医疗保健中的大数据

美国医疗保健成本的上涨可能对医疗保健行业的大数据意味着重大意义。

医疗保险和医疗补助服务中心(Centers for Medicare&Medicaid Services)报告称,2016年医疗保健费用占美国国内生产总值(GDP)的17.9%,比这个拥有这个规模和财富的国家的基准高出近6,000亿美元。 这个比例相当于每年在直接和间接医疗保健支出上花费的3.3万亿美元,包括处方药,住院和门诊服务,长期护理和医疗设备。 到2026年,成本预计将达到5.7万亿美元,医疗保健行业需要变革,大数据是实现这一目标的驱动力。

道格·兰尼(Doug Laney)在2000年代初曾指出,大数据由三个V(体积,速度和多样性)定义。

卷:可从多个来源访问大量数据,包括来自IT部门和物联网(IoT),社交媒体以及可公开获得的来源的流。

速度:数据以异常高的速度收集,必须及时处理。 电子健康记录(EHR),智能计量和传感器的使用导致需要实时访问数据。

品种:处理所有类型的数据格式,从传统数据库中找到的结构化数据到电子邮件和文本文件等非结构化数据。

大数据的创建原则是,收集和比较的数据点数量与所得信息和预测的准确性直接相关。 数据集大小的增加会内在地揭示以前隐藏的关系和模式。 可以对这些发现进行分析,以确定故障的根本原因,检测欺诈行为,降低成本,增加产品开发,优化产品并实现更明智的决策过程。 与医疗行业特别相关的是,大数据分析可用于降低治疗成本,避免可预防的疾病,预测流行病爆发并改善患者的生活质量。 问题仍然存在- 医疗保健提供者到底从哪里获取这些数据?

在过去的十年中,由于保险公司,付款人,制药公司,公共利益相关者和美国政府的激励,提供给医疗保健提供者的信息的供应有所增加。 付款人和保险公司通过转移到医生的风险分担安排上来,从而更加需要共享数据,这些安排将结果置于优先位置,而不是传统的有偿服务报酬中发现的数量。 制药公司通过评估药物改善患者健康的能力作为报销的基础,从而提供了自己的动力。 美国政府和公共利益相关者已经打开了他们的记录,并共享了来自临床试验和公共保险计划涵盖的患者的数据。 这些医疗保健提供者的努力导致对大数据的需求不断增长。

最近的数据涌入在整个医疗保健行业的五个主要领域得到了越来越多的使用-实时监控,医疗保健IoT,预测分析,规范分析和远程医疗。

CMI智能家庭睡眠血氧饱和度监测仪用于自我筛查睡眠呼吸暂停

实时监控是医疗服务提供商通过使用可穿戴式传感器和设备来管理主动式护理的最大工具之一。 远程和家用监护仪可跟踪患者的生命体征并将实时结果发送给初级保健医生。 然后将机器学习应用于此数据,从而获得更有效的干预和救生评估。 实时监控限制了面对面拜访的需要,从而节省了医院和患者不必要的费用。

用于实时患者监护的互连设备和传感器会生成恒定的数据流。 设备之间共享大量数据,从而将其传递给医生和患者。 借助血糖监测仪,胎儿监测仪,血压监测仪和心电图等设备,人们对患者行为的新认识不断被发现。 从智能药物分配器收集的数据进行监视时更是如此,该数据可监视是否已服用患者的剂量。 所连接的智能设备和对患者模式的了解的结合,有助于减少对医生办公室的直接就诊,降低成本并改善患者护理。 根据MapR的Carol McDonald的说法,医疗保健物联网的无限可能性使其吸引力如此之大,以至于在未来四年内估计将在该技术上投资1200亿美元。

大数据推动了预测分析。 对于社会经济数据尤其如此。 邮政编码等属性用于预测患者是否拥有汽车,是否会遵从自己的药物并且更可能跟进约会。 应用于社会经济数据的预测分析可以帮助医院确定,发送出租车或乘搭车来接诊患者是否更便宜,而不是让他们错过并重新入院。

在预测分析之后,将规范分析应用于大数据,以根据患者的预期行为为患者推荐治疗方案。 为了使规范性分析成为可能,需要通过实时监控,物联网,社交媒体和医疗数据库来获得病情相似的患者的历史数据。 将机器学习应用于此数据,以预测患者随时间的轨迹。 这些结果有助于医生在预期患者偏离推荐疗程时进行干预,从而增加了治疗成功的可能性。

多年来,远程医疗变得越来越流行,因为它使人们可以通过各种途径远程接受治疗。 WebMD之类的网站使患者能够根据他们输入的症状进行自我诊断,而Healthtap之类的应用程序则在患者和医生之间提供一对一的诊断服务。 与医疗保健物联网和实时监控不同,远程医疗不利用大数据,而是对其进行补充。 远程患者监控,移动健康和异步远程医疗之间的交互会留下一条数据线索,该线索随后会被收集到庞大的大数据池中。

随着大数据在医疗保健行业中变得越来越重要,越来越多的非传统企业正在投资他们的资源。 凭借无与伦比的数据资产(例如互联网搜索历史记录,购买力,位置数据,通信偏好和媒体消费习惯),Google,Amazon和Apple纷纷投入资金也就不足为奇了。

谷歌

Charles Deluvio🇵🇭🇨🇦在Unsplash上​​拍摄的照片

Google当前的重点是研究如何将人工智能(AI)应用于基因组数据以进行诊断和开发创新的医疗设备。 他们目前在云中为医疗保健组织提供支持,并与Mayo Clinic合作,通过可信赖的有关健康信息和常见问题的资源来增强其搜索引擎。

亚马孙

Rahul Chakraborty在Unsplash上​​的照片

亚马逊可能会利用其在2017年购买的Whole Foods来提供有价值的见解,了解人们的饮食,购物方式以及他们是否更有可能做出健康的选择。 该数据可用于为没有汽车的人提供几乎即时的杂货配送服务,以及可使用AI技术驱动的消费者推荐引擎来建议更健康的食物选择。 亚马逊的Alexa是收集家庭环境数据并为需要定期维护健康的患者提供24/7访问的理想设备。 亚马逊最近与Epic Systems的合作还将把Alexa变成文档助手,使EHR更加易于访问和用户友好。

苹果

朱利安·奥海恩(Unslash)摄

苹果正在利用硬件和软件来改善医疗保健行业。 Apple Watch跟踪用户的健康状况,而iPad和iPhone用作患者和医生的通讯和数据访问工具。 Apple的新Health Records App允许患者查看参与组织的汇总数据,通过将Health Records集成到熟悉的平台上来解决患者数据访问问题。 该应用程序使患者可以更轻松地访问和了解其EHR。


对于患者和医疗保健提供者而言,大数据的可能性是无限的。 患者将获得更高质量的护理,并具有追踪自身健康进程的方法。 内科医生能够防止再次住院,提供更深入的诊断,并为每位患者提供量身定制的护理。 医院能够通过更快地评估方法和治疗方法并更好地跟踪库存来降低成本。 一些怀疑论者将始终关注患者的机密性和医疗数据集中化的安全性。 但是,新疗法的发展和对人体的新兴了解远远超过了大数据的潜在负面影响。