Принять как данность: что происходит на рынке Big Data в здравоохранении

Медицинские организации накапливают данные, но зачастую у них инструментов для извлечения значимых выводов из собранной информации. Вместе с тем продуманное использование Big Data в здравоохранении в состоянии помочь поставщикам быстрее учиться, быстрее принимать решения и повышать качество медицинской помощи. Понимая это, технологические компании вкладывают миллионы в искусственный интеллект, машинное обучение, алгоритмы и платформы по интеллектуальному анализу данных. 

Тонкости терминологии

Под большими данными понимаются данные, которые генерируются быстро, имеют большой размер и трудно поддаются точной интерпретации. Big Data в здравоохранении могут служить множеству целей: выявлять пациентов из групп риска, делать прогноз по поводу эффективности того или иного препарата или схемы лечения, что в конечном итоге помогает минимизировать врачебные ошибки. ИИ можно использовать для превращения массовых хранилищ данных о пациентах в проактивные решения, которые помогут врачам делать назначения точнее и качественнее. Наконец, как и в банковской индустрии, ИИ и модели данных могут использоваться для распознавания как внешних (третьи стороны), так и внутренних (неуполномоченные работники здравоохранения) утечек данных пациентов. 

“Интеллектуальный анализ данных в здравоохранении определяется как процесс поиска неизвестных закономерностей и тенденций в базах данных и использования информации для построения прогнозных моделей, — рассказывает доктор медицины из США Кристиан Циммерман. — Аналитический процесс предназначен для исследования больших объемов данных в поисках согласованных закономерностей и / или систематических взаимосвязей между переменными, а затем для подтверждения результатов”. 

По его словам, интеллектуальный анализ данных очень востребован сегодня из-за финансовой нагрузки на систему здравоохранения и необходимости оптимизировать расходы. Пандемия нового коронавируса ее только усилила. 

Выводы, полученные в результате обработки медицинских данных, могут повлиять на стоимость, доход и операционную эффективность провайдеров медицинских услуг при сохранении более высокого качества помощи. Соответственно, в странах, где государство/страховые компании/клиники/пациенты считают свои деньги, такие инструменты и сервисы по анализу данных наиболее востребованы, а спрос рождает предложение.

Привет, Truveta

В феврале 2021 года четырнадцать ведущих поставщиков медицинских услуг США объединились для создания Truveta, новой компании, которая будет использовать аналитику больших данных для более глубокого понимания медицинских услуг.

Компании, вошедшие в альянс, суммарно обслуживают десятки миллионов пациентов и управляют тысячами медицинских учреждений в 40 штатах. 

“Наше видение состоит в том, чтобы спасти жизни с помощью данных, — комментирует генеральный директор Truveta Терри Майерсон. — Мы хотим помочь исследователям быстрее находить лекарства, дать каждому врачу возможность стать экспертом и помочь семьям принимать наиболее взвешенные решения в отношении своего лечения”.

Truveta стремится создать новую платформу для анализа больших данных путем структурирования, анализа и деперсонализации данных, полученных от поставщиков медицинских услуг, гарантируя тщательную защиту конфиденциальности и безопасности. Платформа будет использовать искусственный интеллект и машинное обучение.

Truveta приглашает поставщиков медицинских услуг, образовательные и исследовательские учреждения по всему миру присоединиться к своему проекту.

“Мы считаем, что было бы безответственно не присоединиться к Truveta в этой миссии,  — признается вице-президент по этике Trinity Health (входит в альянс) Алан Сандерс. — Это было бы огромной тратой данных и отказом от ценного вклада в общее благо”.

Предварительные выводы

Текущая пандемия продемонстрировала, насколько важно для отрасли здравоохранения действовать быстро и скоординировано. Если бы такие платформы, как Truveta, существовали до начала пандемии, поставщики могли бы быстрее узнать друг у друга лучшие способы лечения. Руководители клиник надеются, что создание компании проложит путь для дальнейшего сотрудничества в сфере ухода за пациентами и обучения медперсонала.

К слову, выполненный на платформе Truveta анализ 1,7 млн полностью вакцинированных от нового коронавируса пациентов показал, что привитые люди с сахарным диабетом, хроническим заболеванием легких или почек, с ослабленным иммунитетом почти в два раза чаще попадают в больницу из-за COVID-19, чем вакцинированное население в целом.

Стартап также обнаружил, что 9% вакцинированных Pfizer пациентов и 15% вакцинированных Johnson & Johnson пациентов с COVID-19 были госпитализированы. Однако побочные эффекты возникают менее чем у 1% полностью привитых пациентов, а это означает, что риск тяжелого заболевания из-за COVID-19 у вакцинированного человека намного меньше 1%.

“Срезать” углы

Британский биотехнологический стартап Baseimmune использует большие данные для помощи в разработке вакцин. Он предсказывает будущие штаммы и создает антигены для защиты от них.

Большинство вакцинных антигенов основаны на одном компоненте патогена, таком как спайковый белок коронавируса COVID SARS-CoV-2, что ограничивает их эффективность и способность справляться с новыми вариантами. Алгоритм разработки вакцины Baseimmune использует геномные, эпидемиологические, иммунологические, клинические и эволюционные данные для создания новых синтетических антигенов, содержащих все части патогена, которые с наибольшей вероятностью вызовут сильный защитный иммунный ответ. Это означает, что вакцина сможет бороться с появляющимися патогенами и оставаться эффективной при мутации патогенов.

Пандемия привела к возрождению исследований вакцин, и прогнозируется, что к 2027 году мировой рынок иммунобиологических препаратов достигнет 9,32 млрд евро (108 млрд долларов). 

Клинические исследования могут занять много времени, комментирует директор по информационным технологиям Cleveland Clinic Мэтью Кулл. Возможность проводить исследования в цифровой области до перехода к испытаниям на людях помогает сократить цикл открытий. К тому же ИИ может оценивать большие объемы данных так, как не могут люди.

“Поскольку мы можем начать управлять целостной картиной данных наших пациентов в цифровой сфере, я думаю, что мы станем гораздо более активными в том, как мы диагностируем и лечим, чтобы мы могли больше сосредоточиться на благополучии человека, а не на реагировании на симптомы”, — утверждает Кулл.

Исходные данные

Впрочем, серьезная проблема для отрасли заключается в наличии множества систем, которые по-разному кодируют данные. Обеспечить интероперабильность (от англ. interoperability — способность к взаимодействию) — одна из основных задач, стоящих перед разработчиками.

Недавний опрос, который был проведен по заказу компании InterSystems, которая занимается анализом медицинских данных, консалтинговой фирмой Sage Growth Partners, охватил 100 руководителей здравоохранения в больницах и системах здравоохранения США. Большинство респондентов были представителями высшего руководства. 

В целом 80% или более заявили, что наличие высококачественных данных является главным приоритетом и жизненно важно для принятия обоснованных решений. Около половины считают, что интеграция и функциональная совместимость данных являются самыми большими препятствиями, когда дело доходит до анализа данных, и более половины считают, что плохие данные имеют серьезные последствия, которые влияют на время принятия решений и способность выявлять пробелы в уходе. Между тем, лишь 20% признали, что полностью доверяют данным своей организации.

Всего 8% опрошенных руководителей считают, что их аналитические возможности являются очень зрелыми, в то время как в общей сложности 85% считают, что они недостаточно зрелы или нейтральны. 

Среди недостатков, обозначенных респондентами, отсутствие централизованного доступа к одной аналитической базе данных, озабоченность по поводу соблюдения нормативных требований и сбор данных из нескольких или внешних систем.

Клиенты InterSystems сообщают, что их специалисты по данным тратят 80% своего времени на очистку данных, прежде чем они смогут использовать их для создания чего-то, например моделей машинного обучения. Хотя у них есть возможность улучшить бизнес-операции и результаты лечения пациентов, эти модели хороши ровно настолько, насколько хороши исходные данные. 

Эти проблемы особенно заметны в крупных учреждениях от 1 тыс. коек, потому что чем больше количество пациентов, тем больше набор данных. Сбои также могут произойти после консолидации систем, когда приходится агрегировать несколько различных электронных медицинских карт. 

Что дальше?

Согласно оценкам аналитиков Grand View Research, рынок медицинской аналитики в 2020 году достиг 23,6 млрд долларов, и с 2021 по 2028 годы будет расти со среднегодовым темпом роста в 21,7%. 39% роста рынка будет приходиться на Северную Америку. США — ключевой рынок аналитики в области здравоохранения в регионе (в 2020 году их доля в общем объеме выручки составляла 50,3%). Потребность в безопасности, легком доступе к данным и потребности в эффективном управлении информацией о пациентах будет способствовать росту рынка медицинской аналитики в Северной Америке.

С другой стороны, ожидается, что в Азиатско-Тихоокеанском регионе будет наблюдаться самый быстрый рост в течение прогнозируемого периода. Достижения в области инфраструктуры, рост расходов, внедрение передовых аналитических решений, появление стартапов стимулируют рост и развитие рынка аналитики в сфере здравоохранения. Наличие высококвалифицированной рабочей силы и экономическое развитие являются дополнительными драйверами.

Аналитики компании Deloitte прогнозируют, что одним из наследий пандемии, вероятно, станет новый акцент на сотрудничестве в рамках экосистем здравоохранения. Традиционные границы стерлись, открыв возможности для нового поведения в сфере здравоохранения, концептуально иных моделей бизнеса и финансирования, а также более эффективного сотрудничества с заинтересованными сторонами, что приводит к новым комбинациям продуктов и услуг от традиционных операторов и новых участников. Все это потянет за собой развитие облачных сервисов и суперкомпьютеров. 

В начале декабря 2021 года Сингапур объявил о том, что республика начинает строить свой третий национальный суперкомпьютер для продвижения исследований в области COVID-19 и других областях здравоохранения. Новый суперкомпьютер настолько быстр, что ожидается, что он научит искусственный интеллект предсказывать будущие заболевания пациента, такие как COVID-19 и заболевание почек, в течение нескольких часов, а не дней, как на стандартных компьютерах. Обучение может быть выполнено быстрее, потому что суперкомпьютер может выполнять петауровневые вычисления. Это означает, что он может выполнять более квадриллиона — или более тысячи триллионов — вычислений за секунду.

Другое исследование коронавируса, которое может принести пользу благодаря суперкомпьютеру, включает определение комбинаций лекарств для лечения нового коронавируса, а также открытие передовых лекарств. Согласно договору между Национальным суперкомпьютерным центром Сингапура (NSCC) и Национальной университетской системой здравоохранения (NUHS) третий национальный суперкомпьютер будет готов к середине 2022 года.

Аналогичные проекты развивают Индия, Корея, Китай, Япония, ну и разумеется США, Германия и Франция. 

Корреспондент МВ и ФВ Екатерина Погонцева специально для evercare.ru