Analiza predykcyjna i przyszłość opieki zdrowotnej

Firma Intel dostarcza podstaw do tworzenia platform dużych zbiorów danych oraz AI do zaawansowanej analizy zdrowia.

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.

Jesteśmy tu, żeby Ci pomóc


Czy chcesz porozmawiać z firmą Intel na temat potrzeb związanych z kolejnym projektem technologicznym?

Podobna treść

Znajdź więcej zasobów na temat analizy predykcyjnej w opiece zdrowotnej i technologii Intel®, które ją napędzają.

Analityka brzegowa napędza postęp w opiece zdrowotnej

Systemy przetwarzania brzegowego i analityka brzegowa umożliwiają systemom i dostawcom usług medycznych przekształcenie danych w spostrzeżenia bliżej źródła danych.

Więcej informacji

Przyspieszenie postępów w medycynie precyzyjnej

Dowiedz się, w jaki sposób dostawcy usług medycznych wykorzystują medycynę precyzyjną w celu ulepszenia opieki nad pacjentami i poprawy wyników.

Czytaj dalej

AI przekształca obrazowanie rentgenowskie

Critical Care Suite firmy GE Healthcare wprowadza AI do aparatu rentgenowskiego, aby wykrywać stany zagrożenia życia w kilka sekund.

Przeczytaj o tym

Tworzenie przyszłości opieki zdrowotnej

Zobacz, jak innowacje takie jak AI i rzeczywistość wirtualna zmieniają opiekę zdrowotną od leczenia raka po obrazowanie medyczne.

Więcej informacji

Zastrzeżenia i uwagi prawne

Oprogramowanie i obciążenia wykorzystane w testach wydajności mogły zostać zoptymalizowane pod kątem wydajnego działania tylko na mikroprocesorach Intel®.

Testy wydajności, takie jak SYSmark* i MobileMark*, mierzą wydajność określonych systemów komputerowych, komponentów, oprogramowania, operacji i funkcji. Dowolna zmiana wyżej wymienionych czynników może spowodować uzyskanie innych wyników. Aby wszechstronnie ocenić planowany zakup, w tym wydajność danego produktu w porównaniu z konkurencyjnymi, należy zapoznać się z informacjami z innych źródeł oraz innymi testami wydajności. Więcej informacji można znaleźć na stronie www.intel.pl/benchmarks.

Wyniki wydajności są oparte na testach z dnia wskazanego w konfiguracjach i mogą nie uwzględniać wszystkich publicznie dostępnych aktualizacji zabezpieczeń. Więcej informacji zawiera zastrzeżenie dotyczące konfiguracji. Żaden produkt ani komponent nie jest całkowicie bezpieczny.

Informacje o produktach i wydajności

1Healthcare Disrupted: Next Generation Business Models and Strategies, Jeff Felton and Anne O’Riordan.
3 „Modeling Ebola Spread Using Big Data Analytics”, 2016 r., iucrc.org/node/modeling-ebola-spread-using-big-data-analytics.
5„Intel and Cloudera Help a Large Hospital Group Allocate Resources by Predicting Patient Length-of-Stay”, https://www.intel.pl/content/www/pl/pl/healthcare-it/solutions/documents/large-hospital-group-allocate-resources-by-predicting-length-of-stay-study.html.
6“Intel and Cloudera Use Predictive Analytics to Help a Large Hospital Group Reduce Readmission Rates,” https://www.intel.pl/content/www/pl/pl/healthcare-it/solutions/documents/predictive-analytics-reduce-hospital-readmission-rates-white-paper.html.