医疗大数据的应用.ppt

  1. 1、本文档共29页,可阅读全部内容。
  2. 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
  3. 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  4. 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
查看更多

医疗大数据的应用15/14/2024

议程? 医疗与大数据的趋势2? 什么是医疗大数据?? 大数据面临的挑战? 如何管理和利用大数据? 案例分享? 总结与展望5/14/2024

议程? 医疗与大数据的趋势3? 什么是医疗大数据?? 大数据面临的挑战? 如何管理和利用大数据? 案例分享? 总结与展望5/14/2024

趋势分析:我们正处在医疗行业的一个重要转折点4医疗费用在不断上升GDP的占比非常高Source:UnitedNations“PopulationAging2002”25-29%30+%20-24%10-19%0-9%%ofpopulationoverage602050WWAverageAge60+:21%全球老龄化平均年龄60+:目前的10%,到2050年将达到20%以美国为例:医疗大数据的价值3千亿美元/年,相当于每年生成总值增长0.7%5/14/2024

趋势分析:我们正处在医疗行业的一个重要转折点50500010000150002010 2011 2012 2013 2014 2015存储的增长医疗服务产生的数据总量(PB)AdminImagingEMREmailFileNonClinImgResearch医疗影像归档一个医疗系统案例的数据到2020年,医疗数据将急剧增长到35Zetabytes,相当于2009年数据量的44倍增长5/14/2024

议程? 医疗与大数据的趋势6? 什么是医疗大数据?? 大数据面临的挑战? 如何管理和利用大数据? 案例分享? 总结与展望5/14/2024

医疗大数据简介71.制药企业/生命科学3.费用报销,利用率和欺诈监管2.临床决策支持其他临床应用(包括诊断相关的影像信息)4.患者行为/社交网络数据来源包括哪些?我们如何利用大数据创造价值? (示例)1.个体化医疗3.欺诈监测得以加强2.临床决策支持4.由生活方式和行为引发的疾病分析5/14/2024

医疗大数据相关解决方案8分布式平台存储优化安全和隐私影像数据处理加速新兴的医疗服务应用个体化医疗临床决策支持肿瘤基因组学健康信息服务基础医疗服务个人健康管理老龄社会数据分析及视觉化处理类SQL的检索医疗影像分析机器学习数据处理/管理医疗影像医疗记录基因数据

议程? 医疗与大数据的趋势9? 什么是医疗大数据?? 大数据面临的挑战? 如何管理和利用大数据? 案例分享? 总结与展望5/14/2024

大数据的挑战不仅来自于数据量的增长...需要新技术的支持10检验结果,费用数据,影像,设备产生的感应数据,基因数据等数据量? 结构化数据,遵循标准的数据标准(如,HL7)? 非结构化数据,如口述、手写、照片、影像等类型在传统的解决方案之上,引入新的数据及分析模型和技术,实时有效的商业价值基于现有数据库中的数据进行分析,来支持不同种类的业务:如费用及报销、患者病史、归档影像分析、实时临床决策支持(数据分析)价值?实时数据分析,而非传统的批量处理分析?数据以流的方式进入系统,进行抽取和分析?对于实时运行中的每个时间节点产生影响,而不是事后处理速度5/14/2024

议程? 医疗与大数据的趋势11? 什么是医疗大数据?? 大数据面临的挑战? 如何管理和利用大数据? 案例分享? 总结与展望5/14/2024

关注数据的价值12数据源文本-语音-视频-传感器RequestingOrM2M通讯批量–商业应用传统解决方案环境ERP,CRM,Batch,OLTP-DB边缘服务器(Edge)大数据存储的考虑传统存储方式大规模数据分析–Hadoop*海量数据库–Hive*大规模备份–Lustre*丰富的视觉化效果–安全的数据分析和缓存分析同步端到端Machine-to-MachineSource-to-Source5/14/2024

关注数据的价值13数据源文本-语音-视频-传感器RequestingOrM2M通讯批量–商业应用传统解决方案环境ERP,CRM,Batch,OLTP-DB边缘服务器(Edge)DataCenterProvisioningDiscreteVirtualCloud–AsAServiceHPC大数据存储的考虑传统存储方式大规模分析–Hadoop*海量数据库–Hive*大规模备份–Lustre*丰富的视觉化效果–安全的数据分析和缓存分析同步端到端Machine-to-MachineSource-to-Sourc

您可能关注的文档

文档评论(0)

187****7670 + 关注
实名认证
内容提供者

该用户很懒,什么也没介绍

1亿VIP精品文档

相关文档