
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
在神经网络模型设计中,“隐藏层层数” 是决定模型能力与效率的核心参数之一 —— 层数过少,模型可能 “欠拟合”(无法捕捉数据 ...
2025-10-14在数字化浪潮中,数据分析师已成为企业 “从数据中挖掘价值” 的核心角色 —— 他们既要能从海量数据中提取有效信息,又要能将分 ...
2025-10-14在企业数据驱动的实践中,“指标混乱” 是最常见的痛点:运营部门说 “复购率 15%”,产品部门说 “复购率 8%”,实则是两者对 ...
2025-10-14在手游行业,“次日留存率” 是衡量一款游戏生死的 “第一道关卡”—— 它不仅反映了玩家对游戏的初始接受度,更直接决定了后续 ...
2025-10-13分库分表,为何而生? 在信息技术发展的早期阶段,数据量相对较小,业务逻辑也较为简单,单库单表的数据库架构就能够满足大多数 ...
2025-10-13在企业数字化转型过程中,“数据孤岛” 是普遍面临的痛点:用户数据散落在 APP 日志、注册系统、客服记录中,订单数据分散在交易 ...
2025-10-13在数字化时代,用户的每一次行为 —— 从电商平台的 “浏览→加购→购买”,到视频 APP 的 “打开→搜索→观看→收藏”,再到银 ...
2025-10-11在机器学习建模流程中,“特征重要性分析” 是连接 “数据” 与 “业务” 的关键桥梁 —— 它不仅能帮我们筛选冗余特征、提升模 ...
2025-10-11在企业的数据体系中,未经分类的数据如同 “杂乱无章的仓库”—— 用户行为日志、订单记录、商品信息混杂存储,CDA(Certified D ...
2025-10-11在 SQL Server 数据库操作中,“数据类型转换” 是高频需求 —— 无论是将字符串格式的日期转为datetime用于筛选,还是将数值转 ...
2025-10-10在科研攻关、工业优化、产品开发中,正交试验(Orthogonal Experiment)因 “用少量试验覆盖多因素多水平组合” 的高效性,成为 ...
2025-10-10在企业数据量从 “GB 级” 迈向 “PB 级” 的过程中,“数据混乱” 的痛点逐渐从 “隐性问题” 变为 “显性瓶颈”:各部门数据口 ...
2025-10-10在深度学习中,“模型如何从错误中学习” 是最关键的问题 —— 而损失函数与反向传播正是回答这一问题的核心技术:损失函数负责 ...
2025-10-09本文将从 “检验本质” 切入,拆解两种方法的核心适用条件、场景边界与实战选择逻辑,结合医学、工业、教育领域的案例,让你明确 ...
2025-10-09在 CDA 数据分析师的日常工作中,常会遇到这样的困惑:某电商平台 11 月 GMV 同比增长 20%,但究竟是 “长期趋势自然增长”,还 ...
2025-10-09Pandas 选取特定值所在行:6 类核心方法与实战指南 在使用 pandas 处理结构化数据时,“选取特定值所在的行” 是最高频的操作之 ...
2025-09-30球面卷积神经网络(SCNN) 为解决这一痛点,球面卷积神经网络(Spherical Convolutional Neural Network, SCNN) 应运而生。它通 ...
2025-09-30在企业日常运营中,“未来会怎样” 是决策者最关心的问题 —— 电商平台想知道 “下月销量能否达标”,金融机构想预判 “下周股 ...
2025-09-30Excel 能做聚类分析吗?基础方法、进阶技巧与场景边界 在数据分析领域,聚类分析是 “无监督学习” 的核心技术 —— 无需预设分 ...
2025-09-29XGBoost 决策树:原理、优化与工业级实战指南 在机器学习领域,决策树因 “可解释性强、处理非线性关系能力突出” 成为基础模型 ...
2025-09-29