Once a month, receive latest insights, trends, analytics, offering information and knowledge of the Big Data.
Hortonworks is a leader. Read the Forrester Wave.
Arizona State University (ASU) is the largest university in the U.S. and was named by U.S. News & World Report as the “Most Innovative School in America” in 2016. ASU’s Complex Adaptive Systems Initiative (or CASI) built a genomic data lake with petabytes of genetic data on hundreds of individualswith HDP healthcare predictive analytics powering research on how each individual variant in the genome can influence the expression of a cancer gene, thereby unlocking insight into potentially life-saving treatments.
Wenn wir lesen, dass eine bestimmte Arznei eine „40-prozentige Effektivität bei der Behandlung von Krebs“ aufweist, kann dies auch so interpretiert werden, dass die Effektivität des Medikaments bei Patienten mit einem bestimmten genetischen Profil 100 Prozent beträgt. Doch Genomdaten sind Big Data. Das Erbgut eines einzelnen Menschen besteht aus etwa 20.000 Genen. Bei der Speicherung auf traditionellen Datenplattformen entspricht das mehreren Hundert Gigabytes. Kombiniert man jedes Genom mit einer Million unterschiedlicher DNA-Sequenzen, hat man es mit etwa 20 Mrd. Datenreihen pro Person zu tun.
Researchers at major universities and teaching hospitals are performing big data analytics in genomics with Hortonworks Data Platform as the cost-effective, reliable platform for storing genomic data and combining that with other data on demographics, trial outcomes, and real-time patient responses. They are adopting Hortonworks DataFlow to stream that data into HDP for real-time decisions and long-term cohort analyses. Connected Data Platforms help those doctors learn which drugs and treatments work best for groups of patients across the genetic spectrum.
In einer typischen Krankenhausumgebung absolvieren die Schwestern ihre Runden und dabei überwachen sie manuell die Vitalparameter der Patienten. So kommen sie in der Regel alle paar Stunden an einem Bett vorbei und zeichnen die Vitalparameter auf, doch kann sich der Zustand des Patienten zwischen den vorgesehenen Visiten verschlechtern. Dadurch reagiert das Pflegepersonal oftmals nur auf Probleme und es entstehen Situationen, in denen ein früheres Handeln für das Wohlbefinden des Patienten von großer Bedeutung gewesen wäre.
New wireless sensors can capture and transmit patient vitals far more frequently than human beings can visit the bedside, and these measurements can stream into a Hadoop cluster. Caregivers can use these signals for real-time alerts to respond more promptly to unexpected changes. HDP uses this data accumulated over time for healthcare predictive analytics, feeding algorithms that proactively help predict the likelihood of an emergency even before it could be detected with a bedside visit.
Patienten mit Herzkrankheiten können während ihres Aufenthalts im Krankenhaus genau überwacht werden, doch wenn diese Patienten entlassen werden, können sie die Einnahme ihrer Medikamente vergessen oder die Vorschriften des Arztes zur Ernährung und Gesundheitspflege missachten.
Congestive heart failure causes fluid retention, which leads to weight gain. In one innovative program at UC Irvine Health, patients could return home with a wireless scale and weigh themselves at regular intervals. Algorithms running in Hortonworks’ healthcare predictive analytics determined unsafe weight gain thresholds and alerted a physician to see the patient proactively, before an emergency re-admittance was necessary.
Autistische Störungen betreffen eines von hundert Kindern und sie verursachen jährliche Kosten von schätzungsweise 100 Milliarden Dollar. Die Krankheit lässt sich im Alter von 18 Monaten am Verhalten diagnostizieren, doch mehr als einer von vier Fällen bleibt derzeit bis ins achte Lebensjahr undiagnostiziert. Es gibt nur wenige Einrichtungen für klinische Testes, und die Wartelisten sind lang. Die am weitesten verbreiteten Diagnose-Tests benötigen für Verabreichung und Auswertung in der Regel 2,5 Stunden.
Dr. Dennis Wall ist Direktor der Computational Biology Initiative an der Harvard Medical School. In dieser Präsentation beschreibt er einen von seinem Team entwickelten Prozess für ein günstiges und mobiles Autismus-Screening. Das Verfahren nimmt weniger als fünf Minuten in Anspruch und basiert auf der Möglichkeit, große Mengen halbstrukturierter Daten aus kurzen, zu Hause durchgeführten Tests zu speichern, die von den Eltern vorgenommen und eingeschickt werden. Walls Labor benutzt auch Facebook, um von Benutzern zur Verfügung gestellte Informationen zu Autismus einzuholen.
Die riesigen Datensätze werden von künstlicher Intelligenz ausgewertet, was dabei hilft, die maximale diagnostische Effizienz ohne Abstriche bei der Genauigkeit zu erreichen. Dieser Ansatz in Verbindung mit der Datenspeicherung auf einem Hadoop-Cluster lässt sich auch für andere innovative maschinelle Lernprozesse zur Diagnose anwenden.
Medical and scientific researchers at universities live by the “publish or perish” code. Data supporting a given paper used to be appended in an Excel spreadsheet, but many of today’s data sets are just too large. Nevertheless, supporting data sets must be perpetually available in association with its paper. If the data disappears, the paper becomes unsubstantiated.
Universities can use a cluster running Hortonworks Data Platform as a cost-effective, perpetual storage platform for its scientists’ data. Big data in medicine’s easy and open querying capabilities allow scientific colleagues to share data, validate it and reuse it for more downstream research.
Krankenhäuser setzen inzwischen die sogenannte Radiofrequenzidentifikation (Radio-Frequency Identification, RFID) ein, um den jeweiligen Standort von Geräten und Medikamenten mitzuverfolgen, die in der Einrichtung an verschiedenen Orten verwendet werden. RFID-Scans eines Gegenstands oder Geräts können deren Inhalt, momentanen Standort, Herstellungsdatum, Bestellnummer und Liefertermin lesen. Eine innovative Krankenhausgruppe konnte ermitteln, wie viel Zeit Ärzte vor dem Waschbecken verbrachten, um sich die Hände zu waschen (was die Wahrscheinlichkeit der Übertragung von Krankheiten senkt).
In the short run, this data can help utilize medicines before their dates of expiration or quickly locate an important piece of equipment. Over time, historical data on how medicines, equipment and doctors interact provides valuable information for healthcare predictive analytics and helps in planning purchases, training staff and improving operational efficiency.
Die Arizona State University (ASU) ist von der Anzahl der eingeschriebenen Studenten (83.000) und Fakultätsmitgliedern (3.300) her die größte öffentliche Universität der USA. Die vom Universitätsausschuss im Jahr 2014 genehmigte Satzung basiert auf dem Modell „New American University“, das von Michael M. Crow, dem Präsidenten der ASU, entwickelt wurde. Es definiert die ASU als „eine umfassende ...
Geisinger Health System is one of the largest health service organizations in the United States, serving more than 3 million residents throughout Pennsylvania and southern New Jersey. Geisinger is one of America’s leading rural healthcare providers, with an integrated, physician-led system that includes 30,000 employees, nearly 1,600 employed physicians, 12 hospital campuses, and two research centers.…
The United Network for Organ Sharing (UNOS) is the private, non-profit organization managing the United States organ transplant system. UNOS brings together hundreds of hospitals, transplant centers, organ procurement professionals, and thousands of volunteers. The mission of UNOS is to advance organ availability and transplantation by uniting and supporting communities for the benefit of patients…
Health Care Service Corporation (HCSC) is the largest customer-owned health insurance company in the United States, providing health insurance to 15 million people through Blue Cross Blue Shield affiliates in Illinois, Montana, New Mexico, Oklahoma, and Texas. HCSC uses Hortonworks Data Platform for a single view of its membership to understand what challenges its customers…
Mercy hat gemeinsam mit Hortonworks die Mercy Data Library entwickelt – ein Hadoop-basierter Data Lake, der auf der Hortonworks Data Platform (HDP) läuft. Die Data Library enthält eine große Menge an Batch-Datenauszügen aus relationalen Systemen wie Clarity und aus Echtzeit-Datenquellen wie Epic-Zugriffsprotokolle. Es ist geplant, weitere Datenquellen hinzuzunehmen, darunter Social ...
Fuse by Cardinal Health ist ein Innovation Lab, das die Zukunft von Gesundheit und Wohlbefinden mit einem sichereren und kosteneffizienteren Gesundheitswesen verbessern will. Das Team von Fuse konzentriert sich auf die vernetzte Pflege, den Aufbau einer intelligenteren Lieferkette und die Schaffung neuer Erkenntnisse durch Analytik. Fuse hat sich für Hortonworks Data Platform entschieden, um seine Datenarchitektur zu optimieren und …
ZirMed, ein führender Anbieter von Lösungen zur Verwaltung von Gesundheitsdaten, hat ein Hadoop-Cluster entwickelt, mit dem HDP auf Windows 2.0 läuft. Die Folge: Fünf Mal mehr Speicherplatz und eine höhere Verarbeitungskapazität – und das alles bei 30 % der Kosten traditioneller Unternehmenstechnologien. ZirMed mit Sitz in Louisville, Kentucky, wurde 1999 gegründet und ist führender Anbieter …
Mayo Clinic nutzt Hortonworks Data Platform (HDP) für Big-Data-Erweiterungen seiner klinischen Praxis in über siebzig Krankenhäusern und Kliniken sowie für seine global anerkannte Führungsposition in der medizinischen Forschung und Ausbildung. HDP hilft Mayo Clinic dabei, Daten aus seinen elektronischen Patientenakten (EMR) in Echtzeit abzurufen. Das ist eine neue …
UC Irvine Health vertraut auf Hadoop und die Hortonworks Data Platform, um den Klinikbetrieb und die wissenschaftliche Forschung an der medizinischen Fakultät zu verbessern. Das Team entwickelt derzeit einen quantifizierten medizinischen Ablauf, der die Anzahl der Wiederaufnahmen reduziert, neue Forschungsprojekte schneller realisierbar macht und die medizinischen Daten von Patienten auf Minutenbasis verfolgt. Eine Hadoop-Plattform für zwei unterschiedliche ...
8.9.17
7.28.17
7.5.17
6.16.17
6.8.17
6.1.17
5.30.17
5.26.17
5.26.17
5.23.17
5.22.17
5.16.17
5.10.17
Teilen
Sign-up
Apache, Hadoop, Falcon, Atlas, Tez, Sqoop, Flume, Kafka, Pig, Hive, HBase, Accumulo, Storm, Solr, Spark, Ranger, Knox, Ambari, ZooKeeper, Oozie, Phoenix, NiFi, HAWQ, Zeppelin, Atlas, Slider, Mahout, MapReduce, HDFS, YARN, Metron and the Hadoop elephant and Apache project logos are either registered trademarks or trademarks of the Apache Software Foundation in the United States or other countries.
