Обзор больших медицинских данных

Большие медицинские данные — это массивная, разнообразная и быстрорастущая коллекция данных, генерируемая в области медицины и здравоохранения, включая электронные медицинские записи, данные визуализации, секвенирование генов, информацию о мониторинге носимых устройств и т. д. Их основная ценность заключается в содействии принятию клинических решений, оптимизации распределения медицинских ресурсов и содействии медицинским исследованиям посредством анализа и добычи полезных ископаемых. Основная структура контента делится на:Определение и источник(например, больничные информационные системы, оборудование Интернета вещей),Сценарии применения(Прогнозирование заболеваний, индивидуальное лечение),Техническая поддержка(искусственный интеллект, облачные вычисления) иВызовы и перспективы(Безопасность данных, вопросы стандартизации).

Источники и типы больших медицинских данных

Большие медицинские данные в основном поступают из трех категорий:клинические данные(например, электронные медицинские записи, отчеты об инспекциях),данные о поведении в отношении здоровья(шаги, частота пульса, записанные носимым устройством) ибиологические генетические данные(Результаты секвенирования генома). Например, больничные системы HIS ежедневно генерируют терабайты записей о диагнозах и лечении, а портативные устройства, такие как Apple Watch, могут загружать показатели здоровья пользователей в режиме реального времени. Эти данные хранятся в структурированной (таблицы базы данных) и неструктурированной (КТ-изображения) формах, обеспечивая основу для последующего анализа.

Основные приложения больших медицинских данных

В клинической сфере большие медицинские данные могутПовышение точности диагностики. Например, IBM Watson помогает рекомендовать варианты лечения опухолей, анализируя миллионы документов; на уровне общественного здравоохранения Google Flu Trends использовала данные поиска для прогнозирования эпидемий. Кроме того, фармацевтические компании используют реальные данные (RWD) для ускорения разработки лекарств. Например, Pfizer использует базы данных пациентов, чтобы сократить цикл клинических испытаний. Еще одним важным направлением является персонализированная медицина, а для таргетного лечения рака молочной железы применяется прецизионная медицина, основанная на генетических данных.

Техническая поддержка и проблемы отрасли

Зависимости обработки больших медицинских данныхалгоритм искусственного интеллекта(например, глубокое обучение распознаванию медицинских изображений) иПлатформа облачных вычислений(например, AWS Medical Cloud). Однако проблемы значительны: часто встречаются «островки данных», а скорость обмена информацией между больницами составляет менее 30%; требования к защите конфиденциальности строгие и должны соответствовать таким правилам, как GDPR; кроме того, качество данных неравномерно и требует очистки и интеграции. Отечественные производители, такие как Neusoft и Weining Health, запустили медицинские платформы больших данных, но им еще предстоит преодолеть узкое место стандартизации.

Перспективы на будущее и резюме

Большие медицинские данные меняют медицинскую экосистему. В краткосрочной перспективе спрос на мониторинг общественного здравоохранения резко возрастет после эпидемии; в долгосрочной перспективе в сочетании с технологией 5G и блокчейном будет достигнут межведомственный безопасный обмен данными. Но должен быть баланс между инновациями и этикой, например, избегать алгоритмической дискриминации. Отрасль должна работать вместе, чтобы сформулировать стандарты. Такие компании, как United Imaging Healthcare, запустили систему диагностики с использованием искусственного интеллекта «uAI», а правительство также продвигает национальные пилотные проекты по большим данным в области здравоохранения и медицины. Раскрытие потенциала больших медицинских данных в конечном итоге принесет пользу пациентам, врачам и научным исследованиям.

Источники цитат:
1. Всемирная организация здравоохранения «Глобальная стратегия цифрового здравоохранения».
2. Официальный информационный документ IBM Watson Health
3. «Стандартное руководство по большим данным в области здравоохранения и медицины» Национальной комиссии здравоохранения.
4. Примеры производителей: Neusoft, United Imaging.