Elektroniczna Dokumentacja Medyczna, a BIG DATA

Marek SokołowskiOracle Polska

2

Rewolucja w danych medycznych

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 Medicine**Frost and Sullivan, 2010

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

Dane medyczne w EU

BIG DATA?

• Dla regionalnych rozwiązań ilość danych drastycznie rośnie

Grey Consulting

Anatomia Archiwum niezależnego od dostawcy

Technologia pomagaNa 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

• 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

Technologia pomaga IINa co można liczyć

Zarządzanie informacją medyczną

Neutralne Archiwum

Warstwa pozyskiwania danych

Warstwa prezentacji danych

Tradycyjne systemy PACS

• Obrazy w systemie plików

• Informacje w silosach• Silne uzależnienie od

dostawcy

• Warstwa interoperacyjności niezależna od dostawcy

• Neutralne archiwum• Udostępnianie danych

• Portale kliniczne z jednym źródłem prawdy

• Systemy webowe• Dostęp mobilny

Warstwa dostępu

FAST DATA

Telemedycyna

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, przyczynowo-

skutkowych, ...)• złożonym przetwarzaniu zdarzeń (filtrowanie, agregacja, korelacja, trendy,

...)• zwykle w czasie rzeczywistym, z ograniczeniami na opóźnienia (latency) • zwykle obejmuje duże liczby, szybkozmiennych zdarzeń

Complex Event Processing – strumieniowe przetwarzanie zdarzeń

Systemy klasy CEP często reagują na brak zdarzeńnp. „kiedy w ciągu 5 minut od pojawienia się zdarzenia A pojawi się zdarzenie B i nie pojawi się zdarzenie C, to ...”

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

Koncepcja zdarzeniowego serwera aplikacyjnego

Case Studies

Customer ExampleSpitalnetz Bern Hospital

Customer profileSpitalnetz 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 (X-Rays, 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 QuoteThe 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 GerberCIO, Spital Netz Bern Hospital

Customer exampleBristol-Myers Squibb

Customer profileBristolMyers 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 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

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

Topicus

21

Dziękuję za uwagę

Email: marek.sokolowski@oracle.com

<Insert Picture Here>

Marek SokołowskiOracle A&C Sales Consultant+48 661 966 026marek.sokolowski@oracle.com