Reciba actualizaciones recientes de Hortonworks por correo electrónico

Una vez al mes, recibir nuevas ideas, tendencias, información de análisis y conocimiento de macrodatos.

Sign up for the Developers Newsletter

Una vez al mes, recibir nuevas ideas, tendencias, información de análisis y conocimiento de macrodatos.

cta

Empezar

nube

¿Está preparado para empezar?

Descargue sandbox

¿Cómo podemos ayudarle?

* Entiendo que puedo darme de baja en cualquier momento. Agradezco asimismo la información complementaria porporcionada en la Política de privacidad de Hortonworks.
cerrarBotón de cerrar
cta

Análisis predictivo y soluciones de macrodatos
de salud

Hortonworks es un líder. Leer el Forrester Wave.

Download Report

Clearsense utiliza HDP® para descubrir información valiosa

Clearsense es una empresa de datos inteligentes con sede en Jacksonville, Florida, que está reinventando y simplificando los análisis de datos. Su objetivo es ayudar a que los organismos de atención sanitaria obtengan un valor cuantificable de sus datos. Han desarrollado un ecosistema seguro basado en la nube, que puede procesar datos de innumerables fuentes a una gran velocidad, para obtener una SMARTView™ (vista inteligente) en tiempo real de cualquier entorno médico. Los fundadores de Clearsense crearon esta empresa con Hortonworks Data Platform en el corazón de su arquitectura de datos.

Salvara vidas y ofrecer una atención más eficiente

La industria de la salud de hoy enfrenta opciones y desafíos difíciles. Los investigadores, los profesionales médicos y los administradores tienen que tomar decisiones importantes, a menudo sin datos suficientes. Hortonworks ofrece Plataformas de datos conectados de código abierto (desarrollado por Apache™ Hadoop®  y Apache NiFi) para hacer que los datos de salud estén disponibles y sean accionables. Los investigadores exploran la arquitectura genética de las células cancerosas. Las enfermeras y los médicos monitorizan a pacientes de cuidados intensivos. Los administradores envían solicitudes de reembolso antes de que los pacientes salgan del hospital. Hortonworks está transformando el análisis de macrodatos en salud y medicina.

casos de usos

Acceso a datos genómicos para nuevos tratamientos contra el cáncer

Si leemos que un determinado fármaco es un “40% efectivo en el tratamiento del cáncer”, otra interpretación podría ser que ese fármaco es 100% efectivo en pacientes con un determinado perfil genético. Sin embargo, los datos genómicos son macrodatos. Los datos de un único genoma humano incluye aproximadamente 20.000 genes. Almacenados en plataformas de datos tradicionales, es equivalente a varios cientes de gigabytes. La combinación de cada genoma con un millón de ubicaciones de ADN variables produce el equivalente a unos 20 millones de filas de datos por persona.

Los investigadores de las principales universidades y los hospitales universitarios están luchando contra ese reto con Hortonworks Data Platforms como una plataforma rentable y fiable para almacenar datos genómicos y combinarlos con otros datos sobre demografía, resultados de ensayos y otras respuestas del paciente en tiempo real. Están adoptando Hortonworks DataFlow para transmitir esos datos a HDP para tomar decisiones en tiempo real y análisis. Las plataformas de datos conectados ayudan a los médicos a saber qué fármacos y tratamientos funcionan mejor para los grupos de pacientes de todo el espectro genético.


Control de las vitales del paciente en tiempo real

En un entorno típico de hospital, las enfermeras hacen rondas y controlan manualmente los signos vitales del paciente. Pueden visitar cada cama a intervalos de algunas horas para medir y registrar los signos vitales, pero la condición del paciente puede disminuir entre el tiempo de visitas programadas. Esto significa que los cuidadores responden a menudo a problemas de forma reactiva, en situaciones donde llegar antes podría haber causado una enorme diferencia en el bienestar del paciente.

Los nuevos sensores inalámbricos pueden registrar y transmitir los signos vitales de los pacientes con mucha más frecuencia que el personal de atención clínica, y estos signos vitales pueden enviarse a un clúster de Hadoop. El personal de enfermería puede utilizar estas señales para establecer alertas en tiempo real y reaccionar más rápidamente ante acontecimientos inesperados. HDP utiliza estos datos acumulados a lo largo del tiempo para el análisis predictivo de la salud y para alimentar algoritmos que pueden predecir la probabilidad de una emergencia incluso antes de que pueda ser detectada por el personal de atención clínica.


Reduce las tasas de readmisión cardíaca

Los pacientes con enfermedades cardíacas pueden ser monitoreados de cerca mientras están en un hospital, pero cuando los pacientes van a casa, pueden omitir sus medicamentos o pasar por alto las instrucciones dietéticas y de cuidados personales dadas por su médico cuando salieron del hospital.

La insuficiencia cardíaca congestiva provoca retención de líquidos, lo que conduce a un aumento de peso. En un programa innovador en UC Irvine Health, los pacientes podían volver a casa con una báscula inalámbrica, para que se pesaran a intervalos regulares. Los altoritmos que se ejecutan en Hortonworks determinaron los umbrales de ganancia de peso inseguros y alertaron a los médicos a ver al paciente de forma proactiva, antes de que fuera necesario una readmisión de emergencia.


Aprendizaje automático para detectar el autosmo con pruebas en el hogar

Los trastornos del espectro autista afectan a 1 de cada 100 niños en un costo anual estimado en más de $100.000 millones. La condición puede ser detectada a través del comportamiento en dieciocho meses, pero más de 1 de cada 4 casos aún no han sido diagnosticadas a la edad de 8 años. Un pequeño número de instalaciones de ensayos clínicos está suscrita, con listas de espera largas. La prueba diagnóstica más común típicamente tarda 2,5 horas para administrar y calificar.

El Dr. Dennis Wall es director de la Iniciativa de biología computacional en la Facultad de medicina de Harvard. En esta presentación, describe un proceso desarrollado por su equipo para una detección de bajo coste y móvil del autismo. Lleva menos de cinco minutos y se basa en la capacidad de almacenar grandes volúmenes de datos semi estructurados de pruebes realizadas en casa y enviados por los padres. El laboratorio de Wall también utiliza Facebook para capturar información reportada por el usuario sobre el autismo.

La inteligencia artificial que se ejecuta en esos enormes conjuntos de datos ayuda a maximizar la eficiencia de diagnóstico sin perder precisión. Este enfoque, junto con el almacenamiento de datos en un clúster Hadoop, puede utilizarse para otros procesos innovadores de aprendizaje de diagnóstico.

Almacena datos de investigación médica para siempre

Los investigadores médicos y científicos viven según la máxima “publicar o perecer”. Antes se solían adjuntar en una hoja de Excel los datos que apoyaban un estudio; sin embargo, hoy en día los conjuntos de datos son demasiado grandes. Ello no debe ser un obstáculo para que los estudios siempre vayan acompañados de datos de apoyo, puesto que si los datos desaparecen, el estudio pierde todo fundamento.

Las universidades pueden utilizar un clúster en Hortonworks Data Platform como una plataforma de almacenamiento rentable y perpetua de sus datos científicos. Las capacidades de consulta fáciles y abiertas permiten a sus colegas científicos compartir los datos, validarlos y volver a utilizarlos para otras investigaciones más adelante.

Seguimiento del equipo, fármacos y cuidadores con datos RFID

Los hospitales han empezado a utilizar identificación por radiofrecuencia (RFID) para realizar el seguimiento de su equipo y fármacos en sus instalaciones. Los escáneres RFID de un artículo o dispositivo pueden capturar su contenido, ubicación, fecha de fabricación, número de pedido y datos sobre el envío. Un grupo hospitalario innovador fue capaz de determinar cuánto pasaban sus médicos delante de las pilas para lavarse las manos (reduciendo la posibilidad de una transmisión).

A corto plazo, la disponibilidad de estos datos permite que los fármacos se utilicen antes de su fecha de caducidad o que se localice rápidamente una pieza importante de un aparato. Con el tiempo, los datos históricos sobre la interacción entre fármacos, equipamiento y médicos proporcionan una información valiosa para el análisis predictivo, la planificación de compras, la formación del personal y la mejora de la eficiencia operativa en el sector sanitario.

Estudios de caso del cliente

Geisinger
cliente
Geisinger

Geisinger Health System is one of the largest health service organizations in the United States, serving more than 3 million residents throughout Pennsylvania and southern New Jersey. Geisinger is one of America’s leading rural healthcare providers, with an integrated, physician-led system that includes 30,000 employees, nearly 1,600 employed physicians, 12 hospital campuses, and two research centers.…

UNOS
cliente
UNOS

The United Network for Organ Sharing (UNOS) is the private, non-profit organization managing the United States organ transplant system. UNOS brings together hundreds of hospitals, transplant centers, organ procurement professionals, and thousands of volunteers. The mission of UNOS is to advance organ availability and transplantation by uniting and supporting communities for the benefit of patients…

HCSC
cliente
HCSC

Health Care Service Corporation (HCSC) is the largest customer-owned health insurance company in the United States, providing health insurance to 15 million people through Blue Cross Blue Shield affiliates in Illinois, Montana, New Mexico, Oklahoma, and Texas. HCSC uses Hortonworks Data Platform for a single view of its membership to understand what challenges its customers…

Mercy
cliente
Mercy

Mercy se ha asociado con Hortonworks para crear la librería de datos Mercy, un data lake basado en Hadoop que funciona con la Hortonworks Data Platform (HDP). La liberría de datos contendrá volúmenes de extratos de lotes de datos de sistemas relacionales como Clarity, así como las fuentes de datos en tiempo real, incluyendo los registros de acceso de Epic. Planear ingerir otras fuentes de datos, incluyendo…

Cardinal Health
cliente
Cardinal Health

Fuse por Cardinal Health es un laboratorio de innoación centrado en mejorar el futuro de la salud y el bienestar, haciendo que la asistencia sanitaria sea más segura y rentable. El equipo de Fuse se centra en la atención conectada, en la construcción de una cadena de suministro más inteligente y en el descubrimiento de nuevos conocimientos a través del análisis. Fuse eligió la Hortonworks Data Platform para optimizar la arquitectura de sus datos y enriquecer

ZirMed
cliente
ZirMed

ZirMed, un proveedor de soluciones de gestión sobre la asistencia sanitaria, construyó con un clúster Hadoop ejecutando HDP para Windows 2.0.Los resultados aumentaron en cinco veces la capacidad de almacenamiento de datos útiles y de procesamiento,todo con un 30% del coste de la tecnología tradicional. Louisville, KY basado en ZirMed, se fundó en 1999 y es un proveedor líder…

Mayo Clinic
cliente
Mayo Clinic

Mayo Clinic utiliza Hortonworks Data Platform (HDP) para las mejoras de los grandes volúmenes de datos en su práctica clínica en más de setenta hospitales y clínicas, así como su liderazgo reconocido a nivel mundial en investigación médica y educación. HDP ayuda a Mayo Clinic a recuperar datos de su registro médico electrónico (EMR) en tiempo real--una nueva capacidad no disponible de su…

UC Irvine Health
cliente
UC Irvine Health

UC Irvine Health se dirigió a Hadoop y Hortonworks Data Platform para mejorar las operaciones clínicas en el hospital y su investigación científica en la escuela de medicina. Su equipo está construyendo una práctica médica cuantificada que reduce las readmisiones, acelera los nuevos proyectos de investigación y realiza el seguimiento de las estadísticas vitales minuto a minuto. Una plataforma Hadoop para dos…