最新の数据湖屋で健康デ，タの力を解き放

患者1人に対して年間およそ80 MBの医療デタが生成されるといわれています。数千人規模の患者の生涯に換算すると,貴重な知見の源となるペタバイト級の患者データが生成されることになります。膨大なデータから知見を抽出することで,臨床業務の効率化,創薬研究の加速,患者の転帰の改善が図れます。これを可能にするためには，デ，タを収集するだけでなく，準備段階として，デ，タの前処理が必要です。ダウンストリムの分析やaiで利用できるよう，収集したデタのクリニングや構造化を行います。ヘルスケア·ラaapl . aapl .フサaapl . aapl .エンス組織のほとんどが，この準備段階に多大な時間を消費しているのが実情です。

業界におけるデ，タ分析の課題

ヘルスケア・ライフサイエンス業界の組織が抱える,データ準備,分析,AIにおける課題には数多くの理由が存在しますが,そのほとんどは,データウェアハウス(DWH)上に構築されたレガシーなデータアーキテクチャへの投資に関係するものです。この業界における4の主要な課題は次のとおりです。

課題1 -ボリュム:急増するデタに対応するスケリング

ヘルスケア業界におけるデ，タの爆発的な増加を示す最適な例は，ゲノミクスです。当初，ゲノムのシ，ケンスにかかるコストは10億ドルを超えていました。膨大なコストゆえ,初期は(今もなお多く),人間のゲノムのごく一部,通常0.1%程度において特定の変異体を見つけ出すプロセスである,ジェノタイピングに注力されていました。その後,ゲノム上のタンパク質をコードする領域を解析対象とする全エクソームシーケンスへと移行しましたが,それでもゲノム全体の2%未満でした。現在,企業は全ゲノムシーケンス(WGS)による顧客への直接検査を提供しており,30回のWGS 300でドル以下となっています。集団レベルにおいては,2021年に,英国バイオバンクが研究用として20万以上の全ゲノムを公開しています。ゲノミクスに限らず，画像，ウェアラブル医療機器，電子医療記録もまた急速に増加しています

集団医学分析や創薬などの取り組みへの鍵は，スケ，リングです。レガシーアーキテクチャの多くは,オンプレミスに構築されており,ピーク時の容量にあわせて設計されています。そのため,使用率が低い期間はコンピューティングパワーの未使用が発生し(最終的にはコストの無駄),アップグレードが必要な場合も,迅速にスケーリングできません。

課題2 -種類:多様なヘルスケアデ，タの分析

ヘルスケア·ラフサエンスの組織は，それぞれ違いのある膨大な種類のデタを取り扱っています。医療データの80%以上が非構造化データであることは広く知られていますが,多くの組織はいまだ構造化データ,従来のSQLベースの分析向けに設計されたデータウェアハウスに注目しています。非構造化データには,腫瘍学,免疫学,神経学などの分野(コストが増大している分野)において,疾患の診断や進行度の測定に不可欠な画像データや,患者の既往歴や社会歴の完全な把握に欠かせない医療記録のナラティブなテキストデータが含まれます。これらのデタタプを無視したり，後回しにしたりするなどもってのほかです。

問題をさらに複雑にしているのは,ヘルスケアのエコシステムが相互に関連しあうようになってきており,ステークホルダーは新たなデータタイプに取り組む必要があることです。例えば，医療提供者は、リスクシェアリング契約の管理と裁定のために請求データを必要とし、保険者は事前承認などのプロセスのサポートや品質評価の推進のために臨床データを必要とするいったことです。これらの組織では多くの場合、新しいデータタイプをサポートするデータアーキテクチャやプラットフォームが欠如しています。

一部の組織では,非構造化データや高度な分析のサポートを目的としてデータレイクに投資していますが,これは新たな課題を引き起こしています。この環境においては,データチームはデータウェアハウスとデータレイクの2つのシステムを管理する必要があり,サイロ化されたツール間でのデータコピーはデータ品質と管理上の問題を引き起こします。

課題3 -速度:リアルタムな知見を取得するためのストリミングデタ処理

ヘルスケアは，多くのケ，スにおいて，生死に関わる問題です。状況は劇的に変化しうるため，日次ベ，スのバッチデ，タ処理では不十分なことがほとんどです。介入性治療の成功には，最新情報へのアクセスが不可欠です。病院や国際医療システムでは,命を救うために,敗血症の予測やICU病床のリアルタイム需要予測など,あらゆることにストリーミングデータを使用しています。

さらに，デ，タ処理速度は，ヘルスケアにおけるデジタル革命の主要コンポ，ネントです。個人はかてないほど多くの情報にアクセスでき，リアルタムで治療に影響を及ぼすことができます。例えば，Livongoが提供する持続血糖モニターなどのウェアラブルデバイスは,モバイルアプリにリアルタイムでデータをストリーミングし,パーソナライズされた行動を提案します。

このような早期の成功にもかかわらず,いまだ多くの組織はストリーミングデータの速度に対応可能なデータアーキテクチャを設計していません。信頼性の問題やリアルタイムデータと過去のデータの統合に関する課題が,イノベーションを阻害しています。

課題4 -真実性:ヘルスケアデタとaiの信頼性

ヘルスケアにおいては，臨床および規制基準により，デ，タの高精度が求められます。ヘルスケアの組織は、公衆衛生上の高いコンプライアンス要件を満たさなければなりません。組織内でのデータの民主化には、ガバナンスが不可欠です。

さらに,人工知能(AI)や機械学習(ML)を臨床現場に導入する場合には,優れたモデルガバナンスが必要となります。しかし,組織の多くは,データサイエンスのワークフロー用にデータウェアハウスと断絶された別のプラットフォームを使用しています。これは,AIを活用したアプリケーションにおけるデータの信頼性と再現性に大きな問題を引き起こします。

レ▪▪クハウスでヘルスケアデ▪▪タの可能性を最大化

レ▪▪クハウスア▪▪キテクチャは,クラウドデータレイクの低コスト,スケーラビリティ,柔軟性と,データウェアハウスの性能,ガバナンスを兼ねそろえたモダンデータアーキテクチャであり,ヘルスケア・ライフサイエンスの組織が信頼性と再現性の課題を解決することを支援します。組織では,レイクハウスを用いて,あらゆるタイプのデータを格納でき,オープンな環境で,あらゆる分析,機械学習を実行できます。

レ▪▪クハウスは;ヘルスケア▪ラ▪▪フサ▪▪エンスの組織に次のようなメリットをもたらします。

• あらゆるヘルスケアデ，タを大規模に整理:砖のレイクハウスプラットフォームのコアは,オープンソースのデータ管理レイヤーである三角洲湖であり，任意のデ，タレ，クに信頼性と性能をもたらします。三角洲湖は、従来型のデータウェアハウスとは異なり、あらゆる構造化・非構造化データをサポートします。Databricksでは、電子医療記録やゲノミクスなどのドメイン固有のデータタイプに対応したコネクタを開発し、ヘルスケアデータの取り込みを容易にしています。これらのコネクタでは、クイックスタートのソリューションアクセラレータに業界標準のデータモデルがパッケージされています。さらに、Delta Lake には、データのキャッシングやインデックス作成用にビルトインの最適化機能が備えられており、データの処理速度は著しく上がっています。これらの機能により、チームは全ての未加工データを一元管理でき、患者のヘルスに関する全体像を把握できます。
• 患者分析とaiを最大活用:レイクハウスにデータが一元化されることで,チームは,データに対して直接,患者分析の実施,予測モデルの構築ができるようになります。砖は、分析および AI ツールを備え、SQL、R、Python、Scala などの幅広いプログラミング言語をサポートするコラボレーティブなワークスペースを提供し、このようなケイパビリティを可能にします。データサイエンティスト、データエンジニア、医療インフォマティシストなど、さまざまなユーザーグループがコラボレーションをしながら、ヘルスケアデータの分析、モデル構築、可視化を行うことができます。
• 患者に関する知見をリアルタ电子邮箱ムで提供:レクハウスは，ストリミング，バッチデタに対する統合アキテクチャを提供します。2 .。さらに,砖上でレイクハウスアーキテクチャを運用することで,企業はワークロードに応じて自動的にスケールする,クラウドネイティブなプラットフォームにアクセスできるようになります。これにより,ストリーミングデータの取り込み,ペタバイト規模の履歴データとの組み合わせが容易になり,集団規模でのニアリアルタイムの知見を抽出できます。
• デタ品質とコンプラアンスを提供:レイクハウスには,スキーマ強制,監査,バージョン管理,高粒度のアクセス制御など,従来のデータレイクにはない機能が備わっており,データの信頼性を高めています。レイクハウスによる重要なメリットは,同一で信頼性の高いデータソースに,分析と機械学習の両方を実行できることです。加えて,砖は機械学習モデルのトラッキングや管理機能を提供し,チームが環境間で結果を再現することを容易にしており,コンプライアンス基準を満たすサポートをしています。これらの機能は全て，hipaa準拠の分析環境で提供されます。

レクハウスは，ヘルスケアラフサエンスデタの管理において，最適なアキテクチャです。このアーキテクチャと砖の機能の相乗効果により,組織は,創薬や慢性疾患管理プログラムなど,極めてインパクトのある幅広いユースケースへの対応を支援できるようになります。

ヘルスケア·ラ

砖では,ヘルスケア・ライフサイエンスの組織が特定のニーズにあわせてレイクハウスの構築ができるように,一連のソリューションアクセラレータを提供しています。ソリューションアクセラレータには,砖笔记本にあるサンプルデータ,事前構築されたコード,ステップごとの説明が含まれています。

• 新しいソリュションアクセラレタ:リアルワルドエビデンスのためのレクハウス
  リアルワ，ルドデ，タは，製薬会社に臨床試験外の患者の健康状態や薬効に関する新たな知見を提供します。このアクセラレータでは,砖上にリアルワールドエビデンスのレイクハウスを構築できます。患者集団に対するサンプルのEHRデータの取り込みから,OMOP共通データモデルを用いたデータの構造化,薬剤の処方パターンの調査まで,大規模な分析を実行する方法を紹介します。

リアルワルドエビデンスのレクハウス構築に関する笔记本はこらからダウンロ，ド可能です。

• 近日リリス:集団医学のためのレクハウス
  ヘルスケアのペイヤーと医療提供者は,より多くの情報に基づいた意思決定を可能にする,患者のリアルタイムの知見を必要としています。このアクセラレータでは,砖上でHL7ストリーミングデータを容易に取り込み,患者の疾病リスクを予測するようなユースケースに対する優れた機械学習モデルを構築する方法を紹介します。

ヘルスケア・ラ▪▪フサ▪▪エンス業界のソリュ，ションの詳細をご覧ください。