Махмудова Л.М.

Магистр 1 курса направления

«Бизнес-информатика»
ФГБОУ ВО «Дагестанский государственный университет»
Научный руководитель: Дадаева Б. Ш.
К.Э.Н доцент
ФГБОУ «Дагестанский государственный университет»
Г. Махачкала

Введение

Данные стали вездесущей концепцией в нашей повседневной жизни

благодаря регулярному сбору, хранению, обработке и анализу огромного
объема данных. Эта характеристика носит межсекторальный характер,
начиная от области машинного обучения и инженерии и заканчивая
экономикой и медициной.
В последние десятилетия растет энтузиазм по поводу потенциальной
полезности этих огромных объемов данных, называемых большими
данными, в преобразовании личной гигиены, клинического ухода и
общественного здравоохранения.
Системы здравоохранения во всем мире сталкиваются с невероятными
проблемами из-за старения населения и связанной с этим инвалидности, а
также растущего использования технологий и ожиданий граждан.
Улучшение результатов в области здравоохранения при одновременном
снижении затрат является камнем преткновения. В этом контексте большие
данные могут помочь поставщикам медицинских услуг достичь этих целей
беспрецедентными способами. Потенциал больших данных в
здравоохранении зависит от способности выявлять закономерности и
превращать большие объемы данных в полезные знания для точной
медицины и лиц, принимающих решения. В нескольких контекстах
использование больших данных в здравоохранении уже предлагает решения
для улучшения ухода за пациентами и создания ценности в организациях
здравоохранения. Однако этот подход требует, чтобы все соответствующие
заинтересованные стороны сотрудничали и адаптировали дизайн и
производительность своих систем. Они должны создать технологическую
инфраструктуру для размещения и объединения огромного объема данных о
здравоохранении, а также инвестировать в человеческий капитал, чтобы
направить граждан на этот новый рубеж здоровья и благополучия человека.
Роль Big Data в здравоохранении

Аннотация: В статье рассматривается термин Big data, анализируются

объемы информации в сфере здравоохранения, а также приведен опыт
использования больших данных в трех самых крупных медицинских
организациях.
Ключевые слова: Большие данные, медицина, сфера здравоохранения,
информационные технологии, анализ, healthcare;
Впервые термин «большие данные» (Big Data) употребил в 2008 году
британский журнал Nature, посвятивший специальный номер феномену
взрывного роста объема и разнообразия обрабатываемых данных.
В следующие годы большие данные стали одним из доминирующих
направлений в развитии информационных технологий. Предполагается, что
работа с колоссальными объемами неструктурированных данных окажет
наибольшее влияние на производство, госуправление, торговлю и медицину.
Первая биомедицинская революция была связана с с появлением
микроскопии и с внедрением научного подхода в клинические исследования.
Эксперты предсказывают, что большие данные совершат «вторую
революцию», и приведут в огромному качественному скачку в системе
здравоохранения.
Массив информации оценивают как большие данные, только если он
настолько объемен, что его становится затруднительно хранить,
обрабатывать и анализировать. [1]
Эрик Тополь, доктор медицинских наук и автор статей, подчеркивает, что
сегодня мы располагаем уникальными, ранее недоступными инструментами
и данными. Мы способны оцифровать и количественно измерить
практически любой аспект организма человека. По аналогии с Google
Картами, в которых доступны вид местности со спутника, просмотр пробок
на дорогах и виртуальные прогулки по улицам города, сегодня мы можем
создать и «медицинскую Карту Google» человеческого организма, которая
будет содержать информацию о его внешних признаках, анатомическом
строении (эти данные получают с помощью сканирования), физиологических
процессах (о них нам сообщают датчики), ДНК, РНК и биохимических
показателях. «Мы можем провести количественный анализ окружающей
среды. Раньше это было в принципе невозможно, а сегодня эту информацию
довольно легко получить», — говорит Тополь.

Важной разработкой и усовершенствованием в сфере здравоохранения

является электронная медицинская карта, которая на сегодняшний день
реализуется в Соединенных Штатах Америки. Инициатором введения
подобной карты был экс-президент США — Джордж Буш-младший еще в
далеком 2004 году. Электронная медицинская карта — это система,
способная собирать и накапливать информацию о пациенте с ряда датчиков,
а также на основе интеграции различных баз данных. Например, в нее
поступают сведения о диагнозах пациента, текущих проблемах со здоровьем,
пройденных процедурах, результатах тестов и клинических замечаниях.
Одной из функций данной медкарты является SMS-рассылка уведомлений о
предстоящих обследованиях пациента. Также в данной медкарте имеется
функция контроля за выполнением пациентом врачебных предписаний.
Данный пример говорит о наличии прогнозной аналитики в
здравоохранении. Все данные, поступающие в EHR, могут использоваться
врачами для постановки верного диагноза, так как информация, хранимая на
электронной медицинской карте упорядоченная и связанная на основе
медицинских знаний и положений. Основным преимуществом данной карты
является полнота и защищенность информации о пациенте. Создание и
внедрение электронных медицинских карт и их дальнейшая модернизация —
один из наиболее действенных сценариев использования Больших Данных в
сфере здравоохранения во всем мире. Директива, подготовленная
Европейской комиссией, призвана улучшить положение дел по реализации
медкарт на территории ЕС. Аналитики дают прогноз — что в 2020 году
данные электронные медицинские карты будут подчиняться европейской
централизованной системе и активно использоваться в странах ЕС и
Америке. В России на сегодняшний день данный вопрос анализируется, и
рассматриваются пути его решения. [2]

Согласно исследованию Accenture, 60% компаний уже успешно завершили

как минимум один проект, связанный с большими данными. Подавляющее
большинство (92%) представителей этих компаний оказалось довольно
результатом, а 89% заявили, что большие данные стали крайне важной
частью преобразования их бизнеса. Среди остальных опрошенных 36% не
задумывались о внедрении данной технологии, а 4% пока не закончили свои
проекты.
В исследовании Accenture приняло участие более 1000 руководителей
компаний из 19 стран мира.

Среди главных преимуществ больших данных опрошенные назвали:

· «поиск новых источников дохода» (56%),

· «улучшение опыта клиентов» (51%),
· «новые продукты и услуги» (50%) и
· «приток новых клиентов и сохранение лояльности старых» (47%).

При внедрении новых технологий многие компании столкнулись с

традиционными проблемами. Для 51% камнем преткновения стала
безопасность, для 47% — бюджет, для 41% — нехватка необходимых кадров,
а для 35% — сложности при интеграции с существующей системой.
Практически все опрошенные компании (около 91%) планируют в скором
времени решать проблему с нехваткой кадров и нанимать специалистов по
большим данным.

Компании оптимистично оценивают будущее технологий больших данных.

89% считают, что они изменят бизнес столь же сильно, как и интернет, 79%
респондентов отметили, что компании, которые не занимаются большими
данными, потеряют конкурентное преимущество.
Впрочем, опрошенные разошлись во мнении о том, что именно стоит считать
большими данными. 65% респондентов считают, что это «большие картотеки
данных», 60% уверены, что это «продвинутая аналитика и анализ», а 50% —
что это «данные инструментов визуализации». [3]

Медицинские организации, использующие большие данные

Компании из сферы здравоохранения не спешат использовать возможности,

предоставляемые большими данными, однако три организации уже активно
пользуются их преимуществами:

Dignity Health, одна из крупнейших медицинских организаций в США,

разрабатывает облачную платформу для обработки больших данных,
полученных в результате анализа клинических, социальных и поведенческих
характеристик пациентов. Со временем эта платформа позволит объединить
такие данные, и их смогут совместно использовать все участники системы:
39 больниц, обслуживаемых компанией, и более 9000 аффилированных
поставщиков медицинских услуг. Ниже приведены лишь некоторые из
преимуществ, которые Dignity Health видит в использовании больших
данных:

· Планирование медицинского обслуживания физических лиц и групп

населения, включая прогностическое управление течением заболеваний.

· Определение и реализация максимально эффективных практических мер,

способствующих сокращению числа повторных госпитализаций.

· Снижение риска заражения крови и почечной недостаточности,

вмешательство на ранних стадиях для уменьшения негативных
последствий.

· Оптимизация управления результатами лечения и затратами на

лекарственные препараты.

· Разработка инструментов, позволяющих повысить качество обслуживания

пациентов.

Компания Express Scripts ежегодно обрабатывает миллионы рецептов на

препараты, доставляемые на дом и реализуемые через розничные аптеки.
Том Хенри, вице-президент по направлению Knowledge Solutions в Express
Scripts, возглавляет подразделение, которое использует мощные
инструменты аналитики для обработки больших данных. Они настолько
эффективно анализируют информацию об отдельных пациентах, что вскоре
смогут уведомлять медицинский персонал о серьезных побочных эффектах
препарата задолго до того, как он вообще будет прописан больному.

Это приведет к важным положительным изменениям в деле оздоровления

нации:

· Сотрудники медицинских учреждений будут узнавать, что пациент

находится в группе риска возникновения зависимости, перед тем как
выписать ему рецепт на болеутоляющие препараты. В такой ситуации
можно будет выбрать другой план лечения или более тщательно
проконтролировать потребление лекарств.

· Анализ выписанных рецептов, данных о физиологии и другой

медицинской информации позволит выявлять развитие хронического
заболевания или болезни, которая еще не была должным образом
диагностирована.

· Анализ сведений о том, как пациент соблюдает предписания врача после

выписки из больницы, поможет медицинскому учреждению
прогнозировать вероятность повторной госпитализации в течение
следующих 90 дней и принимать соответствующие меры, чтобы ее
предотвратить.

United Healthcare, крупнейшая медицинская страховая компания США,

обрабатывает информацию на платформе больших данных Hadoop.
Анализируя большие данные с помощью продвинутых инструментов,
компания формирует максимально полное представление о каждом из 85 млн
своих клиентов. Это помогает повысить качество клинического
обслуживания, отслеживать финансовые показатели, а также выявлять
случаи мошенничества.

«Мы располагаем данными, которые характеризуют все аспекты отрасли

здравоохранения: сведениями о страхователях, заявках на выплату
возмещения, больницах, поликлиниках, а также операционными и
финансовыми показателями. Эти данные мы используем, чтобы быстро
выявлять первопричины проблем, разрабатывать инновационные решения и
быстро адаптироваться к изменчивым условиям, в которых работают
медицинские учреждения», — говорит Рави Шанбхаг, директор по
исследованию данных, решениям и стратегиям. [4]
Хотя существует широкий консенсус в отношении того, что большие данные
могут помочь улучшить здравоохранение, необходимо решить многие
проблемы. Во-первых, в отличие от любой другой области больших данных,
здравоохранение-это реальный сектор больших данных. Это почему? Было
подсчитано, что до 30% всех хранимых в мире данных связаны со здоровьем
(по шкале йоттабайт). Один пациент обычно генерирует до 80 мегабайт
данных. Помимо огромного объема данных, подлежащих анализу,
необходимо учитывать разрозненный характер данных, которые включают
демографию пациентов, результаты лабораторных исследований, лекарства,
рентгенологию, лечение, документы, а также финансовую и страховую
информацию. Крупнейшими источниками данных являются изображения,
используемые для диагностики и данные omics, такие как полные данные о
последовательности генома и протеомика. Даже данные из микробиома
вступают в игру, поскольку последний влияет на несколько заболеваний
человека, таких как рак. На одного пациента могут быть собраны тысячи
полей данных. Технологии интернета вещей, медицинские устройства,
лабораторные результаты, смартфоны и трекеры здоровья могут непрерывно
предоставлять данные в режиме реального времени. Для описания этой
информации требуется множество различных показателей, например,
возраст, дата рождения, вес или концентрация в крови—в виде целых чисел,
а также в виде кг, г/мл, количество/мл, процент объема и т.д. Как показано
выше, биологические системы значительно сложнее физических систем,
причем первые считаются максималистскими по сравнению с
минималистской природой последних. Это требует согласования и
сотрудничества между многими различными дисциплинами и существенно
влияет на сбор медицинских данных. [5]
По прогнозам корпорации ЕМС, объем сгенерированных человечеством
данных к 2022 году составит 40 зеттабайт. Количество песчинок на всех
пляжах Земли составляет 700 500 000 000 000 000 000 (или семь
квинтильонов пять квадриллионов). 40 зеттабайт - это в 57 раз больше байт,
чем количество песчинок на всех пляжах планеты. [1]

Проблемы больших данных в здравоохранении

Управление данными, отслеживание, хранение, доступность, затраты и

анализ - это единодушные проблемы в любой отрасли, управляемой
данными. Тем не менее, сектор здравоохранения может извлечь наибольшую
пользу из решения для работы с большими данными из-за ежедневного
объема конфиденциальных данных. По этой причине важно понять, как этот
сектор решает проблемы с большими данными и реагирует на них по
сравнению с пятью аспектами больших данных: скорость, объем, ценность,
разнообразие и достоверность.

Проблема скорости: в здравоохранении время дороже денег

Скорость передачи данных зависит от того, насколько быстро создаются,

перемещаются и доступны большие данные. Проблема заключается в
обеспечении эффективного потока всех наборов данных на сервер с
небольшим временем задержки. В то время как некоторые наборы данных,
такие как отчеты о повторном приеме или скорость сбора пациентов,
значительно медленнее, другие наборы данных, такие как жизненные
показатели пациентов, должны обновляться в режиме реального времени.
Облачные интеграционные платформы обладают способностью виртуально
консолидировать разнородные базы данных. Выполнение контроля и
исправления качества данных в этих унифицированных базах данных делает
обработку данных более быстрой и плавной. Кроме того, помогая
синхронизировать данные между клиническими системами, эти платформы
оказывают положительное влияние на принятие решений врачами, что
способствует качественному уходу за пациентами.

Проблема объема: Большие данные в сфере здравоохранения объемнее,

чем в любой другой отрасли

Объем доступных данных неуклонно растет, особенно в сфере

здравоохранения. Все больше источников данных и более сложные, более
крупные наборы данных способствуют увеличению объема. Организациям
необходимо будет найти решения, которые смогут справляться со
значительной нагрузкой информации, не замедляя выполнение важнейших
функций, таких как связь с поставщиками или доступ к электронным
медицинским записям.
Решения для интеграции больших данных помогают организациям
перемещать большие наборы данных с минимальными требованиями к
конфигурации при относительно низких затратах. Организации
здравоохранения, такие как AstraZeneca, могли бы получить вдвое большую
отдачу за половину затрат при создании глобального озера данных.
Проблема ценности: качество данных становится жизненно важным в
здравоохранении

Ценность больших данных зависит от того, могут ли эти данные обеспечить

какую-либо фактическую и значимую отдачу от инвестиций. Из-за размера и
сложности данных о здравоохранении получение ценности от аналитики
зависит от конкретных случаев использования, таких как составление
графика потерь доходов, определение конкретной группы пациентов или
отчетность о результатах.
Ценность доступна в виде повышения эффективности бизнеса,
стратегических решений и лучших результатов. Однако организации должны
придерживаться принципов управления, устанавливать ИТ-стандарты и
работать с квалифицированными специалистами по обработке данных, чтобы
выявить правильные идеи и применить их в организации. В этой отрасли
цена плохого качества данных может быть потенциально опасной для жизни.
Решения для интеграции больших данных обеспечивают целостное
представление данных о пациентах, позволяя командам бизнес - аналитики
искать практические модели. Например, хорошо интегрированные большие
данные могут предсказать, какие участники, вероятно, откажутся от своих
планов в течение определенного периода времени. Прогностическая
аналитика также помогает более эффективно планировать сроки
обследования пациентов.
Организации здравоохранения могут использовать эти шаблоны данных для
определения подходящего времени для повторных обследований пациентов,
и организации могут избежать потери времени и денег, не планируя
проведение тестов слишком рано.

Проблема разнообразия: данные поступают из различных источников в

различных форматах

Разнообразие - это проблема, связанная с множеством различных типов и

источников больших данных, которые существуют. Постоянно создаются
новые и разнообразные форматы, контексты и типы данных, которые
являются основным препятствием для получения ключевой информации о
пациентах и операциях.
Кроме того, наборы данных в разных местах затрудняют объединение
больших объемов данных в обычные базы данных. Наборы данных, которые
не могут быть обработаны с помощью традиционных методов обработки,
таких как ручная подготовка или ETL, требуют интерфейсов прикладного
программирования (API) и новых стандартов, таких как ресурсы быстрой
совместимости в области здравоохранения (FHIR).
Решения для интеграции технологий больших данных с открытым исходным
кодом и сервисы передачи данных имеют возможность поддерживать
собственные форматы данных. Они также могут быть сконфигурированы для
оптимизации процессов миграции, которые обеспечивают клиентам нулевые
сбои, соответствуют или превышают SLA в отношении сроков выполнения
требований и стандартов соответствия, а также обеспечивают возможность
масштабирования и обработки большего количества транзакций.

Проблема достоверности: Здравоохранение полагается на достоверные

данные

Правдивость-это проблема, связанная с тем, можно ли доверять большим

данным и их знаниям. Сведения, полученные на основе необъективных или
неполных данных, не могут быть использованы.
Повышение целостности данных-это постоянная борьба за поставщиков,
поскольку качество данных ухудшается из-за неструктурированных
вводимых данных. С помощью систем управления данными и стандартов
качества данных организации здравоохранения могут обеспечить
стандартизированные, готовые, чистые и полные данные.
Решения для подготовки облачных данных позволяют пользователям
самостоятельно понимать данные и взаимодействовать с ними. Организации
здравоохранения могут ускорить время до понимания более чем на 50%, что
позволяет им быстрее и эффективнее обрабатывать данные, чтобы
ориентировать коммуникации с нужной аудиторией. [6]

Заключение
В приведенных выше разделах обсуждались проблемы и возможности
анализа больших данных для здравоохранения.
Кроме того, были приведены некоторые реальные примеры того, как это
может быть реализовано. Интеллектуальное предприятие в области
здравоохранения может быть создано только в том случае, если будет
полностью охвачена цифровизация, а передовая аналитика будет применена
для решения задачи повышения эффективности бизнеса. Это в конечном
итоге позволит обеспечить здравоохранение, основанное на ценности. В
конце концов, ожидается, что анализ больших данных будет продолжать
способствовать улучшению результатов лечения, хотя следует учитывать
некоторую осторожность.
Вся сфера здравоохранения будет продолжать меняться по мере появления
новых прорывных технологий, роста затрат, а пациенты требуют контроля
над своим состоянием здоровья. Конфиденциальность данных должна по-
прежнему гарантироваться и улучшаться. В таких условиях больших данных
и большой аналитики человеческий аспект также должен продолжать играть
центральную роль. Ухаживающие должны иметь возможность не только
использовать передовые системы данных, но и рассматривать пациента
целостно (возраст, активность, социальное окружение и эмоциональное
состояние).
В конце концов, здоровье человека зависит не только от данных,
относящихся к этому человеку.

Список использованной литературы

1.https://news.rambler.ru/other/39885536-primenenie-big-data-v-meditsine/?
utm_content=news_media&utm_medium=read_more&utm_source=copylink
(Дата обращения 02.12.2021г.)
2. Ижунинов, М. А. Big Data в здравоохранении / М. А. Ижунинов. — Текст :
непосредственный // Молодой ученый. — 2019. — № 50 (288). — С. 8-10.

3. https://www.cnews.ru/news/top/92_rukovoditelej_dovolny_proektami (Дата
обращения 02.12.2021г.)

4. https://www.sas.com/ru_ru/insights/articles/big-data/big-data-in-healthcare.html
(Дата обращения 02.12.2021г.)

5. Faggella, D. (2018). Откуда На Самом Деле Берутся Большие Данные

Здравоохранения. https://www.techemergence.com/where-healthcares-big-data-
actually-comes-from (Дата обращения 02.12.2021г.)

6. Как большие данные меняют здравоохранение?

https://www.talend.com/resources/big-data-changing-healthcare/ (Дата
обращения (04.12.2021г.)