京公网安备 11010802034615号
经营许可证编号:京B2-20210330
惠普在大数据医疗方面的解决方案与应用案例
当今社会,数据正以每两年翻一番的速率在发展——这本身就是一个有趣的现象,但更为引人关注的是,企业家们正在积极搜集数据,并从数据中提取有价值的信息,来获取市场动态,提升企业竞争力,改变运营方式甚至是商业模式。在医疗方面,大数据更是被众多企业视为未来的出路。
在2013年全球最具影响力的大数据企业排行榜中,惠普以2012年大数据营收总值6.64亿美元的成绩名列第二。下面,我们就来看看惠普数据平台的主要内容,以及惠普大数据的应用实例。
2015年11 月,由现任惠普 CEO Meg Whitman 带领的 Hewlett Packard Enterprise 将开始在纽交所进行交易。Hewlett Packard Enterprise 将专注于企业级的 IT 解决方案、基础设施以及软件和云服务。其中Haven大数据平台的创建是该公司的众中之重。
惠普Haven是业界首个全面、可扩展的开放式安全大数据分析平台。利用它,企业家可以即时按需获取切实可行的见解,促进业务成效,获得竞争优势;治疗医师可以获得对病症的最全面客观的描述,提高诊疗水平,减少医疗花费。
惠普Haven大数据平台的医疗保健分析可以解决大数据在医疗行业中的挑战与难题,它是一个模块化的灵活的解决方案。它把数据孤岛连接起来,巧妙地把结构化数据(例如调度数据、计费代码等)和非结构化数据(例如临床叙述等)利用起来。它能读取所有类型的信息,不论什么位置、格式、语言。临床医生根据这种功能,可以了解各类信息,得出可用于提高护理质量和运营效率的可操作性见解,同时降低医疗成本。
Haven大数据平台包括企业大数据、大数据云、Haven Hadoop 、Haven预测分析等内容。其中,企业大数据是内部部署的大数据解决方案,主要面向的是结构化和非结构化的数据;大数据云可快速提供数据驱动型见解分析,并充分利用API创建新一代的应用和服务,是一套云服务套件;Haven Hadoop可访问和研究业界最常用的Hadoop发行版中的海量数据;Haven预测分析能够加速实行大规模机器学习和高级分析。
让我们来看看四种常见的具有高潜力高能回报的解决方案用例:
•搜索
大量的临床记录涉及各种各样的医疗设备和专业知识。由于信息具有多样性,所以医生在查找特定的临床数据时,无论是在一个病人的病历中查找还是在数千人的病例中查找,都要花大量的时间来搜索。因为很多记录是由临床叙述组成的,是非结构化的,每个病人和临床医生的叙述与记录风格都不一样,所以这些叙述都是带有个人风格和术语的自由文本。这种信息的多样性阻碍了搜索进度,耗时费力。
惠普Haven大数据平台利用分类法来查询信息,使搜索更为便捷有效。在对医疗信息、临床、商业智能、研究活动等相关数据的提取上,平台用成熟的概率模型来自动识别临床概念,并根据搜索内容,突出显示与之相关的搜索结果。因此,惠普Haven大数据平台可以帮助减少手动和容易出错的步骤,进而减少管理开销,缩短收集信息的时间。
•报告
医疗服务提供者以定期收集关键绩效指标作为参考,来评价近期的的运营效果。但这些数据指标在很大程度上仅能用于符合商业处理标准的结构化交易数据。这意味着,非标准报告通常需要在信息服务的协助下,执行分批处理查询。
惠普Haven大数据平台的医疗保健分析从整个组织和自动化报告到有效提供全面的智能服务,实现了编码和自由文本数据的集成。交互式用户界面可提供直观的报告和可视化的临床数据,而惠普大数据平台的自助服务分析模型,使用户可以方便地利用这个优势。相关的分析结果也可以迅速追踪到支持的数据,以获得更为准确的报告。
•寻找差异
财政补偿和临床报告几乎完全基于结构化数据,但这些结构化数据不可能完全准确。编码过度或不足都会产生偏差。所以找到诊断/程序代码和临床文档之间的差异是非常关键的,但想找到其中的差异又是一件困难重重的事情。
惠普解决了这个问题,运用Haven大数据平台的医疗保健分析,用户就能找到故障分析编码和临床文档之间的差异。原因在于Haven大数据平台通过寻找过程自动化和去除结构数据和非结构数据之间的边界等方式,简化了流程步骤,增强了寻找的有效性。
•流程优化
当今社会,人们都想花最少的钱,获得最好的治疗效果。医疗服务提供商正在寻找各种方法来提高效率和对病人的护理质量,如减少运营浪费、通过主动管理IT系统来获得最佳性能等。
惠普Haven大数据平台可与现有的一些医疗保健系统相结合,比如Cerner公司的系统,加快对大量系统性能数据的分析。Cerner公司的RTMS(响应时间测量系统)定时器就能检测特定的应用功能需要多长时间,如添加或加速患者信息的传输、输入药物或医疗程序的指令等。此外,Cerner公司的分析系统具有数据警报功能和主动监测功能,可以尽量减少系统性能降低的风险。
惠普Haven大数据平台的医疗保健分析具有模块化特性,所以该平台数据分析也可以拓展运用于其他案例,如调查合并症模式、关系发现、先进的居民健康管理队列分析等。
最后,通过应用案例来体现惠普大数据平台的的实际应用价值。
案例一:Kainos公司在惠普Autonomy的技术支持下引领国民医疗服务进入无纸时代
英国政府想在2018年前实现国民医疗服务无纸化的目标。无纸化,也就是用电子病历来取代冗杂的纸质病历。在英国,Kainos公司是著名的电子病历企业。在
惠普Autonomy自动平台的技术支持下,Kainos公司的龙头产品——Evolve引领了一场医疗行业的数字革命。
或许,我们能从Evolve的创建过程中了解到惠普Autonomy对电子病历形成的重要作用。
Evolve的目标是使病历记录电子化,让病历记录更加有侧重性、集中性,能够处理患者、病房、住院流程等方面的问题。这样一来,健康和社会保障从业者敲一下键盘,就能读取重要信息。为实现这个目标,Kainos公司竭力寻求着一项技术,既能阅读和索引建立在纸质病历基础上的复杂信息,又能提取文件类型,辨认出像临床学科等特定领域的概念。该项技术还要能访问和检索其他系统的信息。
而惠普Autonomy 企业信息管理解决方案足以满足Kainos公司的需求。通过惠普Autonomy,用户可以实时了解所有数据,用于进行信息分析、存档、发现、内容管理、数据保护和营销优化。
Autonomy的软件系统具有功能强大的管理和分析工具,能对人们的信息和非结构化数据进行加工处理,如分析电子信函、社会媒体、视频、音频、文本、网页等。基于此,Kainos 公司已与惠普Autonomy 建立了合作关系.
Kainos的长期目标有两个,其一是建立一个近程、远程都能访问的单一界面,通过该界面,人们能够得到各种与临床相关的信息。其二是能够建立一个对信息具有引领性研究分析的工具。
惠普Autonomy 旗下的HP IDOL分析引擎能够根据内容和概念,自动将医疗记录和文件进行分类,为搜索和分析特定的信息提供了便利。
惠普Autonomy的使用,缩短了技术开发的时间,减少了研发费用,使得Evolve能够更早地面向市场。这种有利的技术支持,也增强了人们对Evolve的信任。在惠普Autonomy 技术支持下建立的Evolve实现了病历的电子化,让医生能够更加方便地了解到病人的患病史,并节省了纸质病历的开支。
案例二:惠普公司入驻贵州助力大数据产业
医疗服务信息化不仅能方便医疗单位的管理,也为医生、患者带来了诸多好处,已经成为社会的发展趋势之一。在信息化过程中,云计算起着重要作用,建立智慧医疗云平台,也成为医疗信息化的重要部分。
当今社会各行业信息系统存在着投资成本高、风险大;信息孤岛现象严重;缺乏完整、科学的标准体系等问题。这些问题的存在,严重阻碍着信息共享、决策推断与企业运营。
云计算具有虚拟化、超大规模、高可扩展性、高可靠性、云储存与云分析等特点,能够适应各种不同的应用,进行大数据的储存分析和资源情况的实时监控,并能提供有效的决策。
智慧医疗可以把社区卫生服务中心、云基础设施、 计算中心、云端服务与服务对象等连接起来,使之成为一个整体,消除信息孤岛,实现数据共享,有益于企业做出正确决策。
惠普Haven大数据平台的搜索、分析等功能使其能够在智慧医疗领域中大展身手。其中,惠普的Vertica OnDemand是一个云端企业级的大数据分析平台,它能对数据进行高效能、企业级别的分析,帮助人们以最快的速度做出精明的决策,正能满足智慧医疗的需求。
惠普大数据平台已在智慧医疗方面得到应用。据了解,惠普公司于2015年3月2日宣布将在惠州建立智慧医疗云平台。据称,惠普公司今后将在贵阳建设规模为1万平米、容纳5万台服务器的强大数据中心,提升贵阳云计算整体技术实力和服务水平;将通过大数据分析平台技术,打造“贵州国际金贸云”大数据平台。目前,惠普已与贵阳携手建立统一的智慧医疗云平台,初期将打通9家市立医院数据,建立全市统一的电子数据库。未来市民可通过医疗云平台进行医保的相关操作,医院和相关医保单位也可通过后台对数据进行统一管理和结算。
贵州省委常委、市委书记陈刚对惠普赞誉有加:“惠普是助推贵阳发展大数据、云计算产业的先行者之一,惠普在贵阳的落户,使贵阳成为发展大数据产业的‘热点’,极大地增强了贵阳市发展大数据产业的号召力。”
智慧医疗云平台的建立,将为当地医疗做出重要贡献,惠普大数据平台将在此显示它的价值。陈书记还说到“惠普项目的上线,不仅对贵阳发展大数据、云计算具有积极的推动作用,还将创造更多的就业机会,提供更加便捷的公共医疗服务,惠及更多普通百姓。”让我们拭目以待惠普智慧云医疗对贵州发展的促进作用。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在数据驱动决策的体系中,数据分析按照分析目的可分为描述性分析、诊断性分析、预测性分析与指导性分析四大类型。其中,诊断性分 ...
2026-09-01网络请求是Python爬虫开发、接口测试、数据拉取的核心基础功能,Python生态中主要依靠 urllib 和 requests 两大库实现HTTP请求操 ...
2026-09-01 很多数据分析师面对业务问题时,常常感到“知道要分析,却不知道用什么方法”。其实,数据分析并非无章可循——从三大基础范 ...
2026-09-01在数据库设计与业务数据维护中,自增ID是数据表最常用的主键字段,用于唯一标识每一条业务数据,正常状态下ID应保持连续递增。但 ...
2026-08-31在数理统计、数据分析、经济测算与日常量化评估中,平均值是刻画数据集中趋势、反映整体水平的基础核心指标。在实际应用中,最常 ...
2026-08-31在数据驱动的时代,数据分析早已不是“凭经验、靠感觉”的零散操作,而是一套具备固定逻辑、标准化流程的系统方法——这就是数据 ...
2026-08-31在大数据时代背景下,海量行业数据亟需通过专业化工具挖掘潜在价值,辅助企业业务决策、优化运营模式、规避经营风险。Python凭借 ...
2026-08-28SQL是数据分析领域最基础、最核心的工具,承担着取数、清洗、统计、分层、归因的全流程工作。不同于单纯的语法练习,实战化SQL数 ...
2026-08-28 很多企业团队并非缺乏指标,而是陷入“指标失控”:仪表盘上堆满实时跳动的数据,却无法回答“当前瓶颈在哪、下一步该做什么 ...
2026-08-28随着新零售模式的快速普及,零售行业从传统的“货品驱动”全面转向“用户驱动”。门店交易数据、线上消费记录、浏览轨迹、复购频 ...
2026-08-27在数据分析、爬虫采集、接口开发、数据归档等场景中,JSON与CSV是两种使用率最高的数据存储格式。JSON为键值对结构化格式,适配 ...
2026-08-27 很多数据分析师每天都在计算指标、制作报表,但当被问到“什么叫指标数据元”“指标数据标准包含哪些核心维度”“指标数据质 ...
2026-08-27在数据分析工作中,时间序列是最常见的数据类型之一,订单时间、日志时间、交易时段、统计周期等数据均离不开时间处理。原始数据 ...
2026-08-26在数据分析与数据预处理工作中,原始数据普遍存在录入错误、系统故障、偶然极值等问题,极易产生异常数据。异常数据会严重干扰数 ...
2026-08-26 很多数据分析师能熟练写SQL、做透视表,但当被问到“数据是从哪里来的?经过哪些加工才进入数据仓库?ETL具体做了什么?”时 ...
2026-08-26在数理统计与数据分析领域,多因素方差分析与线性回归模型是研究变量关系、因素影响、数据差异规律的两大核心工具。二者均属于经 ...
2026-08-25数据分析的核心价值不在于数据计算与图表制作,而在于清晰、精准、有逻辑地输出结论、支撑业务决策。日常数据分析报告普遍存在结 ...
2026-08-25 很多数据分析师能熟练地写SQL、做透视表、算描述性统计,但当被问到“如何预测用户流失概率”“如何归因销量下滑的关键因素 ...
2026-08-25平均数是数据分析、数理统计与日常运算中最基础、最常用的统计量,核心作用是浓缩一组数据的整体水平、刻画数据集中趋势。在众多 ...
2026-08-24在MySQL数据库中,InnoDB存储引擎作为主流事务型引擎,默认事务隔离级别为可重复读(Repeatable Read,RR),这与SQL Server、Or ...
2026-08-24