Данные имеют решающее значение для успеха отрасли здравоохранения. Медицинские данные помогают поставщикам медицинских услуг принимать обоснованные решения об уходе за пациентами, позволяют фармацевтическим компаниям разрабатывать новые и более эффективные методы лечения и способствуют общему развитию медицинской науки. В отрасли здравоохранения существует множество различных способов генерирования и сбора данных. Электронные медицинские карты (EMR) являются центральным ядром информации, которая позволяет поставщикам медицинских услуг отслеживать и управлять медицинскими потребностями своих пациентов, а также отслеживать результаты анализа крови, визуализации, биопсии и т. д. Опросы пациентов собирают отзывы об удовлетворенности пациентов и работе больницы. Клинические испытания и эксперименты собирают данные о новых методах лечения и лекарствах. Наконец, носимые технологии, такие как умные часы, фитнес-трекеры или даже проглатываемые микрочипы, собирают биомедицинские данные.
Однако, несмотря на свою важность, медицинские данные часто сталкиваются с тремя большими проблемами: они разрознены, неструктурированы и часто имеют низкое качество. Эти проблемы могут затруднить эффективное общение и сотрудничество между различными подразделениями отрасли здравоохранения, что в конечном итоге может привести к некачественной помощи пациентам. В этой статье мы подробно рассмотрим каждую из этих трех больших проблем и предложим некоторые возможные решения.
Что такое медицинские данные?
В здравоохранении данные решают все. От медицинских карт пациентов до финансовой информации, каждый байт данных, собранных организацией здравоохранения, может быть проанализирован и использован для улучшения ухода за пациентами. В современном цифровом мире объем данных, создаваемых организациями здравоохранения, растет в геометрической прогрессии. Чтобы разобраться в этом растущем потоке данных, необходимо понять, как данные здравоохранения хранятся, доступны и анализируются. Сегодня перед медицинскими организациями стоит задача найти решения, которые упрощают управление растущим объемом медицинской информации с минимальными затратами.
Какие проблемы с данными есть у здравоохранения?
Одна из самых больших проблем с медицинскими данными заключается в том, что они разрознены. То есть он хранится в изолированных базах данных, не связанных и не взаимодействующих друг с другом. Это может затруднить доступ к данным и обмен данными между различными подразделениями отрасли здравоохранения. Даже если различные базы данных содержат важную информацию о здоровье пациента, они могут быть не связаны друг с другом, что затрудняет доступ больниц и врачей ко всем соответствующим данным. Представьте, что вы обратились в отделение неотложной помощи из-за боли в груди. Врач скорой помощи может назначить ряд тестов, включая компьютерную томографию и ЭКГ. Однако предположим, что база данных больницы не связана с базой данных лечащего врача пациента. В этом случае врач скорой помощи может не иметь доступа к результатам последней компьютерной томографии пациента, которая была проведена шесть месяцев назад. В результате у врача скорой помощи может не быть всей информации, необходимой для принятия обоснованного решения о том, как лечить пациента. Эти разрозненные хранилища также могут увеличить риск нарушений безопасности, поскольку для получения информации необходимо обращаться к нескольким базам данных.
Эта проблема усугубляется тем, что медицинские данные часто неструктурированы. То есть он не организован таким образом, чтобы его было легко искать и анализировать. С неструктурированными данными сложно работать, потому что они не организованы таким образом, чтобы их было легко искать и анализировать. Один из способов представить себе неструктурированные данные — представить картотеку. В традиционном картотеке информация организована в папки и файлы. Такая структура упрощает поиск нужной информации. Однако, если информация в картотеке не организована, может быть сложно найти то, что вам нужно. То же самое верно и для неструктурированных данных. Если данные не организованы таким образом, чтобы их было легко искать и анализировать, вам может быть трудно найти нужную информацию. В здравоохранении существует множество типов неструктурированных данных. Некоторые из наиболее распространенных включают в себя записи врачей, радиологические изображения и отчеты в произвольном тексте, которые не хранятся в аккуратных базах данных.
Третья большая проблема с данными о здравоохранении — это их часто низкое качество. Одной из основных причин низкого качества данных в здравоохранении являются ошибки при вводе данных. Это может произойти, когда кто-то вводит неверную информацию или не следует надлежащим процедурам ввода данных. Например, если вес пациента вводится в фунтах, а не в килограммах, это приведет к ошибкам в последующих расчетах. Другой распространенной причиной плохого качества данных является неправильное кодирование. Это может произойти, когда для описания состояния или лечения пациента используется неправильный код. Несоответствия в сборе и хранении данных также могут привести к ухудшению качества данных. Различные системы медицинских карт имеют несовместимые стандарты хранения данных, что приводит к трудностям совместимости. Данные часто бывают неполными из-за множества факторов, включая отказ пациентов предоставлять информацию, данные вообще не собираются или данные теряются. Качественные данные имеют жизненно важное значение для оказания высококачественной медицинской помощи как на уровне пациентов, так и на уровне населения.
Какие есть решения?
Как видите, в данных здравоохранения необходимо решить несколько серьезных проблем. Одним из возможных решений проблемы разрозненных медицинских данных является использование хранилища данных. Хранилище данных — это база данных, предназначенная для хранения и анализа больших объемов данных. Хранилища данных часто используются для объединения данных из нескольких источников, таких как разные больницы или разные клиники. Единая база данных может облегчить лицам, принимающим решения, доступ к необходимой им информации. В здравоохранении хранилища данных часто используются для объединения данных о претензиях, клинических данных и финансовых данных. Другие решения заключаются в использовании методов виртуализации данных и объединения. Виртуализация данных — это процесс создания единого представления данных из нескольких источников. Он действует как единая точка доступа для распределенных баз данных. Объединение данных похоже на виртуализацию данных, за исключением того, что при этом также создается стандартная модель данных. Предположим, вы хотите отследить тенденцию гемоглобина пациента между амбулаторными и стационарными записями. Эти две базы данных могут хранить эти значения по-разному, например, «лейкоциты» и «количество лейкоцитов». С помощью виртуализации пользователь может получить доступ к обоим, используя две разные команды, используя эти разные соглашения об именах. Объединение данных будет использовать стандартную терминологию, такую как «WBC», и сопоставлять ее с соглашениями об именах, используемыми в различных базах данных. Теперь пользователю достаточно ввести одну команду. Этот процесс технически более сложен, так как вы должны учитывать всевозможные варианты использования и наборы данных.
Существует несколько решений проблемы использования неструктурированных данных в здравоохранении. Обработка естественного языка (NLP) — это область искусственного интеллекта, которая занимается взаимодействием между компьютерами и человеческими (естественными) языками. В здравоохранении НЛП используется для извлечения релевантной информации из неструктурированных источников данных, таких как клинические записи, выписные сводки и рентгенологические отчеты, которые могут помочь в принятии решений, повысить безопасность пациентов и стимулировать инициативы по улучшению качества. НЛП используется для создания наборов структурированных данных из неструктурированных данных. Алгоритмы НЛП автоматически определяют ключевые понятия в текстовых документах, структурируют информацию для дальнейшего анализа и обеспечивают лучший поиск и извлечение релевантной информации. С увеличением объема цифровых медицинских данных, генерируемых ежедневно, НЛП будет играть все более важную роль в поддержке лиц, принимающих решения в области здравоохранения. Другим решением является использование ручного ввода данных с привлечением персонала для ручного извлечения информации из неструктурированных источников данных и ввода ее в набор структурированных данных. Ручной ввод данных может занять много времени и привести к ошибкам, но для некоторых источников данных это может быть необходимо.
Многие инициативы могут помочь улучшить качество медицинских данных. Управление данными — это процесс управления данными и их защиты. Он включает в себя разработку политик и процедур для сбора, хранения, доступа и использования данных. В медицине часто встречаются данные, не соответствующие стандартам того, что ожидается. Установив и внедрив стандарты, организации здравоохранения могут обеспечить единообразие своих данных во многих базах данных. Должны существовать политики, гарантирующие, что только уполномоченный персонал может вводить и получать доступ к определенным данным. Организация может внедрить процессы контроля качества, чтобы проверить, имеют ли данные правильный тип, полностью ли они заполнены и соответствуют ли они установленным стандартам. Процедуры управления данными могут быть автоматизированы, например проверка показателей жизнедеятельности на стороне сервера (например, все поля заполняются, а пульсоксиметрия должна измерять от 0% до 100%). Они также могут включать ручные процессы, такие как обучение персонала перепроверке своих записей.
Заключение
Данные жизненно важны для успеха любой организации здравоохранения. В быстро развивающемся мире анализа данных, управления данными и искусственного интеллекта данные являются ключом к снижению затрат и повышению качества медицинской помощи. Организации, создающие культуру, в которой данные рассматриваются как актив, приведут их к развитию медицинской науки.
