Big data sanitari: definizione e panorama applicativo

I big data sanitari si riferiscono a un sistema tecnico utilizzato per la previsione delle malattie, la medicina di precisione e la gestione della sanità pubblica raccogliendo, integrando e analizzando enormi quantità di dati in campi medici e sanitari (come cartelle cliniche elettroniche, informazioni genetiche, dati di monitoraggio di dispositivi indossabili, ecc.). Il suo contenuto principale includeOrigine dati(Istituzioni mediche, dispositivi intelligenti),Supporto tecnico(intelligenza artificiale, cloud computing) eScenari applicativi(Trattamento personalizzato, prevenzione e controllo dell'epidemia). In termini di struttura primaria e secondaria, la raccolta dei dati è il fondamento, la tecnologia di analisi è la chiave e il valore finale si riflette nel miglioramento dell’efficienza medica e nell’ottimizzazione dei servizi sanitari.

Fonti dei dati e architettura tecnica

Le fonti dei big data sanitari sono diverse e dinamiche e comprendono principalmente tre categorie:dati clinici(come cartelle cliniche elettroniche ospedaliere, imaging medico),dati comportamentali(numero di passi e frequenza cardiaca registrati dal braccialetto intelligente) edati ambientali(Qualità dell'aria, posizione). Prendendo come esempio un ospedale terziario, i dati strutturati generati ogni anno possono raggiungere i 50 TB e i dati delle immagini non strutturati superano i 200 TB. Il livello tecnico si basa sullo storage distribuito Hadoop e sugli algoritmi di machine learning. Ad esempio, IBM Watson Health utilizza la tecnologia di elaborazione del linguaggio naturale per analizzare il testo della cartella clinica.

Analisi degli scenari applicativi principali

In termini di previsione della malattia, la Mayo Clinic negli Stati Uniti ha sviluppato un modello di intelligenza artificiale in grado di avvisare in caso di insufficienza cardiaca con 30 minuti di anticipo analizzando 100.000 dati di elettrocardiogramma. Il Centro cinese per il controllo e la prevenzione delle malattie utilizza i flussi di dati relativi all’acquisto di farmaci in farmacia per monitorare le tendenze dell’influenza in tempo reale, ovvero 72 ore più velocemente rispetto al sistema di segnalazione tradizionale. Nel campo della gestione sanitaria personalizzata, il servizio di test genetici 23andMe ha aiutato più di 12 milioni di persone a scoprire il rischio di malattie genetiche e il suo database copre 6.000 marcatori di caratteristiche sanitarie.

Sfide del settore e tendenze di sviluppo

Attualmente di fronteSilos di dati(I dati tra le istituzioni mediche non sono interoperabili),Privacy e sicurezza(Il GDPR dell'UE richiede l'anonimizzazione) emancanza di standardizzazione(Differenze nei formati dei dati tra i diversi dispositivi) Tre sfide principali. Nei prossimi cinque anni, la tecnologia di apprendimento federato raggiungerà “la disponibilità dei dati ma nessuna visibilità”. Ad esempio, la piattaforma Miying di Tencent ha completato la formazione del modello di identificazione del cancro al fegato interospedaliero senza trasferire i dati originali. A livello politico, il “14° piano quinquennale per l’informatizzazione sanitaria nazionale” della Cina richiede chiaramente la creazione di un big data center sanitario e medico nazionale entro il 2025.

Riepilogo e prospettive di valore

I big data sanitari stanno rimodellando il sistema dei servizi medici e sanitari, passando dal trattamento passivo alla prevenzione attiva. La sua catena del valore coprelivello individuale(Guida medica precisa),livello istituzionale(Ottimizzazione delle operazioni ospedaliere) elivello sociale(Processo decisionale in sanità pubblica). Con la diffusione del 5G e dell’edge computing, il monitoraggio sanitario in tempo reale diventerà possibile. Ad esempio, il dispositivo cardiaco impiantabile di Boston Scientific è stato in grado di trasmettere 300 serie di dati sui segni vitali ogni minuto. Va notato che le applicazioni tecnologiche devono seguire norme etiche ed evitare l’uso improprio dei dati.

Fonti delle citazioni:
1. Organizzazione Mondiale della Sanità "Strategia globale per la salute digitale (2020-2025)"
2. "Libro bianco sulla standardizzazione dei big data medici" di Li Lanjuan, accademico dell'Accademia cinese di ingegneria
3. Casi di prodotto: Huawei Watch GT3 (funzione di monitoraggio ECG), sistema di diagnosi intelligente United Imaging Medical uAI
4. Dati di ricerca: numero di marzo 2023 della rivista Nature Medicine "Application of Artificial Intelligence in Cardiovascolare Diseases"