luckyea77 (luckyea77) wrote,
luckyea77
luckyea77

Big data на страже здоровья: как и зачем медицинские организации собирают и хранят данные



Цифровизация медицины — перспективное направление, которое не только унифицирует работу клиник или лабораторий, но и может спасти человеческие жизни. Обработка и хранение big data позволяют делать постановку диагнозов точнее, проверять медицинские данные без нагрузки на врачей, а также интегрировать результаты исследований, выполненных на разных устройствах в общую систему. Директор по инновациям мобильной клиники DOC+ Илья Ларченко специально для «Хайтека» подготовил обзор развития MedTech, стандартов хранения и обмена медицинской информации и способов автоматизации услуг в здравоохранении.

Ощутимая польза


Работа с big data становится обыденностью, причем не только для крупного бизнеса. В 2017 году 39% респондентов исследования Tech Pro Research подтвердили, что в их организациях принято извлекать коммерчески значимые инсайты из больших данных для улучшения продуктов, совершенствования процессов и выявления запросов потребителей.



Главное, польза от big data осязаема и поддается измерению. К примеру, American Express методами предиктивной аналитики удалось выявить в своем австралийском подразделении 24% счетов, владельцы которых с высокой степенью вероятности закрыли бы их в ближайшие четыре месяца. С такой форой у бизнеса возникает возможность заранее придумать, как удержать клиентов. Однако без системного сбора и хранения информации, на основе которой предстоит делать выводы, затея теряет смысл.

Сказанное в полной мере относится к организациям в сфере здравоохранения: больницам, клиникам, медицинским центрам. С той разницей, что от того, насколько грамотно в них налажено управление информационными массивами, зависит не только эффективность учреждения, но и здоровье и благополучие людей.

Медицина не хуже остальных сфер человеческой деятельности поддается цифровизации. Причем в случае со здравоохранением уместно говорить о самой настоящей, полновесной во всех отношениях big data. Одна только здравоохранительная система США к 2013 году накопила данных приблизительно на 153 ЭБ. А динамика прироста предвещает, что к 2020 году их будет в 15 раз больше. Впору задуматься, откуда столько информации, зачем она нужна и что с ней делать.

«Мощный сервер в белой комнате»

Медицинские учреждения аккумулируют огромные объемы информации, причем самой разной. В их ИТ-инфраструктуре учету подлежат не только простейшие сведения в текстовом формате, например данные, которые собирают в регистратуре, но и:

* томографические или рентгеноскопические снимки (вплоть до 3D-реконструкций);
* показания биопсии;
* результаты клинических анализов;
* медицинские назначения, включая выписанные препараты;
* биометрические данные с носимых пациентами устройств и так далее.



Данных — огромное количество, поступают они из десятков источников, «завернуты» во множество форматов (не всегда совместимых между собой) и в массе своей никак не упорядочены. Ситуация осложняется тем, что даже развитые рынки, где система здравоохранения компьютеризируется с 1980-х и индустрия MedTech вышла из младенчества, страдают от «лоскутной цифровизации».

Впрочем, за последние годы пул решений по работе с медданными стал гораздо менее фрагментированным. В частности, появились пусть не универсальные и не обязательные к соблюдению, но популярные отраслевые стандарты. Появляются лучшие практики, выведенные за время перевода здравоохранения на digital-рельсы.

Можно представить себе некую «эталонную клинику», применяющую трендовые технологии по обмену медицинскими данными и их хранению.

В этом образцово-показательном учреждении сведения о пациенте и история его лечения заносятся в реестр ЭМК (электронных медицинских карт). Потоки данных из разнородных информационных систем, включая ранее упомянутые ЭМК, вливаются в так называемую HIS (Hospital Information System), то есть программный комплекс, где и осуществляется централизованное управление ими. Туда попадают не только врачебные заключения и истории болезней, но и сведения медстраховки, — все, что сопутствует обследованиям и лечению. Софт класса HIS выпускают и форсированно продвигают многочисленные вендоры, и среди них — гиганты вроде Cerner, McKesson и Siemens.

В идеальном случае — по состоянию на 2018 год — все информационные системы внутри клиники взаимодействуют между собой на базе выбранного стандарта структурирования медицинской информации в электронных форматах и обмена ею, например, HL7. Сегодня он наиболее широко распространен в мире, однако есть и другие, в том числе ASTM. Впрочем, организации-разработчики HL7 и ASTM не первый год прилагают недюжинные усилия к тому, чтобы их «подружить».

Большая часть профессионального оборудования, с помощью которого проводятся клинические исследования, поддерживает стандарт DICOM. Он регламентирует принципы, в соответствии с которыми генерируется, передается, архивируется и хранится диагностическая мединформация — в первую очередь визуальная: рентгенография, флюорография, эндоскопия.



Стандарт был создан ради того, чтобы избежать возникновения зависимости от производителей аппаратуры, которые изобретали собственные виды представления данных. Благодаря DICOM-интерфейсам удается предотвратить проблему «Вавилонской башни» и обеспечить единообразие в «упаковке» цифровых медицинских изображений внутри больничной сети, где чаще всего со временем образуется «зоопарк» техники. Эта коммуникационная надстройка чрезвычайно важна для отрасли: чем дальше, тем больше медоборудования поддерживает форматы компьютерного кодирования графики. Однако и этот стандарт не является единственным: например, в Германии используется свой протокол обмена данными между медицинской аппаратурой — GDT.

Для «складирования» больших объемов медицинских данных используются разного рода накопители, например, NAS (Network Attached Storage). А объемы у современных медицинских данных и правда большие: одна томограмма может занимать несколько сотен мегабайт. Выпускаются в том числе специализированные хранилища повышенной надежности под нужды медицинских ИТ-систем. К таким хранилищам предъявляются повышенные требования: в США, например, это соответствие положениям «Закон об ответственности и переносе данных о страховании здоровья граждан». Надо заметить, интеграция NAS — лишь один из нескольких вариантов хранения медицинских данных в клиниках.

Где дает сбои информационный метаболизм

Как утверждали аналитики McKinsey пять лет назад, несмотря на бурное развитие медицинских технологий, сфера здравоохранения существенно отставала от других отраслей с точки зрения прикладного применения big data. Не в последнюю очередь — в связи с тем, что в среднем врачи по-прежнему предпочитают полагаться на свой профессиональный опыт и не склонны доверять выводам, сделанным с помощью одних лишь инструментов data mining, без «человеческой оптики».



Тем не менее, подвижки в сторону ускорения цифровизации медицины в нашей стране есть. А значит — есть перспективы по более активному использованию больших данных в медицине. Так, в 2016 году в РФ был сформирован ГОСТ Р 52636-2006, который определяет параметры электронной медицинской карты. Ну а в 2020–2025 годах Минздрав в сотрудничестве с Ростехом собирается обеспечить масштабное внедрение Единой государственной информационной системы в здравоохранении (ЕГИСЗ), предназначенной, в частности, для «развития систем электронного медицинского документооборота и внедрения единых стандартов информационного обмена в этой сфере».

Цена ошибки — жизнь человека

Показательно, что даже встраивание отдельных элементов data-friendly ИТ-инфраструктуры в работу клиники или больницы заметно поднимает уровень медицинских услуг. В частности, само по себе внедрение электронных медицинских карт существенно снижает вероятность врачебной ошибки. Не говоря уже о том, какую пользу можно извлечь из грамотной целенаправленной работы с медицинскими данными.

Если данные в медицинской системе агрегируются системно, построить на таком фундаменте медицину будущего гораздо легче и быстрее. Одним из обязательных факторов такого развития — является система автоматической проверки электронных медкарт. Традиционно в медицинских учреждениях принято проверять точность и корректность заполнения медкарт. Раньше единственным вариантом решить эту задачу был аудит медицинских документов с привлечением врачей-экспертов: они изучали собранный анамнез, правильность постановки диагноза, результаты осмотров и оценивали работу своего коллеги в баллах.

Когда 100% медицинских карт, заполненных врачами, предварительно проверяет система, врачам-экспертам отправляются только «подозрительные» по мнению системы медкарты. Это позволяет вылавливать 60–70% всех ошибок, проверяя только 20% карт.

Естественно, медицина — та область, где цена ошибки невероятно высока, а участие профессионала «алгоритмизируется» пока отнюдь не во всех операциях. Возможно, ее ближайшее будущее — за гибридными, человеко-машинными системами. Тому есть убедительные доказательства. В частности, совместное исследование Гарвардской медицинской школы, Медицинского центра Beth Israel Deaconess в Бостоне и Массачусетского технологического института показало, что при диагностике метастатического рака молочной железы нейросеть допускает ошибки в среднем в 7,5% случаев, человек (онколог) — в 3,5% случаев, зато при их совместной работе величина злосчастной метрики падает до 0,5%.



В Калифорнийском университете в Дейвисе изобрели метод, который за счет оперативного анализа записей из электронных медкарт выявляет пациентов с риском развития сепсиса, способного привести к гибели больного. Разумеется, для таких изысканий необходимо, чтобы записи о состоянии госпитализированных были детальными, хорошо структурированными, унифицированными и доступными как врачам, так и инженерам по работе с данными.

Использование современных инструментов для управления данными способно оказывать комплексное положительное воздействие на деятельность медицинских учреждений. С помощью аналитической платформы Power BI Университетский госпиталь Осло ощутимо улучшил свою работу сразу на нескольких уровнях.

Система ускорила сбор информации в процессе исследований, позволила сотрудникам организации эффективнее анализировать данные, более точно ставить диагнозы, а в конечном счете дала возможность сократить бюджет на ИТ-инфраструктуру и пустить освободившиеся средства на целевые, приоритетные задачи госпиталя.

Инновации в data science могут не только помочь больным, но и избавить квалифицированных врачей от изрядной части рутины. Преимущества такого подхода к оптимизации процессов в клинической практике демонстрируют чат-боты. Так, к примеру, виртуальный помощник DOC+ за счет технологий машинного обучения умеет собирать первичный анамнез пациента за одну-три минуты в ходе непринужденного диалога. Конечно, затем эстафету у него перенимает врач-эксперт. Многие клиники используют чат-боты для первичного анамнеза прямо в клиниках, таким образом облегчая работу врачей в приемном покое.



В сфере цифровой медицины, в том числе в клиниках и исследовательских центрах мирового уровня, до сих пор много пробелов и «сумеречных зон». Но практика показывает: технологизация даже тех процессов, которые на первый взгляд ей не поддаются, а также выстраивание целостной системы сбора и обмена информацией уже сегодня помогают нащупать точки роста, которые определят, каким будет здравоохранение в обозримом будущем.

Tags: медицина, технологии
Subscribe

Posts from This Journal “медицина” Tag

promo luckyea77 june 21, 2015 20:04 27
Buy for 10 tokens
В этой записи я буду давать ссылки на посты с лекциями и уроками в этом блоге: Учебные материалы и тесты: Дистанционное образование Правила дорожного движения 11 ресурсов для бесплатного образования Сайты для обучения программированию Игры, в которых нужно писать код: Grid Garden, Elevator…
  • Post a new comment

    Error

    default userpic

    Your IP address will be recorded 

    When you submit the form an invisible reCAPTCHA check will be performed.
    You must follow the Privacy Policy and Google Terms of use.
  • 0 comments