2015-3-23 藍藍設計的小編
藍藍設計( m.sillybuy.com )是一家專注而深入的界面設計公司,為期望卓越的國內(nèi)外企業(yè)提供有效的UI界面設計、BS界面設計 、 cs界面設計 、 ipad界面設計 、 包裝設計 、 圖標定制 、 用戶體驗 、交互設計、 網(wǎng)站建設 、平面設計服務
每一個扁平化界面設計,都是我們的心靈碰撞致力于最棒的 metro ui 設計
來源:http://www.36kr.com/p/220623.html
如果您想訂閱本博客內(nèi)容,每天自動發(fā)到您的郵箱中, 請點這里
陳遵秋和陳漪伊夫婦是美籍華人,現(xiàn)在美國定居。其二人是目前研究醫(yī)療大數(shù)據(jù)及生物樣本大數(shù)據(jù)真正的專家?,F(xiàn)將兩位的文章進行公開發(fā)表,與大家一起探討。
現(xiàn)在無論國內(nèi)外均出現(xiàn)了移動醫(yī)療熱,所有的創(chuàng)業(yè)團隊和投資公司均把商業(yè)模式指向了最后的醫(yī)療大數(shù)據(jù)分析。但是可以很負責任的說,90%以上的人都不知道醫(yī)療大數(shù)據(jù)分析是什么東西,因此這是一篇掃盲貼,但是僅供專業(yè)人士。文中分析了醫(yī)療大數(shù)據(jù)、它的維度、方法和成本,以及需要的專業(yè)人才。本文無論是對創(chuàng)業(yè)團隊還是投資機構(gòu)都是非常有指導意義的。
大數(shù)據(jù)定義及其特征
大數(shù)據(jù)顧名思義就是數(shù)量極其龐大的數(shù)據(jù)資料。從上世紀80年代開始,每隔40個月世界上儲存的人均科技信息量就會翻倍 (Hibert & Lopez, 2011)。2012年,每天會有2.5EB量的數(shù)據(jù)產(chǎn)生 (Andrew & Erik, 2012)。現(xiàn)在,2014年,每天會有2.3ZB量的數(shù)據(jù)產(chǎn)生 (IBM, 2015)。這是一個什么概念? 現(xiàn)在一般我們電腦的硬盤大小都以GB,或者TB為單位了。1GB的容量可以儲存約5.4億的漢字,或者170張普通數(shù)碼相機拍攝的高精度照片,或者300-350首長度為5-6分鐘的MP3歌曲。 那GB和TB, EB,ZB的關系又是怎樣?
1ZB=1024EB=10242PB=10243TB=10244GB。如果你有一臺1TB硬盤容量的電腦,那1ZB就是大致等于10億臺電腦的容量,遠遠超出了我們一般的想象。
早期,IBM定義了大數(shù)據(jù)的特性有3個:大量性( Volume), 多樣性(Variety), 快速性(Velocity) (Zikopoulos, Eaton, deRooos, Deutsch, & Lapis, 2012)。后來又有學者把價值(Value)加到大數(shù)據(jù)的特性里。隨著時間的推移和人們思考的進一步完善,又有三個大數(shù)據(jù)的特性被提出: 易變性(Variability),準確性(Veracity)和復雜性(Complexity)。
作者認為價值本質(zhì)上是數(shù)據(jù)被分析后體現(xiàn)出來的有用信息知識的程度,和其他幾個特性有根本區(qū)別。其他幾個特性可以說是數(shù)據(jù)工作者具體實踐中面臨的挑戰(zhàn),而價值則是征服這些挑戰(zhàn)后獲得的回報。
大數(shù)據(jù)的6個特性描述如下:
大量性:一般在大數(shù)據(jù)里,單個文件大量性的級別至少為幾十,幾百GB以上,一調(diào)查 (Russom, 2013)顯示相當多的機構(gòu)擁有的數(shù)據(jù)總量在10到99TB之間。用我們傳統(tǒng)的數(shù)據(jù)庫軟件,1GB已經(jīng)可以儲存千萬條有著幾百個變量的數(shù)據(jù)記錄了。
多樣性:泛指數(shù)據(jù)類型及其來源的多樣化 (Troester, 2012),進一步可以把數(shù)據(jù)結(jié)構(gòu)歸納為結(jié)構(gòu)化(structured),半結(jié)構(gòu)化(semi-structured),和非結(jié)構(gòu)化(unstructured) (SAS, 2014) 。
快速性:反映在數(shù)據(jù)的快速產(chǎn)生及數(shù)據(jù)變更的頻率上。比如一份哈佛商學院的研究報告稱在2012年時,谷歌每天就需要要處理20PB的數(shù)據(jù) (Harvard Business Review, 2012)。
易變性:伴隨數(shù)據(jù)快速性的特征,數(shù)據(jù)流還呈現(xiàn)一種波動的特征。不穩(wěn)定的數(shù)據(jù)流會隨著日,季節(jié),特定事件的觸發(fā)出現(xiàn)周期性峰值 (Troester, 2012)。
準確性:又稱為數(shù)據(jù)保證(data assurance)。不同方式,渠道收集到的數(shù)據(jù)在質(zhì)量上會有很大差異。數(shù)據(jù)分析和輸出結(jié)果的錯誤程度和可信度在很大程度上取決于收集到的數(shù)據(jù)質(zhì)量的高低 (W.Raghupathi & Raghupathi, 2014)。所謂“垃圾進,垃圾出”。沒有數(shù)據(jù)保證,大數(shù)據(jù)分析就毫無意義。
復雜性:復雜性體現(xiàn)在數(shù)據(jù)的管理和操作上。IT時代,隨著數(shù)據(jù)來源及數(shù)據(jù)量的爆發(fā),各種不同渠道數(shù)據(jù)的大量涌現(xiàn),數(shù)據(jù)的管理和操作已經(jīng)變得原來越復雜。如何抽取,轉(zhuǎn)換,加載,連接,關聯(lián)以把握數(shù)據(jù)內(nèi)蘊的有用信息已經(jīng)變得越來越有挑戰(zhàn)性。
醫(yī)療大數(shù)據(jù)的爆發(fā)
早期,大部分醫(yī)療相關數(shù)據(jù)是紙張化的形式存在,而非電子數(shù)據(jù)化存儲, 比如官方的醫(yī)藥記錄,收費記錄,護士醫(yī)生手寫的病例記錄,處方藥記錄,X光片記錄,磁共振成像(MRI)記錄,CT影像記錄等等。
隨著強大的數(shù)據(jù)存儲,計算平臺,及移動互聯(lián)網(wǎng)的發(fā)展,現(xiàn)在的趨勢是醫(yī)療數(shù)據(jù)的大量爆發(fā)及快速的電子數(shù)字化。以上提到的醫(yī)療數(shù)據(jù)都在不同程度上向數(shù)字化轉(zhuǎn)化。
有報告顯示,2011年,單單美國的醫(yī)療健康系統(tǒng)數(shù)據(jù)量就達到了150EB。照目前的增長速度, ZB(約1021GB)和YB(約1021GB) 的級別也會很快達到 (IHTT, 2013)。Kaiser Permanente,一個在加州發(fā)展起來的醫(yī)療健康網(wǎng)絡系統(tǒng),就有9百萬的會員,被認為擁有26.5到44PB的電子健康記錄 (IHTT, 2013)。
IT時代涌現(xiàn)的還有各種網(wǎng)絡社交媒體數(shù)據(jù),比如曾經(jīng)Google用來預測流感的數(shù)據(jù)?;驍?shù)據(jù)也是非常龐大的存在,一次全面的基因測序,產(chǎn)生的個人數(shù)據(jù)則達到 300GB (Leah, 2014)。公開發(fā)布的基因DNA微陣列達到50萬之多,每一陣列包含數(shù)萬的分子表達值。在生物醫(yī)藥方面,功能性磁共振影像的數(shù)據(jù)量也達到了數(shù)萬TB級別,每一幅影像包含有5萬像素值 (Fan, Han, & Liu, 2014)。
此外,各種健身,健康可穿戴設備的出現(xiàn),使得血壓、心率、體重,血糖,心電圖(EKG)等的監(jiān)測都變?yōu)楝F(xiàn)實和可能,信息的獲取和分析的速度已經(jīng)從原來的按“天”計算,發(fā)展到了按“小時”,按“秒”計算。比如,一家名為Blue Spark的科技公司已經(jīng)生產(chǎn)出能24小時實時監(jiān)測體溫的新型溫度計貼片temptraq。
這種數(shù)據(jù)的擴展速度和覆蓋范圍是前所未有的,數(shù)據(jù)的格式也五花八門,可能是無格式文件(flat file),CSV,關系表,ASCII/純文本文件等等。
同時,數(shù)據(jù)的來源也紛繁復雜,可能來自不同的地區(qū),不同的醫(yī)療機構(gòu),不同的軟件應用。不可否認,一旦理順了多格式,多源頭,呈爆炸性成長的大數(shù)據(jù)的整合和分析,醫(yī)療大數(shù)據(jù)將對提高醫(yī)療質(zhì)量,強化患者安全,降低風險,降低醫(yī)療成本等方面發(fā)揮無與倫比的巨大作用。
醫(yī)療大數(shù)據(jù)的優(yōu)勢和應用場景
有效的整合和利用數(shù)字化的醫(yī)療大數(shù)據(jù)對個體醫(yī)生,康寶中心,大型醫(yī)院,和醫(yī)療研究機構(gòu)都有著顯著的好處。
潛在的利益包括 (W.Raghupathi & Raghupathi, 2014):
1)更多更準確的數(shù)據(jù)使得疾病能在早期被監(jiān)測到,從而使治療更容易和有效。
2)通過對特定個體或人群的健康管理,快速有效地監(jiān)測保健詐騙。
3)基于大量的歷史數(shù)據(jù),預測和估計特定疾病或人群的某些未來趨勢,比如:預測特定病人的住院時間,哪些病人會選擇非急需性手術, 哪些病人不會從手術治療中受益,哪些病人會更容易出現(xiàn)并發(fā)癥,等等。麥肯錫估計,單單就美國而言,醫(yī)療大數(shù)據(jù)的利用可以為醫(yī)療開支節(jié)省出3千億美元一年。
醫(yī)療大數(shù)據(jù)的利用可以從以下幾方面減少浪費和提率 (Manyika, 以及其他人, 2011):
臨床操作: 相對更有效的醫(yī)學研究,發(fā)展出臨床相關性更強和成本效益更高的方法用來診斷和治療病人。
研究和發(fā)展:在藥品和醫(yī)療器械方面,建立更低磨損度,更精簡,更快速,更有針對性的研發(fā)產(chǎn)品線。統(tǒng)計工具和算法方面,提高臨床試驗設計和患者的招募,使得治療方法可以更好地匹配個體患者的病癥,從而降低臨床試驗失敗的可能和加快新的治療方法推向市場。分析臨床試驗和病人的病歷,以確定后續(xù)的跡象,并在產(chǎn)品進入市場前發(fā)現(xiàn)病人對藥物醫(yī)療方法的不良反應。
公共衛(wèi)生:分析疾病模式和追蹤疾病暴發(fā)及傳播方式途徑,提高公共衛(wèi)生監(jiān)測和反應速度。更快更準確地研制靶向疫苗,例如:開發(fā)每年的流感疫苗。
此外,醫(yī)療大數(shù)據(jù)的分析還有利于以下幾方面的發(fā)展 (W.Raghupathi & Raghupathi, 2014):
循證醫(yī)學:結(jié)合和分析各種結(jié)構(gòu)化和非結(jié)構(gòu)化數(shù)據(jù),電子病歷,財務和運營數(shù)據(jù),臨床資料和基因組數(shù)據(jù)用以尋找與病癥信息相匹配的治療,預測疾病的高?;颊呋蛱峁└嗟尼t(yī)療服務。
基因組分析:更有效和低成本的執(zhí)行基因測序,使基因組分析成為正規(guī)醫(yī)療保健決策的必要信息并納入病人病歷記錄。
提前裁定欺詐分析:快速分析大量的索賠請求,降低欺詐成功率,減少浪費和濫用。
設備/遠程監(jiān)控:從住院和家庭醫(yī)療裝置采集和分析實時大容量的快速移動數(shù)據(jù),用于安全監(jiān)控和不良反應的預測。
病人的個人資料分析:全面分析病人個人信息(例如,分割和預測模型)從中找到能從特定健保措施中獲益的個人。例如,某些疾病的高?;颊撸ㄈ缣悄虿。┛梢詮念A防措施中受益。這些人如果擁有足夠的時間提前有針對性的預防病情,那么大多數(shù)的危害可以降到程度,甚至可以完全消除。
然而,根據(jù)一份針對美國和加拿大333家醫(yī)療機構(gòu)及10家其他機構(gòu)的調(diào)查 (IHTT, 2013),2013年,醫(yī)療機構(gòu)累積的數(shù)據(jù)量比2011年多出了85%, 但77%的醫(yī)療健康行政人員對自己機構(gòu)在數(shù)據(jù)管理方面的能力評價為“C”。此外,僅有34%報告他們能從電子健康記錄(EHR)中獲取數(shù)據(jù)用來幫助病人,而有43%報告他們不能收集到足夠多的數(shù)據(jù)來幫助病人。由此可見,在北美的醫(yī)療系統(tǒng)中,醫(yī)療大數(shù)據(jù)的管理使用準備工作還有一大段路要走。中國也是處在起步階段。
AD:【獵聘優(yōu)選】阿里巴巴 PHP開發(fā)工程師 30-40萬