Suurte andmete allikad meditsiinis
Meditsiinis asuvate suurte andmete lihtne määratlus on "kogu patsiendi tervisekaitse ja heaolu seotud andmed" (Raghupathi 2014). Aga mis täpselt on need tüüpi andmed ja kust nad pärit on?
Alljärgnev on laialdane ülevaade tervishoiuteenuste pakkujate, teadlaste, maksjate, poliitikakujundajate ja tööstusharu huvipakkuvate suurte andmete tüüpidest ja allikatest.
Need kategooriad ei ole üksteist välistavad, sest samad andmed võivad pärineda mitmesugustest allikatest.
Samuti ei ole see nimekiri ammendav, sest suurte andmeanalüütikate praktiline rakendamine muutub kindlasti laienemiseks.
Kliinilised infosüsteemid
Need on traditsioonilised kliiniliste andmete allikad, mida tervishoiuteenuste osutajad on vaatamise harjutanud.
- Elektroonilised tervisekaardid koguvad, salvestavad ja kuvavad sellist teavet nagu demograafia, varasem haiguslugu, aktiivsed meditsiinilised probleemid, immuniseerimine, allergiad, ravimid, elutähtsad sümptomid, labori- ja radioloogiliste testide tulemused, patoloogiadokumendid, tervisekontrolli käigus koostatud eduartiklid pakkujad ja haldus- ja finantsdokumendid
- Elektroonilised meditsiinilised andmed (EMR-id) ei ole identne elektrooniliste terviseandmetega ning on tavaliselt seotud konkreetse arstiga salvestatud andmetega.
- Terviseteabe vahetused on erinevad kliinilised infosüsteemid
- Patsientide registrid, mida tervishoiuasutused hooldavad oma patsientidel, on tihti elektroonilise tervisekaardiga seotud. Muud registrit jälgivad immuniseerimist, vähki, traume ja teisi rahvatervisega seotud probleeme laiemal geograafilisel tasandil.
- Patsientide portaalid võimaldavad patsientidel saada tervishoiuorganisatsiooni elektroonilise tervisekaardiga salvestatud tervisealast teavet. Mõned patsiendportaalid võimaldavad kasutajatel nõuda retsepti täitmist ja vahetada tervishoiu meeskonnaga turvalisi elektroonilisi sõnumeid.
- Kliinilised andmekogud koondavad kliiniliste infosüsteemide, näiteks EHRide ja muude allpool loetletud allikate andmeid patsienditaseme kohta
Nõuded andmetele maksjatelt
Avalikud maksjad (nt. Medicare) ja eratasutajad on oma abisaajatele suured nõuete esitamise andmed. Mõned tervisekindlustusandjad pakuvad nüüd ka stiimuleid oma terviseandmete jagamiseks.
Uuringud
Uuringute andmebaasid sisaldavad teavet osalejate kohta, eksperimentaalset ravi ja kliinilisi tulemusi. Suured uuringud toetavad tavaliselt farmaatsiaettevõtteid või valitsusasutusi. Individuaalse meditsiini rakendamine on sobivate kliiniliste uuringute andmetel põhinevate efektiivsete ravivõimalustega patsientide sobivus.
Selline lähenemisviis läheb kaugemale, kui rakendada tõenduspõhiseid meditsiinipõhimõtteid, mille alusel tervishoiuteenuse osutaja otsustab, kas patsiendil on katseisikutega laialdased omadused (nt vanus, sugu, rass, kliiniline seisund). Suurte andmeanalüütikutega on võimalik valida ravi, mis põhineb palju teralisemal informatsioonil, näiteks patsiendi vähi geneetiline profiil (vt allpool).
Kliinilised otsuste toetamise süsteemid (CDSS) on samuti kiiresti arenenud ja moodustavad nüüd suure osa meditsiinilisest tehisintellektist.
Nad kasutavad patsientide andmeid, et aidata arstidel nende otsustusprotsessi, ning need on sageli koos elektrooniliste terviseandmetega.
Geneetilised andmebaasid
Inimese geneetilise teabe hoidla jätkub kiirel kiirenemisel. Kuna inimgenoomi projekt lõppes aastal 2003, on inimese DNA sekveneerimise kulusid miljonite korda vähendatud. Harvardi meditsiinikooli 2005. aastal käivitatud isikliku geenivaramu projekt (PGP) püüab kogu 100 000 vabatahtliku kogu genoome järjestada ja avaldada kogu maailmast. PGP ise on suurte andmesideprojektide peamine näide tänu andmete koguhulgale ja mitmekesisusele.
Isiklik genoom sisaldab umbes 100 gigabaiti andmeid. Lisaks genoomide sekveneerimisele kogub PGP ka EHRide, uuringute ja mikrobiomide profiilide andmeid.
Mitmed ettevõtted pakuvad otsest tarbijat geneetilist järjestust tervise, isiklike tunnuste ja farmakogeneetika jaoks kaubanduslikel alustel.
See isiklik teave võib olla seotud suurte andmeanalüütikutega. Näiteks 23andMe lõpetas 22. novembril 2013 uutele klientidele tervisega seotud geneetiliste aruannete esitamise, et järgida USA Toidu- ja Ravimiamet. Siiski alustas ettevõte 2015. aastal taas oma geneetilise sülje testiga seotud tervisega seotud komponente, seekord koos FDA heakskiiduga.
Avalikud dokumendid
Valitsus hoiab üksikasjalikke andmeid tervislike sündmuste, näiteks sisserände, abielu, sünnituse ja surma kohta. USA loendus on kogunud tohutul hulgal teavet iga kümne aasta jooksul alates 1790. aastast. Loenduse statistika veebisaidil oli alates 2013. aastast 370 miljardit lahtrit, kusjuures igal aastal lisandub ligikaudu 11 miljardit.
Veebiotsingud
Google'i ja teiste veebiotsingu pakkujate poolt kogutud veebiotsingu teave võib pakkuda reaalajas teavet kogukonna tervise kohta. Siiski võib veebiotsingu mustrite suurte andmete väärtust parandada, ühendades selle tavapäraste terviseandmete allikatega.
Sotsiaalmeedia
Facebook, Twitter ja muud sotsiaalmeedia platvormid loovad hulgaliselt andmeid ööpäevaringselt, andes ülevaate kasutajate asukohadest, tervislikust käitumisest, emotsioonidest ja sotsiaalsest suhtlemisest. Sotsiaalse meedia suurte andmete rakendamist rahvatervisele nimetatakse digitaalsete haiguste tuvastamiseks või digitaalsete epidemioloogiate kasutamiseks. Näiteks vidistantsi on kasutatud gripiepideemiate analüüsimiseks kogu elanikkonna hulgas.
Pennsylvania ülikoolis alanud maailma heaolu projekt on veel üks näide sotsiaalmeediumi uurimisest, et paremini mõista inimeste kogemusi ja tervist. Projekt toob kokku psühholoogid, statistikud ja arvutiteadlased, kes analüüsivad Internetis interaktsioonis kasutatavat keelt, näiteks Facebooki ja Twitteri oleku värskenduste kirjutamisel. Teadlased jälgivad, kuidas kasutajate keel on seotud nende tervise ja õnnega. Naturaalse keelekasutuse ja masinõppe edusammud aitavad nende jõupingutusi. Pennsylvania ülikooli hiljutises väljaandes vaadeldi sotsiaalse meedia analüüsimisel psüühikahäirete ennustamist. Tundub, et depressiooni ja muude vaimse tervise häirete sümptomeid saab tuvastada, kui uurite meie interneti kasutamist. Teadlased loodavad, et tulevikus saavad need meetodid paremini tuvastada ja aidata riskirühmadel.
Asjade Internet (IoT)
Tervisega seotud teabe massiivsed kogused kogutakse ja säilitatakse ka mobiilseadmetes ja kodus .
- Nutitelefonid : tuhanded mHealth-rakendused salvestavad infot kasutaja füüsilise tegevuse, toitumise, unisemude, emotsioonide ja muude parameetrite kohta. Oma mobiilirakendused (nt GPS, e-post, tekstisõnumite saatmine) võivad anda ka vihjeid isiku tervisliku seisundi kohta.
- Kanduvad monitorid ja seadmed: naha alla sissepandavad pedomeetrid, kiirendusmõõdikud, klaasid, kellad ja kiibid koguvad ka tervisega seotud teavet ja võivad neid ka pilve saata.
- Telemeditsiiniseadmed võimaldavad tervishoiuteenuse osutajatel jälgida patsiendi parameetreid nagu vererõhk, südame löögisagedus, hingamissagedus, hapnikuga varustamine, temperatuur, EKG jälgimine ja kaal.
Finantstehingud
Patsientide krediitkaarditehingud on kaasatud Carolinas HealthCare süsteemi kasutatavatesse ennustusmudelitesse, et teha kindlaks patsiendid, kellel on haiglasse tagasisaatmise oht. Charlotte põhinev tervishoiuteenuse osutaja kasutab suuri andmeid, et jagada patsiendid erinevatesse rühmadesse, näiteks haiguse ja geograafilise asukoha alusel.
Eetilised ja privaatsuse tagajärjed
Tuleb rõhutada, et tervishoiuteenuste andmete kogumisel ja nendega tutvumisel võivad mõnel juhul olla olulised eetilised ja privaatsusega seotud mõjud. Uued suuremahuliste andmete allikad võivad parandada meie arusaama sellest, mis mõjutab üksikisikuid ja rahva tervist, kuid erinevaid riske tuleb hoolikalt kaaluda ja jälgida. Nüüd on ka tunnistatud, et anonüümselt peetud andmeid on võimalik uuesti identifitseerida. Näiteks Harvardi andmekaitse peakorralduse professor Latanya Sweeney vaatas läbi 1130 isikliku genoomi projekti kaasatud vabatahtlikku. Ta ja tema meeskond suutsid 42 protsenti osalejatest korrektselt nime jagatud teabe põhjal (sihtnumber, sünnikuupäev, sugu). Need teadmised võivad suurendada meie teadlikkust potentsiaalsetest riskidest ja aitavad meil paremini jagada andmeotsuseid.
> Allikad:
> Conway M, O'Connor D. Sotsiaalne meedia, suured andmed ja vaimne tervis: praegused edusammud ja eetilised tagajärjed. Praegune arvamus psühholoogias 2016; 9: 77-82.
> Fernandes L, O'Connor M, Weaver V. Suured andmed, suuremad tulemused. American Health Information Management Association ajakirja 2012; 83 (10): 38-43
> Guntuku S, Yaden D, Kern M, Ungar L, Eichstaedt J. Depressiooni ja vaimsete haiguste tuvastamine sotsiaalmeedias: integreeriv ülevaade . Praegune arvamus käitumisteadustes 2017; 18: 43-49.
> Lazer D, Kennedy R, kuningas G, Vespignani A. Google Flu võrdlus: püünised suurte andmete analüüsis . Teadus 2014; 343 (6176): 1203-1205.
> Raghupathi W, Raghupathi V. Tervishoiuteenuste suur analüüsiandmed: lubadus ja potentsiaal al. Tervishoiuteabe ja -süsteemid 2014; 2: 3.
> Sweeney L, Abu A, Winn J. Isikliku genoomi projekti osaliste tuvastamine nime järgi . Harvardi ülikool. Andmete privaatsuslabor Valge raamat 1021-1. 24. aprill 2013.