Купленные и проданные тела: что большие данные означают для здравоохранения

По всей стране практики создают миллиарды клинических заметок каждый год. Они все чаще хранятся в электронном виде с использованием программного обеспечения Electronic Health Records .

Вместе эти записи составляют ошеломляющее количество данных. А с отличными данными появляются большие возможности. Большие данные о здоровье могут улучшить общественное здоровье, улучшить качество медицинской помощи и сделать больницы лучше. Но отличные данные также связаны с большой ответственностью. Данные, содержащиеся в EHR, являются конфиденциальными и невероятно ценными для хакеров и больниц.

Так или иначе, данные только растут.

Реформа здравоохранения является одним из самых значительных факторов, способствующих взрывному росту данных о здравоохранении, в частности требований, которые поставщики услуг вкладывают в информационные технологии. Электронные записи о пациентах, предназначенные для оцифровки записей пациентов для сбора и обмена данными, позволяют медицинским организациям выполнять требования рационального использования . Предполагается, что электронные медицинские карты улучшат качество медицинской помощи и снизят затраты, сделав историю болезни пациента более доступной, уменьшив количество ошибок за счет компьютеризированного ввода заказов и увеличив сбор платежей.

Так как это работает? Давайте разбираться.

Большие данные могут улучшить общественное здоровье

Автоматизация и упорядочение сбора данных удешевляют сбор информации. И это приводит к пониманию.

Например, оказывается, что Бен Франклин был прав, по крайней мере, в отношении счастливых: люди, которые ложатся спать позже и позже встают, менее счастливы, чем люди, которые ложатся спать и встают раньше. Широкое отслеживание также позволило исследователям обнаружить, что жители Южной Дакоты едят больше фруктов и овощей, чем калифорнийцы. Такую информацию дают большие данные. Исследователи из Стэнфорда, такие как доцент медицины и генетики Юан Эшли, доктор медицинских наук, делятся данными о здоровье из таких медицинских приложений, как MyHeart Counts, и находят новые интересные связи.

Большие данные могут ответить на важные вопросы о здоровье, в том числе, какие факторы на самом деле приводят к хорошему здоровью. Если мы сможем определить поведение, факторы риска и ранние признаки заболевания, мы сможем предотвратить его более эффективно.

Учтите, что в любой момент времени примерно 26% американцев в возрасте 18 лет и старше живут с психическим расстройством, а 46% американцев будут иметь психическое расстройство на протяжении всей своей жизни. Серьезные психические заболевания имеют множество сопутствующих состояний , которые сокращают продолжительность жизни в среднем на 8-17 лет, а большие данные могут выявить поведение, связанное с развивающимися психическими расстройствами, тем самым выявляя их на ранней стадии и спасая жизни.

Еще одна возможность для больших данных в здравоохранении - это рост приверженности к лечению, проблема на 300 миллиардов долларов и одна из основных причин повторной госпитализации . Мы можем определить, каким пациентам требуется дополнительная помощь для своевременного приема лекарств. «Возможно, он или она страдает депрессией или знает английский только как дополнительный язык», - сказал генеральный директор SyTrue Кайл Сильвестро. «Это критические факторы, и информация уже есть, но нам нужна способность легко ее выбирать и использовать, чтобы правильно управлять нашим населением».

Большие данные могут сделать больницы безопаснее

Пределы самооценки данных хорошо задокументированы. Неудивительно, что когда опекунов просят задокументировать причиненный ими вред, они идентифицируют лишь небольшой процент от общего вреда. Это затрудняет определение того, где с наибольшей вероятностью могут произойти ошибки. На помощь приходят большие данные. Когда мы знаем, какие события или лабораторные измерения часто связаны с причинением вреда, мы знаем, к чему применить более тщательную проверку. И это работает.

Исследователи создали «спусковой механизм», чтобы находить случаи причинения вреда в 600 медицинских картах из шести детских больниц США. Он пометил медицинскую карту для подробного исследования, если сработает триггер.

Они обнаружили, что почти 25% пациентов, включенных в обзор диаграммы, испытали по крайней мере одно повреждение, и что 45% этого вреда, вероятно, можно было предотвратить.

Эта пометка может быть сделана автоматически и невероятно быстро. Watson может читать многие тысячи медицинских документов в секунду , ища подсказки, корреляции и идеи. Он может помочь в обучении студентов-медиков и врачей. IBM разработала программу под названием Watson Paths, которая позволяет врачу видеть основополагающие доказательства, которые использует Watson, и пути вывода, которые использует Watson, чтобы сделать медицинскую рекомендацию, и отображать информацию визуально.

Клинические учреждения, такие как онкология, даже начинают использовать искусственный интеллект, чтобы предлагать рекомендации по диагностике и лечению.

Однако мы должны четко понимать, где мы сейчас находимся. До сих пор системы не были достаточно умными или быстрыми, чтобы реально помогать врачам в повседневной практике.

Дэнни Хиллис, эксперт по искусственному интеллекту, объяснил New York Times, что требуется для полноценного использования таких технологий, как Watson Paths : «Ключевым моментом, который заставит их работать и сделать их приемлемыми для общества, является рассказывание историй». Не столько буквальное повествование, сколько понятный контрольный журнал, который объясняет, как было принято автоматическое решение. «Как это относится к нам?» - сказал мистер Хиллис. «Какая часть этого решения - машина, а какая - человека?»

Но, возможно, самым большим препятствием на пути к полноценному использованию всех собираемых удивительных данных является то, что сейчас большая их часть не структурирована.

Согласно SyTrue, межотраслевой консенсус состоит в том, что примерно 80% всех данных здравоохранения остается неструктурированным. Эта оценка частично основана на структуре, необходимой для выполнения требований к кодированию и отчетности. «Клинические записи до сих пор были исключены из потоков аналитических данных, потому что они не являются дискретными и клиническое богатство, которое они предоставляют, остается утраченным. Во всяком случае, проникновение EMR / EHR - добавило цифровых отходов и административных расходов ».

Чтобы полностью реализовать потенциал больших данных о здоровье для общественного здравоохранения, технологиям анализа данных необходимо будет немного продвинуться вперед. Также крайне важно, чтобы данные не просто собирались, а структурировались.

Большие данные означают большие нарушения

Согласно Healthcare Dive:

• В настоящее время утечка данных обходится организациям в среднем в 3,8 миллиона долларов, что на 23% больше, чем в 2013 году.
• Стоимость украденной записи в сфере здравоохранения в мире на душу населения составляет 363 доллара, что делает ее самой дорогой отраслью для взлома.
• 49% нарушений в США являются результатом преступных атак, а не человеческой ошибки или сбоя системы.

И никто не знает, чего требует регулирование данных о здоровье. GovHealthIT предупреждает, что добыча индивидуально идентифицируемой медицинской информации может представлять собой нарушение конфиденциальности пациента, если анализ выходит за рамки HIPAA. «Неясно, разрешено ли этим законом использование данных о пациентах для улучшения продуктов, в отличие от результатов для здоровья. И даже более тревожный сценарий мог бы сложиться, если бы медицинская информация была объединена с другими личными, немедицинскими данными для целей профилирования пользователей ».

Так как же снизить стоимость взлома? Одно исследование показало, что группа реагирования на инциденты может сэкономить более 12 долларов на душу населения . Кроме того, передовые методы защиты медицинских данных, такие как шифрование, обучение сотрудников, участие BCM, назначение директора по информационной безопасности , участие на уровне совета директоров и страховая защита, могут снизить вероятность утечки данных.

Вывод

Внедрение EHR приводит к рекордному количеству медицинских данных. Если правильно структурировать и проанализировать с помощью машин, эти медицинские данные могут значительно улучшить здоровье населения и сделать больницы более безопасными.

Однако данные пациентов конфиденциальны и ценны для хакеров. Очень важно, чтобы больницы и клиники заботились о защите этой информации.

Что ваша практика делает с большими данными? Как можно лучше использовать имеющиеся у вас большие медицинские данные? Дайте нам знать об этом в комментариях!

Изображения Эбби Калер