医疗大数据:未来数据化一个人是否有可能?
埃里克托普在《颠覆医疗》一书中有过数字化人类的描述:
通过将肉体置于我们外延的神经系统中,通过电子媒体的方式,我们建立起一个动态系统,将快速成熟的数字化、非医学领域的移动设备、云计算和社交网络与蓬勃发展的基因组学、生物传感器和先进成像技术的数字化医学领域合为一体,将这些工具和能力加以综合,我们就能为每一个人获取关于ta的解剖学、生理和生物数据。
但这些数据如何在一个更长的时间维度上,对人体进行更全面的数据采集和汇总,如糖尿病、高血压、心脏病、体检、运动、睡眠数据等多个场景,并让医疗健康生态链上的各个角色都能够使用上这份完整的数据,是否能造福每一个生命?
9月17日,阿里云同深圳中瑞奇、杭州金卫健康宣布,三方将合作组建“云上安心”联盟。通过联合社区医院、三级综合医院、医疗硬件厂商、医疗健康APP、健康体检中心、医疗健康分析模型提供商,在患者知情并授权下,将散落各处的健康医疗数据进行汇聚打通,以期实现基于数据的精准医疗。
以心脏病治疗为例,通过将“云上安心”联盟中的心电设备产品“好朋友”接入人体,并连接“好朋友心电图”APP后,用户便可查看自身心电数据。同时,数据同医院同步,如出现异常,医生或急救中心可提前介入。中瑞奇创始人汪远思表示,“该产品直接面向个人用户开发,并提供专业医护服务。” 也就是说,每一个用户都相当于拥有了一位私人医生。
在今年7月初的试点中,阿里云和中瑞奇向杭州米市巷社区2万老人中的心脑血管疾病患者发放了相关设备,金卫健康提供面向居民、社区医院的心电数据采集及心脏健康管理服务,帮助社区居民能够及早发现心脏方面潜在风险,将高危人群纳入监护体系。
“云上安心”联盟的生态参与方所有数据都将存放于阿里云上,借助阿里云强大的计算能力和开放的心电算法,实现对亿万级数据的并行处理。诸如心电图的记录过程、心电噪音的过滤,特征值抓取(如p波,r波,st段)等。通过阿里云大数据处理平台ODPS、分析型数据库ADS还可以进行离线数据和实时数据处理,快速接入更多标准的应用及第三方医疗数据。
阿里云高级产品专家武凯表示,联盟将以心电数据为中心,打通医院生化指标、诊断数据和医院外心电、血糖数据,以及其它体征、运动等各种碎片数据,以期更加全面立体的描述一个患者的健康情况,从而达到精准医疗的目的。
据介绍,心电数据收集类似声音数据采集,对传感器数据的采集频率高,且心电数据量非常大,一个人24小时的心电数据大概在150M左右,一个人一生心脏跳动25-30亿次,会产生人均4394G心电数据量。在当前的医疗工程界,无论是院内的静态心电数据,还是动态心电数据,用于疾病检测完之后,都会因数据量巨大而被闲置或清除。
武凯表示,这些数据如果被利用起来,将对中国整个心脏疾病的检测产生不可估量的价值。“挑战在于,海量的心电数据不仅需要无限扩容的储存空间,更需要强大的数据处理分析能力,这两者都是阿里云的优势。”
据悉,心电数据库在美国和欧洲已经成为普遍的医学指标,但在中国,目前并无完整心电数据库。且心电算法处理模式还仅仅是基于小样本特征识别的心电信号分类。“希望在未来建立基于大数据能力的统计分析心电信号的分类方法,以及面对医疗行业的大数据样本,逐步实现人体数据化。”武凯表示。
本文作者:吴艳梅
来源:51CTO
相关文章
- Android——配置文件的保存SharedPreferences进行数据存储
- sql把某个表里的数据复制到另一个里,只复制数字
- 一个mockjs模拟分页数据的简单demo
- Google Earth Engine——Proba-V数据集包含:土地覆盖和植被生长,该传感器收集三个VNIR(可见光和近红外)波段和一个SWIR(短波红外)波段的数据,视场为2250公里。
- Google Earth Engine——气候危害组红外降水与站点数据(CHIRPS)是一个30年以上的全球降水数据集
- Google Earth Engine——街区数据集包含2010年的人口普查街区,最小单位大致相当于一个城市街区。超过1100万个多边形特征,覆盖美国、哥伦比亚特区、波多黎各和岛屿地区。
- Google Earth Engine ——数据全解析专辑(COPERNICUS/S5P/NRTI/L3_SO2) SO2 浓度的实时高分辨率图像数据集
- 一个数据应用闭环(转载)
- C#串口通信—向串口发送数据,同步接收返回数据
- 一个月黑风高的夜晚紧急完成gitlab服务器数据迁移
- Python大数据培训班特色优势及工作方向
- 支军队正在进行阅兵前的训,训陈前队列排队是一个难题。该队列是一个n*n的方阵,排队要求是后一排的最低的不比前一排最高的低,同时要求偶数行从小到大排列,奇数行从大到小排列(行数从第0行开始,O为偶数)。输λn及η*n个身高数据〈身高数据为整型),按要求处理后输岀 n队列身高数据(每个身高数据占4个字符宽度)。
- 《Oracle SQL疑难解析》——1.6 批量地从一个表中复制数据到另一个表
- 《D3.js数据可视化实战手册》——导读
- 信息时代与大数据相关的8个专业
- 大数据学习——hadoop的RPC框架
- Excel 数据透视表小技巧之 06 使用 Excel 数据透视表作为另一个数据透视表的数据源
- Excel 数据透视表小技巧之 05 如何计算重复项,一个包含重复的邮政编码列表,需要每个邮政编码有多少个实例(教程含数据)
- ZeroMQ接口函数之 :zmq_msg_init_data - 从一个指定的存储空间中初始化一个ZMQ消息对象的数据
- 使用c语言向本地文件写入数据的一个实现
- 大数据架构和模式(二)——如何知道一个大数据解决方案是否适合您的组织
- jsonview浏览器插件 查看格式化json数据
- 《Python数据可视化之matplotlib实践》 源码 第四篇 扩展 第十二章
- 数据驱动业务决策的5个步骤
- 帮助首席执行官了解大数据项目的三大技巧
- 大数据的起源和错失大数据市场的鼻祖Google
- 步步学LINQ to SQL:使用LINQ检索数据
- 大数据没有告诉我们的
- 石勇:《大数据时代》三个结论都不完整
- 基于jira数据开发一个质量看板
- 常见的大数据术语表(中英对照)
- AVUE 下拉 select 下拉项 为 一个表的数据
- 电商 对访客数据进行一个简单的分析
- 大数据技术解读 引领未来也须应对挑战