Аналитика следующего поколения: что нас ждет в будущем?

Медицинские учреждения ждут на порядок больше данных, поэтому необходимо развивать новые технологии, такие как Big data, искусственный интеллект и связь 5G, помогающие использовать в работе как структурированную, так и неструктурированную информацию.

Рынок аналитики в сфере здравоохранения находится на подъеме и будет оцениваться почти в $54 млрд по всему миру к 2025 году, согласно отчету американской исследовательской компании Grand View Research за март 2018 года.

Учитывая необходимость достижения «Тройной цели» (подход американского института здравоохранения, который заключается в достижении трех целей: улучшение качества обслуживания пациентов; улучшение здоровья населения; снижение цен на медицинские услуги), вместе с развитием индивидуального подхода в медицине и тенденцией к уходу, основанному на заботе о пациенте, аналитика данных никогда не была более важной для медицинских организаций.

По мере того, как технологии продолжают расти и развиваться, возникает насущный вопрос для здравоохранения и IT-лидеров: как именно будут развиваться инструменты аналитики и что можно ожидать дальше?

Мы приближаемся к всестороннему обзору в 360 градусов

Медицинским организациям становится все труднее хранить разнообразные структурированные и неструктурированные данные, от базовой информации о пациентах и истории болезни до результатов лабораторных исследований и изображений МРТ. Кроме того, отсутствие централизации затрудняет доступ к нужной информации в нужное время. Теперь поставщики будут иметь возможность обеспечить 360-градусное представление информации, объединяя данные о пациенте, враче, процедурах в одном хранилище данных. Таким образом, медицинские учреждения смогут избежать разрозненности информации, обслуживать больше пациентов за меньшее время и улучшать отраслевые показатели.

По мнению старшего аналитика международного аналитического агентства Forrester Research поставщики медицинских услуг давно искали неуловимую возможность 360-градусного представления о пациенте, и вскоре индустрия здравоохранения получит его.

«Поскольку аналитические модели и искусственный интеллект эффективны в тех случаях, когда для их обучения используются качественные данные, поставщики медицинских услуг сделают значительные инвестиции в создание массивов данных, которые связывают данные пациентов из различных источников, - сказал Перселл. - Полнота и качество этого «единого источника достоверной информации» станут ключом к дифференциации для медицинских учреждений, что позволит им оказывать проактивную медицинскую помощь, персонализировать услуги и снизить эксплуатационные расходы».

Продолжительное наблюдение является основой

Здравоохранение – это отрасль, которая генерирует огромный объем данных. Тем не менее многие организации все еще продолжают ориентироваться лишь на единичные представления этой информации, например, анализируя результаты конкретного посещения, не учитывая предыдущие случаи обращения за медицинской помощью.

В новых условиях система здравоохранения должна рассматривать аналитические технологии с точки зрения обеспечения комплексного представления о пациенте в динамике и во всех местах и эпизодах обращения, говорит Гарри Гаррисон, вице-президент по управлению эффективностью корпорации 3M Health Information Systems, занимающийся аналитикой и другими технологиями здравоохранения.

«Эти аналитические инструменты существуют и сегодня, но их успех зависит от создания продолжительного периода учета и наблюдения, - сказала госпожа Гаррисон. - Это следующий шаг в развитии аналитической технологии. Чтобы воспользоваться преимуществами новых аналитических инструментов, организации здравоохранения должны иметь доступ к данным пациентов, которые охватывают весь спектр клинической помощи».

Она утверждает, что, применяя развитую аналитику к обобщенным данным, собранным из всех посещений, случаев оказания медицинской помощи и групп пациентов – и оценивая ее по ключевым показателям эффективности – организации имеют возможность выявлять неэффективность и взаимозависимость между учреждениями и специалистами, оказывающими медицинскую помощь, которые могут послужить причиной низких показателей или высоких затрат.

«С достижениями в области машинного обучения и искусственного интеллекта мы увидим переход от описательной аналитики к прогнозной аналитике, - добавила она. - Интеграция машинного обучения или искусственного интеллекта с методологиями стратификации рисков позволит создать новый набор аналитических инструментов, которые поддерживают мероприятия по оказанию медицинской помощи в режиме реального времени».

По словам Гарри Гаррисон, надежная аналитическая база также будет способствовать оценке результатов деятельности, предоставляя важную информацию, которая может быть использована для серьезного и стабильного улучшения качества и снижения стоимости медицинских услуг, поскольку именно аналитические инструменты учитывают социальные детерминанты здоровья, чтобы обеспечить более полное понимание групп пациентов.

 

Урок усвоен: управление данными имеет значение

В конечном счете важно помнить о том, что первым шагом в продвижении аналитической стратегии является выявление потенциальных доступных источников данных и информации. Сбор данных - трудоемкий процесс в здравоохранении, но он необходим для получения полной картины медицинского наблюдения и возможности улучшить результаты деятельности.

«Мы занимаемся этим в течение приблизительно 18 месяцев и подключили несколько сотен источников данных – электронная медицинская карта пациента, счета, отчеты, –   сказал Дерек Новак, вице-президент и главный операционный директор социально-ответственной организации здравоохранения «Милосердие» (Mercy Accountable Care Organization), США. - Тем не менее, уже очевидны преимущества этой работы, поскольку мы создали единый набор данных, который включает в себя все аспекты информации о пациенте, плательщике и поставщике медицинских услуг».

Одной из главных ошибок, которую мы совершили на раннем этапе было немедленное подключение аналитиков. Позже мы обнаружили, что качество и структурированность имеющихся данных сомнительны.

 «Предоставление неверных данных руководителям и поставщикам услуг в конечном итоге приводит к отсутствию доверия и большому количеству потраченной энергии для организации, - комментирует Новак.  - Наличие партнерской компании по обеспечению правильной агрегации данных и качества этих данных является важным шагом в этом процессе».

Новак утверждает, что организации, которые смотрят в будущее и начинают заниматься аналитикой, должны выбрать платформу от поставщика, который хочет и может работать с их источниками данных и имеет возможность расти с их потребностями.

«Платформа должна быть способна работать со всеми типами систем и пользователями, - сказал он. - Это не может быть еще одна закрытая система без доступа. Ваши аналитики и другие приложения должны иметь доступ к данным, чтобы вы могли адаптировать их под свою организацию».

Большие данные на вынос

Поскольку аналитические продукты продолжают переходить от описательных к прогнозным и, в свою очередь, к предписывающим функциям, медицинские организации будут иметь больше инструментов, включая такие технологии, как искусственный интеллект, высокопроизводительные вычисления и 5G, чтобы более эффективно использовать как можно больше данных для создания продолжительного учета с 360–градусным представлением о пациенте.

Это будет означать подключение буквально к сотням источников данных, включая электронную медицинскую карту пациента, текстовую информацию, изображения, аудио и т.д.

И да, это потребует значительных финансовых инвестиций и больших усилий, чтобы обеспечить технологическую инфраструктуру. Но возможности для окупаемости этих инвестиций за счет новых доходов и экономии средств также будут значительны.

Визуализация и предиктивный анализ больших данных. Российский опыт

Одним из самых амбициозных и передовых российских проектов в области цифровизации здравоохранения является Единая медицинская информационно-аналитическая система (ЕМИАС) г. Москвы. Она представляет собой единое информационное пространство, охватывающее работу столичных поликлиник (более 600 учреждений и 25 тыс. медицинских работников, более 10 млн. пациентов). Все эти медицинские организации накапливают и обрабатывают огромные объемы данных, использующиеся для решения диагностических, терапевтических, статистических, управленческих и других задач.

Система потенциально позволяет аккумулировать любую информацию: от первичного осмотра до возможности увидеть изображение (компьютерную томографию, МРТ) или видеогастроскопические исследования. Пока эти опции находятся в разработке, но уже в 2019 году информация о всех обследованиях будет храниться в карте пациента.

Ключевым элементом, обеспечивающим реализацию концепции 360 градусного представления о пациенте, является электронная медицинская карта, которая консолидирует всю информацию о клинической картине состояния здоровья пациента. На сегодняшний день в ЕМИАС заведено более 7 млн. электронных карт, которые заполняются пока протоколами обследований и назначений.

«Цифровым мозгом» столичного здравоохранения является Ситуационный центр Департамента здравоохранения, который контролирует работу поликлиник в режиме онлайн, ежедневно анализирует и наглядно демонстрирует целый ряд важнейших показателей.

Ситуационный центр департамента здравоохранения города Москвы

«Одним из самых перспективных и важных направлений нашей работы, является вторичный анализ данных электронных медицинских карт, основанный на технологии Big Data: у нас есть возможность прогнозировать потребность медицинской помощи в период приближающейся эпидемии, например, мы можем рассчитать усиление врачебного участкового звена, скорректировать электронное расписание и т.п., - комментирует Сергей Герасимов, руководитель Ситуационного центра Департамента здравоохранения города Москвы. - В ближайшем будущем технология "больших данных" позволит сравнивать эффективность различных способов лечения, определять группы риска в связи с инфекционной или экологической обстановкой, прогнозировать развитие конкретных заболеваний, подсказывая врачу те или иные диагностические решения и многое другое».

Данные из системы ЕМИАС по загруженности специалистов, времени ожидания врача, поступающие в Ситуационный центр, тщательно анализируются, обрабатываются, и после этого передаются в медучреждения в виде рекомендаций по повышению доступности первичной медицинской помощи. Результаты этой работы говорят сами за себя: 4 года назад записаться на прием к терапевту в течение трех дней могли только 65% пациентов, сегодня эта цифра составляет 95%.

«В рамках аналитической работы мы используем широкий набор технологичных инструментов, и эта деятельность касается каждого пациента, который обращается в поликлинику, - продолжает Сергей. – Задачи по повышению качества и доступности медицинской помощи, стоящие перед Ситуационным центром, помогают решать российские BI-разработки на платформе iDVP. Эти продукты рождены в «недрах» нашего проекта и продолжают расти и развиваться вместе с новыми задачами и потребностями. Особенность подхода заключается в использовании интерактивной 3D-визуализации данных, с помощью которой информация представляется в очень простом для восприятия виде, это дает возможность оперативно изучать и интерпретировать данные».

Автор статьи Билл Сивицки, главный редактор Healthcare IT News

Ссылка на оригинал материала: http://www.healthcareitnews.com/news/next-gen-analytics-heres-whats-coming-future

 

Автор: Александр Абрамов.

Тематики: Интеграция

Ключевые слова: инновации, Big Data, бизнес-аналитика, информационные технологии в здравоохранении, Искусственный интеллект