Big data in sanità, i motivi di un (lento) passaggio obbligato

0
143

I big data sono entrati rapidamente in una vasta gamma di settori. Anche l’assistenza sanitaria è matura per le iniziative legate ai big data: in sanità esiste un numero incredibile di potenziali applicazioni per l’analisi predittiva. Tuttavia, mentre alcune organizzazioni sanitarie hanno iniziato a vedere il valore che può derivare dall’utilizzo dei big data, il settore nel suo insieme, per una serie di motivi, è molto più lento nell’adottare iniziative sui big data. Di seguito proponiamo alcuni dei molteplici modi con cui l’assistenza sanitaria può trarre grande vantaggio dai big data. Ma anche perché si sta facendo fatica a sfruttarne al massimo il potenziale.

big data in sanità

Prevenzione degli errori dei farmaci

Gli errori terapeutici sono un problema serio nelle organizzazioni sanitarie. I big data possono aiutare a ridurre drasticamente i tassi di errore analizzando i record del paziente con tutti i farmaci prescritti e segnalando tutto ciò che sembra un’anomalia. MedAware, una start-up israeliana, ha già sviluppato un software di questo tipo, con risultati incoraggianti. In uno studio clinico sono stati analizzati i record di 747.985 pazienti e tra questi sono stati segnalati 15.693 casi degni di attenzione. Da un campione di 300, è stato convalidato circa il 75% degli avvisi, dimostrando così che il software potrebbe essere uno strumento importante per i medici, consentendo potenzialmente di risparmiare fino a 21 miliardi di dollari all’anno nell’intero settore.

Sfortunatamente, come per molte iniziative sui big data in ambito sanitario, ci sono alcuni ostacoli all’adozione diffusa. A causa dell’età di molti sistemi IT sanitari, l’implementazione dei nuovi dispositivi per la gestione dei dati può essere lenta da attuare. Inoltre, i dati sanitari sono altamente sensibili e le organizzazioni devono prestare molta attenzione alla sicurezza e al rispetto delle normative. Molti potrebbero evidenziare che la ricerca medica si è sempre basata enormemente sull’analisi dei dati. E avrebbero ragione. Tuttavia, i big data si stanno creando molto lentamente un proprio spazio nel contesto del sistema sanitario.

Troppe informazioni? Usiamole bene

L’analisi dei dati non è una novità per l’assistenza sanitaria. Tuttavia, la quantità di dati e la varietà di fonti create dallo smartphone, dalla casa intelligente e dall’età intelligente, se lo si desidera, è stata un po’ soffocante. Però il potenziale dormiente in quelle montagne di dati non è passato inosservato.

Dato che i software di analisi dei dati diventano più facili e più intuitivi grazie alle innovazioni nel settore dell’intelligenza artificiale e del deep learning, è sempre più facile per i fornitori di servizi sanitari collegare questi enormi cumuli di dati e trarre da essi conclusioni pertinenti.

Analisi predittiva, cure preventive

Molti sistemi sanitari devono fare i conti con percentuali elevate di pazienti che usano ripetutamente il pronto soccorso. Questo fa aumentare i costi sanitari e non porta a cure o esiti migliori per tali pazienti. Utilizzando l’analisi predittiva, alcuni ospedali sono stati in grado di ridurre il numero di visite al pronto soccorso identificando pazienti ad alto rischio e offrendo cure personalizzate incentrate sul paziente.

Attualmente, uno dei principali ostacoli da superare nell’identificazione dei pazienti ad alto rischio è la mancanza di dati. Nel complesso, oggi ci sono pochi punti di raccolta dati, il che rende quasi impossibile ottenere un quadro accurato dei rischi reali, nonché risalire alle ragioni di questi rischi.

Riduzione dei costi ospedalieri e dei tempi di attesa

Dimenticare di prendere le medicine è facile. Questo potrebbe non essere un grosso problema se si ha a che fare con un’influenza o una malattia simile, ma può invece avere importanti conseguenze se, per esempio, si è diabetici. Se i big data non possono risolvere da soli il problema del monitoraggio della salute in tempo reale, i big data combinati con l’internet delle cose possono invece farlo.

Secondo la Guida MapR ai big data in sanità, la spesa per l’IoT nel settore sanitario è destinata a superare i 120 miliardi di dollari entro i prossimi quattro anni. Tutte le informazioni ricavabili dalle tecnologie indossabili e dai dispositivi di monitoraggio intelligenti consentiranno ai medici di effettuare il check-up dei loro pazienti senza una visita e di impostare avvisi: quindi se i livelli di glucosio del paziente diminuiscono, o se ci si dimentica di prendere i farmaci, può essere inviato automaticamente un promemoria.
Dal punto di vista del paziente, l’effetto più evidente dei big data sarà una maggiore continuità nella cura.

Prevenzione frodi

Sul versante dei fornitori di servizi sanitari o assicurativi, uno dei cambiamenti più evidenti apportati dal boom dei big data sarà la prevenzione delle frodi. Le frodi assicurative e le frodi su prescrizione medica non sono sempre stati crimini facili da identificare. Il nuovo software di analisi dei dati può riconoscere automaticamente le bandiere rosse e gli schemi sospetti nelle cartelle cliniche per prevenire le frodi e dimostrare quanto è accaduto quando si verifica un crimine.

I big data hanno avuto un impatto molto importante sull’industria della salute, ma siamo solo all’inizio. Man mano che la tecnologia progredirà e gli operatori sanitari saranno più a loro agio nell’utilizzarla, l’intero sistema sanitario cambierà. Gli appuntamenti medici saranno sostituiti da video chat e avvisi automatici, l’enfasi sulle cure preventive continuerà a crescere e, nel complesso, migliorerà la qualità della vita. Potrebbe essere un viaggio accidentato che integra grandi dati nell’assistenza sanitaria, ma la destinazione ne varrà la pena.

Come per molti altri settori, i big data rappresentano per la sanità un’enorme opportunità per tagliare i costi. Ma anche di ridurre i tempi di attesa – una cosa che costa soldi a tutti. Un ospedale di Parigi utilizza l’analisi predittiva per assistere il personale. Prevedendo i tassi di ammissione nelle due settimane successive, l’ospedale può quindi assegnare personale in base a quei numeri. Ci sono tanti modi in cui gli ospedali possono ridurre i costi utilizzando l’analisi predittiva, ma poche organizzazioni lo stanno già facendo.

I budget dell’ospedale sono complessi e, sebbene il potenziale di ROI (ritorno sull’investimento) sia elevato, alcune organizzazioni non sono semplicemente pronte a investire in big data. Potrebbero sostituire le vecchie attrezzature con nuove tecnologie all’avanguardia o destinare denaro altrove. E potrebbero ben presto risparmiare milioni.

LASCIA UN COMMENTO

Please enter your comment!
Please enter your name here