View More View Less
  • 1 Semmelweis Egyetem, Egészségügyi Közszolgálati Kar, Budapest, Ferenc tér 15., 1094
  • 2 Óbudai Egyetem, Neumann János Informatikai Kar, Budapest
Open access

Absztrakt

A „Big Data” az utóbbi időben gyakran használt kifejezés, amely arra utal, hogy egyre nagyobb digitális információtömeg keletkezik. Ezen információk összekapcsolásával, feldolgozásával és elemzésével újfajta következtetések vonhatók le, és új szolgáltatások alapulhatnak rájuk. Ez kihatással van az élet minden területére, többek közt az egészségügyre is. A szerzők áttekintik a Big Data alkalmazási lehetőségeit az orvostudományból és más területekről vett példák segítségével. A lehetőségek jobb kihasználásához szükség van megfelelő infrastruktúrára, a szükséges szabályozási környezet kialakítására, különös hangsúllyal az adatvédelmi és adatbiztonsági kérdésekre. E problémákat és a megoldásukra tett intézkedéseket is bemutatják a szerzők. Orv. Hetil., 2015, 156(49), 1979–1986.

If the inline PDF is not rendering correctly, you can download the PDF file here.

  • 1

    Turner, V., Gantz, J. F., Reinsel, D., et al.: The digital universe of opportunities: rich data and the increasing value of the internet of things. IDC, 2014. http://idcdocserv.com/1678

  • 2

    IBM: Big Data. http://www.ibm.com/big-data/us/en/

  • 3

    Ward, J. S., Barker, A.: Undefined by data: A survey of Big Data definitions. arXiv:1309.5821, 2013. http://arxiv.org/abs/1309.5821

  • 4

    Wu, X., Zhu, X., Wu, G. Q., et al.: Data mining with big data. IEEE TKDE, 2014, 26(1), 97–107.

  • 5

    Falkenberg, G., Kisker, H., Urbanski, J. (eds.): Big Data Technologies – Knowledge for Decision-Makers. [Big-Data-Technologien – Wissen für Entscheider.] Bitkom, Berlin, 2014. [German]

  • 6

    Michael, M., Moreira, J. E., Shiloach, D., et al.: Scale-up x scale-out: A case study using Nutch/Lucene. Proc. IPDPS, IEEE International, 2007.

  • 7

    Kieun, P.: Database technology for large scale data, 2011. http://www.cubrid.org/blog/web-2-0/database-technology-for-large-scale-data

  • 8

    Potter, J. L.: The massively parallel processor. The MIT Press, Cambridge, 1985.

  • 9

    Abadi, D. J., Boncz, P. A., Harizopoulos, S.: Column-oriented database systems. Proc. Int. Conf. Very Large Data Bases, 2009, 2(2), 1664–1665.

  • 10

    Bass, T.: Mythbusters: event stream processing versus complex event processing. ACM DEBS, New York, 2007.

  • 11

    Moniruzzaman, A. B., Hossain, S. A.: NoSQL database: New era of databases for Big Data analytics – classification, characteristics and comparison. Int. J. Database Theory Appl., 2013, 6(4), 1–13.

  • 12

    Statistica.com: Number of smartphone users worldwide from 2012 to 2018. http://www.statista.com/statistics/330695/number-of-smartphone-users-worldwide/

  • 13

    Napidroid.hu: More than 3 million smartphones on the Hungarin market. [Három milliónál is több okostelefon lehet a hazai piacon.] http://napidroid.hu/harom-millional-is-tobb-okostelefon-lehet-a-hazai-piacon/ [Hungarian]

  • 14

    Albrecht, A., Naumann, F.: Schema decryption for large extract-transform-load systems. In: Atzeni, P., Cheung, D., Ram, S. (eds.): Conceptual modeling. Springer, Berlin, Heidelberg, 2012.

  • 15

    European Commission: Towards a thriving data-driven economy. COM/2014/0442, 2014. http://eur-lex.europa.eu/legal-content/EN/TXT/?qid=1404888011738&uri=CELEX:52014DC0442

  • 16

    European Commission: What can big data do for you? https://ec.europa.eu/digital-agenda/en/what-big-data-can-do-you

  • 17

    The Federal Government of Germany: Digital Agenda 2014–2017. Federal Ministry for Economic Affairs and Energy, Federal Ministry of the Interior, Federal Ministry of Transport and Digital Infrastructure, 2014. http://www.digitale-agenda.de/Content/DE/_Anlagen/2014/08/2014-08-20-digitale-agenda-engl.pdf

  • 18

    European Commission: eCall: Time saved = lives saved. http://ec.europa.eu/digital-agenda/en/ecall-time-saved-lives-saved

  • 19

    Riegen, O.: Interview with Sabine Bätzing-Lichtenthäler. 2015. [Interview mit Sabine Bätzing-Lichtenthäler. 2015.] http://www.heise.de/newsticker/meldung/Gesundheitsministerin-Telemedizin-kann-gegen-Aerztemangel-auf-dem-Land-helfen-2526942.html [German]

  • 20

    EHeR Projekt: Telemonitoring. [EHeR-versorgt: Telemonitoring.] http://www.eher-telemedizin.de/projekt/telemonitoring [German]

  • 21

    Federal Ministry of Health, Germany: Masterplan Medizinstudium 2020. [Bundesministerium für Gesundheit: Masterplan Medizinstudium 2020.] http://www.bundesgesundheitsministerium.de/ministerium/meldungen/2015/masterplan-medizinstudium-2020.html [German]

  • 22

    Jin, X.: Essential bioinformatics. Cambridge University Press, Cambridge, 2006.

  • 23

    Edwards, D., Stajich, J., Hansen, D. (eds.): Bioinformatics: Tools and applications. Springer Verlag, New York, 2009.

  • 24

    Yadav, S. P.: The wholeness in suffix -omics, -omes, and the word om. J. Biomol. Tech., 2007, 18(5), 277.

  • 25

    Celera: A unique approach to genome sequencing. Biocomputing, 2006. https://www.ocf.berkeley.edu/~edy/genome/celera.html

  • 26

    Davidson College: Sequencing whole genomes: Hierarchical shotgun sequencing v. shotgun sequencing. Department of Biology, Davidson College, 2002. http://bio.davidson.edu

  • 27

    Wetterstrand, K. A.: DNA sequencing costs: Data from the NHGRI genome sequencing program (GSP). http://www.genome.gov/sequencingcosts

  • 28

    Stoesser, G., Baker, W., van den Broek, A., et al.: The EMBL nucleotide sequence database. Nucleic Acids Res., 2002, 30(1), 21–26.

  • 29

    Stephens, Z. D., Lee, S. Y., Faghri, F., et al.: Big Data: Astronomical or genomical? PLoS Biol., 2015, 13(7), e1002195.

  • 30

    Needleman, S. B., Wunsch, C. D.: A general method applicable to the search for similarities in the amino acid sequence of two proteins. J. Mol. Biol., 1970, 48(3), 443–453.

  • 31

    Smith, T. F., Waterman, M. S.: Identification of common molecular subsequences. J. Mol. Biol., 1981, 147(1), 195–197.

  • 32

    Altschul, S. F., Gish, W., Miller, W., et al.: Basic local alignment search tool. J. Mol. Biol., 1990, 215(3), 403–410.

  • 33

    Burton, P. R., Clayton, D. G., Cardon L. R., et al.: Genome-wide association study of 14,000 cases of seven common diseases and 3,000 shared controls. Nature, 2007, 447(7145), 661–678.

  • 34

    Weston, A. D., Hood, L.: Systems biology, proteomics, and the future of health care:  toward predictive, preventative, and personalized medicine. J. Proteome Res., 2004, 3(2), 179–196.

  • 35

    Trusheim, M. R., Burgess, B., Hu, S. X., et al.: Quantifying factors for the success of stratified medicine. Nat. Rev. Drug Discov., 2011, 10(11), 817–833.

  • 36

    Simmons, L. A., Dinan, M. A., Robinson, T. J., et al.: Personalized medicine is more than genomic medicine: confusion over terminology impedes progress towards personalized healthcare. Pers. Med., 2012, 9(1), 85–91.

  • 37

    Kühn, A., Lehrach, H.: The “Virtual Patient” system: modeling cancer using deep sequencing technologies for personalized cancer treatment. J. Verbr. Lebensm., 2012, 7(1), 55–62.

  • 38

    Kroemer, H. K.: Personalized medicine: the state of research. [Individualisierte Medizin: Stand der Forschung.] Jahrestagung des Deutschen Ethikrates, 2012. http://www.ethikrat.org/dateien/pdf/jahrestagung-24-05-2012-kroemer.pdf [German]

  • 39

    Langkafel, P.: Intro Big Data for healthcare? In: Langkafel, P. (ed.): Big Data in medicine and health economics. [Intro Big Data for healthcase? In: Langkafel, P. (Hrsg.): Big Data in Medizin und Gesundheitswirtschaft]. Medhochzwei Verlag, Heidelberg, 2014. [German]

  • 40

    Brunner, T.: Big Data from the point of view of a health insurer. In: Langkafel, P. (ed.): Big Data in medicine and health economics. [Big Data aus der Sicht einer Krankenkasse. In: Langkafel, P. (Hrsg.): Big Data in Medizin und Gesundheitswirtschaft.] Medhochzwei Verlag, Heidelberg, 2014. [German]

  • 41

    Wehmeier, A., Baumann, T. T.: Big Data – more risks than benefits for helath care? In: Langkafel, P. (ed.): Big Data in medicine and health economics. [Big Data – mehr Risiken als Nutzen für die Gesundheitsversorgung? In: Langkafel, P. (Hrsg.): Big Data in Medizin und Gesundheitswirtschaft.] Medhochzwei Verlag, Heidelberg, 2014. [German]

  • 42

    Weichert, T.: Medical Big Data and data protection. In: Langkafel, P. (ed.): Big Data in medicine and health economics. [Medizinisches Big Data und Datenschutz. In: Langkafel, P. (Hrsg.): Big Data in Medizin und Gesundheitswirtschaft.] Medhochzwei Verlag, Heidelberg, 2014. [German]

  • 43

    European Commission: Digital Single Market Strategy for Europe. COM/2015/192, 2015. http://ec.europa.eu/priorities/digital-single-market/docs/dsm-communication_en.pdf