เทคโนโลยี Big Data และการประยุกต์ใช้ในการดูแลสุขภาพ

Big data ในการดูแลสุขภาพหมายถึงชุดข้อมูลที่มีปริมาณ ความเร็ว และความหลากหลายเกินกว่าขีดความสามารถของเครื่องมือจัดการข้อมูลแบบเดิม และหมายถึงเทคโนโลยีกระจายศูนย์ที่พัฒนาขึ้นเพื่อจัดเก็บและวิเคราะห์ข้อมูลเหล่านั้น การประยุกต์ใช้ครอบคลุมข้อมูลทางคลินิก ข้อมูลจีโนม ข้อมูลการบริหารจัดการ และข้อมูลจากเซ็นเซอร์ โดยมีเป้าหมายเพื่อดึงรูปแบบและการคาดการณ์ที่ชุดข้อมูลขนาดเล็กหรือจากแหล่งเดียวไม่สามารถรองรับได้

Definition

เทคโนโลยี Big data ในการดูแลสุขภาพคือวิธีการจัดเก็บและวิเคราะห์แบบกระจายศูนย์ที่ออกแบบมาสำหรับชุดข้อมูลที่เกี่ยวข้องกับสุขภาพ ซึ่งมีลักษณะเด่นคือมีปริมาณมาก มีความเร็วสูง และมีความหลากหลาย โดยนำไปใช้กับข้อมูลทางคลินิก ข้อมูลจีโนม ข้อมูลการบริหารจัดการ และข้อมูลที่สร้างโดยอุปกรณ์ เพื่อสนับสนุนการคาดการณ์ การค้นพบ และการจัดการ

Scope

หัวข้อนี้ครอบคลุมลักษณะเฉพาะของ Big data ที่นำมาใช้กับสุขภาพ แนวทางทางเทคโนโลยีสำหรับการจัดการข้อมูลขนาดใหญ่ และการประยุกต์ใช้ในการดูแลสุขภาพที่เป็นตัวแทน เช่น การวิเคราะห์เชิงพยากรณ์และการจัดการประชากรที่มีความเสี่ยงสูง นอกจากนี้ยังกล่าวถึงข้อจำกัดและความเสี่ยงของแนวทางเหล่านี้ด้วย เป็นภาพรวมอ้างอิงของวิธีการและการประยุกต์ใช้ ไม่ใช่คำแนะนำในการนำไปปฏิบัติหรือคำแนะนำทางคลินิก

Key concepts

• ปริมาณ ความเร็ว และความหลากหลาย ('สาม V')
• การจัดเก็บและประมวลผลแบบกระจายศูนย์
• ข้อมูลที่หลากหลายและไม่มีโครงสร้าง
• การวิเคราะห์เชิงพยากรณ์
• การเรียนรู้ของเครื่องในทางการแพทย์
• ข้อมูลจีโนมและข้อมูลจากเซ็นเซอร์
• ความสามารถในการปรับขนาดและการทำงานร่วมกันได้
• ความสามารถในการสรุปผลและอคติในชุดข้อมูลขนาดใหญ่

Mechanisms

ข้อมูลสุขภาพมีขนาดและความหลากหลายเพิ่มขึ้นอย่างมาก เนื่องจากมีการสะสมของบันทึกอิเล็กทรอนิกส์ ภาพถ่ายทางการแพทย์ ข้อมูลจีโนม การเรียกร้องค่าสินไหมทดแทน และเซ็นเซอร์แบบสวมใส่ได้ แนวทาง Big data จัดการปัญหานี้โดยการกระจายการจัดเก็บและการประมวลผลไปยังเครื่องจักรหลายเครื่อง และโดยการรองรับข้อมูลทั้งแบบมีโครงสร้างและไม่มีโครงสร้างร่วมกัน เมื่อข้อมูลมีขนาดใหญ่เพียงพอ วิธีการวิเคราะห์ ซึ่งรวมถึงการเรียนรู้ของเครื่อง (machine learning) มากขึ้นเรื่อยๆ จะถูกนำมาใช้เพื่อตรวจจับรูปแบบและสร้างการคาดการณ์ เช่น การระบุผู้ป่วยที่มีความเสี่ยงสูงหรือมีค่าใช้จ่ายสูงเพื่อการจัดการที่ตรงเป้าหมาย คุณค่าของวิธีการเหล่านี้ขึ้นอยู่กับคุณภาพของข้อมูล การเป็นตัวแทน และการทำงานร่วมกันได้ ชุดข้อมูลขนาดใหญ่ไม่ได้รับประกันข้อสรุปที่ถูกต้องเสมอไป และอาจขยายอคติได้หากข้อมูลพื้นฐานมีความเบ้

Clinical relevance

เทคโนโลยี Big data เป็นรากฐานของเครื่องมือพยากรณ์ โมเดลความเสี่ยง และระบบสนับสนุนการตัดสินใจที่ถูกนำมาใช้เพิ่มขึ้นในการให้บริการดูแลสุขภาพและการวิจัย การทำความเข้าใจลักษณะและข้อจำกัดของเทคโนโลยีเหล่านี้ช่วยให้ผู้ใช้สามารถตัดสินได้ว่าการวิเคราะห์ขนาดใหญ่จะเพิ่มคุณค่าเมื่อใด และเมื่อใดที่ขนาดอาจบดบังอคติหรือคุณภาพข้อมูลที่ไม่ดี หัวข้อนี้อธิบายถึงเทคโนโลยีและการประยุกต์ใช้ ไม่ได้มุ่งเน้นการวินิจฉัยหรือการรักษาเฉพาะบุคคล

History

เมื่อข้อมูลสุขภาพที่เก็บรวบรวมตามปกติขยายตัวในช่วงต้นทศวรรษ 2010 แนวคิดของ Big data ซึ่งเดิมกำหนดขึ้นจากปริมาณ ความเร็ว และความหลากหลายในระบบสารสนเทศ ได้ถูกนำมาประยุกต์ใช้กับการดูแลสุขภาพ บทวิจารณ์ได้ระบุถึงศักยภาพในการใช้งานทางคลินิก ทางจีโนม และการดำเนินงาน และการวิเคราะห์สำหรับการจัดการประชากรที่มีความเสี่ยงสูงได้แสดงให้เห็นถึงการประยุกต์ใช้ที่เป็นรูปธรรม การเพิ่มขึ้นของการเรียนรู้ของเครื่องในทางการแพทย์ในเวลาต่อมาได้สร้างขึ้นบนชุดข้อมูลขนาดใหญ่เหล่านี้ พร้อมทั้งเพิ่มความสนใจในเรื่องอคติ การตรวจสอบความถูกต้อง และความสามารถในการสรุปผล

Debates

ข้อมูลที่มากขึ้นหมายถึงหลักฐานที่ดีขึ้นในการดูแลสุขภาพโดยอัตโนมัติหรือไม่?

ความกระตือรือร้นสำหรับ Big data ถูกลดทอนลงด้วยความกังวลว่าขนาดอาจทำให้เกิดอคติมากขึ้นแทนที่จะเอาชนะอคติได้ เมื่อข้อมูลพื้นฐานไม่เป็นตัวแทนหรือมีคุณภาพต่ำ บทวิจารณ์เน้นย้ำว่าปริมาณจะต้องควบคู่ไปกับคุณภาพของข้อมูล การตรวจสอบความถูกต้อง และการทำงานร่วมกันได้ เพื่อให้ได้ผลลัพธ์ที่น่าเชื่อถือ

Key figures

• David W. Bates
• Alvin Rajkomar
• Isaac Kohane

Seminal works

• raghupathi-2014
• bates-2014

Frequently asked questions

อะไรที่ทำให้ข้อมูลสุขภาพเป็น 'Big data'?

ข้อมูลสุขภาพมักถูกอธิบายว่าเป็น Big data เมื่อมีปริมาณมาก มาถึงหรือเปลี่ยนแปลงอย่างรวดเร็ว (velocity) และรวมข้อมูลหลายประเภทที่หลากหลายและไม่มีโครงสร้าง (variety) จนถึงจุดที่เครื่องมือแบบเดิมเครื่องเดียวไม่สามารถจัดเก็บหรือวิเคราะห์ได้อย่างง่ายดาย

ชุดข้อมูลสุขภาพที่ใหญ่ขึ้นจะน่าเชื่อถือกว่าเสมอไปหรือไม่?

ไม่ ขนาดสามารถปรับปรุงความสามารถในการตรวจจับรูปแบบได้ แต่ถ้าข้อมูลไม่เป็นตัวแทนหรือมีคุณภาพต่ำ ชุดข้อมูลขนาดใหญ่อาจเสริมสร้างอคติได้ ข้อสรุปที่น่าเชื่อถือขึ้นอยู่กับคุณภาพของข้อมูล การเป็นตัวแทน การตรวจสอบความถูกต้อง และการทำงานร่วมกันได้ ไม่ใช่แค่ขนาดเพียงอย่างเดียว