Quellen von Big Data in der Medizin
Im Folgenden finden Sie einen umfassenden Überblick über die Arten und Quellen von Big Data, die für Gesundheitsdienstleister, Forscher, Kostenträger, politische Entscheidungsträger und die Industrie von Interesse sind. Diese Kategorien schließen sich nicht gegenseitig aus, da dieselben Daten aus verschiedenen Quellen stammen können.
Diese Liste ist auch nicht erschöpfend, da die praktische Anwendung der Big-Data-Analyse sicherlich weiter zunehmen wird.
Klinische Informationssysteme
Dies sind traditionelle Quellen für klinische Daten, die von Gesundheitsdienstleistern üblicherweise angezeigt werden.- Elektronische Patientenakten (Electronic Health Records, EHRs) erfassen, speichern und zeigen Informationen wie Demografie, Anamnese, aktive medizinische Probleme, Impfungen, Allergien, Medikamente, Vitalfunktionen, Ergebnisse von Labor- und Radiologietests, Pathologieberichte und vom Gesundheitswesen erstellte Fortschrittsberichte an Anbieter sowie administrative und finanzielle Dokumente
- Elektronische Patientenakten (EMRs) sind nicht identisch mit EHRs und beziehen sich normalerweise auf Daten, die bei einem bestimmten Arzt gespeichert sind.
- Der Austausch von Gesundheitsinformationen dient als Knotenpunkt zwischen verschiedenen klinischen Informationssystemen
- Patientenregister, die von Organisationen des Gesundheitswesens für ihre eigenen Patienten geführt werden, sind häufig mit dem EHR verbunden. Andere Register erfassen Impfungen, Krebs, Traumata und andere Probleme im Bereich der öffentlichen Gesundheit in einem größeren geografischen Maßstab.
- Patientenportale ermöglichen es Patienten, auf persönliche Gesundheitsinformationen zuzugreifen, die in der EHR einer Gesundheitsorganisation gespeichert sind. Einige Patientenportale ermöglichen es Benutzern auch, das Nachfüllen von Rezepten anzufordern und sichere elektronische Nachrichten mit dem Gesundheitsteam auszutauschen.
- In Clinical Data Warehouses werden Daten auf Patientenebene aus mehreren klinischen Informationssystemen wie EHRs und anderen oben aufgeführten Quellen zusammengefasst
Forderungsdaten von Zahlern
Öffentliche Zahler (z. B. Medicare) und private Zahler verfügen über umfangreiche Datenbestände zu Schadensfällen bei ihren Begünstigten. Einige Krankenkassen bieten jetzt auch Anreize für die Weitergabe Ihrer Gesundheitsdaten.Studien
Forschungsdatenbanken enthalten Informationen zu Studienteilnehmern, experimentellen Behandlungen und klinischen Ergebnissen. Große Studien werden in der Regel von Pharmaunternehmen oder Regierungsbehörden gesponsert. Eine Anwendung der personalisierten Medizin ist die Zuordnung einzelner Patienten zu wirksamen Behandlungen auf der Grundlage von Mustern in Daten klinischer Studien.Dieser Ansatz geht über die Anwendung evidenzbasierter Medizinprinzipien hinaus, bei denen ein Gesundheitsdienstleister feststellt, ob ein Patient mit Studienteilnehmern breite Merkmale (z. B. Alter, Geschlecht, Rasse, klinischer Status) teilt. Mit der Big-Data-Analyse ist es möglich, eine Behandlung basierend auf viel detaillierteren Informationen auszuwählen, z. B. dem genetischen Profil des Krebses eines Patienten (siehe unten)..
Klinische Entscheidungsunterstützungssysteme (CDSS) haben sich ebenfalls rasant entwickelt und machen heute einen großen Teil der künstlichen Intelligenz (KI) in der Medizin aus. Sie verwenden Patientendaten, um die Kliniker bei ihrer Entscheidungsfindung zu unterstützen, und werden häufig mit EHRs kombiniert.
Genetische Datenbanken
Das Repository für humangenetische Informationen sammelt sich weiterhin in rasantem Tempo an. Seit dem Abschluss des Humangenomprojekts im Jahr 2003 wurden die Kosten für die Sequenzierung menschlicher DNA millionenfach gesenkt. Das Personal Genome Project (PGP), das 2005 von der Harvard Medical School ins Leben gerufen wurde, zielt darauf ab, das gesamte Genom von 100.000 Freiwilligen aus der ganzen Welt zu sequenzieren und zu veröffentlichen. Das PGP selbst ist aufgrund des Datenvolumens und der Datenvielfalt ein Paradebeispiel für ein Big-Data-Projekt. Ein persönliches Genom enthält ungefähr 100 Gigabyte an Daten. Neben der Sequenzierung von Genomen sammelt das PGP auch Daten aus EHRs, Umfragen und Mikrobiomprofilen.Eine Reihe von Unternehmen bietet auf kommerzieller Basis genetische Sequenzierung für Gesundheit, persönliche Merkmale und Pharmakogenetik direkt beim Verbraucher an.
Diese persönlichen Daten könnten einer Big-Data-Analyse unterzogen werden. Beispielsweise hat 23andMe zum 22. November 2013 aufgehört, Neukunden gesundheitsbezogene genetische Berichte zur Verfügung zu stellen, um die Anforderungen der US-amerikanischen Food and Drug Administration zu erfüllen. Seit 2015 bietet das Unternehmen jedoch wieder bestimmte Gesundheitskomponenten für den genetischen Speicheltest an, diesmal mit Genehmigung der FDA.
Öffentliche Daten
Die Regierung führt detaillierte Aufzeichnungen über gesundheitliche Ereignisse wie Einwanderung, Heirat, Geburt und Tod. Die US-Volkszählung hat seit 1790 alle 10 Jahre große Mengen an Informationen gesammelt. Die statistische Website der Volkszählung hatte 2013 370 Milliarden Zellen, und jährlich kamen etwa 11 Milliarden hinzu.Websuchen
Informationen zur Websuche, die von Google und anderen Anbietern von Websuchen gesammelt wurden, können Echtzeitinformationen zum Gesundheitszustand einer Bevölkerung liefern. Der Wert von Big Data aus Websuchmustern kann jedoch durch die Kombination mit herkömmlichen Quellen für Gesundheitsdaten verbessert werden.Sozialen Medien
Facebook, Twitter und andere Social-Media-Plattformen generieren rund um die Uhr eine Vielzahl von Daten, die Aufschluss über die Standorte, das Gesundheitsverhalten, die Emotionen und die sozialen Interaktionen der Benutzer geben. Die Anwendung von Social Media Big Data auf die öffentliche Gesundheit wurde als digitale Erkennung von Krankheiten oder digitale Epidemiologie bezeichnet. Mithilfe von Twitter wurden beispielsweise Influenza-Epidemien in der allgemeinen Bevölkerung analysiert.Das an der University of Pennsylvania gestartete World Well-being Project ist ein weiteres Beispiel für das Studium sozialer Medien, um die Erfahrungen und die Gesundheit der Menschen besser zu verstehen. Das Projekt bringt Psychologen, Statistiker und Informatiker zusammen, die die Sprache analysieren, die bei der Online-Interaktion verwendet wird, beispielsweise beim Schreiben von Statusaktualisierungen auf Facebook und Twitter. Wissenschaftler beobachten, wie sich die Sprache der Benutzer auf ihre Gesundheit und ihr Glück auswirkt. Fortschritte in der Verarbeitung natürlicher Sprache und im maschinellen Lernen helfen bei ihren Bemühungen. Eine kürzlich erschienene Veröffentlichung der University of Pennsylvania untersuchte Möglichkeiten zur Vorhersage von psychischen Erkrankungen durch Analyse sozialer Medien. Es scheint, dass Symptome von Depressionen und anderen psychischen Erkrankungen durch das Studium unserer Nutzung des Internets erkannt werden können. Wissenschaftler hoffen, dass diese Methoden in Zukunft in der Lage sein werden, gefährdete Personen besser zu identifizieren und zu unterstützen.
Das Internet der Dinge (IoT)
Massive Mengen an gesundheitsbezogenen Informationen werden ebenfalls gesammelt und auf Mobil- und Heimgeräten gespeichert.- Smartphones: Tausende von mHealth-Apps erfassen Informationen zu körperlicher Aktivität, Nahrungsaufnahme, Schlafmustern, Emotionen und anderen Parametern des Benutzers. Native Handy-Apps (z. B. GPS, E-Mail, SMS) können auch Hinweise auf den Gesundheitszustand einer Person geben.
- Tragbare Monitore und Geräte: Unter der Haut eingebettete Schrittzähler, Beschleunigungsmesser, Brillen, Uhren und Chips erfassen auch gesundheitsbezogene Informationen und können diese auch in die Cloud senden.
- Telemedizin-Geräte ermöglichen es Ärzten, die Parameter des Patienten wie Blutdruck, Herzfrequenz, Atemfrequenz, Sauerstoffzufuhr, Temperatur, EKG-Verlauf und Gewicht zu überwachen.
