Attenzione: questa pagina è una traduzione automatica di questa pagina originariamente in lingua inglese. Si prega di notare in quanto le traduzioni sono generate da macchine, non tutte le traduzioni saranno perfetti. Questo sito web e le sue pagine web sono destinati ad essere letto in inglese. Ogni traduzione del sito e le sue pagine web possono essere imprecise e inesatte, in tutto o in parte. Questa traduzione è fornita per comodità.

Scienza di registrazione: dove la scienza di dati e della medicina interseca

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

Scritto dal contributore principale, Dott. Steve Labkoff.

I media della tecnologia e di sanità hanno evidenziato la promessa “di grandi dati„ alimentati da intelligenza artificiale e dall'apprendimento automatico per la decade passata. Sembra che i grandi dati possano risolvere tutto dalle emissioni della catena di fornitura a fare maturare le malattie letali come cancro, finchè ci sono abbastanza dati circa un oggetto dato affinchè gli algoritmi del computer analizzino. I campi di scienza di dati e dell'informatica sono interamente circa la cattura dei dati, la creazione della conoscenza ed il guadagno delle comprensioni nuove che generano il valore basato sui risultati. Tuttavia, ci sono sfide nella catena di valori per l'industria di sanità poichè la qualità delle comprensioni direttamente correla alla qualità ed alla quantità di dati usati per generare quelle comprensioni. Purtroppo, ottenere i dati medici di alta qualità, particolarmente dalle cartelle sanitarie elettroniche (EHRs), è un compito particolarmente complesso.

dati mediciCredito di immagine: PopTika/Shutterstock.com

Sebbene medici siano pagati catturare la cura dei pazienti piuttosto che eseguendo la SUA entrata di dati, alcuno studia il rapporto che più di 50% del lavoro quotidiano di un medico è speso che perfora le informazioni in EHRs. Quando l'uso dei clinici “tagliato & l'inserimento„ quando scrive le loro note, i dati sono non specifici, meno granulari ed i campi saltati creano le lacune di dati. Questa prosa incompleta piombo ad altre sfide esplicative.

I computer con gli algoritmi abili possono contribuire a pulire alcuni dati, ma il missingness è ancora problematico poiché non potete aggiungere indietro che cosa non era mai là. In un progetto recente I condutto per un sistema importante di salubrità di Midwest, hanno dovuto identificare altrettanti casi come possibili dei pazienti con un cancro di sangue raro. All'inizio del progetto, l'asserzione era che hanno avuti ogni anno centinaia di nuovi casi e potrebbero garantire secondo i bisogni altrettanti argomenti per l'analisi. Alla fine, hanno potuto produrre soltanto 96 argomenti pazienti per l'analisi. Mentre questo può sembrare come molti pazienti con un cancro di sangue raro, non è abbastanza per fare l'intelligenza artificiale e l'apprendimento automatico specializzati richiesti per generare le comprensioni apprezzate. Messa semplicemente, la mancanza di dati completi per un sistema di salubrità che ha avuto un bacino di raccolta oltre di tre milione vite coperte è diventato tariffa-limitante per il completamento del progetto di ricerca.

Scienza di registrazione: traduzione della ricerca sulle comprensioni per autorizzare cura clinica

Una strategia esiste per combattere questa emissione. Tuttavia, richiede la competenza nell'informatica, in analisi dei dati di dati e nella visualizzazione e nelle tecnologie di ml e di A.I. Comprende la costruzione delle registrazioni mediche che possono fare che EHRs fa ma in una messa a fuoco in e rifletta il modo. Le registrazioni mediche raccolgono i dati circa un tipo o una classe paziente, solitamente risoluta dall'inclusione o dall'esclusione dei criteri e poi raccolgono i dati necessari col passare del tempo, ripetutamente e risolutmente, per assicurare che tanti dati circa il paziente o la situazione possano essere applicati. Ciò può essere una mansione impegnativa; tuttavia, la parte superiore è il vantaggio di avere “il pulitore„ e dati più completi da cui iniziare l'analisi, che è cruciale per le comprensioni aumentanti circa le malattie rare con le tariffe basse di prevalenza e di incidenza.

Questa area di scienza medica di dati e dell'informatica che interseca con medicina e l'epidemiologia è chiamata “scienza di registrazione.„ Sebbene sia stata a lungo intorno, è soltanto importanza recentemente assunta con l'arrivo delle tecnologie di prossima generazione che possono generare gli insiemi di nuovi e dati più complessi. Queste innovazioni tecnologiche includono il RNA unicellulare che ordina, ordinante di prossima generazione del DNA e spettrometria di massa di tempo di volo per l'analisi unicellulare che può produrre i gruppi di dati che possono combinarsi con le registrazioni pazienti elettroniche per seguire il viaggio del paziente nei modi non precedentemente possibili. La scienza di registrazione, quindi, permette alla produzione degli insiemi di dati altamente curated che contribuiscono a facilitare la scoperta di nuove comprensioni per alimentare la medicina personale.

Le registrazioni hanno cominciato nella metà del XX secolo facendo uso degli shoeboxes dei moduli a tenere la carreggiata i dati pazienti. Durante le ultime decadi, queste registrazioni rudimentali mutevoli nei mezzi specializzati di generazione del complessi e di insiemi di dati completi stati necessari come input per l'analisi di dati a più variabili hanno eseguito dall'apprendimento automatico ed usato dai motori di intelligenza artificiale. L'emergenza dei tipi di dati supplementari, come l'ordinamento genomica e delineamento immunologico, ha permesso alla capacità di raccogliere i dati dai tipi di dati multipli richiesti per guadagnare le comprensioni ottimali da molti punti di vista.

Tuttavia, i vecchi problemi del campo rimangono poichè uno dei criteri più importanti allo studio nelle registrazioni mediche è il viaggio paziente globale ed assicurare i dati medici pazienti di alta qualità è cruciale per il suo successo. C'è bene oltre 300 sistemi elettronici della cartella sanitaria negli Stati Uniti, con una manciata di sistemi che dominano lo spazio (epica, Cerner, Meditech, Allscripts, & impianti eCLinical). Che cosa sono le probabilità che questi SUOI venditori forniscono la capacità di dividere facilmente i dati fra i loro sistemi? Risulta le probabilità non è quella buona.

cartelle sanitarie elettronicheCredito di immagine: Tero Vesalainen/Shutterstock.com

Come componente della salubrità Information Technology per una fattura economica e clinica di salubrità (ALTA TECNOLOGIA) di 2009, il governo ha catalizzato l'approvazione di EHRs, stimolante l'uso dei SUOI sistemi. Tuttavia, i sui sforzi per incentivare “l'uso significativo„ e l'interoperabilità erano provocatori nel migliore dei casi.

Nel 2021, le sfide importanti per allineare l'interoperabilità rimangono. Ciò significa che l'aggregazione dei dati medici dai sistemi disparati per le cose come ricerca sul cancro è sostanzialmente più dura di dovrebbe essere.

Via accelerata al curation ed all'analisi di dati

Il composto dell'emissione è il fatto che “i proprietari„ o “amministratori„ della maggior parte di questi dati -- soprattutto grandi ospedali ed università -- abbia raramente incentivi per dividere i loro dati, anche quando se con consenso firmato dal paziente. Ci sono disincentivi alla divisione perché questi dati si sono trasformati nei tasti ad aprire la scoperta scientifica e sono trattati come informazione riservata. Chiunque possiede le destre di amministrazione ai dati può condurre la ricerca che vogliono, se passano i protocolli di studio o i comitati d'esame istituzionali alla loro istituzione. Dividendo fra le istituzioni rimane difficile, nel migliore dei casi.

Fortunatamente, ad aprile di 2021, una norma è entrato in effetto come componente della Legge del XXI secolo delle maturazioni. Ci sono parecchie disposizioni nella norma. Una delle sue disposizioni ha autorizzato la creazione e l'uso dei dati di memoria degli Stati Uniti per interoperabilità (USCDI), di un insieme standardizzato delle classi di dati di salubrità e dei dati elementari costituenti per lo scambio di informazioni nazionale e interoperabile di salubrità. Il USCDI, combinato con l'uso di uno standard di emergenza per scambiare le informazioni di sanità elettronicamente, le risorse veloci di interoperabilità di sanità (FHIR®), è una ricetta per che cosa potrebbe essere considerato una via accelerata al curation, all'aggregazione ed all'analisi di dati. Le guide di FHIR muovono i dati da un posto ad un altro e le guide di USCDI definiscono come dovrebbe essere nominato e memorizzato. Ciò ha potuto essere “l'inizio della conclusione„ del curation su grande scala e manuale.  Un'altra disposizione nella norma proscrive “la didascalia di dati„ - vale a dire tutto l'impedimento alla divisione dei dati (forniti voi abbia le autorizzazioni appropriate).

La scienza di registrazione tiene il potenziale enorme per i test clinici, i risultati pazienti di valutazione, la ricerca epidemiologica e lo stimolo dell'atto regolatore. Tuttavia, ancora abbiamo parecchio da fare. Per esempio, studiare una malattia ultra-rara, trovante abbastanza pazienti attraverso gli Stati Uniti o il mondo può essere oneroso, come provato nei risultati recenti da molte registrazioni correnti. Le emissioni con consenso paziente, dividendo fra le istituzioni e l'inerzia istituzionale fanno la raccolta sfidare di questi dati. La promessa della ricerca che impiega l'intelligenza artificiale e l'apprendimento automatico autorizzare ha personalizzato la medicina mediante il FHIR e USCDI sta andando essere provato durante i parecchi anni futuri. Possiamo sperare soltanto che alcune delle emissioni che rendono questo lavoro arduo siano risolte.

Ora, supponga che abbiamo cominciato pagare medici per creare la migliore documentazione nei loro SUOI sistemi; potremmo migliorare i dati per scoprire le origini delle malattie importanti come cancro, la malattia di cuore, il morbo di Alzheimer e le malattie respiratorie, compreso COVID-19. Se la pandemia di COVID ci ha insegnato qualche cosa nella sanità, è che essere rapido dati aggregati capaci nelle registrazioni può essere una capacità estremamente importante per sia la salubrità che il benessere delle persone, della nostra nazione e del mondo.

Circa Dott. Steve Labkoff

Il Dott. Steven Labkoff è oggi uno del clinico-informaticians principale negli Stati Uniti con quasi 30 anni di esperienza di scienze biologiche e di settore di sanità.Dott. Steve Labkoff Preparato nell'informatica medica, nella cardiologia e nella medicina interna alla facoltà di medicina di Harvard, al MIT, al banco di Rutgers del Biomedical e delle scienze di salubrità ed all'università di Pittsburgh, ha competenza profonda nella generazione, nella gestione e nell'analizzare dei dati per accelerare lo sviluppo della droga, ha personalizzato la cura paziente e migliora i risultati medici. A Quantori, servisce da testa globale dell'informatica di sanità e clinica, assistente i clienti di scienze biologiche nel trovare e nell'applicare le soluzioni innovarici dell'informatica durante l'intero ciclo di vita dello sviluppo della droga. Nel suo ozio, Labkoff è un fotografo premiato.

Riferimenti

Dichiarazione: Questo articolo non è stato sottoposto a revisione tra pari ed è presentato come i punti di vista personali di un esperto qualificato nell'oggetto conformemente ai termini e condizioni generali generali di uso del sito Web di 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.