Marek Sokołowski, Oracle @ TMT.AllThings`13: Elektroniczna Dokumentacja Medyczna, a BIG DATA.

  • 1,061 views
Uploaded on

Marek Sokołowski, Oracle. Presentation at the TMT.AllThings`13 conference on 25.10.2013 at the WSE HQ: Elektroniczna Dokumentacja Medyczna, a BIG DATA.

Marek Sokołowski, Oracle. Presentation at the TMT.AllThings`13 conference on 25.10.2013 at the WSE HQ: Elektroniczna Dokumentacja Medyczna, a BIG DATA.

More in: Business
  • Full Name Full Name Comment goes here.
    Are you sure you want to
    Your message goes here
    Be the first to comment
    Be the first to like this
No Downloads

Views

Total Views
1,061
On Slideshare
0
From Embeds
0
Number of Embeds
3

Actions

Shares
Downloads
3
Comments
0
Likes
0

Embeds 0

No embeds

Report content

Flagged as inappropriate Flag as inappropriate
Flag as inappropriate

Select your reason for flagging this presentation as inappropriate.

Cancel
    No notes for slide
  • Oracle strategy in healthcare – Connect.Collaborate.Care. We deliver solutions across the whole spectrum of care and service delivery, including:Government solutions – Ministry of Health, policy and regulatorsHealthcare provider – integration, medical imaging infrastructure and access, resources management, planning and budgetingPharma, life sciences, clinical research organization – supporting research, drug manufacturers, medical devices industryHome care – devices integration, clinical portalsPayer solutions – back office, operational excellence, customer care

Transcript

  • 1. Elektroniczna Dokumentacja Medyczna, a BIG DATA Marek Sokołowski Oracle Polska
  • 2. Rewolucja w danych medycznych 2
  • 3. Diagnostyka obrazowa – typowe problemy • Systemy medyczne w głównej mierze polegają na danych, które zwykle składowane są w systemach silosowych – brak jednolitego wglądu w rekord pacjenta • Obrazy DICOM* przechowywane są w systemach PACS (Picture Archiving and Communication Systems), które nie oferują szerokiego wsparcia dla udostępniania danych dla innych systemów / podmiotów • TCO– wysokie koszty utrzymania, przechowywania i wdrażania • Masowy wzrost ilości danych (zajmowana powierzchnia podwaja się w przeciągu 18 do 20 miesięcy**) • Wielkości obrazu wahają się od 0.5 MB to wielu GBs • Generalne problemy z zawartością • Brak centralnego podejścia • Brak jednorodnej polityki bezpieczeństwa • Heterogeniczne procesy biznesowe *DICOM – Digital Imaging and Communication in Medicine3 **Frost and Sullivan, 2010
  • 4. Obszary do poprawy? Instytucje związane z usługami zdrowotnymi coraz bardziej zainteresowane są: • Budową niezależnych od dostawców archiwów medycznych (VNA – Vendor Neutral Archive). Wspierać to będzie reorganizację w kierunku centralnych centrów diagnostycznych • Pojedynczym źródłem prawdy – system EHR • Badaniem i powtórnym użyciem danych z zachowaniem prywatności i zasad bezpieczeństwa
  • 5. Dane medyczne w EU
  • 6. BIG DATA? Grey Consulting • Dla regionalnych rozwiązań ilość danych drastycznie rośnie
  • 7. Anatomia Archiwum niezależnego od dostawcy
  • 8. Technologia pomaga Na co można liczyć • „Odczepienie” obrazu klinicznego od danych pacjenta przechowywanych w obrazie – anonimizacja obrazu i możliwość jego powtórnego wykorzystania i przeprowadzania badań • Gwarancja bezpieczeństwa i prywatności – Jednolita polityka bezpieczeństwa dla wszystkich typów danych i w każdej warstwie technologicznej – Kontrola dostępu na poziomie danych – Mechanizmy audytowe – Anonimizacja dla zachowania prywatności np.: maskowanie danych osobowych pacjentów *http://www.oracle.com/technetwork/database/multimedia/overview/ora-dicom-bench-2008-129543.pdf
  • 9. Technologia pomaga II Na co można liczyć • Optymalne wykorzystanie miejsca – bezstratna kompresja • Wydajność poprzez zastosowanie nowoczesnych technologii – Ex: Read 850 CT images/sec, Write 550 CT images/sec * • Automatyczna walidacja danych DICOM • Ekstrakcja metadanych – powyżej 2000 standardowych tagów plus tagi charakterystyczne dla konkretnego dostawcy • Transformacja obrazów DICOM do bardziej uniwersalnego standardu, np. JPEG do umieszczania w raportach oraz do wyświetlania w przeglądarkach internetowych • Otwarte interfejsy programistyczne dla szybkiej integracji i rozwoju aplikacji *http://www.oracle.com/technetwork/database/multimedia/overview/ora-dicom-bench-2008-129543.pdf
  • 10. Zarządzanie informacją medyczną Warstwa dostępu Warstwa prezentacji danych Neutralne Archiwum Warstwa pozyskiwania danych Tradycyjne systemy PACS • Portale kliniczne z jednym źródłem prawdy • Systemy webowe • Dostęp mobilny • Warstwa interoperacyjności niezależna od dostawcy • Neutralne archiwum • Udostępnianie danych • Obrazy w systemie plików • Informacje w silosach • Silne uzależnienie od dostawcy
  • 11. FAST DATA
  • 12. Telemedycyna
  • 13. Complex Event Processing – strumieniowe przetwarzanie zdarzeń Complex Event Processing (CEP) Wykrywanie złożonych korelacji, wzorców, trendów wśród zdarzeń np. kiedy Temperatura ciała pacjenta utrzymuje się powyżej 37 stopni C przez więcej niż 3 pomiary z rzędu oraz kontynuowana jest terapia lekiem X to ... CEP skupia się zatem na: • przetwarzaniu grup zdarzeń, często pochodzących z wielu źródeł, w tym z wielu niezależnych od siebie strumieni • powiązaniach między zdarzeniami (w czasie, przyczynowoskutkowych, ...) • złożonym przetwarzaniu zdarzeń (filtrowanie, agregacja, korelacja, trendy, ...) • zwykle w czasie rzeczywistym, z ograniczeniami na opóźnienia (latency) • zwykle obejmuje duże liczby, szybkozmiennych zdarzeń
  • 14. Complex Event Processing – strumieniowe przetwarzanie zdarzeń Systemy klasy CEP często reagują na brak zdarzeń np. „kiedy w ciągu 5 minut od pojawienia się zdarzenia A pojawi się zdarzenie B i nie pojawi się zdarzenie C, to ...”
  • 15. Przetwarzanie zdarzeń dzisiaj • Wiele zdarzeń (faktów) jest po prostu ignorowane – często oznacza to utracone szanse i ignorowanie symptomów zagrożeń – „gdybyśmy tylko mogli połączyć kropki i zobaczyć obraz całości” • Raportowanie – BAM (Business Activity Monitoring) • często jednak operuje na ograniczonym, wąskim zakresie danych, np. jeden proces – BI (Business Intelligence) • często jednak brak natychmiastowego wglądu w sytuację • Własne aplikacje • monitorowanie (zbieranie statystyk, kontrola SLA, alerty, notyfikacje) • specyficzne rozwiązania – często oparte o zamknięte, niestandardowe technologie
  • 16. Koncepcja zdarzeniowego serwera aplikacyjnego
  • 17. Case Studies
  • 18. Customer Example Spitalnetz Bern Hospital Customer profile Spitalnetz is a network of 5 hospitals in Switzerland, with 600 beds and 2800 employees, serving the area of 300.000 people Customer challenge •Imaging systems (XRays, CTs, MRIs, Ultrasounds, etc.) are completely silo-ed • Heterogeneous access methods and communication protocols Customer needs •Enable referring physician to track progress of patient in hospital •Improve data access •Share and access patient data from any application •Role base security access •One universal archive for all content Solution •Implemented the health engine that provided universal access to patient data •Image enabled EHR using Oracle 11g technology Customer Benefits •Reduced costs •Increased efficiency •Healthcare workers can focus on caring for patients and not aggravations of accessing data Customer Quote The unique features of Oracle Multimedia in Oracle Database 11g together with the i-engineers ‘health engine’ application helped us to significantly reduce costs and improve quality and security of our clinical document processing Peter Gerber CIO, Spital Netz Bern Hospital
  • 19. Customer example Bristol-Myers Squibb Customer profile BristolMyers Squibb is one of the top 10 pharmaceutical companies in the world. They invest $3.5 billion each year in drugs R&D and trials processes, focusing on psychiatric disorders, rheumatoid arthritis, hepatitis B, cancer, HIV/AIDS and diabetes. Based out of New Yersey, USA Customer challenge •Costs associated with access and management of clinical data •Scattered images across number of repositories •Security issues while sharing the data •Poor data governance and quality Customer needs •Centralized repository of data •Unified governance and control of access •Timely access to images Solution •Using IBISimg technologies implemented centralized repository of data, and unifed content management system •Streamline integration of disparate clinical systems – single view of the patient Customer Benefits •Cost effecitive access to images •Integration with clinical research systems •Workflow built-in data validation
  • 20. Topicus
  • 21. Dziękuję za uwagę Email: marek.sokolowski@oracle.com 21
  • 22. <Insert Picture Here> Marek Sokołowski Oracle A&C Sales Consultant +48 661 966 026 marek.sokolowski@oracle.com