Top 4 casi d'uso della scienza dei dati nella sanità

Il assistenza sanitaria industry has a plethora of data at its fingertips. However, many are yet to put this data to good use.  Here Paul Ricci, a scienziato dei dati freelance su Kolabtree, explains some use cases of scienza dei dati in healthcare and how it can improve ricerca and patient care.

I servizi sanitari di tutto il mondo stanno affrontando pressioni crescenti per essere più efficienti e migliorare i risultati clinici. L'analisi dei dati può essere utilizzata per informare il processo decisionale a livello clinico e operativo e aiutare il settore a soddisfare queste richieste. Ecco alcune delle principali applicazioni della scienza dei dati nella sanità, insieme al suo impatto sulla ricerca. 

1. 1. Studi clinici

Un recente studio ha scoperto che il costo mediano degli studi clinici pivotali che portano all'approvazione del farmaco è $19 milioni. L'industria deve trovare il modo di aumentare l'efficienza degli studi clinici, per ridurre questo costo. Ci sono diversi modi in cui l'analisi dei dati può essere usata per aumentare l'efficienza dei trial clinici.

Campioni più grandi: Grazie ai recenti progressi nelle capacità di analisi dei dati, gli studi clinici possono ora avere dimensioni del campione molto più grandi. È anche più facile identificare modelli significativi nei dati che potrebbero altrimenti essere mancati. Come risultato di questi sviluppi, i dati degli studi clinici possono essere più completi, accurati e affidabili, il che è importante quando si fa domanda per MHRA o Approvazione FDA.

Un migliore processo decisionale: L'analisi dei dati può anche supportare un migliore processo decisionale negli studi clinici. Possiamo guardare alle tendenze recenti e ai risultati previsti per prendere decisioni migliori che aumentano l'efficienza della sperimentazione, riducono i costi e garantiscono una maggiore sicurezza del paziente.

Studi retrospettivi: Inoltre, possiamo usare l'analisi dei dati per sfruttare al meglio ogni serie di dati. Durante i vecchi studi clinici, i dati non venivano analizzati in modo così approfondito come adesso. Gli studi retrospettivi sono comunemente condotti per rianalizzare questi dati utilizzando tecniche avanzate di analisi dei dati, che possono scoprire modelli che non erano stati originariamente identificati. Gli studi retrospettivi possono anche essere condotti per testare un'ipotesi secondaria - un modo conveniente per ottenere più informazioni su un farmaco senza raccogliere più dati.

Consiglio professionale: Le distorsioni di selezione in uno studio clinico possono invalidare i risultati, quindi assicuratevi che il vostro campione di pazienti rappresenti equamente la popolazione a cui siete interessati. Potete evitare gli errori di selezione confrontando i dati demografici del vostro campione con i dati del censimento della popolazione di interesse e assicurandovi che non ci siano discrepanze. Se il vostro campione è distorto, può essere possibile correggerlo dando ai campioni sottorappresentati più peso di quelli sovrarappresentati.

2. Monitoraggio del paziente in tempo reale

Man mano che la portata di ciò che possiamo fare con i dati aumenta, il monitoraggio del paziente in tempo reale diventa più fattibile. Le applicazioni di tecnologia indossabile nell'assistenza sanitaria potrebbe monitorare i parametri del paziente, come la pressione sanguigna e la frequenza cardiaca, e trasmettere le informazioni agli operatori sanitari attraverso il cloud. Questo potrebbe ridurre, o addirittura eliminare, la necessità di visite e test regolari del paziente, con un conseguente notevole risparmio sui costi e una maggiore efficienza dei trial clinici.

3. Salute pubblica ed epidemiologia 

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.

Biostatistici (statisticians working with biological and medical data) actively design surveys and assess the impact of public health programmes. Statisticians have historically helped to make important correlations that have impacted the world — for example, the link between smoking and lung cancer.

4. Migliorare la cura del paziente

In futuro, le cartelle cliniche elettroniche (EHR) potrebbero essere completamente digitali e connesse attraverso il cloud, in modo che chiunque abbia l'autorizzazione possa accedervi. I pazienti potrebbero ricevere avvisi quando un appuntamento è previsto, o i risultati dei test sono disponibili, e gli operatori sanitari potrebbero monitorare la salute dei loro pazienti a distanza. Tuttavia, perché questa visione diventi realtà, ci sono vari problemi di sicurezza dei dati e di riservatezza da affrontare.

Ci sono vari altri casi d'uso del data scientist nell'assistenza sanitaria, ma l'obiettivo finale è lo stesso: migliorare la ricerca e la fornitura di assistenza sanitaria, renderla più accessibile e conveniente, e accelerare la cura e il supporto dei pazienti.

Preoccupazioni per la privacy

Forse avete sentito la storia di come il rivenditore americano Target ha scoperto che una ragazza era incinta prima che lei lo dicesse a suo padre. Target ha ideato una strategia per prevedere quali delle sue clienti donne erano incinte in base agli articoli che avevano acquistato. Ha poi inviato a queste clienti materiale di marketing relativo al bambino per posta. Quando una diciassettenne del Minnesota ha ricevuto questo materiale, i suoi genitori sono rimasti sconvolti e hanno intentato una causa contro Target. Il messaggio di questa storia è di essere consapevoli del potenziale di conseguenze indesiderate dell'analisi dei dati.

Un altro esempio di cattivo uso dei dati analitici è il recente scandalo Cambridge Analytica. L'azienda ha ottenuto dati personali dai profili Facebook di milioni di persone senza il loro consenso e li ha usati per scopi politici.

I dati sanitari sono informazioni sensibili che i pazienti affidano a governi, studi privati, ospedali e agenzie sanitarie. Se avete intenzione di condividere i dati delle persone, dovete prima assicurarvi che queste vi abbiano dato il consenso a condividere i loro dati come intendete fare. 

-
Cercando di assumere un scienziato dei dati freelance o un biostatistico? Pubblica il tuo progetto su Kolabtree e ottieni preventivi dagli esperti gratuitamente. Puoi anche contattare Paolo Ricci per le vostre esigenze.