面向医疗保健的本体论驱动大数据分析综述：挑战、工具与应用
分布式、并行与集群计算
2025-10-08 v1
摘要
来自电子健康记录(EHRs)、医学影像、可穿戴传感器和生物医学研究的异构医疗数据的指数级增长已加速了数据湖和能够处理大数据在体积、类型和速度上的高级分析的集中式架构的采纳。然而，在没有有效治理的情况下，这些存储库风险会恶化为杂乱无组织的数据浑河。本体论驱动的语义数据管理提供了稳健的解决方案，通过将元数据链接到医疗知识图谱，从而增强语义互操作性、提高数据可发现性并实现表达的、领域感知的访问。本综述采用系统性研究策略，制定关键研究问题并在主要学术数据库中进行结构化文献搜索，对选定研究进行分析和分类为六类本体论驱动的医疗保健分析：(i) 本体论驱动的集成框架、(ii) 用于元数据丰富的语义建模、(iii) 基于本体的数据访问(OBDA)、(iv) 基本语义数据管理、(v) 用于决策支持的本体论推理、(vi) 用于非结构化数据的本体论注释。我们进一步审查了本体技术与大数据框架如 Hadoop、Spark、Kafka 等的集成，突出了其组合潜力可交付可扩展且智能的医疗保健分析。对于每一类别，都审查了近期技术、代表性案例研究、技术和组织挑战以及诸如人工智能、机器学习、物联网(IoT)和实时分析等新兴趋势，以指导可持续、可互操作且高性能的医疗保健数据生态系统的开发。
引用
@article{arxiv.2510.05738,
title = {A Review of Ontology-Driven Big Data Analytics in Healthcare: Challenges, Tools, and Applications},
author = {Ritesh Chandra and Sonali Agarwal and Navjot Singh and Sadhana Tiwari},
journal= {arXiv preprint arXiv:2510.05738},
year = {2025}
}