Obtenez par e-mail toute l'actualité Hortonworks

Une fois par mois, recevez les dernières idées, tendances, informations d’analyse et découvertes sur le Big Data.

Sign up for the Developers Newsletter

Une fois par mois, recevez les dernières idées, tendances, informations d’analyse et découvertes sur le Big Data.

cta

Démarrer

cloud

Prêt à débuter ?

Télécharger Sandbox

Que pouvons-nous faire pour vous ?

* I understand I can unsubscribe at any time. I also acknowledge the additional information found in Hortonworks Privacy Policy.
fermerBouton Fermer
cta

Solutions et analyse prédictive
pour la santé

Hortonworks jouit d'une position dominante. Lisez le rapport Forrester Wave

Télécharger le rapport

Clearsense utilise HDP® pour découvrir des informations précieuses

Clearsense est une entreprise de données intelligentes basée à Jacksonville en Floride. Elle est actuellement en train de repenser et de simplifier l'analyse de données afin d'aider les organismes de santé à obtenir une valeur ajoutée quantifiable à partir de leurs données. Elle a développé un écosystème de données de santé sécurisé basé sur le cloud qui peut traiter des données très rapidement à partir d'un nombre incalculable de sources, afin d'obtenir une SMARTView™ en temps réel de n'importe quel environnement médical. Les fondateurs de Clearsense ont créé cette entreprise avec Hortonworks Data Platform au cœur de leur architecture de données.

Saving Lives While Delivering More Efficient Care

Le monde médical est aujourd'hui confronté à des défis et des choix difficiles. Chercheurs, professionnels de la santé et administrateurs doivent prendre des décisions importantes, très souvent sans disposer de données suffisantes. Hortonworks propose des plateformes de données connectées en open source (grâce à Apache™ Hadoop® et Apache NiFi) pour que les données sur la santé soient plus accessibles et plus concrètes. Les chercheurs explorent l'architecture génétique des cellules cancéreuses. Les infirmières et les médecins surveillent les patients en soins intensifs. Et les administrateurs envoient des demandes de remboursement avant que les patients ne quittent l'hôpital. Hortonworks transforme l'analytique des Big Data dans le secteur de la santé et de la médecine.

exemples d'utilisation

Accès aux données génomiques pour de nouveaux traitements contre le cancer

Une affirmation indiquant qu'une molécule est efficace contre le cancer dans 40 % des cas peut également vouloir dire que cette molécule est efficace à 100 % chez les patients présentant un profil génétique spécifique. Mais les données génomiques constituent des big data. En effet, un seul génome humain comprend environ 20 000 gènes. Stocké dans des plateformes de données traditionnelles, cela représenterait plusieurs centaines de gigaoctets. En combinant chaque génome avec un million de points d'ADN variables, on produit l'équivalent de 20 milliards de lignes de données par personne.

Les chercheurs dans les grandes universités et hôpitaux universitaires réalisent des analyses des Big Data en génomique grâce à Hortonworks Data Platform. En effet cette plateforme rentable et fiable permet de stocker les données génomiques et de les combiner avec d'autres données sur la démographie, les résultats d'essais cliniques et les réponses des patients en temps réel. Les chercheurs utilisent Hortonworks DataFlow pour envoyer ces données dans HDP. Ils peuvent ainsi prendre des décisions en temps réel et analyser des cohortes sur le long terme. Les plateformes de données connectées permettent aux médecins de déterminer quels traitements et molécules sont les plus efficaces sur les différents profils génétiques.


Suivi des signes vitaux des patients en temps réel

Dans un hôpital classique, les infirmières font des rondes et vérifient manuellement les signes vitaux des patients. Elles se rendent auprès de chaque patient à quelques heures d'intervalle et consignent leurs signes vitaux, mais l'état du patient peut se détériorer entre deux visites. Ainsi, les soignants réagissent souvent avec un temps de retard, alors qu'une intervention plus rapide aurait pu faire la différence.

De nouveaux capteurs sans fil peuvent enregistrer et transmettre les signes vitaux des patients de manière bien plus fréquente que les rondes du personnel soignant, et ces signes vitaux peuvent ensuite être envoyés vers un cluster Hadoop. Le personnel soignant peut alors utiliser ces signes pour mettre en place des alertes en temps réel et réagir plus rapidement aux évolutions inattendues. HDP utilise ces données accumulées au fil du temps pour l'analyse prédictive en matière de santé, et pour alimenter des algorithmes qui peuvent prédire la probabilité d'une urgence avant même que sa détection ne soit possible lors d'une visite au chevet du patient.


Réduction de la fréquence des réadmissions liées aux pathologies cardiaques

Les patients souffrant d'une pathologie cardiaque peuvent être suivis de près à l'hôpital, mais une fois rentrés chez eux, ils peuvent ne pas prendre leurs médicaments ou ignorer le régime alimentaire ou les instructions prescrites par leur médecin lors de leur sortie de l'hôpital.

L'insuffisance cardiaque entraîne de la rétention d'eau qui se traduit par une prise de poids. Le centre hospitalier UC Irvine Health a mis sur pied un programme innovant dans lequel les patients rentrent chez eux avec un pèse-personne sans fil et se pèsent à intervalles réguliers. Des algorithmes exécutés dans les analyses prédictives de Hortonworks déterminent le poids sûr maximal et alertent un médecin lors du dépassement de cette limite, qui rencontre alors son patient de manière proactive, avant une nouvelle admission en urgence.


Apprentissage automatique pour dépister l'autisme à domicile

L'autisme touche à des degrés divers 1 enfant sur 100 pour un coût annuel de plus de 100 milliards de dollars. Cette affection est détectée via le comportement de l'enfant à 18 mois, mais plus d'un cas sur quatre n'est pas diagnostiqué à 8 ans. Les quelques établissements de dépistage existants sont débordés et imposent de longues listes d'attente. Le test diagnostic le plus courant dure en général 2 heures et demie.

Le Dr Dennis Wall est responsable de l'initiative de biologie informatique de la Harvard Medical School. Dans cette présentation , il décrit un processus de dépistage mobile et low-cost de l'autisme mis au point par son équipe. Ce test dure moins de 5 minutes et s'appuie sur la capacité de stocker de grandes quantités de données semi-structurées issues de courts tests à domicile réalisés et envoyés par les parents. Le laboratoire du Dr Wall a également utilisé Facebook pour enregistrer des informations fournies par les utilisateurs sur l'autisme.

L'analyse de ces volumineux ensembles de données par une intelligence artificielle permet de maximiser l'efficacité du diagnostic sans perte d'efficacité. Cette approche, combinée au stockage de données sur un cluster Hadoop, peut être utilisée pour d'autres processus de diagnostic par apprentissage automatique innovants.

Stockage permanent des données des études médicales

Les chercheurs médicaux et scientifiques des universités vivent selon la maxime « publie ou péris ». Les données appuyant une étude étaient habituellement jointes sous forme de fichier Excel, mais les ensembles de données actuels sont désormais bien souvent trop importants. Toutefois, les études doivent en permanence être accompagnées des données qui les appuient. Si les données disparaissent, l'étude perd tout fondement.

Les universités peuvent utiliser un cluster exécutant Hortonworks Data Platform pour disposer d'une plateforme de stockage économique et permanente des données de leurs scientifiques. Les Big Data du secteur de la médecine appliquées à des fonctions d'interrogations simples et ouvertes permettent aux scientifiques de partager des données, les valider et les réutiliser dans des études plus approfondies.

Suivi du matériel, des médicaments et du personnel soignant avec les données RFID

Les hôpitaux ont commencé à utiliser l'identification par fréquence radio (RFID) pour suivre les équipements et médicaments qui passent d'un lieu à un autre. Les lectures RFID d'un article ou dispositif permettent d'enregistrer le contenu de celui-ci, son emplacement, sa date de fabrication, la quantité commandée et les données d'expédition. Un groupe hospitalier innovant a pu déterminer la durée pendant laquelle les médecins se tenaient devant les lavabos pour se laver les mains (et réduire ainsi le risque de transmission de maladie).

À court terme, ces données peuvent permettre d'utiliser les médicaments avant leur date d'expiration ou de localiser rapidement un équipement important. Au fil du temps, les données historiques sur l'interaction des médicaments, de l'équipement et des médecins fournissent des informations précieuses pour l'analyse prédictive en matière de santé, pour la planification des achats, la formation du personnel et l'amélioration de l'exploitation.

Études de cas de clients

Geisinger
client
Geisinger

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.…

UNOS
client
UNOS

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…

HCSC
client
HCSC

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
client
Mercy

Mercy s'est associé à Hortonworks pour créer la bibliothèque de données Mercy, un Data Lake basé sur Hadoop qui s'exécute sur Hortonworks Data Platform (HDP). La bibliothèque de données comprendra des lots d'extraits de données tirés de systèmes relationnels comme Clarity, ainsi que des sources de données en temps réel (journaux d'accès Epic inclus). L'entreprise souhaite à l'avenir intégrer d'autres sources de données, telles que…

Cardinal Health
client
Cardinal Health

Fuse by Cardinal Health est un laboratoire d'innovation dont l'objectif est d'améliorer l'avenir de la santé et du bien-être en optimisant la sécurité et la rentabilité des soins. L'équipe Fuse se concentre sur les soins interconnectés, la mise en place d'une chaîne d'approvisionnement plus intelligente et la découverte de nouvelles approches par l'analyse. Fuse a choisi Hortonworks Data Platform pour optimiser son architecture de données et enrichir...

ZirMed
client
ZirMed

ZirMed, fournisseur majeur de solutions de gestion de l'information dans le secteur de la santé, a créé un cluster Hadoop exécutant HDP pour Windows 2.0. Résultat : le volume de stockage utilisable a été multiplié par 5 et la puissance de traitement a été améliorée, tout cela pour 30 % du coût des technologies traditionnelles. ZirMed, basé à Louisville dans le Kentucky a été fondé en 1999 et est un fournisseur majeur de…

Mayo Clinic
client
Mayo Clinic

La Mayo Clinic utilise la Hortonworks Data Platform (HDP) pour améliorer les Big Data pour sa pratique clinique dans plus de soixante-dix hôpitaux et cliniques, ainsi que pour développer son leadership mondialement reconnu en matière de recherche et de formation médicale. HDP aide la Mayo Clinic à extraire en temps réel des données de son dossier médical électronique (EMR) - une nouvelle fonction auparavant indisponible dans son...

UC Irvine Health
client
UC Irvine Health

Le centre hospitalier UC Irvine Health s'est tourné vers Hadoop et Hortonworks Data Platform pour améliorer le fonctionnement clinique de son hôpital et ses recherches scientifiques dans sa faculté de médecine. Ses équipes ont pu développer une pratique médicale rationalisée qui réduit les réadmissions, accélère les nouveaux projets de recherche et suit en direct les données médicales des patients. Une plateforme Hadoop pour deux...