2016: Высоконагруженная система кардиомониторинга
Почти половина неотложных состояний пациентов связана с расстройствами сердечной деятельности. Однако тяжелых последствий можно избежать, если пациент будет находиться под непрерывным наблюдением. Постоянно анализируя содержимое электрокардиограммы, можно с легкостью распознать приближающийся приступ на ранней стадии.
В ноябре 2016 года команда компании "Аурига" разработала высоконагруженную систему кардиомониторинга, способную предупреждать пользователя о приближении опасных кардиологических состояний. Распознавание таких состояний реализуется трехслойной нейронной сетью. Классическая нейронная сеть была обучена методом обратного распространения ошибки на данных, предоставленных открытым ресурсом PhysioBank, и показала хорошие результаты чувствительности и специфичности.
Система представляет собой горизонтально масштабируемый сервис с низкими требованиями к конфигурации вычислительных узлов в гетерогенных сетях. Мы использовали Apache Ignite, решение с открытым исходным кодом, в качестве платформы для реализации сервиса, а также распределенную очередь Apache Kafka в качестве буфера для надежной и высокоинтенсивной передачи пакетов данных. Для потоковой записи в персистентное хранилище применялась Hadoop File System.
Совместимость создаваемой системы с различными ЭКГ аппаратами осуществляется в соответствии со стандартом HL7 v3. Парадигма Grid Computing обеспечивает масштабируемость решения и позволяет создать географически распределённую инфраструктуру, объединяющую множество ресурсов различных типов: процессоры, долговременную и оперативную память, хранилища и базы данных, сети.
Подробный статистический анализ огромного количества данных, поступающих с датчиков переносных холтеровских ЭКГ аппаратов, в сочетании с данными о погоде (например, об атмосферном давлении) позволяет не только постоянно наблюдать за состоянием сотен тысяч пациентов, но и предотвращать нарушения сердечной деятельности. Это делает работу системы сравнимой с диагностикой в режиме реального времени.Цифровизация ТЭК: тренды, перспективы, крупнейшие ИТ-поставщики. Обзор TAdviser 15.1 т
Большие данные нашли применение в самых разных отраслях – в промышленности и на транспорте, в энергетике и торговле, в финансовом и страховом секторах, в сфере медиа и науки. Однако одним из самых перспективных направлений считается здравоохранение.
Огромные объемы данных пациентов, накопленные и проанализированные медиками, помогают предсказать эпидемии с точностью 70-90%, повысить точность постановки диагноза и даже избежать серьезных заболеваний. Кроме того, они позволяют существенно снизить стоимость лечения и обеспечить более эффективный, индивидуальный подход к каждому пациенту.
Большие данные действительно меняют здравоохранение. В 2011 году исследователи McKinsey & Co. подсчитали, что за счет грамотного использования технологий больших данных система здравоохранения США могла бы экономить более 300 тыс. долл. ежегодно, что эквивалентно сокращению расходов на 1 тыс. долл. в год для каждого мужчины, женщины и ребенка. Согласно инфографике Evariant, анализ данных в реальном времени позволил госпиталю снизить затраты на сверхурочную работу на 850 тыс. долл. благодаря более эффективному подходу к планированию, управлению, контролю качества и отчетности.
Большие данные открывают поистине широкие возможности, и именно поэтому "Аурига" начала работу над собственными проектами с применением больших данных в сфере здравоохранения.