Big data a věda o datech jsou oblasti, které se v dnešní době plné dat rychle rozvíjejí v teorii i v aplikacích. Vliv Big dat, otevřených dat a příslušných datových infrastruktur je patrný v celé vědě, v obchodě, ve státních i občanských institucích. Z dat se tak postupně stává zboží.

• Klíčová slova
• Počítače a komunikace, Programování,
• MeSH
• analýza dat MeSH
• big data MeSH
• sociální sítě MeSH
• software MeSH
• umělá inteligence MeSH
• zpracování textu MeSH

• NLK Obory
• knihovnictví, informační věda a muzeologie

Publikace se zaměřuje na analýzu velkých množství dat, analýzu textu a sociálních sítí, na umělou inteligenci či programování. Určeno odborné veřejnosti.

• MeSH
• analýza dat MeSH
• big data MeSH
• sociální sítě MeSH
• software MeSH
• umělá inteligence MeSH
• zpracování textu MeSH
• Publikační typ
• monografie MeSH

• Konspekt
• Programování. Software
• NLK Obory
• knihovnictví, informační věda a muzeologie

• MeSH
• automatizované zpracování dat MeSH
• big data MeSH
• individualizovaná medicína MeSH
• klinické rozhodování MeSH
• sběr dat MeSH
• ukládání a vyhledávání informací MeSH
• využití lékařské informatiky * MeSH
• Publikační typ
• práce podpořená grantem MeSH

MEMO01Dvojice autorů ukáže moderní přístup ke zpracování dat, který nepracuje se vzorkem, ale celou množinou. Takto lze získat cenné informace mnohem rychleji než v případě konvenčních postupů a v řadě případů lze objevit i úplně nové spojitosti. S novými možnostmi zpracování dat se seznámíte poutavou čtivou formou, autoři je popisují na příkladech z běžného života, na známých společnostech, zcela bez komplikovaných, těžko srozumitelných technických popisů. Nakladatelská anotace. Kráceno

Seznamte se s novým fenoménem, díky kterému získáte zcela nový pohled nejen na proces získávání důležitých informací z dostupných dat, ale na fungování světa jako celku v technologiemi protkaném 21. století

• MeSH
• automatizované zpracování dat MeSH
• informační systémy MeSH
• informatika MeSH

• Konspekt
• Sociální procesy
• NLK Publikační typ
• monografie

The aim of this paper is to overview challenges and principles of Big Data analysis in biomedicine. Recent multivariate statistical approaches to complexity reduction represent a useful (and often irreplaceable) methodology allowing performing a reliable Big Data analysis. Attention is paid to principal component analysis, partial least squares, and variable selection based on maximizing conditional entropy. Some important problems as well as ideas of complexity reduction are illustrated on examples from biomedical research tasks. These include high-dimensional data in the form of facial images or gene expression measurements from a cardiovascular genetic study.

• MeSH
• analýza dat MeSH
• analýza hlavních komponent metody   MeSH
• big data * MeSH
• biostatistika * metody   MeSH
• kardiovaskulární nemoci genetika   prevence a kontrola   MeSH
• lidé MeSH
• metoda nejmenších čtverců MeSH
• riziko MeSH
• rozpoznání obličeje MeSH
• systémy pro podporu klinického rozhodování MeSH
• Check Tag
• lidé MeSH
• Publikační typ
• práce podpořená grantem MeSH

Snad ve všech odvětvích lidského působení se v současné době uplatňují tzv. big data vyznačující se extrémně velkým objemem dat, extrémně vysokou rychlostí, s jakou data vznikají, a extrémně velkou rozmanitostí dat. Velké soubory dat patřící do této kategorie se skrývají i v knihovnách. Kde přesně lze v knihovnách big data nalézt a jakým způsobem by jejich analýzy mohly být přínosné pro rozvoj vědy a výzkumu? Na tuto otázku se snaží odpovědět následující příspěvek.

• MeSH
• automatizované zpracování dat MeSH
• bibliometrie MeSH
• data mining MeSH
• databáze jako téma * MeSH
• lékařství MeSH
• lidé MeSH
• Check Tag
• lidé MeSH

• MeSH
• automatizované zpracování dat MeSH
• big data MeSH
• chorobopisy - počítačové systémy * MeSH
• chorobopisy - spojování MeSH
• diagnóza počítačová MeSH
• elektronické zdravotní záznamy MeSH
• lidé MeSH
• Check Tag
• lidé MeSH
• Publikační typ
• práce podpořená grantem MeSH

Objectives: Presentation of an overview of the reasons why data integration initiatives should be seen as enablers for effective decision support in data-intensive healthcare settings. Methods: Typical challenges rising from the information requirements of clinical decision support systems are highlighted. We then propose a methodological solution where several heterogeneous data sources are integrated by the means of a common data model on top of which the DSS is built. Results: We report on two successful case studies based on the DSSs developed in the context of the MobiGuide and Mosaic projects, funded by the European Union in the Seventh Framework Program. The MobiGuide patient guidance system has been successfully validated during a recent pilot study involving 30 patients (10 with atrial fibrillation and 20 with gestational diabetes), while Mosaic is currently undergoing a validation phase involving 1000 type 2 Diabetes patients. Conclusions: In the era of big data, effective data integration strategies are an essential need for medical informatics solutions and even more for those intended to support decision processes. Building generic DSSs based on a stable (but easily extensible) data model, specifically designed to meet the information requirements of DSSs and analytics, has proven to be a successful solution in the two presented use cases.

• Klíčová slova
• projekt MOSAIC, projekt MobiGuide,
• MeSH
• diabetes mellitus 2. typu diagnóza   terapie   MeSH
• fibrilace síní diagnóza   terapie   MeSH
• Health Level Seven MeSH
• informace pro uživatele zdravotní péče * MeSH
• lidé MeSH
• rozhodování pomocí počítače MeSH
• systémová integrace MeSH
• systémy pro podporu klinického rozhodování * MeSH
• teoretické modely MeSH
• zapojení pacienta MeSH
• Check Tag
• lidé MeSH
• Publikační typ
• práce podpořená grantem MeSH

• MeSH
• dokumentace MeSH
• dostupnost zdravotnických služeb MeSH
• důvěrnost informací MeSH
• ekonomika a organizace zdravotní péče MeSH
• integrované poskytování zdravotní péče MeSH
• osobní údaje MeSH
• veřejné zdravotnictví - informatika MeSH
• zdravotní politika MeSH
• zdravotnické informační systémy MeSH

• Konspekt
• Veřejné zdraví a hygiena
• NLK Obory
• veřejné zdravotnictví
• ekonomie, ekonomika, ekonomika zdravotnictví
• NLK Publikační typ
• studie

Digitalizace laboratoří, aplikace big dat a automatizovaná strojová diagnostika ("machine learning") jsou nástroji pro vznik a fungování toho, co se označuje jako precizní medicína. Genomika, její dominantní metody (qPCR, dPCR, ddPCR, NGS), produkující obrovská kvanta dat (big data) a schopnosti počítačových systémů tyto soubory dat využívat v diagnostice a terapii za významného přispění "umělé inteligence" se označují jako strojová automatizovaná diagnostika - machine learning respektive deep learning). Tyto postupy pronikají z průmyslu a výzkumu do rutinní medicíny včetně medicíny laboratorní. Zvládnutí technických a personálních problémů těchto změn bude stát značné úsilí, srovnatelné s před lety realizovanou přeměnou manuální laboratorní práce na automatizovanou činnost a s přeměnou papírové dokumentace výsledků na laboratorní a nemocniční informační systémy. Lze předpokládat nejen zásadní změny metod laboratorní práce, ale i změny požadavků na odbornost personálu laboratoří a rovněž lze předpokládat nevyhnutelnost radikálního ovlivnění činnosti klinických laboratoří. Etický rozměr nastávajících změn bude stejně závažný, jako ten technický a bude možné očekávat nejen významný progres v diagnostice e prognostice chorob, ale i vzestup rizika zdravotní péče v případě chyb a neprofesionality. Automatická strojová aplikace big dat a používání umělé inteligence jsou náročné, je s nimi v medicíně málo zkušeností, ale vyhnout se jim nebude možné.

Digitalization of clinical laboratories, application of big data and methods of machine learning re contemporary tools for precision medicine. Precision medicine is based mainly on the genomic methods, namely of dominant PCR and NGS methods. These methods produces enormous number of dates (big data) and can be explored by means of artificial intelligence in processes called machine learning. Machine learning was primarily used in industry and research and now contemporary penetrates into medicine and also to laboratory medicine. Methods based on the big data and artificial intelligence with exploration of big data is certainly very important factor of future of medicine. It will be needs large requirements not only on high-technology equipment, but also for new type of young laboratory Professional used basically new methods of work and mind. Machine learning, part of precision medicine, necessary namely for oncology and prediction of patients state crettemeans also lot of new types of ethical problems. These ethical questions and problems should be soluted immediately, parallel with introduction of machine learning to laboratory practice.

• MeSH
• big data MeSH
• diagnóza počítačová * metody   MeSH
• individualizovaná medicína MeSH
• lidé MeSH
• strojové učení MeSH
• umělá inteligence MeSH
• Check Tag
• lidé MeSH