衛(wèi)生行政管管理人員））數(shù)據(jù)挖掘（Mahout）分布式批量量處理框架架(Map/Reduce)區(qū)域衛(wèi)生信信息訪問層層(HIAL)醫(yī)院信息系系統(tǒng)醫(yī)院信息系系統(tǒng)語言和編譯譯(Hive)實時數(shù)據(jù)庫庫(Hbase)基層醫(yī)療信信息系統(tǒng)醫(yī)療服務(wù)藥品管理新農(nóng)合醫(yī)療療保險服務(wù)器虛擬擬化基礎(chǔ)設(shè)施虛虛擬化網(wǎng)絡(luò)虛擬化化存儲虛擬化化基于云的區(qū)區(qū)域基層醫(yī)醫(yī)療服務(wù)系系統(tǒng)多租戶應(yīng)用用分布式文件件系統(tǒng)協(xié)作服務(wù)(HDFS)(Zookeeper)結(jié)構(gòu)化數(shù)據(jù)據(jù)采集器日志數(shù)據(jù)采采集器(Sqoop)(Flume)健康檔案數(shù)數(shù)據(jù)存儲公共衛(wèi)生運營管理Sequencing3BillionBasePairsDataProcessingCloudStorageVisualizationMillionsofVariantsInterpretation&AnalyticsMillionsofVariantsMillionsofPatientsCommercializingTargetedTherapeuticsCompanionDiagnosticsActionableBiomarkers案例分享:NEXTBIO基因數(shù)據(jù)分分析????Costtosequenceagenomehasfallenby800xinthelast4yearsEachgenomehas~4millionvariantsGrowthinthegenomicsdatainthepublicandprivatedomainDataavailableinvarietyofsources–Structured,semi-structured,unstructured?Newaggregateddatagrowingexponentially案例分享:NEXTBIO病人相關(guān)性性數(shù)據(jù)NovelDiscoveriesBiomarkersDiseaseMechanismDrugIndicationsClinicalTrialParametersPatientCareOptionsLargecontentrepositoryofpublicandprivategenomicdatacombinedwithproprietaryandpatentedcorrelationengine案例例分分享享:NEXTBIONextbio&Intel合作作方方向向技術(shù)術(shù)挑挑戰(zhàn)戰(zhàn):????ImmutableData–writeonce,neverchange,readmanytimesTraditionalBloomFiltersworksHadoop*&HBase*wellsuited1genome10millionrows100genomes1billionrows1Mgenomes10trillionrows100Mgenomes1quadrillion1,000,000,000,000,000rowsAppcandynamicallypartitionsHBaseasdatasizegrows英特特爾爾對對于于Hadoop提供的優(yōu)化:????OptimizedHadoopstackinopensourceStabilizeHBasetoprovidereliablescalabledeploymentOptimizeandsupportscale-outasdatasizedramaticallygrowsExploringclusterautotuning,Security&Compliance,etc.案例分享:KaiserPermanente大數(shù)據(jù)應(yīng)用數(shù)據(jù)的發(fā)展趨趨勢結(jié)構(gòu)化數(shù)據(jù)80%非結(jié)構(gòu)化數(shù)據(jù)據(jù)???全世界80%的數(shù)據(jù)是非結(jié)結(jié)構(gòu)化的(大量的移動動終端設(shè)備,機器產(chǎn)生的數(shù)數(shù)據(jù))在未來十年，，數(shù)據(jù)將迎來來44倍的增長(35zettabytesby2020)主要的數(shù)據(jù)增長來自于非結(jié)構(gòu)化數(shù)據(jù)據(jù)(在線的歸檔數(shù)據(jù),醫(yī)療影像,在線視頻和存存儲,照片等)??全球數(shù)據(jù)的構(gòu)構(gòu)成???Kaiser的數(shù)據(jù)中，，90%是非結(jié)構(gòu)化的的(80%的EHR和影影像數(shù)據(jù))在未來十年，，數(shù)據(jù)將會有有25倍的增長(Oneexabyteby2020)主要的的數(shù)據(jù)據(jù)增長來自于于非結(jié)構(gòu)構(gòu)化數(shù)數(shù)據(jù)(醫(yī)療影像像,視頻,文本,音頻等等)?信息給實時個個性化化醫(yī)療療服務(wù)務(wù)帶來了了可能能性?(RequiresContextual–device,environment,spatial,Demographics,SocialandBehavioralprofilesinadditiontomedicalinformation)Kaiser正在評評估大大數(shù)據(jù)據(jù)相關(guān)關(guān)技術(shù)術(shù)…Kaiser的的數(shù)據(jù)據(jù)構(gòu)成成結(jié)構(gòu)化化數(shù)據(jù)據(jù)90%UNSTRUCTURED構(gòu)化數(shù)數(shù)據(jù)DATA非結(jié)信息給各行行業(yè)發(fā)發(fā)展帶帶來了了新一一輪的的機遇遇(零售售,金融,保險,制造,醫(yī)療,…)各行業(yè)業(yè)已經(jīng)經(jīng)開始始采用用大數(shù)據(jù)據(jù)技術(shù)術(shù)用于信信息提提取Source:KaiserMaster?????Integratebuilt/boughtReal-timePredictiveAnalyticalSolutionsorProcessinglogicDiscontinuousChangeSAN/NASSMP(5$)SAN/NASIn-Memory(50$)Share-NothingDistributedStorageandCompute($)Fault-tolerantMasterSlaveArchitecturecapableofwithstandingpartialsystemfailuresDataisdistributedacrossprocessingslavenodesResourcescontainingdataarenotsharedMastermanagesthedatadistribution,jobschedulingacrossslavenodesandaggregatingresultsetsSlave(s)DASSAN/NASMPP(10$)SAN/NASSMP(DiskCaching,HighSpeedNetwork)(10$)數(shù)據(jù)平平臺計計算的的趨勢勢–分布式式計算算Kaiserislookingtoexploitthiscapability……?Structured,RelationalTabularData?InteractiveQuerySupport?Real-timeAnalytics?SQLTransactionData?Unstructured,Non-tabularData?RichAdHocIntegration?Real-timeAnalytics?UQLALLData大數(shù)據(jù)據(jù)平臺臺–需需求分分析處理的的特性性Intuition(Simulation,Optimization,StochasticOptimization)Information(Standard&AdHocreporting,Query,Alerts,Forecasting,Access)Interrogation(Clustering,Statistical,Quality,Semantics)Integration(Alignment,Semantics,Completeness,Quality)Ingestion(DataModel,MetadataReferenceData,Store)Informationdrivesprocessoptimizationswithstrategicimpact.Modelingbusinessintuitionfromdatadeluge.Abilitytomodelinformationandtransitionfrommultipleaccessmethodstogenerating,sharing,collaboratingandactingoninsightsanytime,anywhereonanydevice.SupportcurrentBItoolsfocusedonstructuredinformation.Build/buypackagedunstructureddataprocessingandanalyticstools.Aportfoliooftoolstomanage(profile,cleanse,classify,synchronize,aggregate,integrate,share)ALLtypesofdata.AunifiedinformationstoragemethodologyenablinguserstomanagedatafromALLsources.數(shù)據(jù)的特特性數(shù)據(jù)量(Sensors,EMR,Claims,Pharmacy,Images)速度(SLAs,Real-timeDecisionSupport&ContextualIntelligence)類型(Structured,Text,Unstructured,Documents,Images)大數(shù)據(jù)–界定的標(biāo)標(biāo)準(zhǔn)DATASIZEDATATYPEDATACLASSDATACATALOGDATAVELOCITYDATAACCESSDATABASETYPEGigabytes,Terabytes,PetabytesStructured,Semi-Structured,UnstructuredHumanGenerated,MachineGeneratedText,Image,Audio,VideoBatch,StreamingAnalytics,Search,Transaction(ACID,BASE)Relational,FileBased,Columnar,NoSQL,Document,Graph,RDFFRAMEWORKSANALYTICSFinancial,ComputerVisionEngine,Geospatial,MachineLearning,Mathematical,NaturalLanguageProcessing,NeuralNetworks,StatisticalModeling,Time-SeriesAnalysis,VoiceEngineStandardReporting,AdhocReporting,Query/Drilldowns,AlertsForecasting,Simulations,Optimization,StochasticOptimizationsSERVERARCHITECTUREDISTRIBUTEDPROCESSINGSTORAGEARCHITECTURESMP,MMP,Appliance,NAS,SAN,DistributedProcessingCommodityCluster(CC)<1Knodes,CC>1KnodesDirectAccessStorage,SpinningDisks,Flash,SSD一、醫(yī)療與與大數(shù)數(shù)據(jù)的的趨