應(yīng)用的動(dòng)力何在

醫(yī)療衛(wèi)生成本拉動(dòng)了對(duì)以為驅(qū)動(dòng)的醫(yī)療衛(wèi)生方面的應(yīng)用需求。在過去的幾十年里，美國(guó)的醫(yī)療衛(wèi)生支出已經(jīng)超過了GDP增量，并且超過了任何一個(gè)其他發(fā)達(dá)國(guó)家的醫(yī)療支出。據(jù)經(jīng)濟(jì)合作與發(fā)展組織(OECD)稱，盡管支出很高，但如果以便利性、平等性、質(zhì)量、效率以及健康人數(shù)為指標(biāo)的話，美國(guó)的醫(yī)療衛(wèi)生系統(tǒng)在了11個(gè)國(guó)家中排名最后(如下圖所示)。對(duì)醫(yī)療數(shù)據(jù)數(shù)字化及數(shù)據(jù)共享的標(biāo)準(zhǔn)化和倡導(dǎo)，改進(jìn)并降低數(shù)據(jù)存儲(chǔ)成本，并能夠在商業(yè)硬件上運(yùn)行，這些都促成了在醫(yī)療行業(yè)的應(yīng)用，并以更低的成本獲得更好的醫(yī)療衛(wèi)生服務(wù)為目標(biāo)。

以價(jià)值為準(zhǔn)的醫(yī)療衛(wèi)生

“平價(jià)醫(yī)療衛(wèi)生法案”的一個(gè)目標(biāo)是通過醫(yī)療信息技術(shù)的有效利用來改進(jìn)醫(yī)療衛(wèi)生，從而達(dá)到以下目的：

? 提高醫(yī)療衛(wèi)生的質(zhì)量和協(xié)調(diào)能力，使成果與現(xiàn)有的專業(yè)知識(shí)一致。
? 縮減醫(yī)療衛(wèi)生支出，減少可避免的過度使用。
? 已改革的支付系統(tǒng)提供支持。

醫(yī)療保險(xiǎn)公司、老年衛(wèi)生醫(yī)療制度(美國(guó)政府向65歲以上的人提供醫(yī)療保險(xiǎn))、醫(yī)療補(bǔ)助制度(美國(guó)政府向貧困者提供醫(yī)療保險(xiǎn))正在從收取服務(wù)性費(fèi)用轉(zhuǎn)向以價(jià)值為基礎(chǔ)、數(shù)據(jù)為驅(qū)動(dòng)的激勵(lì)轉(zhuǎn)變。這種激勵(lì)模式鼓勵(lì)高質(zhì)量、高性價(jià)比的醫(yī)療服務(wù)，并且還能展示對(duì)電子醫(yī)療記錄的有效利用。

醫(yī)療衛(wèi)生數(shù)據(jù)

醫(yī)療衛(wèi)生行業(yè)的數(shù)據(jù)80%都是非結(jié)構(gòu)化數(shù)據(jù)，并且數(shù)據(jù)量還在呈指數(shù)式增長(zhǎng)。對(duì)于這些非結(jié)構(gòu)化數(shù)據(jù)的獲取，比如醫(yī)療設(shè)備檢測(cè)結(jié)果、醫(yī)生的記錄、實(shí)驗(yàn)結(jié)果、影像學(xué)報(bào)告、醫(yī)用函件、臨床數(shù)據(jù)和財(cái)務(wù)數(shù)據(jù)等，是改善病患醫(yī)療服務(wù)及提高效率的無價(jià)資源。

以下是未來可以受益于大數(shù)據(jù)分析的醫(yī)療衛(wèi)生數(shù)據(jù)源的例子：

? 索賠報(bào)告：是醫(yī)療衛(wèi)生服務(wù)供應(yīng)商向保險(xiǎn)公司提交的文件以獲得保險(xiǎn)賠償。《健康保險(xiǎn)隱私及責(zé)任法》(Health Insurance Portability and Accountability Act，縮寫為HIPAA)中最關(guān)鍵的一個(gè)要素就是通過鼓勵(lì)在醫(yī)療服務(wù)供應(yīng)商和保險(xiǎn)公司之間廣泛使用電子文檔交換(Electronic Document Interchange，縮寫為EDI)，建立電子醫(yī)療記錄方面的國(guó)家級(jí)行業(yè)標(biāo)準(zhǔn)來提高效率。索賠報(bào)告交換包括國(guó)際疾病分類(International Classification of Diseases，縮寫為ICD)診斷碼, 治療方案、日期、供應(yīng)商ID以及花費(fèi)金額。

 ? 電子健康/醫(yī)療記錄數(shù)據(jù)(Electronic Health/Medical Record, 縮寫為 EHR或者EMR): 醫(yī)療電子記錄激勵(lì)體系在建立之時(shí)便是用來鼓勵(lì)職業(yè)人員以及醫(yī)院采用并展示對(duì)已認(rèn)證的EHR技術(shù)的有效應(yīng)用。EHR能夠促進(jìn)服務(wù)供應(yīng)商和醫(yī)療機(jī)構(gòu)之間的數(shù)據(jù)全面分享。EHR包含醫(yī)療衛(wèi)生服務(wù)中所產(chǎn)生的數(shù)據(jù)，例如診斷結(jié)果、治療方案、處方、實(shí)驗(yàn)測(cè)試結(jié)果及放射診療結(jié)果。國(guó)際醫(yī)療衛(wèi)生領(lǐng)域信息系統(tǒng)指標(biāo)體系及交換協(xié)議(HL7)提供了電子醫(yī)療記錄數(shù)據(jù)的交換、整合、共享、撤回等方面的基本標(biāo)準(zhǔn)。

? 醫(yī)藥研發(fā)：臨床實(shí)驗(yàn)數(shù)據(jù)、基因數(shù)據(jù)。

? 病人行為和情緒數(shù)據(jù)。

? 醫(yī)療設(shè)備數(shù)據(jù):家庭或醫(yī)院的患者傳感器數(shù)據(jù)。

在醫(yī)療衛(wèi)生領(lǐng)域的發(fā)展趨勢(shì)

現(xiàn)在有一種趨勢(shì)是向著循證醫(yī)學(xué)發(fā)展，即充分利用所有臨床數(shù)據(jù)并能在臨床和高級(jí)分析中對(duì)這些數(shù)據(jù)進(jìn)行因子分解。抓取及收集關(guān)于某一個(gè)病人的所有信息能夠?yàn)槲覀兎治鲠t(yī)療服務(wù)協(xié)調(diào)性、分析基于效果的補(bǔ)償體系、人口健康管理以及病人參與度和其他信息。

醫(yī)療衛(wèi)生領(lǐng)域大數(shù)據(jù)應(yīng)用案例分析

用工具減少醫(yī)療詐騙、浪費(fèi)和濫用

在美國(guó)醫(yī)療產(chǎn)業(yè)中，因欺詐、浪費(fèi)和濫用而產(chǎn)生的成本是造成醫(yī)療費(fèi)用節(jié)節(jié)上升的重要因素，但大數(shù)據(jù)分析能稱為這一現(xiàn)象的變革者。醫(yī)療照護(hù)和醫(yī)療救助中心使用預(yù)測(cè)分析一年能夠杜絕總額超過2.1億的醫(yī)療保險(xiǎn)欺詐。基于hadoop大數(shù)據(jù)平臺(tái)的基礎(chǔ)上，聯(lián)合保健公司實(shí)現(xiàn)了向可預(yù)測(cè)的建模環(huán)境的轉(zhuǎn)變。這個(gè)大數(shù)據(jù)平臺(tái)能夠以系統(tǒng)的、可重復(fù)的方式去甄別不正當(dāng)?shù)乃髻r申請(qǐng)，并能獲得2200%的數(shù)據(jù)反饋。

 辨別詐騙的關(guān)鍵是通過存儲(chǔ)和可追溯的記錄去分析歷史賠償記錄中大量的非結(jié)構(gòu)數(shù)據(jù)集，并利用機(jī)器學(xué)習(xí)的算法來甄別反常事物及模式。

醫(yī)療組織機(jī)構(gòu)可以通過分析病人的紀(jì)錄和賬單來查明異常，例如短期內(nèi)過度使用醫(yī)療服務(wù)，病人在不同地方的不同醫(yī)院受到了醫(yī)療服務(wù)，或是同一個(gè)病人在多家機(jī)構(gòu)得到了相同的處方。

醫(yī)療保護(hù)和醫(yī)療救助中心用預(yù)測(cè)分析來對(duì)某些特定的賠償或醫(yī)療服務(wù)供應(yīng)者進(jìn)行風(fēng)險(xiǎn)評(píng)分，甄別計(jì)費(fèi)模式并發(fā)現(xiàn)用傳統(tǒng)方法難以查明的反常情況。以規(guī)則為基礎(chǔ)的模式基本上能自動(dòng)標(biāo)示部分賠償結(jié)果異常。而異常分析模式基本上是靠分析反常因素發(fā)現(xiàn)問題。預(yù)測(cè)分析模式是將某一賠償案例與另外一個(gè)已被確認(rèn)為詐騙的案例進(jìn)行比較來發(fā)現(xiàn)可疑之處。而圖表模式一般是依據(jù)關(guān)系網(wǎng)來分析，它認(rèn)為一般存疑的醫(yī)療服務(wù)提供者總是與其他存在欺詐性的收費(fèi)者保持緊密聯(lián)系。

通過預(yù)測(cè)分析提高效果

不少積極的嘗試，例如正在加速電子健康記錄(Electronic Health Records,EHRs)的有效利用、病人信息的數(shù)量和細(xì)節(jié)，能夠通過多種信息源組合、分析各種各樣的結(jié)構(gòu)化和非結(jié)構(gòu)化的數(shù)據(jù)有助于提高診斷病人病狀的準(zhǔn)確性、根據(jù)病狀匹配治療方案以及預(yù)測(cè)病人患病或再患病的風(fēng)險(xiǎn)。

以電子健康記錄(EHR)中的數(shù)據(jù)為來源的預(yù)測(cè)模型被應(yīng)用于早起疾病的檢測(cè)，并且還降低了一些疾病的死亡率，比如充血性心力衰竭(CHF)和敗血癥等疾病。降低充血性心力衰竭(Congestive Heart Failure ，CHF)和敗血癥等疾病的死亡率。CHF在醫(yī)療保健支出的占比最大，CHF越早治療越好，這樣能夠避免花更多的錢治療并發(fā)癥。但是醫(yī)生常常會(huì)忽略它的早期臨床表現(xiàn)。來自于佐治亞理工學(xué)院的一個(gè)機(jī)器學(xué)習(xí)示例表明機(jī)器學(xué)習(xí)算法能夠比醫(yī)生從病人的圖表中分析出更多的因素，同時(shí)通過增加額外的特征，機(jī)器學(xué)習(xí)算法能夠有效提高模型區(qū)分CHF患者和非CHF患者的能力。

通過分析包含更多病患數(shù)據(jù)的大樣本數(shù)據(jù)，預(yù)測(cè)模型和機(jī)器學(xué)習(xí)能發(fā)現(xiàn)之前未能發(fā)現(xiàn)的細(xì)微差別和模式。Optum實(shí)驗(yàn)室從EHRs中搜集30萬病人的信息，為預(yù)測(cè)分析工具創(chuàng)建了一個(gè)龐大的數(shù)據(jù)庫。這些工具將會(huì)幫助醫(yī)生做出基于大數(shù)據(jù)信息的決策，從而改善病人的治療。

實(shí)時(shí)監(jiān)控病情

醫(yī)療機(jī)構(gòu)正在通過持續(xù)性監(jiān)控病人生命特征來提供更加具有主動(dòng)性的治療，各種監(jiān)控?cái)?shù)據(jù)能進(jìn)行實(shí)時(shí)分析并及時(shí)發(fā)送警告給醫(yī)療服務(wù)提供者以便他們能及時(shí)了解病人病情的變化。通過機(jī)器學(xué)習(xí)算法進(jìn)行實(shí)時(shí)分析能夠幫助醫(yī)生做出挽救性命的決策并且對(duì)一些病癥進(jìn)行有效干預(yù)。

我們需要收集數(shù)據(jù)、處理數(shù)據(jù)、存儲(chǔ)數(shù)據(jù)，并最終將數(shù)據(jù)用于分析，機(jī)器學(xué)習(xí)和數(shù)據(jù)表盤。

數(shù)據(jù)擷取:NFS

通過網(wǎng)絡(luò)文件系統(tǒng)(NFS)協(xié)議可遠(yuǎn)程訪問網(wǎng)絡(luò)共享磁盤。啟用NFS服務(wù)器后，可與客戶共享目錄和文件，讓用戶和程序像訪問存儲(chǔ)在本地的文件一樣訪問遠(yuǎn)程系統(tǒng)上的文件。

與只允許集群數(shù)據(jù)導(dǎo)入或批量導(dǎo)入的其它版本的Hadoop不同，MapR允許通過NFS直接掛載群集本身，讓您的應(yīng)用程序直接讀取、寫入數(shù)據(jù)。通過POSIX語義，該MapR文件系統(tǒng)允許直接修改文件和多個(gè)并發(fā)讀取寫入操作。掛裝NFS的集群可實(shí)現(xiàn)對(duì)數(shù)據(jù)源的簡(jiǎn)單數(shù)據(jù)擷取，比如說從其他應(yīng)用標(biāo)準(zhǔn)Linux命令、實(shí)用程序、應(yīng)用程序和腳本的設(shè)備上擷取文件、圖片等。

通過使用NFS可從MapR集群移出移入數(shù)據(jù)至更昂貴的存儲(chǔ)空間。例如，您可以將處理過的熱數(shù)據(jù)轉(zhuǎn)移到關(guān)系數(shù)據(jù)庫或數(shù)據(jù)倉庫，您也可以將冷數(shù)據(jù)轉(zhuǎn)移到成本更低的Hadoop存儲(chǔ)中。

流數(shù)據(jù)擷?。篕AFKA API

由于越來越多的醫(yī)療方案需要實(shí)時(shí)分析和動(dòng)態(tài)數(shù)據(jù)，使用事件流擷取數(shù)據(jù)到系統(tǒng)中則將成為關(guān)鍵。 MapR流是一種新型的分布式通信系統(tǒng)，通過Apache Kafka 0.9 API可使得生產(chǎn)者和消費(fèi)者之間實(shí)現(xiàn)實(shí)時(shí)交流事件動(dòng)態(tài)。主題是信息的邏輯化集合，可依據(jù)其將事件分門別類。

主題分區(qū)域放置。主題將并行數(shù)據(jù)負(fù)載傳遍多個(gè)服務(wù)器，這保證了更高的吞吐量和可擴(kuò)展性。

讀取后消息并不會(huì)從主題中刪除，而且主題可以有多個(gè)不同的消費(fèi)者，這使得抱有不同目的不同消費(fèi)者處理可以處理同一消息。

批量處理

當(dāng)快速相應(yīng)時(shí)間不是核心要素時(shí)，就可采用數(shù)據(jù)批量處理。批量處理用于處理一段時(shí)間積累的數(shù)據(jù)集。例如白天收集EDI聲明，晚上打包至文件夾中準(zhǔn)備用于處理。

Apache Hive是一個(gè)用于數(shù)據(jù)倉儲(chǔ)的開源Hadoop應(yīng)用程序。它提供了一個(gè)便捷的方式在大量的非結(jié)構(gòu)化數(shù)據(jù)之上建立框架，然后對(duì)這些數(shù)據(jù)進(jìn)行類似SQL查詢操作的批處理程序。

Apache的Spark是下一代分布式并行處理框架，可為機(jī)器學(xué)習(xí)、圖形處理、SQL等提供一套豐富的API。 對(duì)于迭代算法，Spark處理速度要比MapReduce更快，因?yàn)锳pache盡量將相關(guān)信息儲(chǔ)存在儲(chǔ)存器中，而MapReduce則更多地直接從盤中讀取和寫入。

流式數(shù)據(jù)處理

Spark Streaming是基于Spark的實(shí)時(shí)計(jì)算框架，其將流式計(jì)算分解成一系列短小的批處理作業(yè)。因此，你可以像編寫批處理作業(yè)一樣編寫流作業(yè)。當(dāng)然，處理大規(guī)模流式數(shù)據(jù)，除了Spark Streaming， Apache Flink 和 Apache Storm也是不錯(cuò)的選擇。

NOSQL數(shù)據(jù)庫存儲(chǔ)

存儲(chǔ)海量數(shù)據(jù)，我們需要一個(gè)既能滿足快速寫入又能滿足大批量錄入的數(shù)據(jù)庫。MapR-DB應(yīng)運(yùn)而生，MapR-DB就是為了規(guī)模化寫入而設(shè)計(jì)，因?yàn)槭聦?shí)上同時(shí)讀取的數(shù)據(jù)也存儲(chǔ)在一起。

有了MapR-DB, 數(shù)據(jù)可以通過關(guān)鍵域在數(shù)據(jù)集群之間完成自動(dòng)分配，每個(gè)服務(wù)器對(duì)應(yīng)一個(gè)子數(shù)據(jù)集的源。如果按行分組數(shù)據(jù)，無疑會(huì)加快數(shù)據(jù)讀寫速度。

MapR-DB有兩個(gè)API：

? JSON API——用于存儲(chǔ)文件模型

? HBase API——用于列數(shù)據(jù)模型(尤其是時(shí)間序列數(shù)據(jù))

提供數(shù)據(jù)

終端應(yīng)用，例如數(shù)據(jù)表盤、商業(yè)智能工具以及其他的應(yīng)用，需要使用已處理好的數(shù)據(jù)。同時(shí)，這些數(shù)據(jù)可以再存回?cái)?shù)據(jù)庫，方便日后使用。

Apache Drill 支持無模式SQL查詢引擎，因此能夠?qū)崿F(xiàn)海量數(shù)據(jù)的自助式數(shù)據(jù)探索。能夠?qū)崿F(xiàn)海量數(shù)據(jù)自助服務(wù)SQL查詢。Drill有如下優(yōu)點(diǎn)：

? Drill支持多種數(shù)據(jù)讀取
? Drill進(jìn)行了交互式應(yīng)用方面的優(yōu)化，可以在秒級(jí)別的時(shí)間查詢PB級(jí)別數(shù)據(jù)及萬億條記錄
? 數(shù)據(jù)分析師在使用Drill的時(shí)候，可以搭配一些例如Tableau的工具，就能夠快速實(shí)現(xiàn)數(shù)據(jù)可視化。

以上我們討論的架構(gòu)組建，都能與mapr 融合數(shù)據(jù)平臺(tái)在同一數(shù)據(jù)集群上運(yùn)行。當(dāng)然，整合Hadoop、Spark、實(shí)時(shí)數(shù)據(jù)庫、全球性事件流及大規(guī)模企業(yè)級(jí)存儲(chǔ)，還會(huì)帶來以下好處：

? 維護(hù)一個(gè)數(shù)據(jù)集群，意味著更少的系統(tǒng)架構(gòu)部署和管理，對(duì)系統(tǒng)安全、穩(wěn)定性和性能方面的監(jiān)控也減少了。這樣極大程度上降低了硬件和運(yùn)營(yíng)成本。

? 生產(chǎn)者和消費(fèi)者在同一集群，將會(huì)降低因在不同集群和應(yīng)用程序間復(fù)制或移動(dòng)數(shù)據(jù)而造成的延遲。

案例架構(gòu)

Valence Health使用MapR融合數(shù)據(jù)平臺(tái)來創(chuàng)建作為該公司主要數(shù)據(jù)儲(chǔ)存地的數(shù)據(jù)湖。該公司產(chǎn)生3000條內(nèi)部數(shù)據(jù)記錄，涵蓋45種不同類型，包括實(shí)驗(yàn)室測(cè)試數(shù)據(jù)、病人生命體征、處方、藥品津貼、索賠和支出等，其中索賠來自醫(yī)生和醫(yī)院兩方面。在過去，如果我們要從2000萬條實(shí)驗(yàn)室記錄中檢索一條記錄，將花費(fèi)22個(gè)小時(shí)。而MapR只需要20分鐘，并且其所消耗的硬件資源還會(huì)大大減少。

國(guó)立衛(wèi)生研究院為了整合各研究院的數(shù)據(jù)集，也創(chuàng)建了一個(gè)數(shù)據(jù)湖。這樣，所有的數(shù)據(jù)都集中在一個(gè)地方，更加方便數(shù)據(jù)共享和處理。

UnitedHealthcare IT部門采用Hadoop框架創(chuàng)建了一個(gè)平臺(tái)。該平臺(tái)上有各種工具，能夠 

分析諸如索賠、處方、治療計(jì)劃參與者、合同服務(wù)提供者及相關(guān)的索賠審議結(jié)果等信息。

醫(yī)療衛(wèi)生服務(wù)的記錄系統(tǒng)流

Liaison科技提出一個(gè)基于云的方案，幫助組織機(jī)構(gòu)整合、管理、保護(hù)跨公司數(shù)據(jù)。針對(duì)醫(yī)療服務(wù)和生命科學(xué)產(chǎn)業(yè)，他們提供了一個(gè)縱向解決方案，該方案面臨兩個(gè)難題：符合HIPAA規(guī)定需要以及數(shù)據(jù)格式及呈現(xiàn)方式的推廣。針對(duì)第一個(gè)問題，MapR將該規(guī)定的數(shù)據(jù)譜系流式化，數(shù)據(jù)流成為了一個(gè)記錄系統(tǒng)——一個(gè)無窮盡而又不可隨意更改的數(shù)據(jù)交換記錄日志。

針對(duì)后一問題，我們通過一個(gè)例子來了解。一個(gè)病人的記錄有可能被不同的用戶，例如制藥公司、醫(yī)院、診所、醫(yī)生等以文件或圖表形式呈現(xiàn)或以檢索等方式使用。通過把即時(shí)數(shù)據(jù)變化通過數(shù)據(jù)流的形式處理成MapR-DB HBase、MapR-DB JSON文件、圖表，并錄入搜索數(shù)據(jù)庫中。此外，通過應(yīng)用MapR數(shù)據(jù)整合平臺(tái)的服務(wù)，Liaison可以保護(hù)所有的數(shù)據(jù)，避免冗余數(shù)據(jù)和安全需求累積，而這是對(duì)備選方案的基本要求。

基因處理

Novartis團(tuán)隊(duì)采用Hadoop 和Apache Spark打造了一個(gè)工作流系統(tǒng)。這個(gè)系統(tǒng)為NGS(Next Generation Sequencing)研究整合、處理、分析各種類型的數(shù)據(jù)。

隨著科技的發(fā)展，普通硬件無論是存儲(chǔ)性能還是快速處理大數(shù)據(jù)的能力都大幅提升。隨著通過捕獲、共享、存儲(chǔ)大量電子醫(yī)療服務(wù)數(shù)據(jù)和交易等技術(shù)的成熟，醫(yī)療服務(wù)行業(yè)正逐步變革，不斷提高產(chǎn)出并降低花銷。