智能健康：智能城市中的大数据健康范例

Md Ileas Pramanik^a,*, Raymond Y.K. Laua, Haluk Demirkan^b, Md. Abul Kalam Azad^c

a 香港城市大学信息系统系，香港特别行政区，

b 华盛顿大学服务科学、信息系统和供应链管理系，美国塔科马

c 贝格姆罗凯亚大学计算机科学与工程系，孟加拉共和国伦格布尔

摘要：在“大数据”时代，信息和通信技术（ICT）领域的最新发展正在促进组织的创新和发展。这些技术的发展和无所不在的计算技术的广泛应用为政府和公司重新考虑医疗保健前景提供了许多机会。因此，大数据和智能医疗系统吸引了学术界和行业的广泛关注。大数据和智能系统的结合可以加快医疗保健行业的前景。然而，在现有的文献中，对大数据和智能系统在医疗保健领域的深入研究仍然缺乏。本文的主要贡献包括对各种大数据和智能系统技术进行有组织的评估，并对最先进的先进医疗保健系统进行关键分析。我们描述了范式转换的三维结构。我们还提取了三个广泛的技术分支（3T）有助于促进医疗保健系统。更具体地说，我们提出了一个大数据智慧医疗系统框架（BSHSF），它提供了医疗环境中组织内和组织间业务模型的理论表述。我们还提到了文献中的一些例子，有助于查明将大数据支持的智能医疗系统框架应用于医疗保健业务环境的潜在机遇和挑战。我们还为有效地将大数据支持的智能医疗系统框架应用于医疗保健行业提出了明确的建议。据我们所知，这是第一次深入研究并行的最先进的大数据和智能医疗系统。本文的管理含义在于组织可以利用我们的关键分析结果来加强其在医疗保健环境中对智能系统和大数据的战略安排，从而更好地利用它们进行可持续的组织发明。

关键词：大数据；智能系统；医疗保健；框架

1.介绍

最近，许多城市投资开发了ICT基础设施，用技术设施装饰其所有分支机构，以支持大数据应用、提供环境自动化、推进环境社会控制和管理。智慧城市的前景非常光明，不同的智能设备制造集团，例如IBM和Intel，正在发起各种各样的倡议，以巩固他们在这一领域的指导地位。他们已经认识到了在打造智慧城市中起关键作用的十个重要领域：智能健康、智能安全系统、智能建筑、智能政府、智能旅游、智能电网、智能交通、智能环境、智能家居和智能生活方式（Caragliu、Del Bo和Nijkamp，2009年）。智能城市的每一个组成部分都是基于大规模的数据集分析，这些分析体现了公共安全、经济发展、污染、交通状况等等方面。此外，以最小代价计算能力和存储成本的智能设备的扩散以及电子通信的发展，使得医疗保健数据的探索成为可能。2012年，这些数据集的容量约为500PB（拍字节，1015字节），与100亿个文件柜的内容相当，到2020年，这些数据量将增加到25000PB，相当于5000亿个文件柜的内容。由于数据洪流，仅美国医疗保健数据量就将很快达到ZB（1021千兆字节）的规模，不久之后，就会达到YB（1024千兆字节）（IHTT，2013年）。从定义上看，医疗领域的大数据也引入了一些复杂的问题，如数据分布不均匀、并行处理变量多等，这些问题在现有的分析方法中处理效率很低。大型医疗保健数据的破坏性不仅在于其容量，还在于数据的异构性和管理速度（Frost，2015年）。因此，本研究主要考虑医学领域。

将大数据纳入智能医疗系统已引领了电子健康和移动健康（e/m-health）的新创新时代的存在，这些时代对降低成本和提高效率有利（Varshney，2014年）。医疗保健系统的不同机构，如医生、医院、保险公司和药店，正在探索更好地了解智能系统中的大数据应用程序的途径，以便他们能够正确分类其前景，以降低成本、改进服务并简化流程。在医疗保健领域，使用不同智能设备取得了显著进展；然而，该领域仍处于起步阶段，许多多学科问题仍未得到解决（Solanas等人，2014年）。因此，在本文中，我们提出了大数据时代智慧医疗系统能够提高病患护理的质量和安全性，降低成本和浪费，开展医疗保健研究，并在医疗保健行业实现更好的管理和服务（Varshney，2013）。尽管大数据智慧医疗系统能够在各种情况下产生预期的结果，但在技术复杂性、安全性和隐私问题、经济限制、数据复杂性以及文化方面，它们也存在一些潜在的挑战。

本文提供了大数据智慧医疗系统的高级概述。本文的其余部分安排如下。在第2节中，我们回顾了关于三个组成部分的现有文献-医疗保健中的智慧系统、城市背景和医疗领域的大数据特征。然后，我们描述了健康、城市和数据维度的范式转换趋势。我们在现有文献中探索不同的医疗技术。然后，我们提出了大数据智慧医疗系统（BSHSF）的架构框架。我们还提供了实践中报告的大数据智慧医疗系统的含义示例以及现有文献。然后讨论了发展BSHSF的不同挑战，在此基础上提出了一些新的研究方向。最后，我们在第9节结束我们的研究。

2.主要部分

虽然智能健康和大数据都是各自非常新的概念，但最近它们受到了学术界和工业界的广泛关注。智能健康可以是大数据在智能城市环境中的现代应用，它可以提供一个非常智能的以用户为中心的环境。然而，由于智能健康和大数据都是年轻的领域，我们必须分析它们当前的发展来获取不同的机会。在本节接下来的部分中，我们将简要回顾本研究的三个关键项目。

2.1.智慧城市

智慧城市的具体概念尚未明确界定，至今仍被视为一个模糊的概念。然而，根据IBM的说法（www.ibm.com/smarterplanet/us/en/smarter-cities/overview/）“智慧城市”是指在城市运行过程中，利用先进技术对核心系统大量有用信息进行感知、检测、处理和集成的智能化应用。此外，智慧城市可以对各种日常需求提供智能响应，包括公民生活、安全系统、公共交通和环境、公共卫生、工业和商业活动（Pramanik等人，2016a，qin等人，2010）。智慧城市代表着一种迫切的需要，是将“智慧地球”应用于定制区域，实现城市智能化、一体化管理的真正形式。在智慧城市中，不断分析不同的数据集，以呈现智能规划理念、智能建筑模型、智能管理，因此数据被视为任何智能系统的燃料（Cocchia，2014年）。为了描述智慧城市的结构，Su、Li和Fu（2011）考虑总结了三个重要的层次-感知层、网络层、应用层，每个层次分析和处理了海量数据集。随着互相连络、互操作性和智能的不断增强，这三个层次可以使未来世界变得越来越容易理解和可量化。为了提供更高效和有效的城市管理和监管，智慧城市的数据源不仅限于传感器数据；社交媒体数据、GPS数据、交易数据和电话数据也为使城市成为实时城市做出了巨大贡献（Kitchin，2014b）。对于公民来说，所有这些数据及其分析都能提供对城市生活方式的洞察，支持日常生活和决策，并赋予城市发展的不同愿景。

在医疗保健领域，智慧城市可以帮助医院实现智慧医疗。智慧城市可以引入一些智能管理系统，以支持数字采集、处理、存储、传输和共享内部公民信息，如人员信息、社会信息等。此外，智慧城市的基础设施还可以支持医疗系统的以下部分——智能管理和监督健康数据、医疗设备和用品、通信系统、自动管理和公共卫生监督，从而解决许多健康危害问题（Su等人，2011年）。从本质上讲，智慧城市包括许多自动化系统，如智能家居、智能交通、智能医疗和智能旅游，使公民能够使用不同的先进服务、管理城市，并为富有成效和疗效的行动创造动力。

2.2.智能健康

在智慧城市，我们希望了解医疗部门如何利用先进的工具和技术来改善医疗服务。智慧城市的基础设施和技术重建了现有医疗系统（如M-Health、E-Health）和远程医疗系统背后的思维，创造了一个新的、舒适的、无所不在的概念，称为智能健康。此外，智能健康将无处不在的计算和环境智能的理念整合到预测性、个性化、预防性和参与性医疗系统中（R_cker、Ziefle和Holzinger，2014年）。智能健康与健康和福利的概念紧密相连（Suryadevara和Mukhopadhyay，2014年），包括大量数据，由大量生物医学传感器收集（如温度、心率、血压、呼吸率、容量等）、基因组驱动的大数据（基因分型、基因表达、测序数据）、付款人-提供商数据（电子健康记录、保险记录、药房处方）和社会媒体数据（患者状态、反馈、反应），用于观察和预测患者的身心状况。智能健康是医学信息学、公共卫生和商业交叉点的一个新兴但有前途的研究领域，它通过物联网（IoT）来暗示智能医疗服务或增强认知能力。从精细的意义上讲，智能健康不仅定义了信息和通信技术的发展，而且还定义了一种思维状态、生活方式和方法，以及在一些智能代理的帮助下，让相关实体改善家庭、城市、国家和全球的医疗设施的誓言（Clancy，2006年）。最近，研究人员开始思考大数据在智能医疗系统中的应用。尽管有很多关于大数据的有争议的说法，但是在医疗环境中，可以使用我们在下一节中讨论的5lsquo;Vrsquo;字符更准确地表示大数据。医疗保健机构中的大数据应用程序可以提供显著的好处，包括在早期发现疾病，以便更容易更有效地进行处方。国家科学基金会（NSF）有关大健康数据分析的主要举措是SHB计划（NSF，2012）。SHB计划的主要目标是在大数据环境中解决ICT问题，支持医疗保健领域亟需的变革，从被动的和以医院为中心到主动的和以患者为中心，并强调健康而不是疾病控制（Chen、Chiang和Story，2012年）。近二十年来，我国引入了数字医疗体系、电子医疗体系、医院医疗体系、普适医疗体系、智慧医疗体系等多种医疗体系。通过对相关文献的调查，我们在图1（下大椭圆）中提出了我们的智能健康概念。我们将智能健康描述为三种不同医疗方案的结合系统：普适医疗、数字经典医疗和基于医院的医疗，所有流程都在电子医疗（e-healthcare）环境中考虑。这种电子医疗主要涉及使用电子健康记录（EHR）存储、访问和处理所有医疗数据（Peng、Dey和Lahiri，2014）。

图1智慧城市和智慧健康的主要组成部分

普适医疗是一种主动式系统，其中医疗设施配备无线局域网（LAN），因此内科医生、外科医生、医生、护士和工作人员可以使用手持设备从每个位置设置中查看和更新患者的医疗数据（Varshney，2003，2007）。

数字经典医疗是一个反应系统。这是一种普通的医疗方法，医生接到病人的电话后会去看病人。与Aday（2004）的传统经典医疗系统不同，数字医疗系统还涉及电子医疗记录（EHR）和ICT工具的使用。

医院医疗是一种固定场所的医疗服务，其中广泛使用EHR和现代ICT工具，并广泛调查所有以前的健康记录，以对未来行动做出决定（Jha等人，2006）。最近，不同的智能工具和技术（Tamp;T）已部署在医院中，以实现更有效和实时的治疗，尽管大多数基于医院的医疗保健系统到目前为止都是被动的。

2.3.医疗保健领域大数据分析中的5“V”

三个众所周知的特征（体积、速度和多样性）被视为医疗保健领域大数据的主要特征，因为所有这些特征在理论和实践中都得到了认真考虑（Groves等人，2013年，Sakr和Gaber，2014年）。最近，一些从业者和研究人员还介绍了大数据在医疗保健领域的另外两个新特点——准确性和价值（James等人，2011年）。尽管大数据的这两个维度在其他领域不太重要，并被视为次要特征，但在医疗环境中，它们正被认真考虑以将医疗保健范式转变为智能系统（Groves等人，2013年）。

在过去十年里，由于智能设备和社会媒体在医疗服务中的应用，健康相关数据呈指数级增长（Raghupathi和Raghupathi，2014年）。医疗保健领域的大数据主要包括3D成像、医疗记录、放射学图像、基因组学和生物识别传感器读数。此外，这些生成的原始测序健康数据约为每人4TB（Chen等人，2012年）。虽然健康数据量过大，但幸运的是，数据管理和处理技术，特别是机器学习和软件智能代理的进步，使创新平台得以开发，以实现更有效和高效的管理和操作。

在智能医疗保健系统中，数据收集和建模过程几乎是实时的，以高速进行，这意味着医疗保健中的大数据分析有着不断增长的前景，可以对患者周围环境提供即时反馈。由于智能设备的使用导致数据生成和存储过程发生了变化，到2020年将有260亿物联网设备投入使用（Middleton、Kjeldsen和Tully，2013年），因此有必要根据环境更新检索、分析和决策过程。为了呈现不同的医疗保健应用，如临床文本挖掘、预测模型、生存分析、患者相似性、遗传数据分析和智能服务，实时响应的要求应被视为最高优先级（Sakramp;Gaber，2014；Groves等人，2013）。尽管一些医疗保健数据通常是静态的，如X光片和纸质文件，但大多数数据是动态的，代表定期监测，如多次定期糖尿病血糖测量、血压读数和心电图上的脉搏率（ECG）。在许多医疗情况下，实时监测心脏跳动、创伤监测血压等数据有助于测量生命与死亡的差异，这些数据还通过早期监测干预降低了患者的发病率和死亡率，从而应用适当的治疗。大数据的最后一个主要维度是各种各样的数据——结构化、半结构化和非结构化——这是数据的本质，使医疗保健系统不仅具有挑战性，而且有趣。在正在进行的医疗保健系统中，结构化和半结构化数据包括仪器读数、EHR和通信数据，这些数据被广泛分析以实现有效的医疗保健。虽然在现有的医疗保健系统中分析了大量非结构化数据，如遗传学和基因组学数据、办公室医疗记录、处方纸、X光片、MRI和CT扫描数据，但一些新兴的非结构化数据集（如纸质处方、位置、患者状态、反馈、响应、保险记录和药方）正在层叠到智能医疗领域（Raghupathi和Raghupathi，2014年）。大数据在医学领域的前景在于将常规数据与新出现的数据结合起来。因此，来自多个来源的大数据可以支持智能服务中的有效和高效

剩余内容已隐藏，支付完成后下载完整资料

Expert Systems With Applications 87 (2017) 370–383

Contents lists available at ScienceDirect

Expert Systems With Applications

journal homepage: www.elsevier.com/locate/eswa

Review

Smart health: Big data enabled health paradigm within smart cities

Md Ileas Pramanika,lowast;, Raymond Y.K. Laua, Haluk Demirkanb, Md. Abul Kalam Azadc

a Department of Information Systems, City University of Hong Kong, Hong Kong Special Administrative Region

b Department of Service Science, Information Systems, and Supply Chain Management, University of Washington, Tacoma, United States

c Department of Computer Science and Engineering, Begum Rokeya University, Rangpur, Bangladesh

a r t i c l e i n f o a b s t r a c t

Article history:

Received 11 February 2017

Revised 15 June 2017

Accepted 15 June 2017

Available online 19 June 2017

Keywords:

Big data Smart system Healthcare Framework

In the era of “big data”, recent developments in the area of information and communication technolo- gies (ICT) are facilitating organizations to innovate and grow. These technological developments and wide adaptation of ubiquitous computing enable numerous opportunities for government and companies to reconsider healthcare prospects. Therefore, big data and smart healthcare systems are independently at- tracting extensive attention from both academia and industry. The combination of both big data and smart systems can expedite the prospects of the healthcare industry. However, a thorough study of big data and smart systems together in the healthcare context is still absent from the existing literature. The key contributions of this article include an organized evaluation of various big data and smart sys- tem technologies and a critical analysis of the state-of-the-art advanced healthcare systems. We describe the three-dimensional structure of a paradigm shift. We also extract three broad technical branches (3T) contributing to the promotion of healthcare systems. More specifically, we propose a big data enabled smart healthcare system framework (BSHSF) that offers theoretical representations of an intra and inter organizational business model in the healthcare context. We also mention some examples reported in the literature, and then we contribute to pinpointing the potential opportunities and challenges of ap- plying BSHSF to healthcare business environments. We also make five recommendations for effectively applying lsquo;BSHSF to the healthcare industry. To the best of our knowledge, this is the first in-depth study about state-of-the-art big data and smart healthcare systems in parallel. The managerial implication of this article is that organizations can use the findings of our critical analysis to reinforce their strategic arrangement of smart systems and big data in the healthcare context, and hence better leverage them for sustainable organizational invention.

copy; 2017 Elsevier Ltd. All rights reserved.

Introduction

Recently, many municipalities have invested in the development of ICT infrastructure to decorate all their branches with techno- logical setups to support big data applications to provide ambient automation and promote social control and management for the environment. The prospects of smart cities are really very promis- ing, and different smart device manufacturing groups, for instance, IBM and Intel, are launching diverse initiatives to consolidate their guidance in this sector. They have recognized ten important fields that will play key roles in making a smart city: smart health, smart security system, smart building, smart government, smart tourism, smart grid, smart transportation, smart environment, smart home, and smart lifestyle (Caragliu, del Bo, amp; Nijkamp, 2009). Every com-

lowast; Corresponding author.

E-mail addresses: mpramanik2-c@my.cityu.edu.hk, ileass@gmail.com (M.I. Pramanik), raylau@cityu.edu.hk (R.Y.K. Lau), haluk@uw.edu (H. Demirkan), akazad@brur.ac.bd (Md.A.K. Azad).

ponent of smart cities is based on large-scale dataset analytics that present public safety, economic development, pollution, traf- fic conditions and so on. Moreover, the proliferation of smart de- vices with minimal cost of computing power and storage and the development of electronic communication are allowing the explo- ration of healthcare data. The volume of these datasets amounted to approximately 500 PB (petabytes, 1015 bytes) in 2012, which is comparable to the contents of 10 billion file cabinets, and these data volumes will increase to 25,000 PB by 2020, which is equiv- alent to the contents of 500 billion file cabinets. Due to this data deluge, the US healthcare data volume alone will soon touch the ZB, zettabyte (1021 gigabytes) scale and, not long after, the YB, yot- tabyte (1024 GB) (IHTT, 2013). By definition, big data in healthcare also introduces some complicated issues, such as non-uniform data distribution and parallel processing with a large number of vari- ables, which are inefficiently handled by existing analytical meth- ods. Big healthcare data is

剩余内容已隐藏，支付完成后下载完整资料

资料编号：[277430]，资料为PDF文档或Word文档，PDF文档可免费转换为Word