Работа с данными — задача для машин

Если вы хотите узнать, как Big Data помогает сделать мир лучше, то нет лучшего примера, чем использование в здравоохранении.

В последнее десятилетие наблюдается огромный прирост данных — накапливается цифровая информация обо всем что мы делаем, а также развиваются технологические возможности, чтобы проанализировать и понять эти объемы информации. Вместе это и есть «Big Data», и это помогает предприятиям в многих отраслях, делая бизнес более эффективным и продуктивным.

Здоровье не отличается. Помимо повышения прибыли и сокращения накладных расходов, большие данные в здравоохранении используется для прогнозирования эпидемий, лечения болезней, улучшения качества жизни и избегания предотвратимых случаев смерти. Население в мире растет, и все живут дольше, модели предоставления лечения быстро меняются или, точнее, должны меняться, и многие из решений для таких изменений обеспечиваются, благодаря накапливаемым данным. Понять о пациенте как можно больше настолько рано, насколько это возможно — значит определить тревожные признаки тяжелой болезни на достаточно ранней стадии так, чтобы лечение стало гораздо более простым и дешевым.

Таким образом, чтобы совершить путешествие через Big Data в области здравоохранения, давайте начнем с самого начала — даже прежде чем мы заболели.

Умные телефоны были только началом. С помощью приложений, позволяющих использовать их как шагомеры, чтобы измерить, как много вы ходите в один день, счетчики калорий, чтобы помочь вам спланировать свой рацион, миллионы из нас в настоящее время попробуют вести более здоровый образ жизни. Совсем недавно сформировался постоянный поток носимых устройств, таких как Fitbit, Jawbone и Samsung Gear Fit, позволяющих отслеживать ваши успехи и загрузить ваши данные в Интернет, которые будут скомпилированы вместе из разных источников.

В самом ближайшем будущем вы также сможете делиться этими данными с вашим врачом, который будет использовать их как часть своего диагностического инструментария, когда вы посещаете его для консультации или лечения. Даже если у вас нет никак заболеваний или тревожных симптомов, доступ к огромным постоянно растущим информационным базам данных о состоянии здоровья широкой общественности позволит заметить проблемы еще до их возникновения и подготовить средства защиты — лекарственные или учебные материалы, которые должны быть разработаны заранее.

Большие данные могут трансформировать весь сектор здравоохранения, но отрасль должна пройти через фундаментальные изменения перед тем, как заинтересованные лица смогут получить его полную ценность.

Базы данных фармацевтических компаний содержат информацию о многолетних исследованиях — оцифрованные данные о самочувствии пациентов. Правительственные организации стран открывают свои обширные запасы знаний о медико-санитарной помощи, включая данные клинических испытаний и информацию о пациентах, охваченных в рамках программ общественного страхования. Параллельно с этим технический прогресс упростил сбор и анализ информации из нескольких источников — основное преимущество в медико-санитарной помощи, так как данные для одного пациента могут поступать из различных больниц, лабораторий и офисов врачей.

Финансовые проблемы, возможно, больше, чем любой другой фактор, являются движущей силой спроса на применение технологий Big Data в медицине. Так, в США после более чем 20 лет стабильного увеличения бюджетных расходов на здравоохранение, в настоящее время составляющих 17,6% от ВВП страны, расходы почти на $600 млрд больше, чем ожидаемый уровень для нации такого размера и богатства.

В то время как расходы на здравоохранение могут иметь первостепенное значение в подъеме больших объемов данных, в клинических тенденции также играют определенную роль. Врачи традиционно использовали свои суждения при принятии решений в отношении лечения, но в последние несколько лет наблюдается движение в сторону доказательной медицины, которая включает в себя систематического обзора клинических данных и принятия решений по лечению на основе наилучшей имеющейся информации. Агрегирование индивидуальных наборов данных в алгоритмах больших данных часто обеспечивает наиболее надежные доказательства того, так как нюансы в субпопуляции (таких, как наличие у пациентов с клейковиной аллергии), могут быть настолько редко, что они не являются очевидными в небольших образцах.

Несмотря на это, индустрия здравоохранения отстает от таких секторов, как розничная торговля и банковское дело в использовании больших данных отчасти из-за опасений по поводу конфиденциальности пациента, но вскоре всё может изменится. Первые игроки в области данных уже достигают положительных результатов, что побуждает другие заинтересованные стороны принять меры, чтобы не остаться позади. Эти события являются обнадеживающими, но они также поднимают важный вопрос: может ли медико-санитарна помощь использовать полный потенциал больших объемов данных, либо есть контрольно-пропускные пункты, которые будут препятствовать его использование?

Заинтересованные стороны получат выгоду только из больших объемов данных, если они принимают более целостный, ориентированной на пациента подход к ценности, тот, который фокусирует в равной мере на медико-санитарной помощи расходов и результатами лечения. Аналитики из McKinsey предлагают пять путей, чтобы помочь в переосмыслении ценности и определение инструментов, которые подходят для новой эры. Они сосредоточены на следующих понятиях:

Правильная жизнь. Пациентам должно быть рекомендовано играть активную роль в своем собственном здоровье, сделав правильный выбор относительно диеты, физических упражнений, профилактической помощи, а также других факторы образа жизни.

Правильный уход. Пациенты должны получить наиболее своевременную, доступную помощь и соответствующее лечение. Дополненительно к использованию протоколов —  правильный уход требует скоординированного подхода, со всеми сиделками и младшим медицинским персоналом, имеющими доступ к одной и той же информации и работающими над одной целью, во избежание дублирования усилий и неоптимальных стратегий лечения.

Правильный поставщик услуг. Любые специалисты, которые лечат пациентов должны иметь правильные записи о профессиональных возможностях и быть способны достичь наилучших результатов. Они также должны быть выбраны на основе их навыков и способностей, а не занимаемой должности. Например, медицинские сестры или помощники врачей могут выполнять множество задач, которые не требуют врача.

Правильная ценность. Поставщики и плательщики должны постоянно искать способы улучшить ценность при сохранении или улучшении качества медико-санитарной помощи. Например, они могли бы разработать систему, в которой возмещение поставщика привязанную к результатам для пациента или осуществлять программы, направленные на ликвидацию расточительных расходов.

Правильные инновации. Заинтересованные стороны должны сосредоточиться на выявлении новых методов лечения и подходов к медико-санитарной помощи. Они также должны попытаться улучшить инновационные техники сами — например, путем продвижения медицины и повышения производительности исследований и разработок.

Ценностные пути развиваться по мере поступления новых данных и обратной связи. Понятие правильного ухода, например, может измениться, если новые данные свидетельствуют о том, что стандартный алгоритм лечения для конкретного заболевания не дает оптимальных результатов. И изменение в одном пути может стимулировать изменения в других, так как они являются взаимозависимыми. Исследования отдельных параметров, например, может выявить, что пациенты чаще всего страдают дорогостоящими осложнениями после удаления аппендицита, если операции выполняет конкретный врач. Это открытие может повлиять на мнение пациента не только о стоимости лечения, но и по поводу правильного выбора поставщика услуг для выполнения лечения.

Некоторые руководители здравоохранения уже приняли роль Big Data, фокусируясь на концепциях,  изложенных здесь путях, или установивших основу для этого. Рассмотрим несколько примеров:

Kaiser Permanente полностью внедрила новую компьютерную систему, HealthConnect, чтобы обеспечить обмен данными между всеми медицинскими учреждениями и содействие использованию электронных медицинских записей. Интегрированная система улучшила результаты в лечении сердечно-сосудистых заболеваний и достигла примерно экономии примерно в $1 миллиард за счет сокращения офисных посещений и лабораторных тестов.

Blue Shield of California, в партнерстве с NantHealth, улучшается оказание медицинской помощи и результатов лечения пациентов путем разработки комплексной системы технологии, которая позволит врачам, больницы и планы в области здравоохранения для обеспечения доказательной медицины, которая является более скоординированной и персональной. Это поможет повысить производительность в ряде областей, включая профилактику и координации помощи.

AstraZeneca установили четыре года партнерства с данными и аналитика дочерней компанией WellPoint, в HealthCore а, для проведения реальных исследований с целью определить наиболее эффективные и экономичные способы лечения некоторых хронических болезней и распространенных заболеваний. AstraZeneca будет использовать данные HealthCore вместе со своей собственной базой данных клинических испытаний, чтобы направлять инвестиционные решения исследований и разработок. Компания также ведет переговоры с плательщиками о предоставлении покрытия для лекарств уже на рынке, опять же с использованием данных HealthCore в качестве доказательства.

С 2010 года более 200 новых предприятий разработали инновационные приложения здравоохранения. Около 40 процентов из них были направлены на прямую работу со здоровьем или на возможности прогнозирования. Это новая мощная база для применения медицинских знаний

Некоторые устройства поднимают мониторинг состояния пациента на новый уровень. Например, Asthmapolis создал трекер GPS с поддержкой, которая записывает использование ингалятора астматиков. Информация переносится в центральную базу данных и используется для идентификации отдельных лиц, групп и тенденций в области народонаселения. Эти данные затем объединены с центром по контролю и профилактике заболеваний, сведения об известных катализаторах астмы (например, большого количества пыльцы на северо-востоке или вулканического тумана на Гавайях). Вместе информация помогает врачам разработать индивидуальные планы лечения и возможности профилактики области.

Еще одна компания, Ginger.io, предлагает мобильное приложение, в котором пациенты согласившиеся, в сочетании с их лечебными заведениями, чтобы быть отслежеными с помощью своих мобильных телефонов и помогать в терапии поведенческого здоровья. Приложение записывает данные о вызовах, тексты, географическое положение, и даже физические движения. Пациенты также реагируют на опросы, проводимые через смартфоны. Приложение Ginger.io интегрирует данные о пациентах с общественным исследования психического здоровья от национальных институтов здравоохранения и других источников. Способность проникновения в суть полученных данных может быть показательной — например, отсутствие движения или иной деятельности, может свидетельствовать о том, что пациент чувствует себя физически нездоровым, и нерегулярный сон (через выявленные ночных вызовов или текстов) может свидетельствовать о том, что неизбежны проблемы с сердцем.

Для определения возможности новых путей ценности, McKinsey оценили целый ряд инициатив в области здравоохранения и оценили их потенциальное влияние как обще годовую экономию затрат. При общесистемном использовании предоставляемых новых технологий снижение расходов на здравоохранение может составить $300 млрд до $450 млрд, или от 12 до 17 процентов от уровня 2011 года расходов в $2,6 триллионов на здравоохранение в США.

Даже несколько простых действий может иметь огромное влияние при масштабировании. Правильный образ жизни, к примеру — применение аспирина людьми с повышенным риском развития ишемической болезни сердца, в сочетании с ранним скринингом холестерина и отказ от курения могут снизить общую стоимость ухода за более чем $30 млрд.  И хотя эти действия было предложено предпринять уже какое то время назад, большие данные в настоящее время обеспечивает более быструю идентификацию пациентов с высоким риском, более эффективные меры, а также более тщательный контроль.

По оценкам McKinsey, снижение расходов на здравоохранение в США от $300 млрд до $450 млрд может быть консервативным, так как многие идеи и нововведения еще впереди. Еще предстоит в полной мере понять субпопуляционного эффективность лечения рака и прогнозных показателей рецидива.

Вопросы конфиденциальности будут оставаться серьезной проблемой. Хотя новые компьютерные программы могут легко удалить имена и другую личную информацию из записей в больших базах данных, заинтересованным сторонам по всей отрасли должны быть бдительными и следить за потенциальных проблем, как больше информации становится достоянием общественности.

 

Проект NGMEDICINE ориентирован на работу с большими объемами данных, получаемых от высокочастотных измерительных комплексов, регистрирующих деятельность сердечнососудистой (ЭКГ), нервной (ЭЭГ) и мышечной (ЭМГ) активности. Портативные носимые устройства, осуществляющие регистрацию данных измерений, передающие данные в облачную систему мониторинга, формируют массив данных для оперативной математической обработки, анализа на предмет аномальной активности и отклонения от характерного для конкретного пациента статистического профиля. NGMEDICINE использует программное обеспечение SAYMON и математический сопроцессор STATISTIQ для анализа данных измерений. Проект NGMEDICINE ставит своей целью сформировать возможности для сокращения пребывания пациентов в стационаре, предоставить возможности по сохранению образа жизни пациентов как здоровых людей, средства предотвратить осложнения и предупредить дорогосотящее лечение и сформировать возможности для исследований обезличенных данных пациентов.

Использованы материалы

http://www.forbes.com/sites/bernardmarr/2015/04/21/how-big-data-is-changing-healthcare/#5fe085d132d9

http://www.mckinsey.com/industries/healthcare-systems-and-services/our-insights/the-big-data-revolution-in-us-health-care

http://www.saymon.info

https://statistiq.ru