Big Data określana jest w ostatnich latach jako „nieocenione źródło wartości” czy nowe złoto, ale samo gromadzenie danych, nawet przy użyciu najlepszych dostępnych na rynku technologii, nie gwarantuje uzyskania wartościowych informacji, a przede wszystkim wydobycia użytecznej dla postępu w ochronie zdrowia wiedzy.

 

Dane dotyczące zdrowia są przydatne tylko wtedy, gdy można je przekształcić w znaczące informacje, a to wymaga wysokiej jakości zbiorów danych, komunikacji między systemami informatycznymi i standardowych formatów danych, które można łatwo przetwarzać.

 

Cyfryzacja medycyny jest obietnicą wielkiego postępu w dziedzinie zdrowia na świecie; oczekuje się, że dane cyfrowe przekształcą medycynę.

 

Jednak większości dzisiejszych danych medycznych brakuje interoperacyjności: dane ukryte są w odizolowanych i niekompatybilnych systemach, trudnych do wymiany, analizy i interpretacji. A to spowalnia postęp w medycynie, ponieważ technologie, które opierają się na tych danych, nie mogą być w pełni wykorzystane.

 

Zastosowanie interoperacyjnych formatów dla danych ze świata rzeczywistego, Real World Data (RWD), danych o stanie zdrowia pacjentów zbieranych rutynowo w praktyce klinicznej lub, coraz częściej, za pośrednictwem aplikacji mobilnych w codziennym życiu pacjentów, otwiera różne możliwości dla badaczy.

 

Cyfryzacja medycyny i ogromny wzrost możliwości obliczeniowych sprawiły, że obecnie możliwe jest elektroniczne gromadzenie danych o stanie zdrowia w dużych ilościach, bardzo szybko i w samym momencie udzielania świadczenia. Możliwe jest zatem wykorzystanie danych pochodzących od dużej liczby osób, które reprezentują daną populację do opisywania wpływu opieki, przewidywania wyników i odpowiedzi na różne terapie przy stosunkowo niskich kosztach, ponieważ powstają one w ramach codziennej praktyki, a nie tylko są  gromadzone w ramach badań ad hoc.

 

Dane ze świata rzeczywistego (RWD) są gromadzone w rutynowej praktyce klinicznej za pośrednictwem różnych źródeł, takich jak: elektroniczna dokumentacja medyczna, przepływy informacyjne związane z hospitalizacjami, recepty na leki lub usługi ambulatoryjne, rejestry leków i chorób czy dane zebrane z innych źródeł, takich jak urządzenia mobilne i telezdrowie.

 

Dane ze świata rzeczywistego są również cenne dla sztucznej inteligencji i metod uczenia się.

 

Umożliwiają one znalezienie wzorców i korelacji w wielowymiarowych zbiorach danych, które mogą pomóc naukowcom w zidentyfikowaniu nowych hipotez badawczych, które później mogą być badane w bardziej ukierunkowany sposób w kontrolowanych badaniach klinicznych (te kontrolowane badania zawsze pozostaną ważne, aby wykluczyć stronniczość i zidentyfikować związki przyczynowe).

 

Mówiąc bardziej ogólnie, jeśli dane dotyczące zdrowia są ustrukturyzowane zgodnie z międzynarodowymi standardami, dane te są znacznie łatwiejsze do analizy, a wysiłek potrzebny do przygotowania danych do analizy jest mniejszy, co pozwala na przyspieszenie procesu badawczego.

 

Podobnie, dane interoperacyjne mogą zapewnić przeprowadzenie analizy na różnych źródłach danych, z wykorzystaniem danych pochodzących z różnych instytucji lub krajów. Jest to bardzo ważne w przypadku badań naukowych, gdzie często konieczne jest zebranie kilku multidyscyplinarnych zespołów badawczych w celu uzyskania sensownych analiz i przekazania wyników do praktyki klinicznej.

 

Podsumowując, interoperacyjność może generować nową wiedzę medyczną, umożliwiając bardziej efektywną analizę istniejących źródeł danych, promować praktyki medyczne oparte na dowodach i przyspieszać ich wdrażanie w polityce zdrowia publicznego.