医疗行业大数据应用

《医疗行业大数据应用》由会员上传分享，免费在线阅读，更多相关内容在工程资料-天天文库。

1、随着大数据在医疗与生命科学研究过程中的广泛应用和不断扩展，其数量之大和种类之多令人难以置信。比如：一个CT图像含有大约150MB的数据，而一个基因组序列文件大小约为750MB，一个标准的病理图则大得多，接近5GB。如果将这些数据量乘以人口数量和平均寿命，仅一个社区医院或一个中等规模制药企业就可以生成和累积达数个TB甚至数个PB级的结构化和非结构化数据。在中国，2010年，国家公布的“十二五”规划中指出要重点建设国家级、省级和地市级三级卫生信息平台，建设电子档案和电子病历两个基础数据库等诸项目标，也就是推进医疗信息化的“3521”工程。过去由于缺少统一的电子病历系统(EMR)标准，中国的

2、电子病历系统发展比较缓慢，医院之间不能实现共享病患信息共享，医疗服务水平也因此受到影响。为改善这一现状，国家会逐渐加大对电子病历的投入，适应这一趋势，各级医院也将加大在数据中心，IT外包等领域的投入。而随着医疗信息数据的几何倍数增长，医院信息存储将越来越受到重视，医疗信息中心的关注点也将由传统“计算”领域转移到“存储”领域上来。有“弊”就有“利”对于许多医疗和生命科学机构而言，努力控制大数据造成的呈螺旋上涨的成本、复杂性和风险已经成为一个至关重要的问题。然而，从另一个角度来看，医疗大数据能够带来的收益要远远超出管理它们的成本，如开放新的具有医疗价值的信息源、提高诊断准确性和速度、预测疾

3、病和健康形态，以及取得生命科学创新的不同见解。美国管理咨询公司麦肯锡全球研究院（MGI）预测，如果美国的医疗行业能够有效利用不断增长的大数据来提高效率和质量，那么每年可创造超过3000亿美元的额外价值。而且，在欧洲的发达国家中，仅在提高运行效率一项上，政府行政管理部门就可以利用大数据节省1000亿欧元以上的费用。对于大多数成功的医疗机构来说，利用大数据已经成为提高生产力、改进护理水平、增强竞争力、加快增长和创新的关键策略。那么，我们该如何在两方面进行平衡，实现可观的效果和利润呢？答案存在于数据经济学中，即如何使从数据中获取价值的成本低于数据能产生的效益？如果我们能够有效地将数据存储、处

4、理和保护成本降至最低，然后利用尖端技术将数据转化成支持临床需要与业务增长的可执行信息，我们就能实现最高的数据经济效益。医疗大数据的挑战然而，如何有效地将大数据存储成本降至最低，是企业和IT领导者，尤其是内容驱动的医疗和生命科学企业面临的根本性挑战。因为除了数据数量和形态的迅速增加，医疗数据还需要越来越长的保留期。患者的病历可能需要保存70或80年，甚至更长。许多情况下，病历还必须以原始格式永久保存，以满足法规遵从的要求。同样，生命科学研究机构有选择性的选择价值足以保留和维护数十年的数据，以期为新研究提供依据。另外，许多医疗与生命科学研究机构在竭力应对资源紧张、持续的业务增长和新医疗技术

5、带来的挑战。事实上，存储消费速度加快，存储资产未得到充分利用，对空间的持续需求以及动力和冷却成本的增加，都推动了总体拥有成本的不断攀升。而且，一旦存储系统的安全性出现问题，导致医疗数据丢失，医院会面临更严重的局面。对于研究机构来说，数据存取是创新和竞争力的核心。这样看来，文件数据不断增长导致的管理成本提升被认为是当今全球5000强公司面临的五大难题之一，这种结论就不足为奇了。 医疗行业应对大数据的理想基础架构要实现最高数据经济效益，关键是能够对包括结构性数据和非结构性数据在内的所有医疗大数据进行集成，实现集中管理和更好的资源配置。为了整合医院不同部门或不同生命科学系统的大数据，实现最充

6、分的信息搜索和共享，理想的存储架构必须是一个适用块数据、文件和内容的集成系统，并且拥有强大的容量、性能和吞吐量，在处理、移动和访问多个大型数据集和大量数据（数量常常达到数个TB甚至是PB）时能够保持运行的一致性。为了尽量降低存储成本并满足临床业务需要，理想的存储架构还必须支持临床创新的数据互操作性，必须能够智能分层，根据访问频率、临床价值和实际存储成本自动完成数据分布。这种动态分层功能有助于进一步提高容量利用和资源配置水平，从而全面优化存储资源的成本效率。HDS文件和内容解决方案HDS文件和内容解决方案由HitachiContentPlatform、HitachiNASPlatform

7、,、HitachiDataDiscoverySuite以及HitachiDataIngestor组成，可以满足在医疗和生命科学研究领域中存储、管理、保护和搜索各类数据最严苛的要求，无论这些数据是pdf文件、医学影像还是病患人口数据。另外，HitachiClinicalRepository（HCR）为管理业务和健康数据、固定内容和图像，应对DICOM/HL7数据读取、数据整合、数据挖掘和数据分布这些独特挑战而设计的。它由HitachiConten