Vidéo: MapR, la distribution Hadoop BigData ouverte à l'échelle de l'entreprise. 2025
Les données massives revêtent une importance considérable pour l'industrie des soins de santé - notamment dans la recherche génétique, l'imagerie médicale avancée et la recherche sur l'amélioration de la qualité des soins. Bien que l'analyse des données volumineuses dans chacun de ces domaines soit importante pour la poursuite de la recherche, un avantage majeur est l'application de cette information à la médecine clinique.
Si suffisamment de données sont saisies, ces données peuvent être appliquées pratiquement et rapidement au bon moment pour aider à sauver des vies. Les cliniciens médicaux et les chercheurs utilisent des données en continu pour accélérer la prise de décision en milieu hospitalier et améliorer les résultats des soins de santé pour les patients.
Les médecins utilisent de grandes quantités de données sensibles au temps lorsqu'ils soignent des patients, y compris les résultats des tests de laboratoire, les rapports de pathologie, les radiographies et l'imagerie numérique. Ils utilisent également des dispositifs médicaux pour surveiller les signes vitaux d'un patient tels que la tension artérielle, la fréquence cardiaque et la température.
Bien que ces appareils fournissent des alertes lorsque les lectures se situent hors de la plage normale, dans certains cas, une action préventive pourrait avoir lieu si les médecins pouvaient recevoir un avertissement précoce. Les changements subtils dans l'état d'un patient sont souvent difficiles à détecter avec un examen physique, mais peuvent être détectés par les dispositifs de surveillance s'il existe un moyen d'avoir un accès plus immédiat aux données.
Les appareils de surveillance utilisés dans les unités de soins intensifs génèrent des milliers de lectures toutes les secondes. Dans le passé, ces lectures ont été résumées en une lecture toutes les 30-60 minutes. Ces appareils surveillaient de très gros volumes de données, mais en raison de la limitation de la technologie, la plupart de ces données n'étaient pas disponibles pour l'analyse.
Grâce à la technologie de streaming, une équipe de recherche d'une université hospitalière est capable de capturer le flux de données des moniteurs de chevet et de le traiter à l'aide d'algorithmes conçus pour détecter les signes avant-coureurs d'infections graves.
Les données sont utilisées en temps réel pour fournir des avertissements précoces de changements dans l'état d'un patient. Dans certaines situations, les médecins constatent qu'ils sont en mesure de prendre des mesures correctives pour aider un patient presque 24 à 36 heures plus tôt que sans la technologie de transmission de données. Un autre avantage est la capacité des médecins à comparer l'analyse à une base de données sur les résultats des patients qui pourrait fournir des informations supplémentaires.
