
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
CDA 精益业务数据分析:驱动企业高效决策的核心引擎 在数字经济时代,企业面临着前所未有的数据洪流,如何从海量数据中提取有 ...
2025-07-15MySQL 无外键关联表的 JOIN 实战:数据整合的灵活之道 在 MySQL 数据库的日常操作中,我们经常会遇到需要整合多张表数据的场景 ...
2025-07-15Python Pandas:数据科学的瑞士军刀 在数据驱动的时代,面对海量、复杂的数据,如何高效地进行处理、分析和挖掘成为关键。 ...
2025-07-15用 SQL 生成逆向回滚 SQL:数据操作的 “后悔药” 指南 在数据库操作中,误删数据、错改字段或误执行批量更新等问题时有发生。 ...
2025-07-14如何考取数据分析师证书:以 CDA 为例 在数字化浪潮席卷各行各业的当下,数据分析师已然成为企业挖掘数据价值、驱动决策的 ...
2025-07-14t检验与Wilcoxon检验的选择:何时用t.test,何时用wilcox.test? t 检验与 Wilcoxon 检验的选择:何时用 t.test,何时用 wilcox. ...
2025-07-14AI 浪潮下的生存与进阶: CDA数据分析师—开启新时代职业生涯的钥匙(深度研究报告、发展指导白皮书) 发布机构:CDA数据科 ...
2025-07-13LSTM 模型输入长度选择技巧:提升序列建模效能的关键 在循环神经网络(RNN)家族中,长短期记忆网络(LSTM)凭借其解决长序列 ...
2025-07-11CDA 数据分析师报考条件详解与准备指南 在数据驱动决策的时代浪潮下,CDA 数据分析师认证愈发受到瞩目,成为众多有志投身数 ...
2025-07-11数据透视表中两列相乘合计的实用指南 在数据分析的日常工作中,数据透视表凭借其强大的数据汇总和分析功能,成为了 Excel 用户 ...
2025-07-11尊敬的考生: 您好! 我们诚挚通知您,CDA Level I和 Level II考试大纲将于 2025年7月25日 实施重大更新。 此次更新旨在确保认 ...
2025-07-10BI 大数据分析师:连接数据与业务的价值转化者 在大数据与商业智能(Business Intelligence,简称 BI)深度融合的时代,BI ...
2025-07-10SQL 在预测分析中的应用:从数据查询到趋势预判 在数据驱动决策的时代,预测分析作为挖掘数据潜在价值的核心手段,正被广泛 ...
2025-07-10数据查询结束后:分析师的收尾工作与价值深化 在数据分析的全流程中,“query end”(查询结束)并非工作的终点,而是将数 ...
2025-07-10CDA 数据分析师考试:从报考到取证的全攻略 在数字经济蓬勃发展的今天,数据分析师已成为各行业争抢的核心人才,而 CDA(Certi ...
2025-07-09【CDA干货】单样本趋势性检验:捕捉数据背后的时间轨迹 在数据分析的版图中,单样本趋势性检验如同一位耐心的侦探,专注于从单 ...
2025-07-09year_month数据类型:时间维度的精准切片 在数据的世界里,时间是最不可或缺的维度之一,而year_month数据类型就像一把精准 ...
2025-07-09CDA 备考干货:Python 在数据分析中的核心应用与实战技巧 在 CDA 数据分析师认证考试中,Python 作为数据处理与分析的核心 ...
2025-07-08SPSS 中的 Mann-Kendall 检验:数据趋势与突变分析的有力工具 在数据分析的广袤领域中,准确捕捉数据的趋势变化以及识别 ...
2025-07-08备战 CDA 数据分析师考试:需要多久?如何规划? CDA(Certified Data Analyst)数据分析师认证作为国内权威的数据分析能力认证 ...
2025-07-08