autor estickyJune 1, 2022
Big Data w ostatnich latach nazywane jest „nieocenionym źródłem wartości”, nowym złotem, ale samo gromadzenie danych, nawet przy wykorzystaniu najlepszych technologii dostępnych na rynku, nie gwarantuje, że przyniosą one wartościowe informacje, a co ważniejsze, pozwolą na wydobycie wiedzy użytecznej dla postępów w dziedzinie zdrowia.
Dane dotyczące zdrowia są przydatne tylko wtedy, gdy można je przekształcić w znaczące informacje, a to wymaga zestawów danych wysokiej jakości, komunikacji między systemami IT oraz standardowych formatów danych, które można łatwo przetwarzać.
Cyfryzacja medycyny obiecuje ogromny postęp dla globalnego zdrowia; oczekuje się, że dane cyfrowe odmienią medycynę.
Jednak większość dzisiejszych danych medycznych wykazuje brak interoperacyjności: dane są ukryte w odizolowanych silosach i niekompatybilnych systemach, co utrudnia ich wymianę, analizę i interpretację. Spowalnia to postęp medyczny, ponieważ technologie oparte na tych danych nie mogą być wykorzystywane w pełni swojego potencjału.
Zastosowanie interoperacyjnych formatów dla danych rzeczywistych, Real World Data (RWD), danych o stanie zdrowia pacjentów gromadzonych rutynowo w praktyce klinicznej lub, coraz częściej, za pośrednictwem aplikacji mobilnych w codziennym życiu pacjentów, otwiera przed badaczami różne możliwości.
Cyfryzacja medycyny i ogromny wzrost możliwości obliczeniowych pozwoliły obecnie na elektroniczne gromadzenie danych zdrowotnych w dużych ilościach, bardzo szybko i w tym samym czasie, w którym świadczona jest usługa. Możliwe jest zatem wykorzystanie danych od dużej liczby osób reprezentatywnych dla rzeczywistej populacji, aby opisać wpływ opieki, przewidzieć wyniki i reakcję na różne metody leczenia przy stosunkowo niskich kosztach, ponieważ są one wytwarzane w codziennej rutynie, a nie gromadzone wyłącznie w ramach dedykowanych badań.
Real World Data (RWD) są gromadzone w rutynowej praktyce klinicznej z różnych źródeł, takich jak elektroniczna dokumentacja medyczna, przepływy administracyjne związane z hospitalizacjami, recepty na leki lub usługi ambulatoryjne, rejestry leków i chorób, a także dane zbierane z innych źródeł, takich jak urządzenia mobilne i telemedycyna.
Dane ze świata rzeczywistego są również cenne dla sztucznej inteligencji i metod uczenia się.
Pozwalają one na znalezienie wzorców i korelacji w wielowymiarowych zbiorach danych, co może pomóc naukowcom w zidentyfikowaniu nowych hipotez badawczych, które mogą być później badane w bardziej ukierunkowany sposób w kontrolowanych badaniach klinicznych (te kontrolowane badania zawsze pozostaną ważne dla wykluczenia błędów i zidentyfikowania związków przyczynowo-skutkowych).
Mówiąc ogólniej, jeśli dane zdrowotne są ustrukturyzowane zgodnie z międzynarodowymi standardami, są one znacznie łatwiejsze do analizy, a wysiłek wymagany do ich przygotowania zostaje ograniczony, co pozwala na przyspieszenie procesu badawczego.
Podobnie, interoperacyjne dane mogą zapewnić wykonanie analizy na różnych źródłach danych, przy użyciu danych z różnych instytucji lub krajów. Jest to bardzo ważne dla badań naukowych, gdzie często konieczne jest połączenie wielu multidyscyplinarnych zespołów badawczych w celu osiągnięcia znaczącej analizy i przełożenia wyników na praktykę kliniczną.
Podsumowując, interoperacyjność może generować nową wiedzę medyczną poprzez umożliwienie bardziej wydajnej analizy istniejących źródeł danych, promowanie praktyk medycznych opartych na dowodach oraz przyspieszanie ich wdrażania w polityce zdrowia publicznego.
Share
22 / 51
Powiązane wpisy
Czym jest projekt AAL – Active and Assisted Living
Spring School of Young Neurologists: razem dla przyszłości