Architektura systemu wspomagania decyzji medycznych wykorzystująca technologię przetwarzania danych big data

• Autorzy: Marcin Mazurek

Warianty tytułu

Architecture of clinical decision support system using the Big Data concept

• Języki publikacji: PL

Abstrakty

Rozwój technologii przetwarzania danych może przynieść wymierne korzyści w służbie zdrowia. Zastosowanie nowoczesnych urządzeń diagnostycznych oraz zautomatyzowanych systemów monitorowania zdrowia pacjenta powoduje, że z każdym przypadkiem medycznym jest wytwarzany duży wolumen danych opisujący historię leczenia i stan pacjenta. Dane te razem z towarzyszącymi im diagnozami stawianymi przez lekarzy mogłyby stanowić cenne źródło wiedzy w procesie stawiania diagnozy, określania czynników ryzyka czy też podejmowania decyzji o sposobie leczenia. Dostęp do centralnego repozytorium analitycznego, w którym można odnaleźć zapisy dotyczące innych przypadków medycznych, jest sposobem na dystrybucję wiedzy i doświadczeń, prowadzących do zwiększenia jakości procesu leczenia .(fragment tekstu)

EN

Clinical decision support systems based on relational and multidimensional technology lack the ability to process all available data because of its volume and format. On the other hand, NoSQL repositories offer great flexibility and speed in terms of data processing but require programming skills. The proposed solution is to combine both technologies in a single analytical system. A dual view of the data gathered in the repository allows to use data-mining tools, while the Big Data technology delivers the necessary data. Predictive models are then published as services in the Analytics-as-a-Service model to be run by medical staff in everyday practice. The unique feature of the solution is a possibility to score a medical case immediately, as the relevant data is available in the source systems. (original abstract)

Słowa kluczowe

PL

Przetwarzanie danych; Jakość usług medycznych; Dokument elektroniczny

EN

Data processing; Quality of medical services; Electronic document

• Czasopismo: Roczniki Kolegium Analiz Ekonomicznych / Szkoła Główna Handlowa
• Rocznik: 2014
• Numer: nr 35 Technologie informatyczne w służbie zdrowia
• Strony: 257--271

Twórcy

autor

Marcin Mazurek

• Wojskowa Akademia Techniczna w Warszawie

Bibliografia

• Bliźniuk G., Gzik T., Koszela J., Dynamiczne ścieżki kliniczne, "Biuletyn" WAT, nr 1, Wydawnictwo WAT, Warszawa 2013.
• Emam K.E., Guide to the De-Identification of Personal Health Information, CRC Press, Boca Raton 2010.
• Górski T., Architektura platformy integracyjnej dla elektronicznego obiegu recept, "Roczniki" KAE, z. 25, Oficyna Wydawnicza SGH, Warszawa 2012.
• Khan A., Doucette J., Jin C., Fu L., Cohen R., An ontological approach to data mining for emergency medicine, w: Proceedings of the 40th Annual Meeting Northeast Decision Sciences Institute Conference, red. A.E. Avery, Northeast Decision Sciences Institute, Montreal 2011.
• Marz N., Big Data Principles and best practices of scalable realtime data systems, MEAP Edition, Manning Publications, Greenwich, CT, USA 2012.
• Nowicki T., Bliźniuk G., Lignowska M., Badanie efektywności procedur medycznych zapisanych w postaci ścieżek klinicznych, "Roczniki" KAE, z. 25, Oficyna Wydawnicza SGH, Warszawa 2012.
• Savage N., Better Medicine through Machine Learning, "Communications of the ACM" 2012, vol. 55, no. 1.
• http://www-01.ibm.com/software/data/bigdata/industry-healthcare.html (data odczytu 21.11.2013).
• http://www.ehealthinformation.ca/knowledgebase/category/6/0/10/De-identification- Practices (data odczytu 21.11.2013).
• http://www.healthcarebusinessintelligenceforum.com (data odczytu 21.11.2013).
• http://www.technologyreview.com/news/518916/a-hospital-takes-its-own-big-datamedicine (data odczytu 21.11.2013).