Lähteitä suurista tiedoista lääketieteessä
Yksinkertainen suuren datan määritelmä lääketieteessä on "potilaiden terveydenhuollon ja hyvinvoinnin kokonaisuus" (Raghupathi 2014). Mutta mitä nämä tiedot ovat ja mistä ne tulevat?
Seuraavassa on yleiskatsaus terveydenhuollon tarjoajien, tutkijoiden, maksajien, poliittisten päättäjien ja teollisuuden tärkeisiin tietoihin.
Nämä luokat eivät ole toisiaan poissulkevia, koska samat tiedot voivat olla peräisin eri lähteistä.
Tätä luetteloa ei myöskään ole tyhjentävä, koska suurien tietojen analytiikan käytännön sovellus jatkaa laajentumistaan.
Kliiniset tietojärjestelmät
Nämä ovat perinteisiä kliinisten tietojen lähteitä, joita terveydenhuollon tarjoajat ovat tottuneet katselemaan.
- Sähköiset terveysrekisterit keräävät, tallentavat ja näyttävät tietoja, kuten väestötieteitä, aiempia lääketieteellisiä tietoja, aktiivisia lääketieteellisiä ongelmia, immunisointeja, allergioita, lääkkeitä, elintoimintoja, laboratorion ja radiologian testien tulokset, patologiset raportit, palveluntarjoajat, sekä hallinnolliset ja rahoitusta koskevat asiakirjat
- Sähköiset lääketieteelliset kirjaukset (EMR) eivät ole identtisiä EHR: iden kanssa, ja ne koskevat yleensä tietyn lääkärin kanssa tallennettuja tietoja.
- Terveydenhuollon tietojenvaihdot toimivat keskuksina erilaisten kliinisten tietojärjestelmien välillä
- Terveydenhuollon organisaatioiden ylläpitämät potilasrekisterit ovat usein sidoksissa EHR: hen. Muut rekisterit jäljittävät rokotuksia, syöpää, traumaa ja muita kansanterveysongelmia laajemmalla maantieteellisellä alueella.
- Potilasportaalit mahdollistavat potilaiden pääsyn terveydenhuollon organisaation EHR: ään tallennettuihin henkilökohtaisiin terveystietoihin. Jotkut potilasportalistit antavat myös käyttäjille mahdollisuuden pyytää lääkemääräyksiä ja vaihtaa turvallisia sähköisiä viestejä terveydenhuollon tiimin kanssa.
- Kliiniset tietovarastot keräävät potilastason tietoja useista kliinisistä tietojärjestelmistä, kuten EHR: stä ja muista edellä mainituista lähteistä
Vaatimusten tiedot maksajilta
Julkisilta maksaineilta (esim. Medicare) ja yksityisiltä veloittajilta on suuret tallennustodistukset niiden edunsaajille. Jotkut terveydenhuollon tarjoajat tarjoavat nyt myös kannustimia terveyttä koskevien tietojen jakamiseen.
Tutkimustutkimukset
Tutkimustietokannat sisältävät tietoja osallistujista, kokeellisista hoitomuodoista ja kliinisistä lopputuloksista. Suuria tutkimuksia sponsoroivat yleensä lääkeyhtiöt tai valtion virastot. Henkilökohtaisen lääketieteellisen sovelluksen on sovitettava yksittäisiin potilaisiin tehokkailla hoidoilla, jotka perustuvat kliinisissä tutkimuksissa käytettäviin malleihin.
Tämä lähestymistapa ylittää käytännön näyttöön perustuvien lääketieteellisten periaatteiden soveltamisen, jonka avulla terveydenhuollon tarjoaja määrittää, onko potilaalla laaja-alaisia ominaisuuksia (esim. Ikä, sukupuoli, rotu, kliininen tila) koekäyttäjien kanssa. Suurten tietojen analytiikan avulla on mahdollista valita hoito, joka perustuu paljon rakeisempaan tietoon, kuten potilaan syöpäperäisen geneettisen profiilin (katso alla).
Kliiniset päätöksentekijärjestelmät (CDSS) ovat myös kehittyneet nopeasti ja muodostavat nyt suuren osan lääketieteellisestä älykkyydestä (AI).
He käyttävät potilastietoja kliinikoiden auttamiseksi päätöksenteossaan ja heidät yhdistetään usein EHR: iin.
Geneettiset tietokannat
Ihmisen geneettisen informaation loppusijoitus jatkuu nopeasti. Koska ihmisen genomiprojekti valmistui vuonna 2003, ihmisen DNA-sekvensoinnin kustannukset ovat pienentyneet miljoonalla kerralla. Harvardin lääketieteellisen koulun vuonna 2005 käynnistämä henkilökohtainen genomihanke (PGP) pyrkii järjestämään ja julkaisemaan 100 000 vapaaehtoisen koko genomin eri puolilta maailmaa. Itse PGP on erinomainen esimerkki suuresta tietohankkeesta, joka johtuu tietojen kirkkaudesta ja monipuolisuudesta.
Henkilökohtainen genomi sisältää noin 100 gigatavua olevaa dataa. Genomien sekvensoinnin lisäksi PGP kerää myös tietoja EHR: stä, tutkimuksista ja mikrobiomiprofiileista.
Useat yritykset tarjoavat kuluttajille suoraan geneettistä sekvensointia terveydelle, persoonallisille ominaisuuksille ja farmakogenetiikalle kaupallisin perustein.
Nämä henkilökohtaiset tiedot saattavat jäädä suurten tietojen analytiikkaan. Esimerkiksi 23. ja päättyi tarjota terveydellisiä geneettisiä raportteja uusille asiakkaille 22. marraskuuta 2013 alkaen noudattaakseen Yhdysvaltain elintarvike- ja lääkevirastoa. Vuonna 2015 yritys alkoi kuitenkin tarjota eräitä geneettisen syljen testin tiettyjä terveysosia, tällä kertaa FDA: n hyväksynnällä.
Julkiset tietueet
Hallitus pitää yksityiskohtaisia tietoja terveyteen liittyvistä tapahtumista, kuten maahanmuutosta, avioliitosta, syntymästä ja kuolemasta. Yhdysvaltain väestönlaskenta on kerännyt runsaasti tietoa 10 vuoden välein vuodesta 1790. Vuoden 2013 väestölaskennan verkkosivustolla oli 370 miljardia solua, ja vuosittain lisättiin noin 11 miljardia lisää.
Web-haut
Googlen ja muiden verkkopalvelujen tarjoajien keräämät verkkohaku-tiedot voivat tarjota reaaliaikaisia näkemyksiä väestön terveydestä. Verkkohakemallien suurien tietojen arvoa voidaan kuitenkin parantaa yhdistämällä se perinteisiin terveysdatan lähteisiin.
Sosiaalinen media
Facebook, Twitter ja muut sosiaalisen median alustat tuottavat runsaasti erilaisia tietoja ympäri vuorokauden, antaen näkemyksen käyttäjien sijainteihin, terveystapoihin, tunteisiin ja sosiaalisiin vuorovaikutuksiin. Sosiaalisen median suurien tietojen soveltaminen kansanterveyteen on kutsuttu digitaaliseksi taudin havaitsemiseksi tai digitaaliseksi epidemiologiaksi. Twitter on esimerkiksi käytetty analysoimaan influenssapandemioita yleisön keskuudessa.
Pennsylvanian yliopistossa alkanut World Well-Being -projekti on toinen esimerkki sosiaalisen median opiskelusta ihmisten kokemuksen ja terveyden parantamiseksi paremmin. Hankkeessa kootaan yhteen psykologit, tilastotieteilijät ja atk-tutkijat, jotka analysoivat verkossa käytettävää kieltä esimerkiksi kun kirjoitat tilapäivityksiä Facebookissa ja Twitterissä. Tutkijat tarkkailevat kuinka käyttäjien kieli liittyy heidän terveyteensä ja onnellisuuteensa. Luonnollisen kielen käsittelyn ja koneoppimisen edut auttavat pyrkimyksissään. Pennsylvanian yliopiston äskettäin julkaisemassa julkaisussa tarkasteltiin keinoja ennakoida mielisairautta analysoimalla sosiaalista mediaa. Näyttää siltä, että masennuksen oireita ja muita mielenterveysolosuhteita voidaan havaita tutkimalla Internetin käyttöä. Tutkijat toivovat tulevaisuudessa, että nämä menetelmät pystyvät paremmin tunnistamaan ja auttamaan riskialttiita ihmisiä.
Esineiden internet (IoT)
Myös terveydellisiä tietoja kerätään ja varastoidaan mobiili- ja kotikäyttöön .
- Älypuhelimet : Tuhannet mHealth-sovellukset keräävät tietoja käyttäjän liikunnasta, ravitsemuksellisesta otteesta, nukkumalleista, tunteista ja muista parametreista. Alkuperäiset matkapuhelinohjelmat (esim. GPS, sähköposti, tekstiviestit) voivat myös antaa vihjeitä henkilön terveydentilasta.
- Käytettävät monitorit ja laitteet: Ihon alapuolella olevat pedometrit, kiihtyvyysmittarit, lasit, kellot ja sirut myös keräävät terveyteen liittyviä tietoja ja voivat myös lähettää ne pilveen.
- Telelääketieteellisissä laitteissa terveydenhuollon tarjoajat voivat seurata potilaiden parametrejä, kuten verenpaine, syke, hengitysnopeus, hapetus, lämpötila, EKG-arvot ja paino.
Rahoitustransaktiot
Potilaiden luottokorttiliiketoimet sisältyvät Carolinas HealthCare Systemin ennustaviin malleihin, joilla tunnistetaan potilaat, joilla on suuri riski saada takaisin sairaalaan. Charlotte-pohjainen terveydenhuollon palveluntuottaja käyttää suuria tietoja jakamaan potilaat eri ryhmille, esimerkiksi sairauden ja maantieteellisen sijainnin perusteella.
Eettiset ja tietosuojaympäristöt
On korostettava, että joissakin tapauksissa saattaa olla tärkeitä eettisiä ja yksityisyyttä koskevia implikaatioita, kun kerätään ja käytetään tietoja terveydenhuollossa. Uudet suuret tietolähteet voivat parantaa ymmärrystä siitä, mikä vaikuttaa yksilöihin ja väestön terveyteen, mutta erilaisia riskejä on harkittava huolellisesti ja seurattava. Nyt on myös tunnustettu, että aiemmin nimettömiksi katsotut tiedot voidaan tunnistaa uudelleen. Esimerkiksi Harvardin Data Privacy Lab -tieteen professori Latanya Sweeney tutki 1.130 vapaaehtoista, jotka osallistuivat Personal Genome Project -hankkeeseen. Hän ja hänen tiimensä pystyivät oikein nimeämään 42 prosenttia osallistujista heidän jakamiensa tietojen perusteella (postinumero, syntymäaika, sukupuoli). Tämä tieto voi lisätä tietoisuutta mahdollisista riskeistä ja auttaa meitä tekemään parempia tietojen yhteiskäyttöä koskevia päätöksiä.
> Lähteet:
> Conway M, O'Connor D. Sosiaalinen media, suuret tiedot ja mielenterveys: nykyiset edistysaskeleet ja eettiset vaikutukset. Nykyinen mielipide psykologiassa 2016; 9: 77-82.
> Fernandes L, O'Connor M, Weaver V. Suuria tietoja, suurempia tuloksia. Journal of American Health Information Management Association 2012; 83 (10): 38-43
> Guntuku S, Yaden D, Kern M, Ungar L, Eichstaedt J. Tunnistaminen masennuksesta ja psyykkisestä sairaudesta sosiaalisessa mediassa: integroiva arvostelu . Käyttäytymistieteiden nykyinen mielipide 2017; 18: 43-49.
> Lazer D, Kennedy R, Kuningas G, Vespignani A. Google-influenssan vertaus: Raaput Big Data -analyysissä . Tiede 2014; 343 (6176): 1203-1205.
> Raghupathi W, Raghupathi V. Suuri tiedon analysointi terveydenhuollossa: lupaus ja voimakas al. Terveystietotiede ja -järjestelmät 2014; 2: 3.
> Sweeney L, Abu A, Winn J. Osallistujien yksilöiminen henkilökohtaiseen genomi-projektiin nimen mukaan . Harvardin yliopisto. Data Privacy Lab. Valkoinen kirja 1021-1. 24. huhtikuuta 2013.