基于大数据湖的个性化医疗服务推荐可扩展架构
计算机与社会
2018-02-13 v1
摘要
个性化医疗服务利用关系型患者数据和大数据分析来定制用药推荐。然而，大多数医疗数据为非结构化形式，将其抽取为关系型形式耗费大量时间与精力。本研究提出一种新颖的数据湖架构，以减少数据摄取时间并提高医疗分析的精度。它还通过允许与第三方数据提供商（如临床实验室结果、药剂师、保险公司等）的连接来消除数据孤岛并增强分析能力。该数据湖架构使用 Hadoop 分布式文件系统（HDFS）为结构化和非结构化数据提供存储。本研究使用 K-means 聚类算法寻找具有相似健康状况的患者簇，随后采用支持向量机为每个簇找到最成功的医疗推荐。我们的实验结果表明，数据湖能够减少从各种数据供应商摄取数据的时间，而无论其格式如何。此外，显而易见的是，数据湖比现有方法更精确地生成患者簇。显然，数据湖以其原生格式为数据提供统一存储位置，并且可通过消除数据孤岛来改善个性化医疗用药推荐。
引用
@article{arxiv.1802.04105,
title = {Scalable Architecture for Personalized Healthcare Service Recommendation using Big Data Lake},
author = {Sarathkumar Rangarajan and Huai Liu and Hua Wang and Chuan-Long Wang},
journal= {arXiv preprint arXiv:1802.04105},
year = {2018}
}
备注
15 Pages, 3 figures, 1 table, Presented in Sixth Australasian Symposium on Service Research and Innovation 2017