큰 데이터-생각 하는 작은 데이터의 부상

1980 년까지 임상 "경험", "직감"와 "터치 없는 신호"에 주로 의존 열 아이 (감기) 등 가벼운 질환 또는 급성 폐 렴 이나 뇌 막 염과 같은 더 심각한 질병 발생 여부를 확인 하려면. 다른 말로 하면, 그들은 의사를 보고 직감에 의존. 1980 년에, 연구원의 팀 경험 있는 소아과 그들의 환자를 진단 하는 방법을 검사 합니다. 그들은 뛰어난 의사 "정보 입력" 라고 직관적으로 했다 발견, 그 경험이 의사 지나치게 주관적이 "입력된 메시지"를 안정적으로 테스트 하 고 있는 동안.

이어지는 연구에서 연구팀은 정확성과 객관성의 두 가지 측면에서 그들의 시스템을 강화 했다. 이 시스템에서 훈련 되 고 소아과 경험 있는 의사로 발열, 일으키는 원인이 되는 심각한 질병으로 많은 어린이 들에 대 한 액세스가 있다. 것은 근본적으로 변화: 직관의 양적, 질적 이며 형태로 형성 되었습니다 고 경험이 의사에 의해 악용 될 수 있습니다. 오늘날, 열 어린이 치료 하는 거의 모든 의사는이 절묘 한 발견을 확인 하 고입니다.

우리 모든 어린이 방문에 대 한 최선의 치료를 제공의 목표를 식별, 우리 직감과 전문 기술을 보다 더 때문에 필요 아무도 완벽 하다. 증거 기반 의학 방법 (EBM) 의사 치료 지침으로 임상 연구를 통합 하 여 치료를 향상 도움이 됩니다. 그러나, 일반적인 관점에서 EBM은 일반적으로 또는에 따라 "작은 데이터" 연구-달리 수백 수천의 http://www.aliyun.com/zixun/aggregation/14294.html "빅 데이터"의 수백만 >, 큰 EBM 경우의 수천을 포함 하는 시스템입니다. 작은 샘플 크기 시스템에 정보 입력 잘 정의 하 고이 모든 정보를 포함 하는 처리 지침 서는 환자와 환자 간의 차이 설명 하는 적절 한 결과 함께 공식화 해야 합니다. 그 결과, EBM은 때때로 "요리 책-스타일 치료"로 조롱 하 고 의사만 기계적으로 이러한 치료의 "제조 법"은 다음과 같은. 닭고기와 시금치는 어떤 사람들은, 하지만 채식주의 때는 무슨 일이 대 한 맛 있는 수 있습니다?

큰 데이터 볼륨은 더 맞춤된 "치료 조리법"을 만들 수 충분. 500 백만 사람들의 데이터 집합을 아스피린과 콜레스테롤의 좋은 복용량 매일, 35-올해-옛 사람 또는 사람은 정확 하 게 동일 하지만 체 치료를 조정할 수 있습니다.

큰 데이터 또한 작은 찾을 수 수 하지만 강력한 단서는 러프를 통해 처리 되지 않은 데이터를 설정 하 고 그것을 분석. 작은 데이터 집합 보통 할 거래를 하지 거친 원시 데이터와 함께 "미"와 "심근 경색" 사이 구분 하지 않는다 때문에 그들은 같은 일을 참조 하는 경우에. 그리고 우리만 작은 데이터 집합에는 단일 용어를 사용할 수 있습니다, 때문에 우리는 결정적인 일반화를 할 수 없습니다. 같은 시간에 작은 데이터 집합 "심장 경색"를 확인 하는 필요를 지원할 수 없습니다 이며 "심근 경색" 연구의 동일한 기간. 작은 데이터 집합으로 입력 하기 때문에 그들은 너무 무작위 데이터 집합-결정적인 일반화 시는 이러한 작은 샘플 데이터 집합에서 사용할 수 없습니다 매우 상세한 단서의 사용을 지원 하기 위해 실패.

큰 데이터는 의료 상태에서 직감을 대체 하는 여부를 통해 성장 논쟁이 있다. 어떤 경우에, 큰 데이터는 여전히 우리의 가장 큰 희망 컴퓨터 인간 전문가의 직관을 에뮬레이션할 수 없습니다 그리고 우리 이상 EBM 같은 작은 데이터 집합에 의존 하는 것입니다. 진짜 문제는 큰 데이터 의료 직감, 위협 하지만 그와 반대로, 내가 할 수 없어 그것은 아니다. 우리가 의존 하지 마십시오 너무 많은 의료 분야에서 큰 데이터 이제 많은 양의 데이터를 필요 및 의학 연구에에서 필요가 없습니다 진짜 큰 임상 데이터 집합 그들의 손에 있기 때문에.

설치, 유지 관리, 라벨 및 임상 임상 데이터 집합을 유지의 비용은 너무 높다. 데이터 집합 정보 유출에 대 한 처벌은 무 겁 고 설정 같은 데이터 집합의 혜택은 거의 존재 하지 않는. 건강 정보 흐름 프로젝트도 정부 지원 일반적으로 필요가 없습니다 데이터 통계. 대신, 이러한 시스템 착륙선을 한 번에 하나만 환자의 데이터를 검색 하는 외부 시스템을 입력을 허용 하는 데 사용 되 고 결과 데이터 다이제스트의 형태로 보통 이다. 대용량 데이터 분석 시스템에서 가능 하다.

그러나, 큰 데이터 볼륨 의료 데이터 세트에 가장 큰 방 벽은 소위 "모범 사례" 10 이상 ~ 20 년에 대 한 다른 산업 뒤에 느껴 지 있다 의료 정보에. 의료 정보 시스템 "작은 데이터 집합" 연구를 유지 하기 위한 기초는 오래 된 데이터 방 벽의 사용을 강화 하 고 있습니다. 이 시스템에서는, 감사, 표준, 편집 데이터 수신 거기 수 거친 원시 데이터입니다! 결과 데이터 집합은 작은 dataset 배리어 형 프로세스 데이터 소스 보안 강화에 대 한 병목 현상 때문에 많은 사용 가능한 데이터의 일관성의 부족으로 인해 종료 됩니다. 이 장벽을 균질 데이터를 만들고 시스템을 정말 유용 하 게 만드는 다양성은 그렇다 하 고 그것은 식 빵 한 빈 정화 상자 처럼 곡물의 최고의 영양소를 필터링 합니다. 큰 숫자에 같은 방 벽을 사용 하는 경우 Google와 아마존 성공 하지 않습니다, 그리고 원래 큰 데이터는 그들의 성공 위한 이유.

모든 의사에 탁월한 직감 같은 시간에 더 나은 의료 서비스를 제공 하기 위해 컴퓨터를 사용. 만약 우리가 과정에서 생각 하는 작은 데이터를 삭제 하 고 진짜 큰 데이터를 구축을 시작, 큰 데이터는 의료 지원에 큰 역할을 재생 됩니다.

(책임 편집기: 유산의 좋은)