Analiza predykcyjna danych umożliwia organizacjom służby zdrowia ulepszenie opieki nad pacjentami, poprawę wyników i zmniejszenie kosztów poprzez przewidywanie tego, kiedy, gdzie i jak należy zapewniać opiekę medyczną. Technologie Intel® zapewniają wysokowydajne podstawy do najnowszych platform dużych zbiorów danych i modeli sztucznej inteligencji (AI), które pomagają lekarzom w diagnostyce i poprawie opieki medycznej.
Wzrost kosztów, starzejąca się populacja i rozpowszechnianie chorób przewlekłych przekształcają branżę opieki zdrowotnej. Przewiduje się, że do 2030 r. globalne wydatki w opiece zdrowotnej osiągną niesłychanie wysoki poziom 18,3 tryliona dolarów.1 W odpowiedzi na te trendy modele płatności już przechodzą z modeli powiązanych z wolumenem na modele powiązane z wynikiem lub wartością.
Analiza predykcyjna pomaga organizacjom służby zdrowia w dostosowaniu się do tych nowych modeli, jednocześnie umożliwiając ulepszenie opieki nad pacjentami i poprawę wyników. Od przewidywania stanów krytycznych, takich jak wstrząs septyczny i niewydolność serca, po zapobieganie ponownym przyjęciom, najnowsze postępy w analizie dużych danych i AI napędzają nowe rozwiązania analizy predykcyjnej, które pomagają lekarzom poprawiać wyniki i zmniejszać koszty.
Wykorzystanie danych do analizy predykcyjnej zdrowia
Opieka zdrowotna została zdigitalizowana i tworzy ogromne nowe zbiory danych. Obejmują one systemy elektronicznej dokumentacji medycznej (EMR), dane dotyczące oświadczeń zdrowotnych, obrazy radiologiczne i wyniki badań laboratoryjnych. W najbliższej przyszłości wzrośnie także znacząco liczba danych genomicznych.
Nowe dane są również generowane przez rosnącą liczbę urządzeń medycznych na brzegu, w tym akcesoriów elektronicznych dla pacjentów i urządzeń monitorujących. Poza placówkami opieki zdrowotnej pacjenci generują dane okołozdrowotne przy użyciu akcesoriów elektronicznych do noszenia, urządzeń do monitorowania sprawności fizycznej i aplikacji zdrowotnych.
Dzięki wykorzystaniu danych z tych źródeł dostawcy usług medycznych napędzają nowe rozwiązania w analizie predykcyjnej do diagnostyki medycznej, modelowania predykcyjnego zagrożeń dla zdrowia, a nawet analizy preskryptywnej dla medycyny precyzyjnej.
Jednakże przekształcanie danych w wyniki kliniczne wymaga stworzenia podstaw sprzętowych i oprogramowania stworzonego do wydobywania wartości z różnorodnych zestawów danych. Jedno badanie wykazało, że ponad połowa organizacji medycznych nie posiada kompleksowego planu zarządzania danymi.2 W rezultacie znaczna część danych dotyczących opieki zdrowotnej pozostaje niewykorzystana.
Dzięki ofercie rozwiązań technologicznych stworzonych do skutecznego przenoszenia, przechowywania i przetwarzania danych, platform dużych zbiorów danych oraz modeli AI firma Intel i nasi partnerzy współpracują z organizacjami zdrowotnymi, aby zwiększyć wykorzystanie analizy predykcyjnej.
Analiza predykcyjna oparta na platformie dużych zbiorów danych z procesorem Intel® Xeon® umożliwiła dużej grupie szpitalnej zaoszczędzić 120 milionów dolarów kosztów.
Korzyści modelowania predykcyjnego w opiece zdrowotnej
Analityka predykcyjna stała się kluczowym elementem każdej strategii analityki medycznej. Dzisiaj jest to istotne narzędzie do mierzenia, agregowania i zrozumienia danych behawioralnych, psychologicznych i biomedycznych, które do niedawna były niedostępne lub niezwykle trudne do zdobycia.
Na poziomie indywidualnym, analiza predykcyjna umożliwia dostawcom usług medycznych zapewnienie właściwej opieki zdrowotnej, dopasowanej do pacjenta i świadczonej w odpowiednim czasie. Na większą skalę umożliwia systemom opieki zdrowotnej identyfikację i zrozumienie szerszych trendów, co prowadzi do poprawy strategii związanych ze zdrowiem populacji.
W jednym przykładzie naukowcy opracowali model rozprzestrzeniania się gorączki krwotocznej ebola przy pomocy analizy dużych zbiorów danych i ogromnych ilości danych, w tym informacji z mediów społecznościowych i wyszukiwarek. Osoby, które potencjalnie mogły mieć kontakt z ebolą, mogą wprowadzić swoje objawy do aplikacji mobilnej, która korzysta ze współrzędnych geograficznych, aby sprawdzić, czy dana osoba znajdowała się w pobliżu innej osoby w społeczności, w której wirus eboli był aktywny.3
Analiza predykcyjna nie tylko poprawia jakość opieki, ale także znacznie obniża koszty. Na przykład dokładniejsze modele prognozowania dla pacjentów dotyczące długości pobytu w placówce i wskaźników ponownych przyjęć umożliwiają szpitalom unikanie kar i zmniejszanie kosztów operacyjnych. Poprzez wykorzystanie elektronicznych systemów dokumentacji medycznej (EHR) i analizy predykcyjnej dostawcy usług medycznych identyfikują pacjentów, którzy prawdopodobnie nie przyjdą na wizytę. Po zidentyfikowaniu tacy pacjenci mogą otrzymać przypomnienie lub innego rodzaju pomoc w stawieniu się na wizytę.
Olbrzymi potencjał analizy predykcyjnej obejmuje identyfikację pacjentów z ryzykiem wystąpienia chorób przewlekłych, opracowywanie najlepszych praktyk opartych na dowodach i aktywne rozpoznawanie potencjalnych przeszkód w przestrzeganiu planu leczenia. Dane pomagają lekarzom uprzedzać zdarzenia i świadczyć aktywną opiekę pacjentom, zanim ich stan zdrowia stanie się krytyczny.
Przykłady analizy predykcyjnej w opiece zdrowotnej
Obecnie systemy i dostawcy usług medycznych sprawdzają różne sposoby korzystania z platform dużych zbiorów danych i AI do analizy predykcyjnej. Te rozwiązania pomagają organizacjom zdrowotnym w przejściu z prostego wykorzystania danych w celu ustalenia, co się wydarzyło do wykorzystywania danych w celu przewidywania, co się wydarzy.
Przyspieszenie leczenia przypadków krytycznych
Firma Penn Medicine, we współpracy z firmą Intel, stworzyła platformę opartą na współpracy w zakresie analizy danych, aby przewidywać i zapobiegać dwóm najczęstszym i kosztownym problemom w szpitalach: sepsie i niewydolności serca.
Model predykcyjny zidentyfikował około 85% przypadków sepsy (wzrost o 50%) nawet na 30 godzin przed wystąpieniem wstrząsu septycznego (w porównaniu do dwóch godzin przy wykorzystaniu tradycyjnych metod).4 Udało się również zidentyfikować od 20 do 30% pacjentów z niewydolnością serca, którzy nie zostali wcześniej odpowiednio zdiagnozowani.4 Te wysiłki umożliwiły lekarzom wcześniejsze wdrożenie leczenia, skróciły okres rekonwalescencji i zaoszczędziły zasoby szpitala.
Przewidywanie długości pobytu
Firmy Intel i Cloudera pomogły dużej grupie szpitalnej wykorzystać analizę predykcyjną, aby poprawić dokładność w przewidywaniu długości pobytu w placówkach. Platforma dużych zbiorów danych z klastrami procesorów Intel® Xeon® pozwoliła grupie szpitalnej na przetworzenie niepowiązanych, nieustrukturyzowanych i częściowo ustrukturyzowanych danych.
Dzięki możliwości lepszego zaplanowania pracy i personelu grupa szpitalna uzyskała 120 milionów dolarów oszczędności kosztów rocznie (około 12 000 dolarów na pacjenta) i zwiększyła wykorzystanie placówek o 5 procent, zwiększając możliwości obsługi o dodatkowe 10 000 pacjentów rocznie.5
Zmniejszenie liczby ponownych przyjęć
W innym przypadku, firmy Intel i Cloudera wykorzystały dane społeczno-ekonomiczne i analizy predykcyjne, aby pomóc grupie szpitalnej zidentyfikować w momencie stawiania diagnozy pacjentów z wysokim ryzykiem ponownego przyjęcia. Dzięki temu personel szpitala mógł im zapewnić dodatkową opiekę, aby obniżyć wskaźniki ponownych przyjęć.
Platforma dużych zbiorów danych z procesorami Intel® Xeon® umożliwiła grupie szpitalnej zmniejszyć liczbę ponownych przyjęć pacjentów do placówek o 6000 przypadków, uniknąć 4 milionów dolarów w potencjalnych karach Medicare oraz zaoszczędzić 72 miliony dolarów kosztów usług medycznych rocznie.6
Odkrywanie potencjału AI
Firma Intel z pasją korzysta z AI w celu ułatwienia systemom i dostawcom usług medycznych walki z chorobami i personalizacji leczenia. Od sponsorowania konkursu badań przesiewowych w kierunku raka z wykorzystaniem AI do wielu rozwiązań AI z technologiami Intel® w dziedzinie zdrowia i nauk przyrodniczych, firma Intel pomaga organizacjom służby zdrowia odnaleźć właściwe technologie do wdrażania analizy predykcyjnej.
Identyfikowanie pacjentów z ryzykiem pogorszenia stanu
Firma Sharp HealthCare wykorzystała technologie firm Intel i Cloudera do skutecznego wdrożenia modelu predykcyjnego analizy klinicznej. Model wykorzystuje uczenie maszynowe i dane z systemu EMR w szpitalach, aby zidentyfikować pacjentów, u których występuje ryzyko interwencji zespołu szybkiego reagowania w najbliższej godzinie.
Model miał 80% skuteczność w przewidywaniu prawdopodobieństwa wystąpienia zdarzenia w ciągu godziny.7 To pozwoliło zespołom szybkiego reagowania na aktywne interwencje, ulepszenie opieki i zmniejszenie jej kosztów oraz na poprawę wykorzystania zasobów.
Firma Intel wspiera lekarzy analizą predykcyjną
Dzięki stworzeniu podstaw technologii dla AI i platform dużych zbiorów danych, firma Intel i nasz ekosystem partnerów umożliwiają dostawcom usług medycznych wykorzystanie ogromnej ilości danych dotyczących pacjentów i zdrowia, których dotychczas nie używano. Stworzone rozwiązania pozwalają dostawcom usług medycznych zwiększać bezpieczeństwo pacjentów, podnosić wydajność operacyjną i co najważniejsze poprawiać wyniki pacjentów.