แหล่งข้อมูลขนาดใหญ่ในการแพทย์
คำจำกัดความที่เรียบง่ายของข้อมูลขนาดใหญ่ในยาคือ "ข้อมูลทั้งหมดที่เกี่ยวข้องกับการดูแลสุขภาพผู้ป่วยและความเป็นอยู่ที่ดี" (Raghupathi 2014) แต่ข้อมูลประเภทนี้คืออะไรและมาจากที่ใด
ต่อไปนี้คือภาพรวมกว้าง ๆ ของประเภทและแหล่งที่มาของข้อมูลขนาดใหญ่ที่น่าสนใจสำหรับผู้ให้การดูแลสุขภาพนักวิจัยผู้จ่ายเงินผู้กำหนดนโยบายและอุตสาหกรรม
หมวดหมู่เหล่านี้ไม่ได้เป็นข้อยกเว้นกันเนื่องจากข้อมูลเดียวกันอาจมาจากแหล่งต่างๆ
นอกจากนี้ยังไม่มีรายการนี้ครบถ้วนเนื่องจากแอพพลิเคชันการวิเคราะห์ข้อมูลขนาดใหญ่จะมีการขยายตัวอย่างต่อเนื่อง
ระบบสารสนเทศทางคลินิก
เหล่านี้เป็นแหล่งข้อมูลทางการแพทย์แบบดั้งเดิมที่ผู้ให้บริการดูแลสุขภาพเคยชินกับการดู
- บันทึกสุขภาพทางอิเล็กทรอนิกส์ (EHRs) รวบรวมจัดเก็บและแสดงข้อมูลเช่นข้อมูลประชากรประวัติทางการแพทย์ที่ผ่านมาปัญหาทางการแพทย์ที่ใช้งานภูมิคุ้มกันโรคยาสัญญาณที่สำคัญผลจากการทดสอบทางห้องปฏิบัติการและรังสีวิทยารายงานพยาธิวิทยาบันทึกความคืบหน้าที่สร้างขึ้นโดยการดูแลสุขภาพ ผู้ให้บริการและเอกสารด้านการบริหารและการเงิน
- เวชระเบียนอิเล็กทรอนิกส์ (EMRs) ไม่เหมือนกับ EHRs และมักเกี่ยวข้องกับข้อมูลที่เก็บไว้กับแพทย์คนใดคนหนึ่ง
- การแลกเปลี่ยนข้อมูลสุขภาพ เป็นศูนย์กลางระหว่างระบบสารสนเทศทางคลินิกที่แตกต่างกัน
- การลงทะเบียนผู้ป่วยที่ดูแลโดยองค์กรดูแลสุขภาพเกี่ยวกับผู้ป่วยของตนเองมักเชื่อมโยงกับ EHR การลงทะเบียนอื่น ๆ ติดตามการสร้างภูมิคุ้มกันโรคมะเร็งการบาดเจ็บและปัญหาสุขภาพอื่น ๆ ในระดับภูมิศาสตร์ที่กว้างขึ้น
- พอร์ทัล ผู้ป่วยให้ผู้ป่วยเข้าถึงข้อมูลสุขภาพส่วนบุคคลที่เก็บไว้ใน EHR ขององค์กรการดูแลสุขภาพ พอร์ทัลผู้ป่วยบางรายยังช่วยให้ผู้ใช้สามารถขอเติมเงินตามใบสั่งแพทย์และแลกเปลี่ยนข้อความอิเล็กทรอนิกส์ที่มีความปลอดภัยกับทีมดูแลสุขภาพได้
- คลังข้อมูลทางคลินิกรวบรวมข้อมูลระดับผู้ป่วยจากระบบสารสนเทศทางคลินิกหลายชนิดเช่น EHRs และแหล่งข้อมูลอื่น ๆ ที่ระบุไว้ข้างต้น
เรียกร้องข้อมูลจากผู้จ่ายเงิน
ผู้จ่ายเงินสาธารณะ (เช่น Medicare) และผู้จ่ายเงินรายย่อยมีที่เก็บข้อมูลการเรียกร้องค่าสินไหมทดแทนจำนวนมากเกี่ยวกับผู้รับประโยชน์ ขณะนี้ บริษัท ประกันสุขภาพ บางรายเสนอแรงจูงใจในการแชร์ข้อมูลสุขภาพของคุณ
การศึกษาวิจัย
ฐานข้อมูลการวิจัยประกอบด้วยข้อมูลเกี่ยวกับผู้เข้าร่วมการศึกษาการทดลองและผลลัพธ์ทางคลินิก การศึกษาขนาดใหญ่มักได้รับการสนับสนุนจาก บริษัท ยาหรือหน่วยงานรัฐบาล การประยุกต์ใช้ยาส่วนบุคคลคือการจับคู่ผู้ป่วยแต่ละรายกับการรักษาที่มีประสิทธิภาพโดยอาศัยรูปแบบในข้อมูลการทดลองทางคลินิก
วิธีนี้ใช้นอกเหนือจากหลักการด้านยาตามหลักฐานซึ่งผู้ให้บริการด้านสุขภาพกำหนดว่าผู้ป่วยมีลักษณะเฉพาะที่กว้างหรือไม่ (เช่นอายุเพศเชื้อชาติสถานะทางคลินิก) กับผู้เข้าร่วมการทดลอง ด้วยการวิเคราะห์ข้อมูลขนาดใหญ่คุณสามารถเลือกการรักษาตามข้อมูลที่ละเอียดมากขึ้นเช่นรายละเอียดทางพันธุกรรมของโรคมะเร็งของผู้ป่วย (ดูด้านล่าง)
ระบบสนับสนุนการตัดสินใจทางคลินิก (CDSS) ยังมีการพัฒนาอย่างรวดเร็วและปัจจุบันเป็นส่วนสำคัญของการประดิษฐ์ (AI) ในทางการแพทย์
พวกเขาใช้ข้อมูลผู้ป่วยเพื่อช่วยแพทย์ในการตัดสินใจและมักใช้ร่วมกับ EHRs
ฐานข้อมูลพันธุกรรม
ที่เก็บข้อมูลทางพันธุกรรมของมนุษย์ยังคงสะสมอย่างรวดเร็ว เนื่องจากโครงการจีโนมมนุษย์เสร็จสิ้นในปี 2546 ค่าใช้จ่ายในการจัดลำดับดีเอ็นเอของมนุษย์จึงลดลงเป็นล้านเท่า โครงการจีโนมส่วนบุคคล (PGP) เปิดตัวในปีพ. ศ. 2548 โดย Harvard Medical School มุ่งมั่นที่จะจัดลำดับและเผยแพร่จีโนมที่สมบูรณ์ของอาสาสมัคร 100,000 คนจากทั่วโลก PGP เป็นตัวอย่างสำคัญของโครงการข้อมูลขนาดใหญ่เนื่องจากมีปริมาณและความหลากหลายของข้อมูล
จีโนมส่วนตัวมีข้อมูลประมาณ 100 กิกะไบท์ นอกจากลำดับจีโนมแล้ว PGP ยังรวบรวมข้อมูลจาก EHRs การสำรวจและโปรไฟล์ microbiome
หลาย บริษัท เสนอ การจัดลำดับพันธุกรรมแบบตัวต่อตัว สำหรับ ผู้บริโภค เพื่อสุขภาพลักษณะส่วนตนและเภสัชจลนศาสตร์บนพื้นฐานทางการค้า
ข้อมูลส่วนบุคคลนี้อาจถูกนำไปใช้กับการวิเคราะห์ข้อมูลขนาดใหญ่ ตัวอย่างเช่น 23andMe ได้หยุดเสนอรายงานทางพันธุกรรมเกี่ยวกับสุขภาพแก่ลูกค้าใหม่ ณ วันที่ 22 พฤศจิกายน 2013 เพื่อให้เป็นไปตามข้อกำหนดของ US Food and Drug Administration อย่างไรก็ตามในปีพ. ศ. 2015 บริษัท ได้เริ่มนำเสนอส่วนประกอบทางสุขภาพบางอย่างในการทดสอบน้ำลายทางพันธุกรรมอีกครั้งโดยได้รับการอนุมัติจาก FDA
บันทึกสาธารณะ
รัฐบาลเก็บบันทึกเหตุการณ์ที่เกี่ยวข้องกับสุขภาพไว้อย่างละเอียดเช่นการอพยพการแต่งงานการคลอดและการเสียชีวิต การสำรวจสำมะโนประชากรของสหรัฐได้รวบรวมข้อมูลจำนวนมหาศาลทุกๆ 10 ปีนับตั้งแต่ปีพ. ศ. 2333 สถิติเว็บไซต์สำมะโนประชากรมีจำนวนถึง 370 พันล้านเซลล์ในปีพ. ศ. 2556 โดยเพิ่มขึ้นอีกประมาณ 11 พันล้านปี
การค้นเว็บ
ข้อมูลการค้นเว็บที่ Google และผู้ให้บริการค้นหาเว็บรายอื่น ๆ รวบรวมโดยอาจให้ข้อมูลเชิงลึกแบบเรียลไทม์เกี่ยวกับสุขภาพของประชากร อย่างไรก็ตามค่าของข้อมูลขนาดใหญ่จากรูปแบบการค้นหาเว็บอาจได้รับการปรับปรุงโดยการรวมข้อมูลดังกล่าวกับแหล่งข้อมูลสุขภาพแบบดั้งเดิม
สื่อสังคม
Facebook, Twitter และแพลตฟอร์มโซเชียลมีเดียอื่น ๆ จะสร้างข้อมูลที่หลากหลายตลอดเวลาโดยให้มุมมองสถานที่พฤติกรรมสุขภาพอารมณ์และการโต้ตอบทางสังคมของผู้ใช้ การประยุกต์ใช้สื่อสังคมออนไลน์ข้อมูลขนาดใหญ่ต่อสุขภาพของประชาชนได้รับการกล่าวถึงว่าเป็นการตรวจหาโรคระบบดิจิตอลหรือระบาดวิทยาทางดิจิตอล ตัวอย่างเช่น Twitter ได้ถูกนำมาใช้เพื่อวิเคราะห์การระบาดของโรคไข้หวัดใหญ่ในประชากรทั่วไป
โครงการความเป็นอยู่ที่ดีของโลกที่เริ่มต้นขึ้นที่ University of Pennsylvania เป็นอีกตัวอย่างหนึ่งในการศึกษาสื่อสังคมออนไลน์เพื่อให้เข้าใจถึงประสบการณ์และสุขภาพของผู้คนที่ดีขึ้น โครงการรวบรวมนักจิตวิทยาสถิติและนักวิทยาศาสตร์คอมพิวเตอร์ที่วิเคราะห์ภาษาที่ใช้ในการโต้ตอบทางออนไลน์เช่นเมื่อเขียนการอัปเดตสถานะบน Facebook และ Twitter นักวิทยาศาสตร์กำลังสังเกตว่าภาษาของผู้ใช้เกี่ยวข้องกับสุขภาพและความสุขของพวกเขาอย่างไร ความก้าวหน้าในการประมวลผลภาษาธรรมชาติและการเรียนรู้ด้วยเครื่องจักรกำลังช่วยให้เกิดความพยายามของพวกเขา สิ่งพิมพ์ล่าสุดจากมหาวิทยาลัยเพนซิลวาเนียมองไปที่วิธีการคาดการณ์ความเจ็บป่วยทางจิตโดยการวิเคราะห์สื่อสังคมออนไลน์ ปรากฏว่าอาการของภาวะซึมเศร้าและภาวะสุขภาพจิตอื่น ๆ สามารถตรวจพบได้โดยศึกษาการใช้งานอินเทอร์เน็ตของเรา นักวิทยาศาสตร์หวังว่าในอนาคตวิธีการเหล่านี้จะสามารถระบุและช่วยเหลือบุคคลที่มีความเสี่ยงได้ดีขึ้น
อินเทอร์เน็ตของสิ่งต่างๆ (IoT)
ข้อมูลที่เกี่ยวข้องกับสุขภาพจะถูกรวบรวมและจัดเก็บไว้ใน โทรศัพท์มือถือและเครื่องใช้ภายในบ้าน ด้วย
- สมาร์ทโฟน : แอปนับพัน ๆ แอปพลิเคชันจับข้อมูลเกี่ยวกับการออกกำลังกายของผู้บริโภคการบริโภคอาหารการนอนหลับอารมณ์และตัวแปรอื่น ๆ ปพลิเคชันโทรศัพท์มือถือพื้นเมือง (เช่น GPS, อีเมล, texting) ยังสามารถให้เบาะแสเกี่ยวกับสถานะสุขภาพของแต่ละบุคคล
- จอภาพและอุปกรณ์ที่สวมใส่ได้: เครื่องนับก้าวเครื่องวัดแว่นตานาฬิกาและชิปฝังอยู่ใต้ผิวหนังยังรวบรวมข้อมูลเกี่ยวกับสุขภาพและสามารถส่งข้อมูลเหล่านี้ไปยังคลาวด์
- อุปกรณ์ Telemedicine ช่วยให้ผู้ให้บริการดูแลสุขภาพสามารถตรวจสอบพารามิเตอร์ของผู้ป่วยเช่นความดันโลหิตอัตราการเต้นของหัวใจอัตราการหายใจการออกซิเจนอุณหภูมิการไหลของคลื่นไฟฟ้าหัวใจและน้ำหนัก
ธุรกรรมทางการเงิน
การทำธุรกรรมบัตรเครดิตของผู้ป่วยจะรวมอยู่ในแบบจำลองการทำนายที่ใช้โดย Carolinas HealthCare System เพื่อระบุผู้ป่วยที่มีความเสี่ยงสูงที่จะเข้ารับการรักษาตัวใหม่ที่โรงพยาบาล ผู้ให้บริการด้านการดูแลสุขภาพใน Charlotte ใช้ข้อมูลขนาดใหญ่เพื่อแบ่งผู้ป่วยออกเป็นกลุ่มต่างๆตัวอย่างเช่นขึ้นอยู่กับโรคและสถานที่ตั้งทางภูมิศาสตร์
ผลกระทบด้านจริยธรรมและความเป็นส่วนตัว
ในบางกรณีอาจมีความสำคัญต่อจริยธรรมและความเป็นส่วนตัวเมื่อรวบรวมและเข้าถึงข้อมูลในการดูแลสุขภาพ แหล่งที่มาใหม่ของข้อมูลขนาดใหญ่สามารถเพิ่มความเข้าใจของเราเกี่ยวกับสิ่งที่ส่งผลกระทบต่อบุคคลและสุขภาพของประชากรได้อย่างไรก็ตามความเสี่ยงที่แตกต่างกันจะต้องได้รับการพิจารณาและตรวจสอบอย่างรอบคอบ ตอนนี้ได้รับการยอมรับว่าข้อมูลที่ระบุว่าไม่ระบุตัวตนก่อนหน้านี้สามารถระบุได้อีกครั้ง ตัวอย่างเช่นศาสตราจารย์ Latanya Sweeney จากห้องทดลองข้อมูลความเป็นส่วนตัวของ Harvard ได้ตรวจสอบอาสาสมัครจำนวน 1,130 คนที่เกี่ยวข้องกับโครงการจีโนมส่วนบุคคล เธอและทีมของเธอสามารถ ระบุชื่อ ผู้เข้าร่วมได้อย่างถูกต้อง 42 เปอร์เซ็นต์ ตามข้อมูลที่แชร์ (รหัสไปรษณีย์วันเกิดวันเกิดเพศ) ความรู้นี้สามารถเพิ่มการรับรู้ถึงความเสี่ยงที่อาจเกิดขึ้นและช่วยให้เราสามารถตัดสินใจในการแชร์ข้อมูลได้ดียิ่งขึ้น
> แหล่งที่มา:
Conway M, O'Connor D. สื่อสังคมข้อมูลขนาดใหญ่และสุขภาพจิต: ความก้าวหน้าในปัจจุบันและความหมายทางจริยธรรม ความเห็นปัจจุบันในด้านจิตวิทยา 2016; 9: 77-82
> Fernandes L, O'Connor M, Weaver V. ข้อมูลขนาดใหญ่ผลที่ใหญ่กว่า วารสารสมาคมการจัดการข้อมูลสุขภาพแห่งอเมริกาของสหรัฐอเมริกา ปีพ. ศ. 2555 83 (10): 38-43
> Guntuku S, Yaden D, Kern M, Ungar L, Eichstaedt J. การตรวจหาภาวะซึมเศร้าและความเจ็บป่วยทางจิตในสื่อสังคมออนไลน์: การทบทวนบูรณาการ ความคิดเห็นปัจจุบันในด้านพฤติกรรมศาสตร์ 2017; 18: 43-49
> Lazer D, Kennedy R, King G, Vespignani A. คำอุปมาเรื่อง Google Flu: กับดักข้อมูล Big Data Analysis ศาสตร์ 2014; 343 (6176): 1203-1205
Raghupathi W, Raghupathi V. การวิเคราะห์ข้อมูลขนาดใหญ่ในด้านการดูแลสุขภาพ: สัญญาและศักยภาพอัล วิทยาศาสตร์และระบบสารสนเทศเพื่อสุขภาพ 2014; 2: 3
> Sweeney L, Abu A, Winn J. ระบุผู้เข้าร่วมโครงการจีโนมส่วนบุคคลตามชื่อ มหาวิทยาลัยฮาร์วาร์ด. Lab ข้อมูลส่วนบุคคล เอกสารขาว 1021-1. 24 เมษายน 2013