Hvordan å inkorporere store data i sykdomsdiagnosen - dummier

Over hele verden blir store datakilder for helsetjenester opprettet og gjort tilgjengelige for integrasjon i eksisterende prosesser. Kliniske forsøksdata, genetikk og genetiske mutasjonsdata, proteinterapeutiske data og mange andre nye kilder til informasjon kan høstes for å forbedre de daglige helseprosessene.

Sosiale medier kan og vil bli brukt til å øke eksisterende data og prosesser for å gi mer personlig syn på behandling og behandling. Nye medisinske enheter vil kontrollere behandlinger og overføre telemetri data for sanntid og andre typer analyser. Oppgaven fremover er å forstå disse nye datakildene og utfylle eksisterende data og prosesser med de nye store datatyper.

Så hvordan ser helseprosessen ut med innføring av store data i operasjonsprosessen for å identifisere og administrere pasienthelse? Her er et eksempel på hvordan fremtiden kan se ut:

1. Forstå problemet vi prøver å løse:

   • Trenger du å behandle en pasient med en bestemt type kreft

2. Identifiser prosessene som er involvert:

   < !

   • Diagnose og testing (identifisere genetisk mutasjon)

   • Resultatanalyse inkludert undersøkelse av behandlingsalternativer, klinisk prøveanalyse, genetisk analyse og proteinanalyse

   • Definisjon av behandlingsprotokoll, muligens inkludert gen eller protein terapi

   • Overvåk pasienten og juster behandlingen etter behov ved å bruke ny trådløs enhet for personlig behandling og overvåking. Pasienten bruker sosiale medier til å dokumentere samlet erfaring.

3. Identifiser den informasjonen som kreves for å løse problemet:

   • Pasienthistorikk

   • Blod, vev, testresultater og så videre

   • Statistiske resultater av behandlingsalternativer

   • Kliniske forsøksdata

   • Genetikkdata

   • Proteindata

   • Social media data

4. Samle dataene, behandle det og analysere resultatene:

   • Begynn behandling

   • Overvåk pasienten og juster behandlingen etter behov

     

Dette representerer det optimale tilfellet der ingen nye prosesser må opprettes for å støtte store dataintegrasjoner. Mens prosessene er relativt uendrede, inkluderer de underliggende teknologiene applikasjonene som må endres for å imøtekomme virkningen av karakteristikkene til store data, inkludert volumet av data, mangfoldet av datakilder og hastigheten eller hastigheten som kreves for å behandle det data.

Innføringen av store data i prosessen med å administrere helsetjenester vil gjøre stor forskjell i effektiviteten til å diagnostisere og administrere helsetjenester i fremtiden.Den samme operative tilnærmingsprosessen kan brukes til en rekke bransjer. Hva er nøklene for å kunne bruke store data til operasjonelle prosesser? Her er noen av de viktigste problemene å vurdere:

• Fullstendig forstå dagens prosess.

• Fullstendig forstå hvor det finnes hull i informasjon.

• Identifiser relevante store datakilder.

• Utarbeide en prosess for å integrere dataene sømløst og da det endres.

• Endre analyse og beslutningsprosesser for å innlemme bruken av store data.