提高患者護理質量和醫療服務，Hadoop大數據如何改變醫療行業？

為了提供最好的醫療解決方案，醫療行業的所有主要部門，包括醫療IT、支付方、提供者和製藥公司都面臨著越來越大的壓力，要求它們提高患者護理質量，以更低的成本提供最好的醫療服務。

這些組織中的每一個都在不斷增長的病人數據中尋找價值。這些數據的多樣性包括EMR筆記、醫療通信、可穿戴健康設備的輸出、生物醫學研究、索賠數據、移動數據和社交媒體對話，這意味著這些數據來自多個單獨的數據源。在醫療行業，大約80%的醫療數據是非結構化的，這使得組織很難訪問和集成其他數據源。安全地整合這些豐富的數據並應用預測分析的能力將提高醫療效率，減少欺詐性索賠，發現更有效的治療方法，並改進醫生支持。

Hadoop和醫療

Hadoop附帶的MapR發行版將大量結構化和非結構化醫療保健數據彙集到一個中央存儲庫中，該存儲庫可以部署現有的硬體和網路組件。醫療組織中的多個組可以訪問這些數據，並將其存儲在安全的、符合hipaa的、支持hadoop的體系結構中。醫生和護理人員可以獲得全面的患者數據和醫學研究，這有助於他們在疾病的早期診斷，從而根據患者的基因構成分配治療方案，並調整藥物劑量，以盡量減少副作用，從而改善醫療服務。

醫療行業致力於電子健康記錄(EHR)，這是一個非常非結構化的文檔，它對醫療組織提出了獨特的挑戰，因為許多EHR允許免費文本輸入臨床記錄和其他敘述性數據收集領域。需要提取、處理這些數據並對其進行規範化，以便進行分析。Hadoop的分散式數據處理方法可能會有所幫助。Hadoop主要使用Hadoop Distributed Fie System (HDFS)和MapReduce對數據進行存儲和分析。

醫療機構繼續尋求更有效的方法來治療病人，這可以通過收集和分析儘可能多的數據來實現。收集患者和員工數據的組織可以更容易地看到哪裡需要改進，哪裡可以減少無效的努力。Hadoop在許多應用程序中以多面化的方式幫助醫療組織。我們已經討論了一些關於Hadoop如何在醫療保健方面提供幫助的例子和用例。

欺詐檢測

用戶需要能夠基於分析賬單數據、程序基準數據或患者記錄中的異常情況來檢測欺詐。用戶可以分析數據，發現異常情況，如醫院在短時間內過度使用服務，病人在同一時間接受不同醫院的醫療服務，或同一病人在多個地點開出相同的處方。MapR使用異常檢測來實時檢測這些事件，並在付款前通知供應商進行調查。

病人監護

醫療保健提供者希望通過不斷監測病人的生命體征，為病人提供更積極主動的護理。來自這些監視器的數據可以實時用於提醒護理提供者病人病情的變化。MapR可以幫助收集這些數據並實時傳輸，這有助於檢測變化。針對較大數據集運行的改進演算法可以提高了解特定患者何時可能發生緊急情況的可能性，從而幫助提供者規劃有效的干預措施。

個性化治療

個性化治療有助於為用戶提供定製的醫療解決方案。藥物或劑量可以根據藥物的作用而改變。這種分析可以根據每個病人的具體需要進行調整。MapR提供了總結和詳細級別的實時訪問，因此可以及時調整治療決策。

輔助診斷

臨床研究人員可以跨多個數據源訪問廣泛的知識庫，以幫助診斷患者病情的準確性。將單個數據集整合到一個大數據存儲庫中，並應用演算法進行預測建模，通過識別子群體中的細微差別，提供更準確的洞見。這些細微差別可能非常罕見，在小型研究樣本中是看不到的，但由於能夠將演算法應用於這些單獨的數據集，細微差別現在可以清楚地檢測出來。

醫療保健中的數據架構問題

過去的醫療保健深受數據基礎設施的困擾，這些數據基礎設施無法處理大量、速度和各種數據，而這些數據是獲取行業的深刻臨床、財務和運營見解所必需的。

傳統上，數據是獨立業務流程的結果，而獨立業務流程總是導致數據單一。這延誤了關鍵的病人數據，並迫使它的反應，如果發現和報告所有。有意義的數據將位於一個通宵批處理隊列中，等待載入到企業數據倉庫(enterprise data warehouse, EDW)，在那裡關鍵的分析應用程序可以提供智能洞察。

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！