Eine persönliche Beziehung zur medizinischen Exzellenz

Industrie

Technologie

Akka Angularjs Apache Cordova Elasticsearch Funke Ionisches Gerüst MLib Scala Spielrahmen

Einführung

NashTech arbeitete zusammen mit Fitfyles an deren Rohdaten. NashTech baute eine Pipeline in Apache Spark auf, weil Spark die Möglichkeit bietet, verschiedene Datenquellen innerhalb von sechs Sprints nahtlos zu integrieren.

Fitfyles ist ein Service, der den Bereich der Gesundheitssuche und des Gesundheitswesens auf den Kopf stellt. Es ermöglicht den Gesundheitssuchenden, die Verantwortung für ihre Unterlagen und deren Auswertung wieder in die eigenen Hände zu nehmen, anstatt von Kliniken, Krankenhäusern und einzelnen Ärzten abhängig zu sein. Die Informationen für Gesundheitssuchende bestehen in der Regel aus Inseln unzusammenhängender Informationen an verschiedenen Stellen. FitFyles sammelt nicht nur diese Informationen mit einem Klick auf ein Bild, sondern verwandelt diese Daten auch in verwertbare Informationen.

Die Herausforderung

FitFyles wollte mit den gesammelten Daten den nächsten Schritt machen und den Gesundheitssuchenden einen Vergleich ihres Rezepts mit anderen mit ähnlichem Profil anbieten. Sie nannten es “Third Opinion” (Drittmeinung). Dies würde es den Gesundheitssuchenden ermöglichen, dieses Rezept mit anderen zu vergleichen und bei Bedarf eine zweite Meinung einzuholen oder ihren Ärzten fundiertere Fragen zu stellen. Die größten Herausforderungen für diese Funktion waren:

Datenvolumen im Terabyte-Bereich: Es gibt über 50 Millionen eindeutige Verschreibungen in über 1,5 Milliarden nutzergenerierten Krankenakteneinträgen. Notwendigkeit einer schnellen Verarbeitungsleistung: Die Verordnungsdaten mussten schnell mit der Arzneimitteldatenbank und anderen klinischen Bedingungen abgeglichen werden, um falsche Übereinstimmungen oder Empfehlungen auszuschließen. Vielfältige und komplexe Anforderungen an die Analysealgorithmen: Im Rahmen des Überprüfungsprozesses mussten die Eingabedaten der Mitglieder normalisiert (z. B. Entfernung von Stoppwörtern, Umwandlung in Kleinbuchstaben), von Duplikaten befreit und von einer Vielzahl von Algorithmen für maschinelles Lernen zusammengefasst werden.

Die Lösung

NashTech arbeitete zusammen mit Fitfyles die Rohdaten durch. NashTech baute die Pipeline in Apache Spark auf, da Spark in der Lage ist, verschiedene Datenquellen nahtlos zu integrieren, Datenverarbeitungsbibliotheken in MLlib und GraphX zur Verfügung stehen, eine schnelle Leistung zur Vermeidung langsamer Tabellen-Joins geboten wird und Operationen, die auf verteilte Weise parallelisiert werden können, erheblich beschleunigt werden können. Die Datenpipeline mit dem Analyse-Dashboard wurde innerhalb von 6 Sprints erstellt und ist ein großer Erfolg bei den Nutzern der Plattform.

Die Datenpipeline mit dem Analyse-Dashboard wurde innerhalb von 6 Sprints erstellt und ist ein großer Erfolg bei den Nutzern der Plattform.