За останні десять років спостерігається сплеск досліджень, присвячених використанню Big Data для покращення медичних послуг: для прискорення та спрощення діагностики, персоналізації лікування, підготовки індивідуальних рекомендацій щодо раціону та способу життя. Головна мета — забезпечувати профілактику захворювань, щоб не доводити погіршення здоров'я до стадії лікування.
Визначення та основні концепції Big Data
Big Data (BD) — це сукупність даних великого обсягу та одночасно технології, що дозволяють цю інформацію оперативно отримувати, обробляти та аналізувати.
Ознаки BD [1]:
- Великі обсяги. Генеруються величезні потоки інформації — зеттабайти (1021 байт). Це можна порівняти з обсягом цифрових даних, які були отримані у світі станом на 2012 рік. З того часу дані подвоюються щороку.
- Швидкість даних. Щоб оперативно отримувати важливу інформацію, обробляти її та доводити до створення кінцевого цифрового продукту, потрібна висока швидкість генерування даних. Таку швидкість, наприклад, забезпечують Wallmart та YouTube.
- Варіативність. Необхідно оцінювати інформацію, подану у різних форматах: текст, відео, зображення. Дані можуть відрізнятися за властивостями, наприклад, одна частина може бути структурованою, інша — ні.
Отримання великого обсягу дозволяє комплексно вирішувати питання лікування: від профілактики та своєчасної діагностики до лікування та планування відновлювального періоду [2].
Застосування Big Data для покращення медичних послуг
З 2013 по 2020 рр. було відзначено зростання цифрових даних у сфері охорони здоров'я на 48% [3]. Цих даних достатньо, щоб започаткувати трансформацію медицини, зробивши її гнучкішою і враховує індивідуальні особливості людини.
Основні шляхи використання BD у медицині [4]:
- прогнозування перебігу захворювань, у тому числі епідемій, на основі великих даних;
- персоналізована медицина;
- моніторинг здоров'я в режимі реального часу завдяки смартгодинникам, смартбраслетам та іншому обладнанню;
- прогноз зміни стану, зокрема гострих ускладнень хронічних захворювань;
- підбір раціону, фітнес-програм з урахуванням особливостей організму;
- оптимізація лікарень;
- зниження видатків на охорону здоров'я.
Також Data Science використовується у фармацевтиці та фармакології: великий обсяг даних дозволяє краще складати вибірки добровольців для клінічних випробувань, враховувати індивідуальні дозування препарату, коригувати склад. BD дозволяє аналізувати генетичну інформацію кожної людини, тому всю популяцію можна розділяти на кілька груп з урахуванням генотипу за схильністю до конкретного захворювання, щоб ефективно підібрати препарат [4].
Проблеми впровадження та застосування Big Data в охороні здоров'я
Загалом для роботи з Big Data характерні специфічні складнощі та проблеми. Необхідна відповідна база, щоб забезпечувати масштабованість, гнучкість та продуктивність, щоб працювати з великим обсягом інформації. Для цього потрібно очищення, обробка, аналіз, захист великого обсягу даних, а потім надання до них гранулярного доступу. Для отримання необхідного з Big Data використовуються різні моделі, програми, програмне забезпечення, апаратне забезпечення та технології [1].
Для впровадження у сферу охорони здоров'я Big Data, AI, Deep Learning та інших інструментів потрібні інвестиції.
Це ускладнює процес трансформації охорони здоров'я у бідних країнах. Так, через застосування IT збільшується розрив у розвитку та застосуванні персоналізованої медицини в багатих та бідних країнах [5]. Тому потік інвестицій потрібно постійно збільшувати.
Інший виклик — нестача фахівців, які зможуть працювати з BD і при цьому мати необхідну медичну кваліфікацію. «Класична» освіта лікаря вкрай важлива, щоб грамотно застосовувати Data Science та Big Data під час прийняття рішення щодо лікування. Оптимальний варіант – вивчити медикамами основи роботи з великими даними. Для цього підійдуть курси Data Wizard у школі Platma Academy. Вони підходять людям, які раніше не були пов'язані з Data Science.
Реальні приклади використання Big Data у медицині
У медичних цілях на основі BD створюються цілі програми та навіть готові вироби.
Кейси новітніх технологій в охороні здоров'я:
- для тренувань після переломів використовуються контролери The Myo;
- розумний пластир The Zio Patch аналізує частоту серцевих скорочень та ЕКГ;
- Novartis та Google створюють інтелектуальні лінзи та датчики, що показують рівень глюкози в крові.
Інформація для досліджень збирається з різних (нерідко неоднорідних) джерел, наприклад, лабораторні та клінічні дані, симптоми пацієнтів, завантажені з віддалених датчиків, операції лікарень, фармацевтичні дані.
У чому перевага використання Big Data для вдосконалення медичних послуг
Аналіз великого обсягу інформації дозволяє трансформувати медицину, зробивши її ефективною. BD дозволяють персоналізувати медичні послуги (наприклад, лікарі можуть відстежувати симптоми пацієнтів онлайн, щоб коригувати рецепти); адаптувати плани охорони здоров'я відповідно до симптомів населення, розвитку захворювань та інших параметрів. Він також корисний для оптимізації роботи лікарень та зниження витрат на охорону здоров'я [4].
Джерела:
- Oussous, A., Benjelloun, F. Z., Lahcen, A. A., & Belfkih, S. (2018). Big Data technologies: A survey. Journal of King Saud University-Computer and Information Sciences, 30(4), 431-448. https://doi.org/10.1016/j.jksuci.2017.06.001
- Jee, K., & Kim, G. H. (2013). Potentiality of big data in the medical sector: focus on how to reshape the healthcare system. Healthcare informatics research, 19(2), 79-85. https://doi.org/10.4258/hir.2013.19.2.79
- Pramanik, P. K. D., Pal, S., & Mukhopadhyay, M. (2022). Healthcare big data: A comprehensive overview. Research anthology on big data analytics, architectures, and applications, 119-147. https://doi.org/10.4018/978-1-5225-7071-4.ch004
- Nambiar, R., Bhardwaj, R., Sethi, A., & Vargheese, R. (2013, October). A look at challenges and opportunities of big data analytics in healthcare. In 2013 IEEE international conference on Big Data (pp. 17-22). IEEE. https://doi.org/10.1109/BigData.2013.6691753
- Alyass, A., Turcotte, M. & Meyre, D. From big data analysis to personalized medicine for all: challenges and opportunities. BMC Med Genomics 8, 33 (2015). https://doi.org/10.1186/s12920-015-0108-y
