Τα μεγάλα δεδομένα έχουν περιγραφεί τα τελευταία χρόνια ως “μια ανεκτίμητη πηγή αξίας”, ο νέος χρυσός, αλλά η απλή συλλογή δεδομένων, ακόμη και με τη χρήση των καλύτερων τεχνολογιών που διατίθενται στην αγορά, δεν εγγυάται την απόκτηση πολύτιμων πληροφοριών και, κυρίως, την εξαγωγή χρήσιμων γνώσεων για την πρόοδο στην υγεία.

 

Τα δεδομένα υγείας είναι χρήσιμα μόνο εάν μπορούν να μετατραπούν σε χρήσιμες πληροφορίες και αυτό απαιτεί σύνολα δεδομένων υψηλής ποιότητας, επικοινωνία μεταξύ συστημάτων πληροφορικής και τυποποιημένες μορφές δεδομένων που μπορούν να υποστούν εύκολη επεξεργασία.

 

Η ψηφιοποίηση της ιατρικής υπόσχεται μεγάλη πρόοδο για την παγκόσμια υγεία, τα ψηφιακά δεδομένα αναμένεται να μεταμορφώσουν την ιατρική.

 

Ωστόσο, τα περισσότερα από τα σημερινά ιατρικά δεδομένα στερούνται διαλειτουργικότητας: τα δεδομένα είναι κρυμμένα σε απομονωμένα σιλό και ασύμβατα συστήματα, με δυσκολία στην ανταλλαγή, ανάλυση και ερμηνεία. Και αυτό επιβραδύνει την ιατρική πρόοδο, καθώς οι τεχνολογίες που βασίζονται σε αυτά τα δεδομένα δεν μπορούν να χρησιμοποιηθούν στο έπακρο.

 

Η χρήση διαλειτουργικών μορφοτύπων για δεδομένα πραγματικού κόσμου, Real World Data (RWD), δεδομένα σχετικά με την κατάσταση της υγείας των ασθενών που συλλέγονται συνήθως στην κλινική πρακτική ή, όλο και περισσότερο, μέσω εφαρμογών για κινητά στην καθημερινή ζωή των ασθενών, ανοίγει διάφορες ευκαιρίες για τους ερευνητές.

 

Η ψηφιοποίηση της ιατρικής και η τεράστια αύξηση των υπολογιστικών δυνατοτήτων έχουν καταστήσει πλέον δυνατή την ηλεκτρονική συλλογή δεδομένων υγείας, σε μεγάλες ποσότητες, πολύ γρήγορα και τη στιγμή της παροχής της υπηρεσίας. Συνεπώς, είναι δυνατή η χρήση δεδομένων από μεγάλο αριθμό ατόμων που αντιπροσωπεύουν τον πραγματικό πληθυσμό για την περιγραφή του αντίκτυπου της περίθαλψης, την πρόβλεψη των αποτελεσμάτων και την ανταπόκριση στις διάφορες θεραπείες με σχετικά χαμηλό κόστος, επειδή παράγονται στην καθημερινή ρουτίνα και δεν συλλέγονται μόνο σε ad hoc μελέτες.

 

Τα δεδομένα πραγματικού κόσμου (Real World Data – RWD) συλλέγονται στην κλινική πρακτική ρουτίνας μέσω διαφόρων πηγών, όπως ηλεκτρονικά αρχεία υγείας, διοικητικές ροές που σχετίζονται με νοσηλείες, συνταγογραφήσεις φαρμάκων ή υπηρεσίες εξωτερικών ιατρείων, μητρώα φαρμάκων και ασθενειών, δεδομένα που συλλέγονται από άλλες πηγές, όπως κινητές συσκευές και τηλεβοήθεια.

 

Τα δεδομένα του πραγματικού κόσμου είναι επίσης πολύτιμα για την τεχνητή νοημοσύνη και τις μεθόδους μάθησης.

 

Παρέχουν τη δυνατότητα εύρεσης μοτίβων και συσχετίσεων σε σύνολα δεδομένων υψηλής διάστασης που μπορούν να βοηθήσουν τους ερευνητές να εντοπίσουν νέες ερευνητικές υποθέσεις που μπορούν αργότερα να μελετηθούν με πιο εστιασμένο τρόπο σε ελεγχόμενες κλινικές μελέτες (αυτές οι ελεγχόμενες μελέτες θα παραμένουν πάντα σημαντικές για τον αποκλεισμό της μεροληψίας και τον εντοπισμό αιτιωδών σχέσεων).

 

Γενικότερα, εάν τα δεδομένα υγείας είναι δομημένα σύμφωνα με διεθνή πρότυπα, τα δεδομένα είναι πολύ πιο εύκολο να αναλυθούν και η προσπάθεια που απαιτείται για την προετοιμασία των δεδομένων προς ανάλυση μειώνεται, επιτρέποντας την επιτάχυνση της ερευνητικής διαδικασίας.

 

Ομοίως, τα διαλειτουργικά δεδομένα μπορούν να διασφαλίσουν ότι μια ανάλυση πραγματοποιείται σε διαφορετικές πηγές δεδομένων, χρησιμοποιώντας δεδομένα από διαφορετικά ιδρύματα ή χώρες. Αυτό είναι πολύ σημαντικό για την επιστημονική έρευνα, όπου είναι συχνά απαραίτητο να συγκεντρώνονται πολλές διεπιστημονικές ερευνητικές ομάδες για να επιτευχθεί ουσιαστική ανάλυση και να περάσουν τα αποτελέσματα στην κλινική πρακτική.

 

Συνοψίζοντας, η διαλειτουργικότητα μπορεί να δημιουργήσει νέες ιατρικές γνώσεις, επιτρέποντας την αποτελεσματικότερη ανάλυση των υφιστάμενων πηγών δεδομένων, να προωθήσει ιατρικές πρακτικές βασισμένες σε αποδείξεις και να επιταχύνει την εφαρμογή τους στις πολιτικές δημόσιας υγείας.