Die 4 wichtigsten Anwendungsfälle von Data Science im Gesundheitswesen

Die Gesundheitswesen industry has a plethora of data at its fingertips. However, many are yet to put this data to good use.  Here Paul Ricci, a freiberuflicher Datenwissenschaftler auf Kolabtree, explains some use cases of Datenwissenschaft in healthcare and how it can improve Forschung and patient care.

Gesundheitsdienste auf der ganzen Welt stehen unter dem zunehmenden Druck, effizienter zu werden und die klinischen Ergebnisse zu verbessern. Datenanalysen können als Grundlage für eine bessere Entscheidungsfindung auf klinischer und betrieblicher Ebene dienen und der Branche helfen, diese Anforderungen zu erfüllen. Im Folgenden werden einige der wichtigsten Anwendungen der Datenwissenschaft im Gesundheitswesen sowie ihre Auswirkungen auf die Forschung vorgestellt. 

1. Klinische Versuche

Eine aktuelle Studie ergab, dass die durchschnittlichen Kosten für klinische Zulassungsstudien, die zu einer Arzneimittelzulassung führen, $19 Millionen betragen. Die Branche muss Wege finden, die Effizienz klinischer Studien zu steigern, um diese Kosten zu senken. Es gibt mehrere Möglichkeiten, wie die Datenanalyse zur Steigerung der Effizienz klinischer Studien eingesetzt werden kann.

Größere Stichprobengrößen: Dank der jüngsten Fortschritte bei der Datenanalyse können bei klinischen Studien jetzt viel größere Stichproben gezogen werden. Es ist auch einfacher, aussagekräftige Muster in den Daten zu erkennen, die sonst möglicherweise übersehen würden. Infolge dieser Entwicklungen können klinische Studiendaten gründlicher, genauer und zuverlässiger sein, was bei der Beantragung von MHRA- oder FDA-Zulassung.

Bessere Entscheidungsfindung: Die Datenanalyse kann auch die Entscheidungsfindung bei klinischen Studien verbessern. Wir können aktuelle Trends und prognostizierte Ergebnisse untersuchen, um bessere Entscheidungen zu treffen, die die Effizienz der Studien erhöhen, die Kosten senken und die Patientensicherheit erhöhen.

Retrospektive Studien: Außerdem können wir die Datenanalyse nutzen, um das Beste aus jedem Datensatz herauszuholen. Bei alten klinischen Studien wurden die Daten nicht so gründlich analysiert wie heute. Retrospektive Studien werden häufig durchgeführt, um diese Daten mithilfe fortschrittlicher Datenanalysetechniken neu zu analysieren, wodurch Muster aufgedeckt werden können, die ursprünglich nicht erkannt wurden. Retrospektive Studien können auch durchgeführt werden, um eine sekundäre Hypothese zu testen - eine kostengünstige Möglichkeit, mehr Informationen über ein Medikament zu erhalten, ohne mehr Daten zu sammeln.

Profi-Tipp: Selektionsverzerrungen in einer klinischen Studie können die Ergebnisse verfälschen. Stellen Sie daher sicher, dass Ihre Patientenstichprobe die Bevölkerung, an der Sie interessiert sind, angemessen repräsentiert. Sie können Selektionsverzerrungen vermeiden, indem Sie die demografischen Daten Ihrer Stichprobe mit den Volkszählungsdaten der interessierenden Population vergleichen und sicherstellen, dass es keine Diskrepanzen gibt. Wenn Ihre Stichprobe verzerrt ist, können Sie dies möglicherweise korrigieren, indem Sie unterrepräsentierte Stichproben stärker gewichten als überrepräsentierte Stichproben.

2. Patientenüberwachung in Echtzeit

In dem Maße, wie die Möglichkeiten der Datenauswertung zunehmen, wird die Echtzeitüberwachung von Patienten immer realistischer. Die Anwendungen von tragbare Technologie im Gesundheitswesen könnten Patientenparameter wie Blutdruck und Herzfrequenz überwachen und Informationen über die Cloud an medizinisches Fachpersonal übermitteln. Dies könnte die Notwendigkeit regelmäßiger Patientenbesuche und Tests verringern oder sogar überflüssig machen, was zu erheblichen Kosteneinsparungen und einer höheren Effizienz klinischer Studien führen würde.

3. Öffentliche Gesundheit und Epidemiologie 

Natural language processing technology automates the analysis of millions of medical data sets, which makes it easier to predict and prevent disease. For example, information from pharmacies and general practitioners, about prescriptions sold and diagnoses made, can be used to detect a disease outbreak and act quickly to prevent it spreading further.

Biostatistiker (Statistiker, die mit biologischen und medizinischen Daten arbeiten) entwerfen aktiv Erhebungen und bewerten die Auswirkungen von Programmen im Bereich der öffentlichen Gesundheit. Statistiker haben in der Vergangenheit dazu beigetragen, wichtige Zusammenhänge herzustellen, die die Welt beeinflusst haben - zum Beispiel den Zusammenhang zwischen Rauchen und Lungenkrebs.

4. Verbesserung der Patientenversorgung

In Zukunft könnten elektronische Gesundheitsakten (EHR) vollständig digital und über die Cloud verbunden sein, so dass jeder, der über eine entsprechende Berechtigung verfügt, auf sie zugreifen kann. Die Patienten könnten Benachrichtigungen erhalten, wenn ein Termin ansteht oder Testergebnisse vorliegen, und die Angehörigen der Gesundheitsberufe könnten den Gesundheitszustand ihrer Patienten aus der Ferne überwachen. Damit diese Vision Wirklichkeit werden kann, sind jedoch verschiedene Fragen der Datensicherheit und der Vertraulichkeit zu klären.

Es gibt verschiedene andere Anwendungsfälle für Datenwissenschaftler im Gesundheitswesen, aber das Ziel ist letztlich dasselbe: die Forschung und Bereitstellung von Gesundheitsleistungen zu verbessern, sie zugänglicher und erschwinglicher zu machen und die Patientenversorgung und -betreuung zu beschleunigen.

Bedenken hinsichtlich des Datenschutzes

Vielleicht haben Sie schon von der Geschichte gehört, wie der US-Einzelhändler Target herausfand, dass ein Mädchen schwanger war, bevor sie es ihrem Vater sagte. Target entwickelte eine Strategie, um anhand der von den Kundinnen gekauften Artikel vorherzusagen, welche von ihnen schwanger war. Anschließend schickte das Unternehmen diesen Kundinnen per Post babybezogenes Marketingmaterial. Als eine 17-Jährige aus Minnesota dieses Material erhielt, waren ihre Eltern entsetzt und reichten Klage gegen Target ein. Die Botschaft dieser Geschichte ist, sich der möglichen unbeabsichtigten Folgen der Datenanalyse bewusst zu sein.

Ein weiteres Beispiel für die schlechte Nutzung von Datenanalysen ist der jüngste Skandal um Cambridge Analytica. Das Unternehmen erlangte personenbezogene Daten aus den Facebook-Profilen von Millionen von Menschen ohne deren Zustimmung und nutzte sie für politische Zwecke.

Daten des Gesundheitswesens sind sensible Informationen, die Patienten Regierungen, Privatpraxen, Krankenhäusern und Gesundheitsagenturen anvertrauen. Wenn Sie die Daten von Menschen weitergeben wollen, müssen Sie zunächst sicherstellen, dass diese Ihnen ihre Zustimmung zur beabsichtigten Weitergabe ihrer Daten gegeben haben. 

—
Sie suchen einen freiberuflicher Datenwissenschaftler oder ein Biostatistiker? Stellen Sie Ihr Projekt auf Kolabtree ein und erhalten Sie kostenlos Angebote von Experten. Sie können auch Kontakt aufnehmen mit Paul Ricci für Ihren Bedarf.