21、医疗领域大数据与机器学习应用剖析

医疗领域大数据与机器学习应用剖析

1. 医疗数据仓库的构建与规划

在医疗领域，数据的获取、转换和呈现是基础设施和交付方法需要解决的关键问题。为此，决定实施企业级数据仓库，采用 Oracle Exadata 作为数据库技术，Oracle OHF（Oracle 医疗保健基础）作为基础数据模型，并使用 Tableau 进行自助式报告和数据可视化。这样，来自各种来源的小数据和大数据都可用于监测和应对市场条件、监管义务或竞争的变化。

规划之初，所选的技术和工具集需具备垂直和水平可扩展性，以确保能处理不断增加的信息量并提供商业洞察。同时，拓扑结构的设计要能适应和处理结构化与非结构化的新数据维度，缩小护理人员对患者状况和护理计划的可见性差距。具体做法是先处理小数据，对业务流程产生影响，再逐步增加价值。未来，还计划识别和处理暗数据，为分析带来全新维度，同时结合患者的社会经济数据和物联网信息，深入了解患者及其行为。

2. 与业务部门的协作与合作

组织认识到，要使此类大型项目取得成功，高管支持、数据验证和业务协作缺一不可。高管支持能促进各部门合作，消除可能阻碍项目的障碍；数据验证可在各部门间建立信任，推动项目所需的善意和协作；高层决策者和利益相关者的支持有助于营造以结果为导向的文化，使各方能通过全面合作和数据共享克服障碍。高级管理层在制定政策和流程方面发挥着关键作用，使团队能专注于分析和结果。

这种协作带来了显著益处，如能将来自不同源系统的难以调和的数据轻松传播到广泛的业务单元，实现更快、更好的决策。主题专家和部门级作者可利用多源数据更好地理解、监测和管理业务，业务和终端用户也能专注于主要任务，提高生产力。组织整体能快速灵活地应对变化，因为精简、集中和以消