Avertissement : Cette page est une traduction automatique de cette page à l'origine en anglais. Veuillez noter puisque les traductions sont générées par des machines, pas tous les traduction sera parfaite. Ce site Web et ses pages Web sont destinés à être lus en anglais. Toute traduction de ce site et de ses pages Web peut être imprécis et inexacte, en tout ou en partie. Cette traduction est fournie dans une pratique.

La Science de Bureau d'ordre : là où la science de médicament et de caractéristiques intersectent

By Keynote ContributorDr. Steve LabkoffGlobal Head of Clinical and Healthcare Informatics at Quantori

Écrit par le contributeur principal, M. Steve Labkoff.

Les medias de santé et de technologie ont mis en valeur la promesse des « grandes caractéristiques » actionnées par artificial intelligence et apprentissage automatique pour la décennie passée. Elle semble que les grandes caractéristiques peuvent résoudre tout des éditions de chaîne logistique à guérir les maladies mortelles comme le cancer, tant que il y a assez de caractéristiques au sujet d'un sujet donné pour que les algorithmes d'ordinateur analysent. Les inducteurs de la science d'informatique et de caractéristiques sont tout au sujet de prendre des caractéristiques, de produire la connaissance, et de gagner les analyses neuves qui produisent de la valeur basée sur des résultats. Cependant, il y a des défis dans la chaîne de valeur pour l'industrie de la santé car la qualité des analyses marque directement avec la qualité et la quantité de caractéristiques employées pour produire de ces analyses. Malheureusement, l'obtention des caractéristiques médicales de haute qualité, particulièrement des dossiers médicaux électroniques (EHRs), est exceptionnellement une tâche complexe.

caractéristiques médicalesCrédit d'image : PopTika/Shutterstock.com

Bien que des médecins soient payés pour prendre soin des patients plutôt qu'exécutant SA saisie des données, une partie étudie l'état qui plus de 50% du travail quotidien d'un médecin est dépensé perforant l'information dans EHRs. Quand l'utilisation de cliniciens « coupée et la pâte » en écrivant leurs notes, la caractéristique est non spécifique, moins granulaire, et les inducteurs sautés produisent des lacunes de caractéristiques. Cette prose inachevée mène à d'autres défis interprétatifs.

Les ordinateurs avec des algorithmes intelligents peuvent aider à nettoyer quelques caractéristiques, mais le missingness est encore problématique puisque vous ne pouvez pas ajouter de retour ce qui n'était jamais là. Dans un projet récent que j'ai mené pour un système de santé important de Midwest, elles a dû recenser autant de cas comme possibles des patients présentant un cancer de sang rare. Au commencement du projet, la revendication était qu'ils ont eu tous les ans des centaines de cas neufs et pourraient fixer autant de points de droit selon les besoins pour l'analyse. En fin de compte, ils pourraient seulement produire 96 points de droit patients pour l'analyse. Tandis que ceci peut sembler comme beaucoup de patients présentant un cancer de sang rare, il n'est pas assez pour faire l'artificial intelligence et l'apprentissage automatique sophistiqués exigés pour produire des analyses précieuses. Tout simplement, le manque de caractéristiques complètes pour un système de santé qui a eu un bassin de captation de plus de trois millions de durées couvertes est devenu régime-limitant pour compléter le projet de recherche.

La Science de Bureau d'ordre : traduction de la recherche sur des analyses pour autoriser des soins cliniques

Une stratégie existe pour combattre cette édition. Cependant, elle exige des compétences dans l'informatique, l'analytique de caractéristiques, et la visualisation, et les technologies d'A.I. et de ml. Elle comporte la construction des Bureaux d'ordre médicaux qui peuvent faire quel EHRs font mais dans orienté et délibérez la façon. Les Bureaux d'ordre médicaux rassemblent des caractéristiques au sujet d'un type ou d'un type patient, habituellement déterminé par l'inclusion ou l'exclusion des critères, et puis rassemblent les caractéristiques nécessaires au fil du temps, à plusieurs reprises et avec tenacité, pour s'assurer qu'autant caractéristique au sujet du patient ou de la situation peut être appliquée. Ceci peut être une tâche exigeante ; cependant, la partie supérieure est l'avantage de avoir le « nettoyeur » et les caractéristiques plus complètes dont pour commencer l'analyse, qui est essentielle pour des analyses croissantes au sujet des maladies rares avec des régimes inférieurs d'incidence et de prévalence.

Cet endroit de la science d'informatique médicale et de caractéristiques qui intersecte avec le médicament et l'épidémiologie est la « Science appelée de Bureau d'ordre. » Bien qu'il ait été autour pendant longtemps, c'est importance tout récemment gagnée avec l'arrivée des technologies de la deuxième génération qui peuvent produire des ensembles de données neufs et plus complexes. Ces innovations techniques comprennent l'ARN unicellulaire ordonnançant, l'ordonnancement de la deuxième génération d'ADN, et la spectrométrie de masse de temps-de-vol pour l'analyse unicellulaire qui peut produire les ensembles de données qui peuvent être combinés avec les dossiers patients électroniques pour suivre le voyage du patient des voies pas précédemment possibles. La Science de Bureau d'ordre active, pour cette raison, la production des ensembles de données fortement curated qui aident à faciliter la découverte des analyses neuves pour actionner le médicament personnalisé.

Les Bureaux d'ordre ont commencé à la moitié du 20ème siècle utilisant des shoeboxes des fiches à suivre des caractéristiques patientes. Pendant les dernières décennies, ces Bureaux d'ordre rudimentaires transformés en des moyens sophistiqués de produire complexes et des ensembles de données complets requis comme entrées pour l'analyse de caractéristiques multivariée ont exécuté par apprentissage automatique et utilisé par des engines d'artificial intelligence. L'émergence des types d'informations supplémentaires, tels que l'ordonnancement génomique et le profilage immunologique, a activé la capacité de rassembler des caractéristiques des types de caractéristiques multiples exigés pour gagner des analyses optimales de beaucoup de points de vue.

Cependant, les vieux problèmes de l'inducteur demeurent car un des critères les plus importants à l'étude dans des Bureaux d'ordre médicaux est le voyage patient général, et la fixation des caractéristiques médicales patientes de haute qualité est essentielle pour sa réussite. Il y a bien plus de 300 systèmes électroniques de dossier médical aux États-Unis, avec une poignée de systèmes dominant l'espace (épopée, Cerner, Meditech, Allscripts, et travaux eCLinical). Quelle est la chance que ces SES constructeurs fournissent la capacité de partager des caractéristiques entre leurs systèmes facilement ? Elle s'avère la chance ne sont pas celle bonne.

dossiers médicaux électroniquesCrédit d'image : Tero Vesalainen/Shutterstock.com

En tant qu'élément de la technologie informatique d'information santé pour la facturation économique et clinique de santé (TECHNOLOGIE) de 2009, le gouvernement a catalysé l'adoption d'EHRs, stimulant l'utilisation de SES systèmes. Cependant, ses efforts pour motiver « l'utilisation signicative » et l'interopérabilité étaient provocants au mieux.

En 2021, les défis majeurs à l'interopérabilité vraie demeurent. Ceci signifie que la totalisation des caractéristiques médicales des systèmes disparates pour des choses comme la cancérologie est sensiblement plus dure qu'il devrait être.

Voie rapide au curation et à l'analyse de caractéristiques

La composition de l'édition est le fait que les « propriétaires » ou des « administrateurs » de la majorité de ces caractéristiques -- principalement grands hôpitaux et universités -- ayez rarement les incitations pour partager leurs caractéristiques, même lorsque si avec le consentement signé du patient. Il y a des découragements au partage parce que ces caractéristiques sont devenues les clavettes à débloquer la découverte scientifique et est traité comme information propriétaire. Celui qui possède les juste d'intendance aux caractéristiques peut conduire la recherche qu'ils veulent, s'ils réussissent les protocoles d'étude ou les tables d'examen institutionnelles à leur institution. Le partage entre les institutions reste difficile, au mieux.

Heureusement, en avril de 2021, une règle est entrée dans l'effet en tant qu'élément de la Loi du 21ème siècle de remèdes. Il y a plusieurs provisions dans la règle. Une de ses provisions a autorisé la création et l'utilisation des caractéristiques de faisceau des Etats-Unis pour l'interopérabilité (USCDI), d'un ensemble normalisé de classes de données de santé et des éléments de données constitutifs pour l'échange au niveau national et interopérable de l'information santé. L'USCDI, combiné avec l'utilisation d'une norme émergente pour mélanger les informations santé électroniquement, les moyens rapides d'interopérabilité de santé (FHIR®), est une recette pour ce qui pourrait être considéré une voie rapide au curation, à la totalisation, et à l'analyse de caractéristiques. Les aides de FHIR déménagent les caractéristiques d'un endroit à l'autre, et les aides d'USCDI définissent comment il devrait être nommé et enregistré. Ceci pourrait être le « début de la fin » du curation de grande puissance et manuel.  Une autre provision dans la règle proscrit des « caractéristiques bloquant » - à savoir n'importe quelle entrave au partage des caractéristiques (fournies t'ayez les autorisations appropriées).

La Science de Bureau d'ordre retient le potentiel énorme pour des tests cliniques, des résultats patients de évaluation, la recherche épidémiologique, et stimuler l'action de réglementation. Cependant, nous avons toujours beaucoup de chemin à faire. Par exemple, étudier une maladie ultra-rare, trouvant assez de patients en travers des États-Unis ou du monde peut être onéreuse, comme démontré dans les découvertes récentes de beaucoup de Bureaux d'ordre actuels. Les éditions avec le consentement patient, mettant en commun entre des institutions, et l'inertie institutionnelle effectuent rassembler la remise en question de ces caractéristiques. La promesse de la recherche utilisant l'artificial intelligence et l'apprentissage automatique d'autoriser a personnalisé le médicament par le FHIR et USCDI va être vérifié pendant les plusieurs années suivantes. Nous pouvons seulement espérer que certains des problèmes qui rendent ce travail laborieux seront résolus.

Maintenant, supposez que nous commencions à payer des médecins pour produire une meilleure documentation dans leurs SES systèmes ; nous pourrions obtenir de meilleures caractéristiques pour découvrir les origines des maladies importantes comme le cancer, la cardiopathie, la maladie d'Alzheimer, et les maladies respiratoires, y compris COVID-19. Si la pandémie de COVID nous a enseignés quelque chose dans la santé, c'est qu'être rapidement caractéristique totale capable dans des Bureaux d'ordre peut être une capacité en critique importante pour la santé et le bien-être des personnes, de notre pays, et du monde.

Au sujet de M. Steve Labkoff

M. Steven Labkoff est un du principal clinicien-informaticians aux États-Unis aujourd'hui avec presque 30 ans d'expérience des sciences de la vie et du secteur de santé.M. Steve Labkoff Exercé en informatique médicale, cardiologie, et médecine interne à la Faculté de Médecine de Harvard, au MIT, à l'école de Rutgers des sciences biomédicales et de santé, et à l'université de Pittsburgh, il a des compétences profondes en produisant, en manageant, et en analysant des caractéristiques pour accélérer le développement de médicament, a personnalisé des soins aux patients, et améliore des résultats médicaux. Chez Quantori, il sert de tête globale de l'informatique clinique et de santé, aidant des usagers des sciences de la vie en développant et en mettant en application les solutions novatrices d'informatique tout au long du cycle de vie entier de développement de médicament. Dans son temps de rechange, Labkoff est un photographe qui a reçu un prix.

Références

Déni de responsabilité : Cet article n'a pas été soumis à l'inspection professionnelle et est présenté comme vues personnelles d'un expert qualifié en matière de sujet selon les conditions générales et les conditions d'utilisation du site Web de News-Medical.Net.

Last Updated: Nov 22, 2021

Comments

The opinions expressed here are the views of the writer and do not necessarily reflect the views and opinions of News Medical.