Цифровые преобразования в медицине.
Если человек зарегистрировался на портале электронного правительства, то в своем личном кабинете он может поставить галочку для получения уведомления о плановом осмотре. Это могут быть беременные женщины либо те, кто находится на обследовании по хроническим заболеваниям и проходит медосмотр на постоянной основе. Чтобы они не забыли о приеме врача, им приходит напоминание посредством SMS или push-уведомления. В ближайшее время планируют запустить новый вид уведомлений - получение бесплатного лекарства. Если назначают в системе лекарство, то придет информация, в какой аптеке его можно забрать. Также Министерство здравоохранения совместно с ЮНИСЕФ разработало мобильное приложение “Патронажная медсестра”. Родители могут здесь получить медицински подтвержденную информацию, а также, внеся данные ребенка (вес, возраст), получить индивидуальную информацию по конкретной ситуации. самый главный инструмент всех цифровых преобразований в медицине - электронный паспорт здоровья. В 2017 году на основе международных стандартов разработали казахстанский прототип. С начала 2018-го во всех регионах запустили пилотные проекты, где поэтапно отменили амбулаторные карты. По поручению министра здравоохранения с 1 января 2019 года все учетно-отчетные бумажные, амбулаторные карты будут находиться под запретом, и будут их вести только в электронном формате.Теперь при обращении человека поликлиника вносит все его данные в систему, и не нужно носить с собой бумажную медкарту.
|
|
|
Обратная связь, компоненты больших данных.
Качественно новые приложения Big Data Analytics требуют для себя не только новых технологий, но и качественного иного уровня системного мышления, а вот с этим наблюдаются трудности — разработчики решений Big Data Analytics часто заново открывают истины, известные с 50-х годов. В итоге нередко аналитика рассматривается в отрыве от средств подготовки исходных данных, визуализации и других технологий предоставления результатов человеку. Даже такая уважаемая организация, как The Data Warehousing Institute, рассматривает аналитику в отрыве от всего остального: по ее данным, уже сейчас 38% предприятий исследуют возможность использования Advanced Analytics в практике управления, а еще 50% намереваются сделать это в течение ближайших трех лет. Такой интерес обосновывается приведением множества аргументов из бизнеса, хотя можно сказать и проще — предприятиям в новых условиях требуется более совершенная система управления, и начинать ее создание надо с установления обратной связи, то есть с системы, помогающей в принятии решений, а в будущем, может быть, удастся автоматизировать и собственно приятие решений. Удивительно, но все сказанное укладывается в методику создания автоматизированных систем управления технологическими объектами, известную с 60-х годов.
|
|
|
Новые средства для анализа требуются потому, что данных становится не просто больше, чем раньше, а больше их внешних и внутренних источников, теперь они сложнее и разнообразнее (структурированные, неструктурированные и квазиструктурированные), используются различные схемы индексации (реляционные, многомерные, noSQL). Прежними способами справиться с данными уже невозможно — Big Data Analytics распространяется на большие и сложные массивы, поэтому еще используют термины Discovery Analytics (открывающая аналитика) и Exploratory Analytics (объясняющая аналитика). Как ни называть, суть одна — обратная связь, снабжающая в приемлемом виде лиц, принимающих решение, сведениями о различного рода процессах.
Компоненты
Для сбора сырых данных используются соответствующие аппаратные и программные технологии, какие именно — зависит от природы объекта управления (RFID, сведения из социальных сетей, разнообразные текстовые документы и т. п.). Эти данные поступают на вход аналитической машины (регулятора в цепи обратной связи, если продолжать аналогию с кибернетикой). Этот регулятор базируется на программно-аппаратной платформе, на которой работает собственно аналитическое ПО, он не обеспечивает выработки управляющих воздействий, достаточных для автоматического управления, поэтому в контур включаются ученые по данным (data scientist) или инженеры в области данных. Их функцию можно сравнить с той ролью, которую играют, например, специалисты в области электротехники, использующие знания из физики в приложении к созданию электрических машин. Задача инженеров заключается в управлении процессом преобразования данных в информацию, используемую для принятия решений, — они-то и замыкают цепочку обратной связи. Из четырех компонентов Big Data Analytics в данном случае нас интересует только один — программно-аппаратная платформа (системы этого типа называют Analytic Appliance или Data Warehouse Appliance).
|
|
|
На протяжении ряда лет единственным производителем аналитических специализированных машин была Teradata, но не она была первой — еще в конце 70-х годов тогдашний лидер британской компьютерной индустрии компания ICL предприняла не слишком удачную попытку создать контентно-адресуемое хранилище (Content-Addressable Data Store), в основе которого была СУБД IDMS. Но первой создать «машину баз данных» удалось компании Britton-Lee в 1983 году на базе мультипроцессорной конфигурации процессоров семейства Zilog Z80. В последующем Britton-Lee была куплена Teradata, с 1984 года выпускавшая компьютеры MPP-архитектуры для систем поддержки принятия решений и хранилищ данных. А первым представителем нового поколения поставщиков подобных комплексов стала компания Netezza — в ее решении Netezza Performance Server использовались стандартные серверы-лезвия вместе со специализированными лезвиями Snippet Processing Unit.
Дата добавления: 2019-07-15; просмотров: 155; Мы поможем в написании вашей работы! |
Мы поможем в написании ваших работ!