Journal of Clinical Healthcare (JCHC)

33-36 35 Journal of Clinical Healthcare 3/2018 pacjentem i sprawdzają jego stan zdrowotny. Tego rodzaju aplikacje używają technik uczenia się maszynowego, aby eksplorować oraz przewidywać rzeczywistość. [1,6-8] Symptomy zdolne do wykrycia to złość, stres, rozprzestrzenianie chorób czy otyłość. Technologia nie pozostaje jednak bez wad, metodologicznych, technologicznych i etycznych. Co więcej nowe badania pokazują, że ludzie są niezwykle przewidywali i można poznać ich personalia anali- zując dane, nawet poddane anonimowości [8]:  Analiza danych pochodzących z badań tkankowych  Analiza danych pochodzących z badań mo- lekularnych PROGNOZA NA PRZYSZŁOŚĆ I WYZWANIA Chmura obliczeniowa i związane z nią narzędzia do analizy dużych skupisk danych to przyszłość w przetwarzaniu informacji w każdej dziedzinie życia. Doskonałym przykładem bardzo szybkiej przemiany w magazynowaniu i przetwa- rzaniu danych jest rynek muzyczny. Począwszy od spopularyzowania formatu mp3 i używaniu płyt cd jako nośnika danych przez Ipod i inne urządzenia masowej pamięci ostatecznie rezygnuje się z tego typu rozwiązań. Obecnie coraz częściej wiele osób wybiera narzędzia typu Spotify czy Last.fm zlokalizowane na zewnętrznych serwerach, które analizując nasze gusta dopasowują muzykę do naszych upodobań. Współcześnie przewiduje się, że zawód analityka Big Data będzie bardzo poszukiwany. Już teraz mówi się o potrzebie zatrudnienia 150 tysięcy pracowników tej specjali- zacji w niedalekiej przyszłości w Stanach Zjednoczonych. Najprawdopodobniej sytuacja będzie bardzo zbliżona w Europie. Jednak zanim to nastąpi naukowcy, informatycy oraz ustawodawcy muszą wypracować rozwiązania piętrzących się problemów związanych z wielkością, różnorod- nością oraz ciągłym ewoluującym charakterem danych. Wymienione problemy dotyczą też sektora w zakresie analiz zdrowotnych [1-7]: Architektura systemu – w tej chwili nie jest jeszcze jasne jaka będzie optymalna architektura dla systemów analizy bazodanowych dla danych historycznych oraz napływających w czasie teraźniejszym (real-time data) Ewaluacja wyników - odpowiedni dobór danych statystycznych i metod kontrolnych pozwoli w sposób bezpieczny wyeliminować błędy masowej analizy informacji Nowe techniki – opracowanie nowych algorytmów i technik analizy danych, bądź kombinowanie kilku metod jednocześnie jest w stanie przynieść znacznie lepsze rezultaty. Ważnym pojęciem jest również adaptowalność technik do nowego rodzaju napływających danych Klarowanie szumu – wyrobienie metod zapewnia- jących wydobycie tylko interesujących danych pozbawionych innych zakłóceń Prywatność i bezpieczeństwo danych – stworzenie procedur oraz zabezpieczeń, które umożliwia bez- pieczeństwo informacji i zapewnią prywatność osób trzecich jest kluczowe w korzystaniu z chmur i zasobów bazodanowych Kompresja obojętności danych – istotnym problemem, który w przyszłości może okazać się kluczowy jest opracowanie metod lepszej kompresji danych bądź całkowicie nowych formatów, które umożliwiłyby oszczędność miejsca Wizualizacje – opracowanie odpowiednich technik reprezentacyjnych pozwoli lepiej zrozumieć odkry- wane informacje, ponieważ surowe dane nie są przyjazne użytkownikowi Ukryte zasoby informacji – szacuje się, ze 23% cyfrowego świata mogłoby zostać poddana analizie w celu wydobycia nowej wiedzy, tymczasem ledwo 3% informacji zostaje w tym momencie skategory- zowana, a jeszcze mniejsza ilość zanalizowana PODSUMOWANIE Informatyzacja sektora ochrony zdrowia choć trudna w realizacji ze względu na złożoność sys- temu oraz rodzaj przetwarzanych danych, jest nieunikniona. Wraz z cyfryzacją kolejnych zasobów i procedur medycznych istnieje potrzeba analizo- wania coraz to większych zbiorów bazodanowych, które pozwolą na pozyskanie nowej i cennej wiedzy. Pomoc w tym zakresie mogą stanowić nowe techniki analizy danych dla potrzeb ochrony zdro- wia. Metody wywodzące się z tematyki Big Data min. takie jak eksploracja danych (ang. data mining), pozwalają na zrewidowanie swojego poglądu na temat definicji wiedzy poprzez pytanie „co?”, a nie „dlaczego?”. Poszukiwanie korelacji technikami Big Data ma kluczowe znaczenie w otrzymywaniu całkowicie nowych informacji na