Benchmarking de tecnologias de Big Data aplicadas à saúde-medicina

Abstract

Os avanços tecnológicos observados nas últimas décadas levaram a um aumento no volume e variedade dos dados gerados. Esses dados, quando armazenados, processados e analisados, podem fornecer novo conhecimento e uma maior perceção do negócio, o que pode ajudar as organizações a obter vantagem sobre os seus concorrentes. Está provado que Big Data está relacionado com um aumento na eficiência e eficácia em várias áreas. Embora muitos estudos tenham sido realizados com o intuito de provar o valor do Big Data na saúde/medicina, não existem muitos avanços efetuados na prática. Pretende-se facilitar a adoção de tecnologias Big Data na medicina e em organizações ligadas à saúde. Vai ser discutido o potencial e os desafios na adoção de Big Data, comparando várias tecnologias Big Data (Benchmarking) que foram utilizadas ou projetadas para ser aplicadas na área da saúde. Nesta dissertação foi realizada uma análise às tecnologias Big Data já existentes e aplicadas na área da saúde. Foi analisada uma solução Big Data desenvolvida para o projeto INTCare, uma solução baseada em Hadoop proposta para o hospital Maharaja Yeshwatrao situado na Índia e também uma solução que utiliza o Apache Spark. As três soluções mencionadas assentam em tecnologias open source. A solução IBM PureData Solution For Healthcare Analytics utilizada no Seattle’s Children’s Hospital e a solução Cisco Connected Health Solutions and Services fazem parte das soluções proprietárias analisadas. O inicio deste documento apresenta uma descrição sucinta do contexto do projeto, qual a motivação e o objetivo deste trabalho. Posteriormente é apresentado o Estado da Arte onde são explicados os vários tópicos relacionados com o que foi feito e estudado. De seguida são apresentados os objetivos e as abordagens metodológicas utlizadas e de que forma foram aplicadas no desenvolvimento desta dissertação. Posteriormente são apresentadas várias ferramentas que integram as soluções encontradas. Na secção seguinte são apresentadas as várias experiências que comparam as soluções escolhidas para o benchmarking. Por fim, é apresentada a discussão dos resultados obtidos e sugestões que podem ser adotadas para reduzir o risco de adoção de tecnologias Big Data na área da saúde.

The technological advances observed in the last decades led to an increase in the volume and variety of the generated data. This data, when collected, processed and analyzed, can provide new knowledge and deeper insights, which may help organizations in getting advantage over competitors. It is proven that Big Data is related to an increase in efficiency and effectiveness in many areas. Although many studies have been conducted trying to prove the value of Big Data in healthcare/medicine, few practical advances have been made. In this dissertation project, we intend to facilitate the adoption of Big Data technologies in medicine and healthcare organizations. The potential value and the challenges of the adoption of Big Data will be discussed by comparing several Big Data technologies (Benchmarking) used in or designed to be applied to healthcare. In this dissertation, an analysis was made of the existing Big Data technologies applied in healthcare. We analyzed a Big Data solution developed for the INTCare project, a Hadoop-based solution proposed for the Maharaja Yeshwatrao hospital located in India and a solution that uses Apache Spark. The three solutions mentioned above are based on open source technology. The IBM PureData Solution for Healthcare Analytics solution used at Seattle's Children's Hospital and the Cisco Connected Health Solutions and Services solution are part of the proprietary solutions reviewed. The beginning of this document presents a brief description of the project context, the motivation and the purpose of this work. Subsequently, the State of Art is presented where the various topics related to what was done and studied are explained. Following this topic, the objectives are presented also the research methodologies used and how they were applied in the development of this dissertation. Subsequently several tools are presented that integrate the solutions found. In the following section, various experiences are presented that compare the solutions chosen for benchmarking. Finally, the discussion of the results obtained and suggestions that can be adopted to reduce the risk of adoption of Big Data technologies in the health area are presented.