Databricks发布医疗保健产业用湖边小屋解决方案

资料分析服务供应商Databricks,根据产业特性提供不同的资料分析功能,在先前推出金融服务专用的湖边小屋,而现在Databricks发布针对医疗保健与生命科学领域的湖边小屋,目标是突破传统数据仓库的限制,提供企业更快更即时的医疗分析解决方案。

Databricks的湖边小屋架构,结合数据仓库和资料湖的特性,让用户可以在开放格式的云计算存储中,实例类似数据仓库的数据结构和资料管理功能,发展商业智能、数据科学和机器学习等资料应用。

官方提到,用在医疗保健和生命科学领域的传统资料技术,存在一些限制,包括资料孤岛和半结构化资料、非即时的批处理,而且也无法支持高端分析功能。医疗资料存在许多资料类型,包括注解的半结构化资料,或是图像等非结构化资料,加上资料孤岛的困境,使得医疗领域难以发展先进资料应用,而且快速增加的资料超过原本基础设施可以处理的规模,因而也阻碍了人口层级的研究。

另外,过去的批处理和分析工具,限制了供应链以及ICU床位容量等即时应用的开发,在传统的资料架构上,更是难以发展高端分析或是人工智能等用例。

而Databricks利用湖边小屋解决方案,试图解决医疗保健与生命科学领域,发展数据科学应用所遭遇到的困难,湖边小屋对所有的资料、分析和人工智能工作负载,提供一个开放且跨云的平台,在这个基础上,Databricks与其合作伙伴,共同提供疾病预测、医学图像分类和生物标记探索等应用案例。

专用于医疗保健与生命科学的湖边小屋,采用开放式设计,借由支持各种资料类型打破资料孤岛,利用非结构化资料构建出病患全貌。而且因为湖边以云计算技术为基础,能够高性能地处理资料,官方提到,Regeneron制药公司使用该解决方案,将资料处理时间从3周减至5小时,而针对150万外显子(Exome)的基因型与表现型查询,时间从30分钟缩短至3秒钟。

湖边小屋另一个好处,便是能够支持即时应用,Databricks表示,传统的数据仓库并非设计用于即时应用,而湖边小屋则可以处理流媒体资料执行即时分析,用于管理ICU容量,或是需要温控的疫苗分配。湖边小屋提供了一套分析和人工智能工具,供用户使用机器学习技术,加速新药开发或是改善病患护理。

发表评论