株式会社グローバルインフォメーション
TEL: 044-952-0102
表紙
市場調査レポート

医療におけるビッグデータ

Big Data in Healthcare 2015 - 2020

発行 Mind Commerce 商品コード 269051
出版日 ページ情報 英文 46 Pages
納期: 即日から翌営業日
価格
本日の銀行送金レート: 1USD=112.09円で換算しております。
Back to Top
医療におけるビッグデータ Big Data in Healthcare 2015 - 2020
出版日: 2015年06月22日 ページ情報: 英文 46 Pages
概要

当レポートでは、医療エコシステムにおけるビッグデータおよび技術、成長促進因子、課題、およびステークホルダー関連の機会について調査分析しており、さまざまなビジネスモデルの分析、将来の展望などをまとめ、概略以下の構成でお届けします。

第1章 エグゼクティブサマリー

第2章 イントロダクション

  • ビッグデータとは何か?
  • ビッグデータの分類
  • なぜITが重要か?
  • ビッグデータの成長促進因子
  • ビッグデータ技術

第3章 医療におけるビッグデータ

  • 概念的課題
    • 種類
    • 速度
  • 実践的課題
    • 技術怠慢としての医療
    • 統合
    • セキュリティ
    • 標準
    • リアルタイムプロセッシング
  • 医療ステークホルダー
    • 患者
    • プロバイダー
    • 研究者
    • 製薬会社
    • 医療機器企業
    • 医療費支払い者
    • 政府
    • ソフトウェア開発業者

第4章 ビッグデータの医療ビジネスモデルおよび企業

  • ゲノミクス研究
  • 医療ビッグデータ分析
  • 不正検出・管理
  • オーダーメイド医療
  • モバイル型医療

第5章 将来の展望

  • ビッグデータ分析のための更なる研究
  • オーダーメード医療への更なる移行
  • 予測できる−そして上手くいけば防げる可能性がある病気
  • 医師の更なる分析
  • 創薬への更なる移行

図表

目次

Medical data represents a large, rapidly growing, and mostly unstructured data residing in multiple locations including lab and imaging systems, physician notes, medical correspondence, claims, CRM and financial systems. With resizing costs with the healthcare industry, there is an imperative to reduce the cost of care and efficiently manage resources without compromising patient care. Healthcare organizations have the opportunity to leverage big data technology to perform analytics to improve care and profitability.

This report evaluates Big Data in healthcare ecosystem and opportunities including technologies, growth drivers, challenges, and stakeholders. The report analyzes different business models employed by healthcare big data business practices, including key factors affecting each business model, various company approaches and solutions.

Table of Contents

1.0. EXECUTIVE SUMMARY

2.0. INTRODUCTION

  • 2.1. WHAT IS BIG DATA?
  • 2.2. BIG DATA CATEGORIES
    • 2.2.1. Structured Big Data
    • 2.2.2. Un-structured data
    • 2.2.3. Semi-structured data
  • 2.3. WHY IS IT IMPORTANT?
    • 2.3.1. Pattern Discovery
    • 2.3.2. Decision Making
    • 2.3.3. Process Invention
    • 2.3.4. Increasing Revenue
  • 2.4. BIG DATA GROWTH DRIVERS
  • 2.5. BIG DATA TECHNOLOGY
    • 2.5.1. Sensors
    • 2.5.2. Computer networks
    • 2.5.3. Data storage
    • 2.5.4. Cluster computer systems
    • 2.5.5. Cloud computing facilities
    • 2.5.6. Data analysis algorithms

3.0. BIG DATA IN HEALTHCARE

  • 3.1. CONCEPTUAL CHALLENGES
    • 3.1.1. Volume
    • 3.1.2. Variety
    • 3.1.3. Velocity
  • 3.2. PRACTICAL CHALLENGES
    • 3.2.1. Healthcare as a Technology Laggard
    • 3.2.2. Integration
    • 3.2.3. Security
    • 3.2.4. Standards
    • 3.2.5. Real-time Processing
  • 3.3. HEALTHCARE STAKEHOLDERS
    • 3.3.1. Patients
    • 3.3.2. Providers
    • 3.3.3. Researchers
    • 3.3.4. Pharma Companies
    • 3.3.5. Medical Devices Companies
    • 3.3.6. Payers
    • 3.3.7. Governments
    • 3.3.8. Software Developers

4.0. BIG DATA HEALTHCARE BUSINESS MODELS AND COMPANIES

  • 4.1. GENOMICS RESEARCH
    • 4.1.1. Important Factors for Genomic Research Solutions
      • 4.1.1.1. Long Term Storage
      • 4.1.1.2. Strong Processing Power
    • 4.1.2. Key Players and Solutions
      • 4.1.2.1. Genome Health Solutions
      • 4.1.2.2. GNS Healthcare
  • 4.2. HEALTHCARE BIG DATA ANALYTICS
    • 4.2.1. Important Factors for Healthcare Data Warehousing Solutions
      • 4.2.1.1. Cost
      • 4.2.1.2. Flexible Data Operations
      • 4.2.1.3. High Quality Reporting Service
      • 4.2.1.4. Administration
      • 4.2.1.5. Easier Maintenance
    • 4.2.2. Key Players and Solutions
      • 4.2.2.1. IBM
        • 4.2.2.1.1. IBM Netezza
      • 4.2.2.2. Oracle
        • 4.2.2.2.1. Oracle Healthcare Data Warehousing Foundation
      • 4.2.2.3. Zanett
        • 4.2.2.3.1. The Zanett Real Enterprise Value (REV™)
      • 4.2.2.4. Explorys
        • 4.2.2.4.1. Explorys platform
      • 4.2.2.5. Humedica
        • 4.2.2.5.1. Humedica MinedShare
      • 4.2.2.6. Predixion Software
        • 4.2.2.6.1. Predixion Insight™
      • 4.2.2.7. Health Fidelity
        • 4.2.2.7.1. Fidelity Platform
      • 4.2.2.8. Practice Fusion
      • 4.2.2.9. athenahealth, Inc
        • 4.2.2.9.1. Athenahealth Solutions
      • 4.2.2.10. InterSystems
        • 4.2.2.10.1. HealthShare
      • 4.2.2.11. Pentaho
        • 4.2.2.11.1. Pentaho Business Analytics
  • 4.3. FRAUD DETECTION AND MANAGEMENT
    • 4.3.1. Important Factors for Healthcare Fraud Detection and Management Solutions
      • 4.3.1.1. Multiple methods of analysis
      • 4.3.1.2. Social network analysis
    • 4.3.2. Key Players and Solutions
      • 4.3.2.1. Verizon
        • 4.3.2.1.1. Verizon Fraud Management
      • 4.3.2.2. Pervasive
        • 4.3.2.2.1. Pervasive's DataRush
  • 4.4. PERSONALIZED MEDICINE
    • 4.4.1. Important Factors for Personalized Medicine Solution
      • 4.4.1.1. Innovation Protection
      • 4.4.1.2. Enhanced Network Infrastructure
    • 4.4.2. Key Players and Solutions
      • 4.4.2.1. UPMC Health
  • 4.5. MOBILE-BASED HEALTHCARE
    • 4.5.1. Important Factors on Mobile-based Healthcare Solutions
      • 4.5.1.1. Wide Coverage
      • 4.5.1.2. Support for Multi-Platforms
    • 4.5.2. Key Players and Solutions
      • 4.5.2.1. Humetrix's iBlueButton
      • 4.5.2.2. Sproxil Inc.
      • 4.5.2.3. Welldoc
      • 4.5.2.4. ZEO, Inc

5.0. FUTURE OUTLOOK

  • 5.1. MORE RESEARCH FOR BIG DATA ANALYTICS
  • 5.2. MORE TOWARDS PERSONALIZED MEDICINE
  • 5.3. POTENTIAL TO PREDICT - AND HOPEFULLY THEN PREVENT - DISEASE
  • 5.4. MORE ANALYTICS FOR DOCTORS
  • 5.5. MORE TOWARDS DRUG DISCOVERY

Figures

  • Figure 1 - Expansion of Data
  • Figure 2 - Effectiveness of Critical Data in Decision Making
  • Figure 3 - Big Data Revenue 2012-2017
Back to Top