[論文レビュー] A Scalable Data Science Platform for Healthcare and Precision Medicine Research

Jacob McPadden, Thomas J S Durant+10 more|arXiv (Cornell University)|Aug 14, 2018

Scientific Computing and Data Management被引用数 6

ひとこと要約

本論文では、Hadoop、Apache Storm、およびNiFiを基盤として、電子カルテ、検査結果、患者モニタリングなどのリアルタイム臨床データを統合する、スケーラブルでオープンソースのデータサイエンスプラットフォームを提示する。このプラットフォームは、正確な医療およびコンピュータ支援医療のためのニアリアルタイム分析を可能にし、大規模な学術的医療システムにおける実現可能性とパフォーマンスを示している。

ABSTRACT

Objective: To (1) demonstrate the implementation of a data science platform built on open-source technology within a large, academic healthcare system and (2) describe two computational healthcare applications built on such a platform. Materials and Methods: A data science platform based on several open source technologies was deployed to support real-time, big data workloads. Data acquisition workflows for Apache Storm and NiFi were developed in Java and Python to capture patient monitoring and laboratory data for downstream analytics. Results: The use of emerging data management approaches along with open-source technologies such as Hadoop can be used to create integrated data lakes to store large, real-time data sets. This infrastructure also provides a robust analytics platform where healthcare and biomedical research data can be analyzed in near real-time for precision medicine and computational healthcare use cases. Discussion: The implementation and use of integrated data science platforms offer organizations the opportunity to combine traditional data sets, including data from the electronic health record, with emerging big data sources, such as continuous patient monitoring and real-time laboratory results. These platforms can enable cost-effective and scalable analytics for the information that will be key to the delivery of precision medicine initiatives. Conclusion: Organizations that can take advantage of the technical advances found in data science platforms will have the opportunity to provide comprehensive access to healthcare data for computational healthcare and precision medicine research.

研究の動機と目的

• 大規模な学術的医療システム内に、オープンソース技術を用いたスケーラブルなデータサイエンスプラットフォームを設計および展開すること。
• 電子カルテ、リアルタイムの検査結果、継続的患者モニタリングデータを含む、多様なデータソースを統合すること。
• 正確な医療およびコンピュータ支援医療アプリケーションのためのニアリアルタイム分析を可能にすること。
• このプラットフォームがビッグデータワークロードを処理できること、および複雑な研究ワークロードを支援できることを実証すること。

提案手法

• 分散ストレージおよび処理にHadoopを用いた、オープンソース技術に基づくデータサイエンスプラットフォームを展開した。
• JavaおよびPythonで開発されたApache StormおよびApache NiFiを用いて、ストリーミング臨床データを受信するデータ取得パイプラインを実装した。
• 構造化されたEHRデータおよび非構造的・準構造的モニタリングデータを含む、多様なデータソースを統合するための統合データレイクを構築した。
• イベント駆動アーキテクチャおよびストリーミング処理フレームワークを通じて、リアルタイムデータ処理と分析を可能にした。
• 複数のデータソースを統合し、研究および臨床アナリティクスのための包括的インfra構造を構築した。
• オープンスタンダードおよびモジュール型コンponentを活用して、臨床および研究システム間での拡張性と相互運用性を確保した。

実験結果

リサーチクエスチョン

• RQ1 大規模な学術的医療システムにおいて、スケーラブルでオープンソースのデータプラットフォームを効果的に展開し、リアルタイムデータアナリティクスを支援するにはどうすればよいか？
• RQ2 正確な医療研究のためのリアルタイム臨床データストリームと従来のEHRデータを統合するには、どのようなアーキテクチャコンポーネントが必要か？
• RQ3 Hadoop、Storm、NiFiといったオープンソース技術が、大規模かつ多様な臨床データをスケーラブルに管理・処理できるか？
• RQ4 このようなプラットフォームは、実際の臨床ワークロード下でどのようなパフォーマンスおよび信頼性特性を示すか？
• RQ5 このプラットフォームは、正確な医療アプリケーションのニアリアルタイムアナリティクスをどのように支援するか？

主な発見

• Apache StormおよびNiFiを用いて、患者モニタリングおよび検査システムからのリアルタイムデータストリームを効果的に受信および処理した。
• 統合データレイクが構築され、多様な臨床データソースの集中管理およびアクセスが可能になった。
• 学術的医療環境に一般的な大規模なリアルタイムデータワークロードを処理するにあたり、スケーラビリティとパフォーマンスが実証された。
• EHRデータとストリーミング臨床データの統合により、正確な医療アプリケーションにおけるニアリアルタイムアナリティクスが可能になった。
• オープンソース技術の活用により、コスト効率が良く、拡張性があり、相互運用性のあるデータインfraが実現され、複雑な研究ワークロードを支援した。
• 異なるデータソースを統合し、スケーラブルなアナリティクスを可能にすることで、計算医療および正確な医療研究の強固な基盤が提供された。