Почему аналитическая совместимость важна в здравоохранении?
Грег Хорн, глобальный директор SAS по здравоохранению.
Давайте посмотрим правде в глаза. Обмен данными между платформами в области здравоохранения не так прост. Проблемы конфиденциальности данных пациентов, несовместимые форматы файлов, асинхронные идентификаторы... От электронной медицинской карты (ЭМК), систем архивирования изображений и связи до дискретных процессов, таких как аптечные или ведомственные информационные системы. В таких условиях достичь интеграции всех систем – несбыточная мечта. Так что же остается делать аналитику, который хочет решать сложные вопросы, связанные с улучшением результатов лечения?
Достижение аналитической совместимости
Цель электронной медицинской карты – собрать в одном месте единую базу, содержащую информацию о всех наших взаимодействиях с медицинскими учреждениями. Мечта в том, что пациенту не придется отвечать на одни и те же вопросы врачей, потому что у них будет полный доступ ко всей нашей истории болезни. Это еще не воплощено в жизнь даже в самых продвинутых медицинских учреждениях.
Чтобы еще больше усложнить ситуацию, большая часть данных, которые были бы полезны для медицинских работников, не имеют отношения к состоянию здоровья пациентов. Социальные детерминанты, включая образование и воздействие на окружающую среду, наряду с отслеживанием физической формы и другими новыми данными, пока не используются регулярно для улучшения результатов в отношении здоровья.
На самом деле большинство современных аналитических проектов можно было бы описать с помощью приведенного ниже графика. В этом сценарии электронные медицинские карты являются основным источником данных о пациентах, но в сочетании с другими сторонними и запатентованными наборами данных она позволяет получить аналитический набор данных, поддерживающий предиктивное моделирование и ИИ.
Аналитическая совместимость возникает, когда релевантные данные о пациентах собираются и доставляются через одну точку доступа с единственной целью: лучшие результаты. Это позволяет сиделке лучше понимать пациента; операционные и финансовые лидеры смогут планировать эффективнее; и выстраивает сеть провайдеров, как новых, так и старых, в соответствии с потребностями населения и каналами, по которым они работают.
Для обеспечения аналитической совместимости используются стандарты, в том числе FHIR, DICOM, HL7 и другие патентованные наборы кодов, используемые в здравоохранении. Однако стандарты не обеспечивают соблюдения качества данных. Отсутствие надежных и своевременных данных по-прежнему является препятствием для многих аналитических проектов.
Преимущества аналитической совместимости
Как и в других отраслях, в системе здравоохранения растет интерес к решениям, основанным на данных. Мы видим растущую потребность в сотрудничестве между поставщиками медицинских услуг, производственным персоналом, руководством и новыми игроками в сфере здравоохранения, а, значит, необходимо обеспечить согласованность данных и доступа к ним. Конвергенция между здравоохранением и фармацевтической промышленностью, а также рост числа медицинских услуг, ориентированных на розничную торговлю, создают необходимость обмена данными.
Одно простое преимущество этого подхода заключается в медикаментозном лечении. Медицинская помощь, основанная на взаимодействии, позволит врачу получить точный и своевременный список медикаментов, не полагаясь на отзывы пациентов. Это поможет не допустить случаев, когда выписывают противопоказанные лекарства. Появится возможность отследить их через аптеку и избежать потенциально дорогостоящей экстренной медицинской помощи.
Другой пример – передача данных с домашних устройств в больницу для дистанционного управления хроническими заболеваниями, такими как диабет. Прогнозирование следующего взаимодействия с пациентом и применение профилактических мер, чтобы больным не надо было покидать дом и при этом хорошо себя чувствовать. Все это является прямым результатом аналитической совместимости.
Как SAS обеспечивает аналитическую совместимость?
SAS может помочь на протяжении всего пути к аналитической совместимости. Будь то обработка данных, предоставление отраслевых решений или создание платформы для передовой аналитики, SAS может помочь пациентам и медицинскому персоналу, будь то клинический, операционный или технический персонал, получить более полное представление о работе системы.
Поскольку облачные технологии теперь более доступны для индустрии здравоохранения, никогда еще не было лучшего времени для взаимодействия во всех аспектах медицинской помощи. Объединение данных для создания 360-градусного представления о пациенте и его экосистеме здоровья будет сдерживать затраты, улучшать качество и увеличивать доступ к здравоохранению.
Узнайте больше на sas.com/healthcare.
Об авторе
Грег Хорн является глобальным директором SAS по здравоохранению и базируется в Торонто, Канада - он присоединился к SAS в августе 2012 года. В этой роли у Грега есть возможность работать со стратегией в области здравоохранения таким образом, чтобы сосредоточиться на результатах, а также на стоимости, качестве и других проблемах, с которыми сталкивается любая современная система здравоохранения. Он считается идейным лидером в области будущего здравоохранения и внедрения технологий, ориентированных на пациента.
Рекомендуем прочитать
- Fraud detection and machine learning: What you need to knowМашинное обучение является важной частью инструментария обнаружения мошенничества. Вот что вам нужно для начала работы.
- Использование Python в решениях SAS Intelligent Decisioning 5.4Начиная с версии 5.3, у пользователя появилась возможность легко встроить скрипт Python в решение SAS ID. Теперь Python исполняется в MAS без необходимости дополнительной обёртки в DS2 - узел кода Python сделает это за вас.
- Как прошел хакатон SAS и «Утконос ОНЛАЙН» SAS Data Hack PlatypusКрупнейший игрок e-grocery, лидер рынка аналитики и факультет компьютерных наук НИУ ВШЭ провели открытый конкурс на лучшую прогнозную модель.
Подпишитесь на рассылку инсайтов SAS сейчас.