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

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