1.2 История развития и современные тенденции

Концепция Big Data зародилась в конце XX века, когда объёмы данных начали стремительно расти, а традиционные методы их обработки стали неэффективными. Однако в медицине работа с большими массивами информации велась задолго до появления самого термина Big Data.

Первые шаги в области обработки медицинских данных были сделаны в 1960-х годах с появлением электронных медицинских записей (ЭМЗ). Так, в 1965 году в США стартовала программа Medicare, что потребовало создания централизованных баз данных пациентов. В 1969 году началось внедрение систем управления больницами (HIS, Hospital Information Systems), предназначенных для автоматизации учёта пациентов и обработки данных. А в 1970-х годах появились первые медицинские экспертные системы, использующие базы знаний для помощи врачам в постановке диагнозов [3].

Рисунок 2 – Логотип компании Medicare

Тем не менее, на этом этапе возможности анализа данных были ограничены, так как вычислительные мощности и системы хранения информации находились в зачаточном состоянии.

С развитием компьютерных технологий и появлением Интернета в 1990-х годах стали активно развиваться медицинские базы данных.

Уже в 1980-х годах внедрены первые централизованные медицинские информационные системы (например, в США и Великобритании). В 1991 году Институт медицины США впервые призвал к повсеместному переходу на электронные медицинские записи (ЭМЗ). А в 1997 году были созданы генетические базы данных, такие как GenBank, содержащие информацию о последовательностях ДНК.

В конце 1990-х годов появление технологий Data Mining (интеллектуального анализа данных) позволило анализировать большие массивы медицинской информации, выявлять закономерности и делать прогнозы на основе статистики.

Настоящий прорыв в анализе больших данных произошёл в 2000-х годах благодаря развитию Интернета, облачных технологий и алгоритмов машинного обучения:

• В 2001 году термин Big Data впервые использовал аналитик Дуглас Б. Лэйни, который сформулировал концепцию «3V» (Volume, Velocity, Variety).

• В 2003 году проект Human Genome Project завершил расшифровку генома человека, что стало возможным благодаря анализу огромных объёмов данных.

• В 2004 году был выпущен Google MapReduce, позволивший обрабатывать большие массивы данных, что привело к развитию технологий Hadoop и Apache Spark о которых было упомянуто ранее.

• В 2008 году IBM разработала систему Watson, использующую искусственный интеллект для анализа медицинских данных и помощи врачам.

В этот период появились первые коммерческие решения для обработки медицинских Big Data, в том числе облачные хранилища для больниц и платформы для анализа генетической информации [3][4].

С 2010-х годов использование Big Data в медицине вышло на новый уровень благодаря развитию искусственного интеллекта (ИИ), машинного обучения и облачных технологий.

Так, в 2011 году IBM Watson впервые был протестирован в онкологии и показал высокую точность диагностики рака, в 2013 году появилась концепция персонализированной медицины, основанная на анализе генетических данных пациентов, а в 2015 году начали массово применяться носимые устройства (wearables), такие как Apple Watch и фитнес-браслеты, собирающие данные о здоровье пользователей в реальном времени [4].

В 2018 году Google представила алгоритмы глубинного обучения, способные анализировать медицинские изображения и ставить диагнозы на уровне врачей-специалистов.

Во время пандемии COVID-19 Big Data активно использовались для мониторинга заболеваемости, моделирования распространения вируса и разработки вакцин таких как, Спутник-V, Pfizer и Moderna.

В настоящее время медицинские Big Data развиваются по нескольким ключевым направлениям:

1. Искусственный интеллект в медицине

2. Персонализированная медицина и генетический анализ

3. Облачные технологии и телемедицина

4. Биомониторинг и носимые устройства

5. Анализ данных для борьбы с пандемиями

История развития Big Data в медицине показывает, что технологии прошли длинный путь от простых электронных записей пациентов до сложных ИИ-алгоритмов, способных ставить диагнозы и разрабатывать индивидуальные схемы лечения. Современные тенденции в области больших данных связаны с внедрением искусственного интеллекта, развитием персонализированной медицины, телемедицины и носимых устройств. Эти технологии не только улучшают диагностику и лечение, но и делают здравоохранение более доступным и эффективным.