Išgirdę „sveikatos priežiūros duomenys“, dauguma pagalvoja apie ligoninėje ir kitose sveikatos priežiūros įstaigose renkamus klasikinius sveikatos priežiūros duomenis. Skaitmeniniu būdu renkami duomenys tampa vis išsamesni ir platesni, todėl nustatant diagnozę ir parenkant individualiam pacientui tinkamą gydymą gydytojas gali atsižvelgti į visą aktualių parametrų spektrą.
„Mūsų, kaip visuomenės, misija – užtikrinti, kad didžiųjų duomenų („Big Data“) naudojimas sveikatos priežiūros srityje būtų vertingas kiekvienam asmeniui, iš kurio jie gaunami“, – teigia nepriklausomas skaitmeninės sveikatos srities konsultantas, duomenimis grįstą programinę įrangą kuriančios įmonės „37Binary“ įkūrėjas, Charité ir Berlyno Humboldto universitetų tyrėjas Johannesas Starlingeris. Rugsėjo 24 d. sesijoje „Curious Minds“ su „LOGIN 2020“ dalyviais jis dalinsis žiniomis apie skaitmeninę sveikatą, rašoma pranešime.
Asociatyvi nuotr.
Sveikatos priežiūros duomenys renkami ne tik sveikatos priežiūros įstaigose
Duomenų analizė visada buvo pagrindinis medicinos variklis, įrodymų šaltinis ir pagrindas naujoms įžvalgoms, o laikui bėgant skaitmeniniu būdu prieinamų duomenų kiekis tik didėjo. Johannesas Starlingeris įsitikinęs, kad medicinoje įvykusį didžiųjų duomenų („Big Data“) naudojimo augimą paskatino plataus masto genetinių duomenų prieinamumas, diagnostikos metu gaunamų vaizdinių duomenų skaitmeninimas, suaktyvėjęs kasdieninio su sveikata susijusių duomenų dalijimasis internete ir mašininio mokymosi proveržis. Šiandien sveikatos duomenys renkami kone visur.
Išgirdę „sveikatos priežiūros duomenys“, dauguma pagalvoja apie ligoninėje ir kitose sveikatos priežiūros įstaigose renkamus klasikinius sveikatos priežiūros duomenis. Skaitmeniniu būdu renkami duomenys tampa vis išsamesni ir platesni, todėl nustatant diagnozę ir parenkant individualiam pacientui tinkamą gydymą gydytojas gali atsižvelgti į visą aktualių parametrų spektrą. Kitaip tariant, didėjantis duomenų kiekis leidžia vis labiau personalizuoti mediciną.
Daug aukštos kokybės duomenų, kurie palengvina statistinę duomenų analizę ir leidžia daryti tikslesnes išvadas – pavyzdžiui, išsiaiškinti, kada tam tikras gydymas veikia, o kada ne – gaunama klinikinių tyrimų metu. Remiantis šiais duomenimis kuriama ir taikoma įrodymais pagrįsta medicina. Bet ir tai dar toli gražu ne visi sveikatos priežiūros duomenys.
Dauguma iš mūsų net nežino, kad svarbius sveikatos priežiūros duomenis renka ne tik sveikatos priežiūros paslaugų teikėjai – įvairiems gavėjams mes patys juos teikiame beveik visą laiką. Šiuos duomenis pagal sveikatos priežiūros srityje vykstančią skaitmeninę revoliuciją Johannesas Starlingeris vadina „Health 4.0“ duomenimis. Pavyzdžiui, išmaniuoju telefonu stebimą buvimo vietos informaciją galima naudoti darant prielaidas apie jūsų socialinę ir ekonominę būklę, aplinkos veiksnius ar net dienos režimą. Tai labai svarbūs sveikatos parametrai. Kitas pavyzdys – skaitmeniniai pirkinių sąrašai ar jūsų apsipirkimo įpročius stebinčios prekybos vietų premijų kortelės.
Didžiųjų duomenų taikymas skirtingose šalyse
Skaitmeninės medicinos konsultantas J. Starlingeris įsitikinęs, kad norėdami sudaryti galimybę visus šiuosduomenis naudoti personalizuotai medicinai, pirmiausia turime pacientui suteikti galimybę valdyti savo sveikatos duomenis ir užtikrinti skaidrų dirbtinio intelekto algoritmų darbą, kad rekomendacijos ir prognozės būtų saugiai suasmeninamos. Kai kurios šalys, pavyzdžiui, Vokietija, su būsima elektronine pacientų bylų sistema jau juda šia linkme.
Anot J. Starlingerio, didžioji dalis genomikos ir vaizdų analizės galimybių pritaikant dirbtinį intelektą jau prieinamoskone visose vakarų šalyse, tuo tarpu besivystančiose rinkose kur kas labiau progresuoja „Health 4.0“ duomenų prieinamumas. Priežastis paprasta – pastarosios kategorijos duomenis renka ir apdoroja išmaniųjų telefonų programos, o dviem pirmiesiems – reikia itin talpių aukščiausios klasės įrenginių.
Nuolatinis skirtingų kasdienio gyvenimo parametrų stebėjimas
Skaitmeninės sveikatos specialisto įsitikinimu, mūsų ateitis – nuolatinis skirtingų kasdienio gyvenimo parametrų stebėjimas, asmeninius poreikius atliepiančioms rekomendacijoms kurti. Pavyzdžiui, maistinių medžiagų lygį matuojantys kontaktiniai lęšiai, individualizuotą dietą rekomenduojantys išmanieji veidrodžiai ar į automobilio vairą integruoti jutikliai, matuojantys su tinkamumu vairuoti susijusius elektrofiziologinius signalus.
„Ką tai reikš mums, priklausys nuo to, ar patys juos valdysime, ir ką duomenų rinkėjams leisime su jais daryti. Su sveikata susijusios informacijos stebėjimas naudojant prietaisus, kurie iš pradžių visai nėra tam skirti, pavyzdžiui, išmanieji telefonai, jau vyksta. Mūsų misija – užtikrinti, kad kiekvienas šių duomenų naudojimas sveikatos priežiūros srityje būtų naudingas asmeniui, iš kurio jie gaunami“, – teigia J. Starlingeris.
„Darbas su didžiaisiais duomenimis – aukštąsias technologijas vystančių įmonių kasdienybė. Jų generavimas, analizė ir taikymas padeda įgyvendinti ambicingus gyvybės mokslų industrijos ekosistemos tikslus, atveria naujas galimybes personalizuotos medicinos vystymuisi bei skatina industrijos pramonės proveržį“, – konstatuoja l.e.p. MITA direktorius Gintas Kimtys.
