CC BY
709
и информационные
технологии
Л.А. ЦВЕТКОВА,
ФГБУ Дирекция научно-технических программ Минобрнауки России
О.В. ЧЕРЧЕНКО,
ФГБУ Дирекция научно-технических программ Минобрнауки России
технология больших данных в медицине и здравоохранении россии И мира
УДК 004.418
Цветкова Л.А., Черченко О.В. Технология Больших Данных в медицине и здравоохранении России и мира
(ФГБУ Дирекция научно-технических программ Минобрнауки России)
Аннотация. Рассмотрена траектория научно-технологического развития и коммерческие перспективы технологий «Большие Данные» (англ. Big Data) в области здравоохранения в мире и России. Выполнен патентно-конъюнктурный анализ направлений Big Data в медицине. Показан высокий потенциал формирования новых рынков и рыночных ниш для услуг и сервисов в данной области. Выявлены основные тренды эволюции технологических решений Big Data в области здравоохранения. Дана оценка глобальной конкурентоспособности российских разработок Big Data в области медицины.
Ключевые слова: Большие данные, Big Data, здравоохранение, перспективные области внедрения, патентный анализ, технологические тренды, российские разработки, конкурентоспособность.
UDC 004.418
Tsvetkova L.A., Cherchenko О. V. Big Data technology in medicine and healthcare in Russia and in the world
(FSBI Direction of scientific-technological programmes, Moscow, Russia)
Abstract. The article describes the path of scientific and technological development and commercial prospects of Big Data technologies in the field of healthcare in the world and Russia. The results of the patent-conjuncture analysis of trends in Big Data in medicine are represented. It showed a high potential for the formation of new markets and market niches and services in this area. The main trends of the evolution of technological solutions in the area of Big Data in the field of health were identified. An assessment of the global competitiveness of the Russian Big Data development in the field of medicine was given.
Keywords. Big the Data, health care, promising areas of implementation, patent analysis, technology trends, the
-—-
На рубеже 2012-2013 гг. технологии Big Data вышли за рамки предметной области ИТ и стали все глубже проникать в структуры управления, в бизнес, промышленность и науку. Аналитики прогнозируют стремительный рост рынка инструментов и методов Big Data. По оценкам International Data Corporation (IDC), _ объемы хранящихся данных будут ежегодно увеличиваться на 40%,
а рынок технологий и услуг Big Data в 2017 г. достигнет 32,4 млрд долл., а к 2020 г. - 68,7 млрд долл. США. Еще более оптимистичнее прогнозы объема рынка Big Data приведены в маркетинговом исследовании компании Wikibon. Согласно ее прогнозу, объем рынка Big Data достигнет к концу 2017 г. 50 млрд долл. [1, 2].
Результаты специально проведенного аналитического опроса, целью которого было оценить степень внедрения технологий Big
© Л.А. Цветкова, О.В. Черченко, 2016 г.
Мейнстрим
www.idmz.ru к_Е5Н5_
201Б, № 3 '
Компании из каких отраслей внедрили технологии Больших Данных?
Телекоммуникационные предприятия Инжиниринг И К0НС1 рукJUptKH« Ctvpo Государственные предприятия IT
* страхование
ЛОГИГТИкД и транспорт
FMCÖ
Бизнм-сервис/конмлтинг Образование Здравоохранение
Источник/ r«A Pro Research
I ss% 21% 21% I
I 45% 55%
38К 62»
1 3SK 59% 5% 1
1 33% 30% 17% I
1 33» 67»
I 21% 57% 21» 1
1 18% Б4К 18% I
1 15» 67К 18%
1 13% 75% 13» I
0% 209fr 40% 60%
Я Да ■ Нет п Затрудняюсь ответить
Рис. 1. внедрение технологий Больших данных в мире в различных отраслях.
Источник: Аналитический обзор рынка Big Data [3].
Data в различных отраслях, демонстрируют, что в системах здравоохранения различных стран мира практическое применение этих технологий пока крайне ограничено (рисунок 1) [3]. Тем не менее, целесообразность и перспективность Big Data в медицине и системе здравоохранения в последние годы широко обсуждается профессиональным сообществом [4,5,6].
Мировым лидером по разработке и внедрению технологий Big Data в здравоохранении на сегодняшний день являются США. Главное основание для их развития - экономическая эффективность от их внедрения. По мнению аналитиков McKinsey Global Institute, использование технологий Big Data в здравоохранении США будет формировать финансовый поток объемом 300 млрд долл. в стоимостном выражении, из которых две трети - за счет снижения расходов системы здравоохранения США [7]. Некоторые эксперты утверждают, что даже сравнительно небольшие инвестиции в массовое внедрение технологий Big Data
в этой области могут в короткие сроки существенно повысить уровень качества жизни людей. Например, исследователи Калифорнийского университета (США) показали, что простой анализ данных, публикуемых в социальных сетях, позволяет предсказывать всплески поведения, провоцирующего ВИЧ, что дает возможность разработать систему противоэпидемических мероприятий в конкретном регионе мира [8,9].
В Стратегии развития отрасли информационных технологий в Российской Федерации на 2014-2020 годы и на перспективу до 2025 года технологии обработки «Больших данных» обозначены в числе «прорывных для мировой индустрии, в которых в перспективе 10-15 лет с высокой вероятностью может быть обеспечена глобальная технологическая конкурентоспособность России» [10].
О необходимости «внедрения технологий масштабирования баз знаний и внедрения систем поддержки принятия врачебных решений в повседневную деятельность» говорилось
и информационные
технологии
и в государственной программе РФ «Развитие здравоохранения» 2014 г. [11].
Очевидно, что применение технологий Big Data для анализа все более сложных массивов медицинских данных открывает новые возможности в области здравоохранения. Основные задачи, стоящие перед разработчиками технологий Big Data в медицине, определяются, главным образом, особенностями циркулирующих в современном здравоохранении и биомедицине данных. Эти данные зачастую являются непреодолимыми для обработки с помощью традиционного программного обеспечения не только из-за их объема, но и из-за разнообразия типов данных и скорости, с которой они должны анализироваться.
Формирующийся из разнообразных по структуре, формату, достоверности источников массив медицинской информации, как полагают эксперты, на 78% представляет собой неструктурированный набор файлов, таблиц, рисунков, графиков, их описаний и зачастую противоречивых выводов и суждений. [5].
Источники медицинских данных включают в себя: [12]
• клинические данные для поддержки принятия решений различной специализации (диагностическая, прогностическая, с элементами искусственного интеллекта, управления, уход за больными и т.д.), в виде стандартизированных данных из электронных историй болезни;
• зарегистрированные данные с датчиков мониторинга и записывающих устройств;
• генерируемые экспертами конкретные показатели, письменные заметки и медицинские рецепты;
• звукозаписи и визуальные образы;
• данные специализированных исследований;
• данные о лекарственных препаратах;
• данные неотложной помощи;
• административно-паспортные данные;
• данные о страховании и медицинском страховании;
• социальные публикации в СМИ, в том числе Twitter-каналы, блоги, обновления статуса на Facebook и других платформ и веб-страниц;
• данные об опыте и результатах использования методов нетрадиционной медицины и непрофессиональных инициатив в области здравоохранения и медицины;
• нормативные и законодательные документы из области социальной медицины, общественного здравоохранения, рынка здравоохранения, политики и культуры;
• данные медицинской науки.
На сегодняшний день достигнут значительный прогресс в инструментах и стоимости сбора и хранения данных. Самой актуальной проблемой при оперировании в среде Big Data стала разработка алгоритмов комплексного анализа и интерпретации данных в режиме реального времени. Перманентный сбор и анализ информации на уровне продвинутой аналитики (Advanced analytics) не только позволяет на ранней стадии замечать любые отклонения и аномалии в показаниях, но и выявлять скрытые закономерности. Так, например, анализ геномных данных показал, что случаи лейкоза, которые когда-то считались одной нозологией, позволяют дифференцировать их на две: одну с лучшим прогнозом, другую с менее оптимистичным. Это стало возможным только путем объединения клинических данных и данных геномного анализа с помощью технологии Big Data. [13].
возможные применения отдельных направлений технологий «Больших данных» в биомедицине и здравоохранении
Наиболее остро необходимость новых программно-технических средств, опирающихся на методы анализа больших объемов данных, на-
МеЙНСТрИМ_www.idmz.ru . "SS
201Б, № 3 *
блюдается в биоинформатике и биомедицине.
Методы полного геномного секвенирова-ния генерируют такой большой объем данных, содержащих информацию об отдельных участках генома, что проблемой становится не только их обработка, но и запись на информационный носитель и передача копии данных в другую лабораторию. Традиционные алгоритмы анализа данных не справляются с поставленными перед ними задачами. [14].
Ожидается, что прогресс в междисциплинарной области, объединяющей вычислительные и геномные технологии, приведет к беспрецедентным достижениям персонифицированной медицины. Появление методов секвенирования высокой пропускной способности уже позволило исследователям изучить генетические маркеры на широком спектре нозологий [15,16] и повысить точность и специфичность анализов более чем на пять порядков с тех пор, как было завершено секвенирование генома человека [17], ассоциировать генетические причины с фенотипом заболевания [18].
Другим направлением биомедициины, развитие которого невозможно без применения подходов и технологий Big Data, является исследование микробиома. В США проект по исследованию микробиома человека «Human Microbiome Project» был запущен одновременно с известным проектом по исследованию генома человека Human Genome Project. В ходе его реализации в рамках Национальных институтов здоровья США создан специальный центр Data Analysis and Coordination Center. Реализуется совместный китайско-европейский проект MetaHit, где ведутся активные исследования в этом направлении. В России в ряде проектов по исследованию микробиома участвует Центр исследований и разработок ЕМС. [19].
Еще одной важной задачей из области биоинформатики, решить которую позволят подходы и технологии Big Data, является создание и сопровождение баз данных и знаний, таких как специализированные базы белковых струк-
тур, нуклеотидных последовательностей генов, метаболических путей, клеточных ансамблей и т.п. Число и объём информации подобных баз данных стремительно растут, работа с такими огромными массивами информации требует принципиально новых подходов к обработке данных и соответствующего программного обеспечения [14].
Большой потенциал применения технологий анализа больших массивов данных, генерируемых в области медицины и здравоохранения, эксперты видят и для решения множества проблем функционирования системы здравоохранения. Основные задачи, которые позволяют решить технологии Big Data, контроль за процессом лечения, определение наиболее эффективных методов лечения, предотвращение эпидемий.
Развитию технологий Big Data в здравоохранении способствует повсеместное создание межрегиональных медицинских баз данных. Объемы хранимой в них информации растут настолько быстро, что превосходят пропускную способность существующих медицинских информационных систем. Эксперты прогнозируют в течение ближайших четырех-пяти лет взрывообразный рост числа проектов по созданию региональных систем здравоохранения, позволяющих анализировать большие объемы данных (причем не только учетных данных, но и записи обо всех случаях взаимодействия пациента с врачами), а также организовать доступ к данным о пациентах в любой точке мира и в любое время [5].
Высокая актуальность внедрения технологий Big Data в медицине связана и с новыми тенденциями во взаимоотношениях врача и пациента в формате технологий мобильной медицины. Медицина становится все более ориентированной на конкретного пациента, для которого важны прогнозирование, профилактика заболеваний и персонализация лечения. Стандартные медицинские услуги отстают от запросов пациентов, которые получают
и информационные
технологии
доступ к инструментам, позволяющим самостоятельно контролировать все больше физиологических параметров и которые все больше вовлекаются не только в процесс постоянного контроля за своим здоровьем, но и в управление здоровьем. На рынке уже существует множество беспроводных датчиков для измерения различных биофизических параметров пациента. Комбинация их с другими данными о повседневной жизни пациента - информации о системе питания, собранной, например, с помощью смарт-холодильников или информации от смарт-устройств тренажерного зала, смарт-весов - позволит оповещать в режиме реального времени врачей или обеспечивающих уход лиц, когда есть необходимость в их вмешательстве [20]. Почти все портативные электронные и диагностические устройства используются в комплекте с приложениями для смартфонов. Ожидается, что к 2018 г. число пользователей диагностических мобильных приложений достигнет 1,7 млрд человек. Рост объема данных, собираемых с носимых устройств, способствует развитию сегмента аналитических инструментов и технологий для их обработки. Рынок инструментов для аналитической обработки данных становится все более зрелым. Так, по информации агентства Ovum, он вырос с 5 млрд долларов в 2013 г. до ожидаемых 11 млрд в 2018 г. со средним темпом роста на уровне 30%. Использование технологий Big Data позволяет в некоторых случаях сократить время исследования с 1 года до нескольких недель и помогает врачам определить риски возникновения заболевания [21].
Большой потенциал использования технологий Big Data в медицине связан с разработкой алгоритмов распознавания, дальнейшего анализа и интерпретации сигналов и изображений.
Сигналы с носимых устройств, характеризующиеся большим объемом и скоростью поступления, особенно при непрерывном использовании в режиме реального времени, генерируемые множеством подключенных
к пациенту датчиков, обладают большой сложностью для обработки, хранения и анализа. Кроме того, анализ физиологических сигналов часто оказывается более значимым, когда эти данные представлены в контексте ситуационной осведомленности, которая должна быть встроена в разрабатываемые системы непрерывного мониторинга и прогнозирования для обеспечения их эффективности и надежности. Важность разработки более совершенных всеобъемлющих подходов к изучению взаимодействия и корреляций между временными рядами мультимодальных клинических данных связана еще и с тем, что согласно ряду исследований, человеку сложно осмыслить изменения, о которых получено более двух сигналов. Большинство современных систем здравоохранения для создания механизмов оповещения в случае явных событий применяют многочисленные разрозненные устройства непрерывного мониторинга, работающие на основе единичных данных физиологической осциллограммы или дискретной информации о жизни пациента вне контекста с истинным физиологическим состоянием пациентов с более широкой и всеобъемлющей точки зрения. Отсутствие комплексного подхода к разработке и внедрению сигнальных систем, как правило, снижает их надежность и продуктивность. Избыточное количество датчиков может привести к усталости и тревожности как у пациентов, так и у персонала, обеспечивающего уход [12].
Значительный объем в медицинских информационных системах занимают изображения, являющиеся важным источником данных при диагностике, оценке и планировании терапии. Компьютерная томография (КТ), магнитно-резонансная томография (МРТ), рентген, молекулярная визуализация, ультразвуковое исследование, фотоакустическая томография, рентгеноскопия, позитронно-эмиссион-ная томография с компьютерной томографией (ПЭТ-КТ) и маммография - вот лишь некото-
МеЙНСТрИМ_www.idmz.ru . "SS
2016, № 3 *
рые из методов визуализации, применяемых в клинических условиях. Объем данных медицинских изображений может варьировать от нескольких мегабайт на одно исследование (например, гистологические изображения) до сотен мегабайт на одно исследование (например, тонкие срезы КТ, включающие до 2500+ сканирований в одном исследовании) [22]. Для хранения таких данных в течение длительного срока требуются мощные системы хранения данных, а также быстрые и точные алгоритмы, обеспечивающие возможность автоматизации процессов принятия решений, выполняемых с использованием этих данных. Кроме того, если в ходе диагностики, прогноза и лечения используются другие источники данных, получаемые для каждого пациента, то возникает проблема обеспечения когезионного хранения и разработки эффективных методов, позволяющих охватить широкий спектр данных [12].
С использованием инструментария Big Data проектируют новые продукты и разрабатывают глобальные маркетинговые стратегии фармацевтические компании.
Исторически сложилось, что фармацевтические компании контролировали как генерацию, так и распространение информации о своей продукции. Цифровые технологии ослабили этот контроль, открывая множество новых, независимых информационных каналов. Позиции фармацевтических компаний в этой сфере здравоохранения сегодня начинают занимать такие технологические компании, как Apple, IBM и Qualcomm Technologies. Новые игроки на фармрынке способны взаимодействовать с пациентами через приложения, устройства для мониторинга состояния здоровья и интернет-сообщества, что позволяет им собирать петабайты данных из любых источников, включающих электронные медицинские записи и анализ страховых исков. Ими разрабатываются передовые инструменты агрегации и анализа данных, позволяющие связать разнородные, сложные наборы
данных и генерировать новое понимание безопасности и эффективности лекарственных средств. Например, платформа IBM Watson Health в партнерства с платформой компании Apple HealthKit использует передовую аналитику и возможности обработки естественного языка для обеспечения клинической поддержки принятия решений.
В ответ на это фармацевтические компании вынуждены искать возможности предвидеть или быстро реагировать на новые вызовы, чтобы остаться основным авторитетным источником информации о своих продуктах. Основным прорывом с использованием подходов Big Data стала разработка цифровой экосистемы в формате «больше, чем лекарство» («beyond the pill»), способной отслеживать состояние пациента и обеспечивать обратную связь между пациентом и другими заинтересованными сторонами, позволяя контролировать соблюдение режима лечения и управлять его результатами. Например, план ухода за пациентом с болезнью Паркинсона может включать схемы приема лекарств по технологии «чип на таблетке» («chip on a pill») для контроля приема лекарств с помощью SmartWatch, которая следит за состоянием пациента, напоминает о необходимости придерживаться назначенного лечения, а также отправляет отчеты неврологу о соблюдении назначений и состоянии здоровья пациента. Компания WellDoc уже выпустила первое одобренное Управлением по санитарному надзору над качеством пищевых продуктов и медикаментов США (FDA) мобильное приложение для управления диабетом типа 2 - BLUESTAR. Генерируемые таким образом данные позволят фармацевтическим компаниям продемонстрировать более высокую эффективность своих препаратов. Эксперты прогнозируют, что в течение пяти-семи лет, многие препараты, формирующие значительную часть фармацевтического портфеля, будут являться частью такой цифровой экосистемы [23].
и информационные
технологии
Еще одно направление, где цифровые разработки будут стимулировать отдачу для фармацевтические компаний - разработка и освоение методов продвинутой (advanced) аналитики, в том числе предикативного (предиктивного) анализа, построения симуляторов и вариативных моделей. Например, фармацевтические компании и другие игроки здравоохранения получают возможность связывать и анализировать данные из страховых исков, клиник, лабораторий, датчиков, приложений, социальных медиа, и многих других источников для получения реальных доказательств об эффективности лекарственного средства, чтобы управлять возмещением расходов и клинической практикой. В этой среде в выигрыше окажутся те фармацевтические компании, которые смогут повлиять на алгоритм принятия клинических решений, предлагая врачам обоснованные сведения о лучших вариантах лечения и лекарственных препаратах, опирающиеся на передовую аналитику.
Эти решения используются также для оптимизации организационных процессов в маркетинге для управления клиентами и каналами продаж как инструменты финансового и риск менеджмента.
Большой интерес к технологиям Big Data начинают проявлять страховые компании, заинтересованные в анализе данных, представляющих реальные доказательства обоснованности назначения лечения и лекарственных препаратов, а также их эффективности.
Патентный анализ различных технологических направлений Big Data
Чтобы оценить, насколько активно ведутся разработки технологий Big Data, призванных решить стоящие перед современной медициной проблемы, а также с целью определения перспектив России по освоению сегмента мирового рынка технологий Big Data в медицине и выявления отечественных конкурентоспособных научно-технологических заделов, нами был выполнен многокритериальный патентный анализ по данному направлению.
Для его проведения была использована аналитическая БД Thomson Innovation (производитель - компания Thomson Reuters), которая охватывает патентные документы всего мира, а также позволяет искать их по полям уникальной реферативной базы патентных
Рис. 2. Динамика патентования по направлению «Big Data в медицине» за 1984-2016 гг. (Источник Thomson Innovation, данные на 31.05.2016).
Мейнстрим
www.idmz.ru
F4H
2016, № 3
данных Derwent World Patent Index (DWPI), содержащей информацию о более чем 25 млн патентных семейств (50 млн документов) из более, чем 50 юрисдикций [24].
При составлении поискового образа нами было учтено то обстоятельство, что само понятие Big Data является собирательным и охватывает множество целевых подходов и технологий. За последние 2 года оно стало менее применимым, о чем свидетельствуют результаты последнего исследования компании Gartner «Hype Cycle for Emerging Technologies 2015» (Гипер циклы растущих технологий), в котором термин Big Data, обозначающий технологии обработки и анализа больших массивов данных, уже отсутствует. По мнению экспертов, тема больших данных не исчезла как таковая, а, перейдя в практическую плоскость, трансформировалась во множество различных технологических направлений. Среди основных трендов, выделенных Gartner, на пике чрезмерных ожиданий находятся технологии Интернет-вещей (Internet of Things), машинного обучения (Machine learning), решения для визуализации и самоанализа (Advanced Analytics with SelfService Delivery) [25]. Поэтому при составлении
поискового образа для патентного анализа нами учитывались дополнительные термины, связанные с данными группами технологий.
Выполненный нами анализ динамики патентной активности по направлению «Big Data в медицине» за последние 15 лет позволяет говорить о высокой динамике развития направления, выраженной в экспоненциальном росте числа предлагаемых технологических решений, начиная с 2007 г. (рисунок 2), что коррелирует с тенденциями увеличения мирового спроса на технологии Big Data.
Более подробный анализ патентной активности отдельных стран и распределения патентов по отдельным технологическим направлениям проведен нами за период с 2011 г. по 31 мая 2016 г.
Анализ распределения патентов по странам приоритета по данному направлению показал, что безусловным технологическим его драйвером на настоящий момент являются США, которым принадлежит более 35% всех запатентованных технологий. Вторым игроком, претендующим на лидирующие позиции на формирующимся технологическом рынке является Китай (21% патентов мира). Среди стран,
Рис. 3. распределение патентов по странам приоритета по направлению «Big Data в медицине» за 2011-2016 гг.
(Источник Thomson Innovation, данные на 31.05.2016).
>
и информационные
технологии
Таблица 1. топ-20 правообладателей патентов по теме «Big Data в медицине» за 2011—2016 гг. (Источник Thomson Innovation, данные на 31.05.2016).
Правообладатели патентов Количество патентов
1. SAMSUNG ELECTRONICS CO LTD 232
2. MICROSOFT CORP 164
3. SIEMENS MEDICAL SOLUTIONS 156
4. IBM 110
5. KONINKL PHILIPS ELECTRONICS NV 107
6. HARVARD COLLEGE 70
7. UNIV CALIFORNIA 69
8. SIEMENS AG 63
9. HOFFMANN LA ROCHE 62
10. ROCHE DIAGNOSTICS GMBH 60
11. GEN ELECTRIC 50
12. SIEMENS CORP RES INC 48
13. SONY CORP 46
14. KONINKL PHILIPS NV 44
15. FUJIFILM CORP 43
16. HAFERLACH TORSTEN 39
17. DUGAS MARTIN 39
18. KERN WOLFGANG 39
19. KOHLMANN ALEXANDER 39
20. SCHNITTGER SUSANNE 39
21. SCHOCH CLAUDIA 39
22. HEARTFLOW INC 32
23. UNIV YALE 32
24. PROMETHEUS LAB INC 32
25. EDSA MICRO CORP 30
26. SIEMENS CORP 28
27. AGENCY SCIENCE TECH & RES 26
28. HITACHI LTD 25
29. HONEYWELL INT INC 24
30. FISHER ROSEMOUNT SYSTEMS INC 23
которые уже включились в технологическую гонку по этому направлению - Республика Корея, Великобритания, Япония, Австралия и Индия, страны ЕС 14. Именно эти 10 стран владеют 97% охраноспособных решений, связанных с технологиями Big Data в медицине. К сожалению, Россия не вошла в их число (рисунок 3).
Обладателями самых крупных портфелей патентов являются крупные компании (таблица 1), такие как SAMSUNG ELECTRONICS, MICROSOFT, SIEMENS MEDICAL SOLUTIONS, IBM. Однако тот факт, что в число топ-30 правообладателей патентов на технологические решения Big Data в медицине вошли 6
МеЙНСТрИМ_www.idmz.ru .
2016, № 3 *
университетов, говорит о том, что направление еще не достигло технологической зрелости и активно развивается в формате НИОКР.
Анализ динамики патентования по топ-10 отдельным областям техники, выделенным в соответствии с классами Международной патентной классификации (МПК), по которым запатентовано максимальное количество технологических решений для сфере «Big Data в медицине» (рисунок 4) показал, что с наибольшей активностью ведутся разработки, призванные решить проблемы комплексного анализа данных, поступающих из многочисленных разрозненных источников в режиме реального времени для решения диагностических задач и предикативного моделирования: • обработка цифровых данных с помощью электрических устройств (к данному классу отнесены моделирующие устройства, предназначенные для математической обработки существующих или ожидаемых условий или
состояний); устройства или способы цифровых вычислений или обработки данных для специальных применений, специально предназначенные для специфических функций (G06F0019, G06F0017);
• системы обработки данных или способы, специально предназначенные для административных, коммерческих, финансовых, управленческих, надзорных или прогностических целей, включая системы или способы, специально предназначенные для здравоохранения
(G06Q0050);
• передача цифровой информации; управление передачей данных; обработка данных, поступающих с нескольких линий связи; обеспечение контроля над большей частью сети и эффективного перемещения больших объемов данных; системы передачи и приема информации; системы «интеллектуального дома»; системы передачи видеопотока в режиме реального времени (H04L0029).
Рис. 4. Динамика патентования по топ-10 классам МПК отдельных областей направления «Big Data в медицине» за 2011-2015 гг.
(Источник Thomson Innovation, данные на 31.05.2016).
>
и информационные
технологии
>
• измерение для диагностических целей (радиодиагностика; диагностика с помощью ультразвуковых, инфразвуковых и звуковых волн; опознание личности; в этой группе термин «измерение» включает в себя также определение или регистрацию (A61B0005);
В данных областях техники не только сосредоточено наибольшее число патентов, но и наблюдается наиболее ярко выраженная положительная динамика активности патентования (рисунок 4).
Более подробно выделить основные направления патентования в исследуемой технологической области позволил анализ карты, визуализирующей тематический патентный ландшафт анализируемого направления (рисунок 5). При более детальном анализе каждой группы патентов можно выделить следующие основные направления Big Data в медицине, в рамках которых уже появились технологические заделы:
• системы поддержки принятия решений о способах лечения и организации лечебного процесса на основе продвинутой аналитики, включая системы идентификации пациентов
с определенными заболеваниями, методы осуществления коллаборации между медицинским персоналом, методы и системы прогнозирования изменений физиологических и клинических состояний, Data mining);
• автоматизированные системы для фармакологии, включая моделирование и прогнозирование токсичности лекарственных препаратов, системы для рекомендации назначения лекарственных препаратов на основе анализа симптомов, аппараты, системы и методы сравнения безопасности лекарственных средств c использованием комплексного анализа и визуализации фармакологических данных; системы для прогнозирования взаимодействия белков в таргентной точке лекарственного средства;
• управление ресурсами в среде больших данных;
• системы и методы для выявления взаимосвязей данных в режиме реального времени в среде больших данных;
• операционные системы Интернет-вещей и методы для осуществления обслуживания пользователей;
| * * йЖ
* wtayAftts * ■ * ""Ж-4
Рис. 5. Тематическая карта патентов, соответствующих направлению «Big Data в медицине», за 2011-2016 гг.
(Источник Thomson Innovation, данные на 11 марта 2016).
МеЙНСТрИМ_www.idmz.ru .
2016, № 3 *
Таблица 2. Правообладатели патентов РФ, охраняющих технические решения в области «Big Data в медицине»
Правообладатели патентов Количество патентов
KONINKLEIKE PHILIPS ELECTRONICS NV 8
• системы распознавания и анализа медицинских изображений, в том числе дерматологических;
• системы распознавания речи;
• электронная цифровая подпись;
• использование мобильных и носимых на теле устройств в медицине;
• сбор данных об образе жизни из социальных сетей;
• навигационные медицинские информационные системы;
• телемедицина;
• системы дистанционного управления для пациентов;
• данные о микробиоме.
К сожалению, резиденты РФ пока не включились в процесс патентования технологических решений для использовании Big Data в биомедицине и здравоохранении. Нами обнаружены всего 4 патента с приоритетом РФ. При этом только один из них выдан на территории РФ, остальные запатентованы в зарубежных патентных ведомствах и их правообладателями являются Корпорация ЕМС и компания «Сименс».
Практически полное отсутствие России на карте патентного ландшафта по направлению «Big Data в медицине» не позволяет говорить о конкурентоспособности нашей страны в освоении даже отдельных ниш формирующегося глобального рынка, как это было заявлено
в Стратегии развития отрасли информационных технологий в Российской Федерации на 20142020 годы и на перспективу до 2025 года.
Между тем, зарубежные компании уже начали подготовку к освоению внутреннего рынка России. Из 14 патентов, выданных Роспатентом, только один принадлежит резиденту РФ - индивидуальному заявителю. Правообладатели остальных 13-и патентов - зарубежные компании (таблица 2).
ЗАКЛЮЧЕНИЕ
В российском профессиональном сообществе все еще ведется активная полемика по вопросам целесообразности и возможности использования технологий Big Data в различных секторах народного хозяйства, в том числе в системе российского здравоохранения. Эксперты, признавая, что цифровизация бизнес-процессов охватила практически все отрасли, отмечают, что Россия находится на самом начальном этапе использования этих технологий. Проекты по внедрению технологий Big Data консервируются на стадии прототипа, реже - на стадии пилотного проекта, и ни один из них не завершен убедительной историей успеха, что связано с крайне низким спросом на внедрение подобных технологических решений [26].
О серьезности инвестиционных рисков в проекты, связанные с применением технологий Big Datа, говорит тот факт, что, по
и информационные
технологии
данным агентства Wikibon, по состоянию на 2013 г. лишь 46% проектов Big Dаtа получили частичную отдачу от вложений. Возвратность инвестиций оказалась существенно ниже ожидаемой и составила 0,55 долл. против прогнозируемых 3-4 долл. на 1 долл. вложений. Примерно 2% респондентов оценили свои
инвестиции в проекты Big Datа как полностью невозвратные [27].
Тем не менее, эксперты отмечают, что рынок решений и инструментария Big Data будет сформирован в ближайшие 5 лет, и это дает российским разработчикам шанс успеть занять на нем заметные по объему ниши.
ЛИТЕРАТУРА
1. Бабурин В. А., Яненко М.Е. Технологии Big Data в сервисе: новые рынки, возможности и проблемы // ТТПС. -2014. -№ 1 (27). - С. 100-105[Электрон. ресурс]. - URL: http://cyberleninka.ru/article/n/tehnologii-big-data-v-servise-novye-rynki-vozmozhnosti-i-problemy.
2. Кирьянова А. Рейтинг: Кто и сколько зарабатывает на Big Data // &ews. - 12.02.2014 [Электрон. ресурс]. - URL: http://www.cnews.ru/news/top/index.shtml?2014/02/12/560348.
3. Аналитический обзор рынка Big Data, Блог компании Московская Биржа [Электрон. ресурс]. - URL: https://habrahabr.ru/company/moex/blog/256747/.
4. Суворов Н.И., Беденков А.В. Большие данные в Российском здравоохранении. Время пришло! / Ремедиум. - 2015. - № 6. [Электрон. ресурс]. - URL: http://www.remedium-journal.ru/upload/iblock/94e/RM_06_2015_09.pdf.
5. Большие Данные в медицине и здравоохранении (Интервью Билла Маккормика, менеджера по продуктам компании InterSystems). Автор: Ольга Ревякина. Дата публикации 21.04.2014, Источник: Издательство «Открытые Системы» [Электрон. ресурс]. - URL: http://www.osp.ru/medit/2014/04/13040834.html.
6. Leading Advances in the Utilization of Big Data in the Healthcare Industry. White Paper Intel Health & Life Sciences [Электрон. ресурс]. - URL: http://www.intel.ru/content/dam/www/ public/us/en/documents/white-papers/big-data-healthcare-tokyo-paper.pdf.
7. Manyika J, Chui M, Brown B. et al., Big Data: The Next Frontier for Innovation, Competition, and Productivity, McKinsey Global Institute, 2011.
8. Big Data - технология, рождающая новый тип бизнеса // Бизнес & информационные технологии. - 2014 - Выпуск № 3 (36) [Электронный документ]. - URL: /http://bit.samag.ru/ archive/article/1352#maintitle.
9. Rivero E. Twitter 'big data' can be used to monitor HIV and drug-related behavior, study shows February 27, 2014 [Электрон. ресурс]. - URL: http://medicalxpress.com/news/2014-02-twitter-big-hiv-drug-related-behavior.html.
10. Распоряжение Правительства РФ от 01.11.2013 № 2036-р «Об утверждении Стратегии развития отрасли информационных технологий в Российской Федерации на 2014-2020 годы и на перспективу до 2025 года».
11. Государственная программа РФ «Развитие здравоохранения» 2014 г. [Электрон. ресурс] - URL: https://law-journal.hse.ru/data/2015/04/20/1095377106/Savelyev.pdf.
12. Ashwin Belle, Raghuram Thiagarajan, S.M. Reza Soroushmehr, Fatemeh Navidi, Daniel A. Beard,2,3 and Kayvan Najarian Big Data Analytics in Healthcare // BioMed Research International. - 2015. - Volume 2015. - p. 1-16 - Article ID370194 [Электрон. ресурс]. -URL: http://dx.doi.org/10.1155/2015/370194.
МеЙНСТрИМ www.idmz.ru к es!
2016, № 3
13. Champagne D, Hung A., Leclerc O. The road to digital success i n pharma. McKinsey&Company. -August 2015 [Электрон. ресурс]. - URL: http://www.mckinsey.com/industries/pharmaceuticals-and-medical-products/our-insights/the-road-to-digital-success-in-pharma.
14. Исаев Е.А., Корнилов В.В. Проблема обработки и хранения больших объемов научных данных и подходы к ее решению // Математическая биология и биоинформатика. - 2013. -Т. 8. - № 1. - С. 49-65 [Электрон. ресурс]. - URL: http://www.matbio.org/2013/Isaev_8_49.pdf.
15. Hood L., Price N.D. Demystifying disease, democratizing health care // Science Translational Medicine, vol. 6, no. 225, Article ID225ed5, 2014 [Электрон. ресурс]. - URL: http://stm. sciencemag.org/content/6/225/225ed5.short.
16. Davey J.W., Hohenlohe P.A., Etter P.D., Boone J.Q, Catchen J.M., and B/axfer Ml, Genome-wide genetic marker discovery and genotyping using next-generation sequencing // Nature Reviews Genetics, vol. 12, no. 7, pp. 499-510, 2011 [Электрон. ресурс]. - URL: http:// www.nature.com/nrg/journal/v12/n7/abs/nrg3012.html.
17. Treangen T.J, Salzberg S.L. Repetitive DNA and next-generation sequencing: computational challenges and solutions // Nature Reviews Genetics, vol. 13, no. 1, pp. 36-46, 2012 [Электрон. ресурс]. - URL: http://www.nature.com/nrg/journal/v13/n1/abs/nrg3117.html.
18. Koboldt D.C., Steinberg K.M., Larson D.E., Wilson R.K., Mardis The next-generation sequencing revolution and its impact on genomics // Cell, vol. 155, no. 1, pp. 27-38, 2013. [Электрон. ресурс]. - URL: http://www.cell.com/cell/abstract/S0092-8674%2813%2901141-0?_returnURL=http%3A%2F%2Flinkinghub.elsevier.com%2Fretrieve%2Fpii%2FS0092867413011 410%3Fshowall%3Dtrue&cc=y=.
19. Черняк Л.С. Большие Данные на службе трансляционной медицины // Computerworld. -23.09.2014 [Электрон. ресурс]. - URL: http://www.computerworld.ru/articles/Bolshie-Dannye-na-sluzhbe-translyatsionnoy-meditsiny.
20. Панкратов С.Г., Знаменская Т.Ю. Мобильные технологии в здравоохранении (mHealth): концепция и перспективы. Часть I. Здоровье как выделенное состояние организма и отклонения от него // Менеджер здравоохранения-2014, № 2. - С. 30-48.
21. Куда движется технологический рынок: перспективы для России. Форум «Открытые инновации». Специальное издание Форума [Электрон. ресурс] - URL: http://www.ey.com/ Publication/vwLUAssets/EY-where-the-technology-market-is-heading-prospects-for-russia-rus/$File/EY-where-the-technology-market-is-heading-prospects-for-russia-rus.pdf.
22. Seibert J.A. Modalities and data acquisition // Practical Imaging Informatics, Chapter 1., pp. 49-66, Springer, New York, NY, USA, 2010 [Электрон. ресурс]. - URL: http://link.springer. com/chapter/10.1007%2F978-1-4419-0485-0_4.
23. Champagne D, Hung A., Leclerc O. The road to digital success in pharma. McKinsey&Company. -August 2015/ [Электрон. ресурс]. - URL: http://www.mckinsey.com/industries/pharmaceuticals-and-medical-products/our-insights/the-road-to-digital-success-in-pharma.
24. Всемирный указатель патентов Derwent (Derwent World Patents Index ® - DWPI) [Электрон. ресурс]. - 2016 - URL: http://thomsonreuters.ru/products/derwent-world-patents-index/.
25. Интернет вещей затмил большие данные // cnews. - 06.10.2015., Текст: Агеева Анна [Электрон. ресурс] - URL: http://www.cnews.ru/news/top/2015-10-06_internet_veshchej_ zatmil_bolshie_dannye.
26. Демидов М.И. Big Data в России: оцениваем возможности и риски/ Источник: www. cnews.ru. - URL: http://www.interface.ru/home.asp?artId=32690.
27. Jeff Kelly Enterprises Struggling to Derive Maximum Value from Big Data. Last Update: Sep 19, 2013 [Электрон. ресурс]. - URL: http://wikibon.org/wiki/v/Enterprises_Struggling_to_ Derive_Maximum_Value_from_Big_Data.
