Forradalom az amerikai egészségügyben: a Big Data modell (érték és innováció)

Az egyelőre lefordíthatatlan Big Data (talán hatalmas adattömeg) jelenléte jelentős mértékben átalakíthatja az egészségügyi szektort, de még számos módosítás, módosulás történik magán az adattömegen is, mielőtt ennek értékét látná – és hasznát élvezné az egészségügy. A közlemény a mckinsey.com oldalról származik, Basel Kayyali, David Knott, és Steve Van Kuiken cikkének rövid kivonata.

A Big Data-forradalom, nevéből származóan egyértelműen az enormis mennyiségű információ folyamatos jelenlétére utal. Az elmúlt évtizedben a gyógyszeripari kutatás-fejlesztés tömegesen küldte adatait orvosi adatbázisokba, míg ezzel egyidejűleg a biztosítók, finanszírozók a betegadatokat tömörítették adatbázisaikba. Ezalatt az USA kormányzati szervei és más döntéshozók megnyitották hatalmasra méretezett egészségügyi rendszereiket, ahol a klinikai vizsgálatok adatai és az egészségbiztosítási adatokkal kapcsolatos tudásnak kívántak helyet adni. A gyors technikai fejlődés révén egyszerűbbé vált a betegek adatainak gyűjtése különböző forrásokból: finanszírozóktól, kórházaktól, laboratóriumoktól, orvosi rendelőkből stb.

Megváltozik az orvosi gyakorlat

A Big Data alkalmazását elsősorban gazdasági okok, a költséghatékonyság igénye kényszeríti ki. Több mint 20 év stabil növekedés után az egészségügyi kiadások az USA-ban a GDP 17,6%-át jelentik, közelebbről 600 milliárd dollárt évente, ezt a szakértők túlzottnak ítélik. A túlköltekezés csökkentésére a finanszírozók egyre inkább elfordulnak a szolgáltatásért való kompenzáció felől (mely az ellátott betegek mennyiségével függ össze), a kockázat-megosztó modell felé, amely figyelembe veszi a klinikai kimenetelt is, visszaállt-e a munkaképesség stb.

Ezzel az új modellel – ha az ellátás elérte célját – csökkenthetők lesznek a kiadások. A finanszírozók hasonló megállapodásokat kívánnak kötni a gyártókkal: a támogatottságot attól tennék függővé, hogy adott gyógyszer milyen mértékben javítja a beteg egészségi állapotát. Ebben az új környezetben egyre nagyobb fontosságú az adatok gyors felhasználhatósága, cseréje.

A Big Data modell azonban magára az orvosi gyakorlatra is hat: egyre inkább előtérbe kerülnek a tradicionális típusú terápiák mellett az evidence-based medicine eredményei, ahol a szisztematikusan elemzett klinikai adatok képezik a terápiás döntés alapját. Az egyéni adatok nagy, robusztus adat-algoritmusokba rendezése erős evidenciát jelent, és a részpopulációkban előforduló csekélyebb különbségek (pl. glutén-szenzitív betegek jelenléte) egyébként is annyira ritkák, hogy kisméretű populációs vizsgálatokban nem is értékelhetőek.

Az egészségügy részéről vannak fenntartások a Big Data alkalmazásával kapcsolatosan, pontosan a személyi/betegadatok védelmét illetően. Ennek a kérdésnek a tisztázását követően észrevehetően felgyorsul majd az adatforgalom.

Új értékrendszer az egészségügyben

A Big Data forradalom egészségügyben való implementálásának gazdasági hátterébe is tekintsünk bele egy rövid elemzés révén. A tradicionális módszerek: a kizárólag költségekre, kiadásokra való koncentrálás nem/vagy alig veszi figyelembe a betegek javulásával, a klinikai kimenetellel kapcsolatos adatokat, eredményességet. Nem állítjuk, hogy csak utóbbi mentén kellene dönteni, hanem e két szempont egyesítésével, egy holisztikus modellel, amely a kiadásokat és az elvárható javulást egyaránt figyelembe veszi. A tanulmány szerzői néhány pontba foglalták e koncepció alapjait, lássuk, melyek ezek!

A helyes életmód

A betegeket támogatni kell abban, hogy vállaljanak aktív szerepet saját egészségük megőrzése érdekében, ami az étrendet, a fizikai aktivitást, a megelőzési lehetőségeket, és egyéb életmódi tényezőket illeti.

A helyes gondozási gyakorlat

A beteg mindenkor meg kell kapja a lehető legjobb elérhető kezelési módszert. Miután a terápia voltaképpen a protokollokon alapul, jelentős mértékű koordináció szükséges az ellátók részéről az optimális kezelés, és a felesleges duplikációk, túldiagnosztizálás, túlkezelés elkerülésére.

A megfelelő ellátás

Az egészségügyi ellátás, a betegeket kezelő szakemberek részéről elvárható legjobb teljesítmény, és a betegek javulásának magas aránya. Célszerűen nem titulus, hanem gyakorlat és eredmények alapján kerüljenek kiválasztásra a legjobb szakemberek. Ebbe az is beletartozik, hogy számos feladatot a nővér is el tud végezni, ami nem igényel orvosi beavatkozást.

Értékközpontúság

Az ellátók és finanszírozók részéről ennek biztosítása, miközben megőrzik/javítják az egészségügyi ellátás minőségét. Példaképpen olyan rendszer kidolgozása, ahol a támogatottság a betegség klinikai kimenetelétől függ, vagy olyan programok, amelyek a felesleges kiadások megtakarítását célozzák.

Innovációk

A döntéshozók, az érintett felek számára igen fontos az új terápiás lehetőségek értékelése, beillesztése a klinikai gyakorlatba. Támogatni kell az innovatív típusú, akadémiai és ipari kutatás-fejlesztési tevékenységet, produktivitást.

Lássunk néhány gyakorlati példát a Big Data alkalmazására!

Néhány új eszköz segítségével a beteg-monitorozás magasabb szintre emelhető. Asthmapolis néven olyan rendszer létesült, ahol GPS-alapú nyomkövetővel regisztrálták az asztmás betegek inhalátor-használatát. Az információ központi adatbázisba került, itt azonosíthatóak az egyéni, csoportos, és populáció-szintű trendek egyaránt. Az adatokat ezt követően egyesítették a CDC (Centers for Disease Control and Prevention) adataival az asztma-trigger tényezőket illetően (pl. magas pollenkoncentráció egyes államokban, vulkanikus köd Hawaii-n, stb.) Az így egyesített adattömeg egyszerűbbé teheti az orvosi döntést a kezelési terveket, megelőző intézkedéseket illetően.

Más példa: a Ginger.io, mobilalkalmazás révén a beteg bizonyos tevékenységeit követik, regisztrálják, és ebből vonnak le az egészséggel kapcsolatos konzekvenciákat. Az applikáció követi a hívásokat, sms-eket, a beteg földrajzi lokációját, sőt még fizikai aktivitását, mozgását is. Ezentúl időszakos telefonos kérdőívekre is választ adnak. Az alkalmazás egyesíti a betegek ilymódon nyert adatait pl. az NIH (National Institutes of Health) és egyéb források adataival. Érdekes következtetésekre nyílik lehetőség, pl. a beteg rosszul érzi magát, keveset/vagy nem mozog, alvászavarai vannak (éjszakai beszélgetés, sms-ezés), akár szorongásos epizódra is rávilágíthat mindez.

A Big Data modellel kapcsolatos további információ az eredeti közleményben olvasható.

http://www.mckinsey.com/insights/health_systems_and_services/the_big-data_revolution_in_us_health_care