Big Data und wissenschaftliche Forschung
Big Data wurde in den letzten Jahren als „eine unschätzbare Quelle von Wert“, das neue Gold, bezeichnet, aber das bloße Sammeln der Daten unter Nutzung der besten auf dem Markt verfügbaren Technologien garantiert nicht, dass sie wertvolle Informationen liefern und, was noch wichtiger ist, nützliches Wissen für Fortschritte im Gesundheitswesen extrahieren.
Gesundheitsdaten sind nur dann nützlich, wenn sie in aussagekräftige Informationen umgewandelt werden können, und dies erfordert qualitativ hochwertige Datensätze, Kommunikation zwischen IT-Systemen und Standarddatenformate, die leicht verarbeitet werden können.
Die Digitalisierung der Medizin verspricht große Fortschritte für die globale Gesundheit; es wird erwartet, dass digitale Daten die Medizin transformieren.
Die meisten medizinischen Daten von heute weisen jedoch einen Mangel an Interoperabilität auf: Daten sind in isolierten Silos und inkompatiblen Systemen verborgen, die nur schwer ausgetauscht, analysiert und interpretiert werden können. Dies bremst den medizinischen Fortschritt, da Technologien, die auf diesen Daten basieren, nicht ihr volles Potenzial ausschöpfen können.
Die Verwendung interoperabler Formate für Real-World-Daten, Real World Data (RWD) – Daten zum Gesundheitszustand von Patienten, die routinemäßig in der klinischen Praxis oder zunehmend über mobile Apps im täglichen Leben der Patienten gesammelt werden –, eröffnet Forschern vielfältige Möglichkeiten.
Die Digitalisierung der Medizin und die enorme Steigerung der Rechenkapazitäten haben es nun ermöglicht, Gesundheitsdaten elektronisch, in großen Mengen, sehr schnell und zeitgleich mit der Leistungserbringung zu erfassen. Es ist daher möglich, Daten von einer großen Anzahl von Subjekten zu verwenden, die repräsentativ für die reale Bevölkerung sind, um die Auswirkungen der Versorgung zu beschreiben, Ergebnisse und das Ansprechen auf verschiedene Behandlungen zu relativ geringen Kosten vorherzusagen, da sie in der täglichen Routine entstehen und nicht nur in Ad-hoc-Studien erhoben werden.
Real World Data (RWD) werden in der klinischen Routinepraxis über eine Vielzahl von Quellen gesammelt, wie z. B. elektronische Gesundheitsakten, administrative Abläufe im Zusammenhang mit Krankenhausaufenthalten, Medikamentenverschreibungen oder ambulanten Diensten, Medikamenten- und Krankheitsregister, sowie Daten aus anderen Quellen wie mobilen Geräten und Telehealth.
Echtzeitdaten sind auch wertvoll für KI und Lernmethoden.
Sie ermöglichen es, Muster und Korrelationen in hochdimensionalen Datensätzen zu finden, die Forschern helfen können, neue Forschungshypothesen zu identifizieren, die später gezielter in kontrollierten klinischen Studien untersucht werden können (diese kontrollierten Studien werden immer wichtig bleiben, um Verzerrungen auszuschließen und kausale Zusammenhänge zu identifizieren).
Allgemeiner gilt: Wenn Gesundheitsdaten nach internationalen Standards strukturiert sind, lassen sie sich viel einfacher analysieren und der Aufwand für die Datenaufbereitung verringert sich, was eine Beschleunigung des Forschungsprozesses ermöglicht.
Ebenso können interoperable Daten sicherstellen, dass eine Analyse über verschiedene Datenquellen hinweg unter Verwendung von Daten aus verschiedenen Institutionen oder Ländern durchgeführt wird. Dies ist sehr wichtig für die wissenschaftliche Forschung, bei der es oft notwendig ist, mehrere multidisziplinäre Forschungsteams zusammenzubringen, um aussagekräftige Analysen zu erzielen und die Ergebnisse in die klinische Praxis zu übertragen.
Zusammenfassend lässt sich sagen, dass Interoperabilität neues medizinisches Wissen generieren kann, indem sie eine effizientere Analyse bestehender Datenquellen ermöglicht, evidenzbasierte medizinische Praktiken fördert und deren Umsetzung in die öffentliche Gesundheitspolitik beschleunigt.
Teilen
22 / 51
Ähnliche Beiträge
Was ist das AAL – Active and Assisted Living Projekt
Spring School of Young Neurologists: gemeinsam für die Zukunft