Ochrona zdrowia tonie w danych. W tym artykule pokazujemy, jak je uporządkować, śledzimy też rozwój wearables, telemedycznych badań oraz wyzwania związane z analizą danych i prywatnością.
Artykuł zaktualizowano w listopadzie 2020 roku, aby uwzględnić nowe informacje dotyczące globalnej pandemii.
Od początku tego stulecia ludzkość wytworzyła niemal dwadzieścia zettabajtów danych. Do ich przechowania potrzebowalibyśmy 625 miliardów iPadów o pojemności 32 GB. Do końca 2020 roku osiągniemy 40 zettabajtów, czyli dwa razy więcej, niż ludzkość wytworzyła do tej pory. Rozwój rynku urządzeń noszonych — w tym opasek fitness i urządzeń medycznych, które generują około 50 tysięcy gigabajtów danych na sekundę — zapoczątkował nową złotą erę.
Czym są dane?
Dane to liczba mieszkańców Australii, muzyka odtwarzana przez internet, aktualna temperatura naszego ciała czy notatki z lekcji fizyki. Otaczają nas, przemieszczając się w powietrzu, w ziemi i dookoła świata. Ich codzienny przepływ jest ogromny, dlatego musieliśmy stworzyć nowe sposoby ich przesyłania. Tak powstały standardy komunikacji. Stąd też duże zapotrzebowanie na nowe standardy Bluetooth, Wi-Fi i kolejne generacje komunikacji mobilnej. Dane przechowujemy, analizujemy, obserwujemy, a czasem możemy je nawet bezpośrednio postrzegać. Czy można podzielić je na rodzaje? Oczywiście — gdy mówimy o liczbie samochodów, są to dane ilościowe, a gdy opisujemy przewidywania dotyczące zasobów Ziemi — jakościowe.
Czy zbieranie danych jest przydatne? To, że dane są wszędzie, jest dla każdego oczywiste. Nie jest już jednak oczywiste, jak połączyć je w coś sensownego. Często ich prawdziwa wartość ujawnia się dopiero w określonej formie i odpowiednich okolicznościach. Właśnie dlatego jest obecnie tak wiele ofert pracy dla analityków danych.
Siła danych
Dobrze, że ludzie poświęcają danym tyle uwagi. Jednak interesują nas przede wszystkim informacje, które powstają dzięki ich analizie. Na czym polega sukces Google? Na przechowywaniu milionów linków? Oczywiście, że nie. Chodzi o ocenę wartości treści i znajdowanie powiązań między stronami. Siła danych ujawnia się wtedy, gdy pozwalają wyciągać wnioski i dzielić się nimi. Bez tej wiedzy są jedynie przypadkowymi liczbami lub znakami. Jak mówi dr Michael Wu, główny naukowiec ds. analityki w Lithium:
Wartość dowolnych danych łatwo określić na podstawie informacji i wniosków, które możemy z nich uzyskać.
Przydatność danych trudno zmierzyć. Sposób ich zebrania mógł być niewłaściwy z powodu braku kontekstu — czy ten zapis EKG pochodzi od osoby zdrowej, czy chorej? Możemy też mieć trudność ze znalezieniem odpowiedniej funkcji oceny wartości, takiej jak słynny algorytm PageRank służący do oceny znaczenia stron internetowych. Dlatego przydatność danych zależy od instytucji, która je posiada i wie, co z nimi zrobić.
Krótki przegląd rynku medycznego pomoże wyjaśnić ten problem. Rosnąca liczba czujników w sprzęcie medycznym skierowała uwagę na dane w ochronie zdrowia, a ich znaczenie jest niepodważalne. Analityka pomaga realizować cele związane z diagnozowaniem, leczeniem i opieką nad pacjentami. Ostatecznym celem tej dziedziny jest poprawa efektów opieki zdrowotnej, określanych jako Health Care Output (HCO), czyli jakości opieki zapewnianej osobom hospitalizowanym. Sprzęt monitorujący daje dodatkową szansę na wcześniejsze rozpoznanie niepokojących objawów — zanim organizm zasygnalizuje je złym samopoczuciem lub podwyższoną temperaturą.
Analiza danych jest jednak także dużym wyzwaniem dla firm i wykwalifikowanych zespołów. Osoby odpowiedzialne za poszukiwanie informacji powinny umieć dobrać algorytmy, które pozwolą wydobyć wartość z bazy danych. Znaczenie informacji uzyskanych w wyniku analizy często zależy od osoby, która próbuje je pozyskać. Brak wiedzy lub doświadczenia może utrudniać analitykom odkrywanie czegoś nowego w bazie danych.
Zanim jednak zaczniemy myśleć o wartości danych, warto ponownie zastanowić się nad zagrożeniami dla ich bezpieczeństwa. Dobrym przykładem są karty kredytowe: przyzwyczaiły nas do łatwych płatności, ale jednocześnie naraziły na zagrożenia. Sposób przechowywania danych jest równie ważny jak same dane, dlatego zabezpieczenia i środki zapobiegawcze są kluczową częścią konfiguracji nowego serwera. W końcu raczej nie chcemy nikomu udostępniać hasła do konta bankowego. Podobnie jest ze zdrowiem. Dokumentacja medyczna należy do najbardziej interesujących, wartościowych i cennych zbiorów informacji.
Siła powiązań między danymi
Kiedy zgromadzimy już potrzebne dane, pora je ze sobą połączyć. Mówi się, że zobaczyć to uwierzyć, więc analiza prostego przykładu powinna być najkrótszą drogą do zrozumienia tematu.
W 2014 roku w Niemczech odnotowano 681 990 urodzeń. Sama ta liczba sprawia wrażenie, że na świat przychodzi wielu nowych mieszkańców. Dopiero dodanie kolejnej informacji — liczby ludności — pozwoli obliczyć współczynnik urodzeń i stworzyć nowe dane. Przy 80 996 685 mieszkańcach Niemiec wynosi on 8,42 urodzenia na 1000 osób. Wydaje się to świetną wiadomością dla niemieckiego rządu: w całym kraju przybywa nowych ludzi. Prawie 17 niemowląt na każde 2000 osób brzmi dobrze, zwłaszcza gdy uwzględnimy, że w tej grupie 2000 są już niemowlęta, dzieci i osoby starsze. Są jednak kolejne dane, które zmieniają obraz sytuacji. W 2014 roku w Niemczech odnotowano 914 450 zgonów. Dopiero ta liczba pozwala zobaczyć całość. Liczba ludności nie rośnie, ponieważ zmarło więcej osób, niż się urodziło, a różnica przekracza 200 000 osób. Na każde 1000 mieszkańców przypadało 11,29 zgonu. Ten przykład pokazuje, jak działa łączenie danych i jak Niemcy oraz inne kraje są zagrożone spadkiem liczby mieszkańców. To był dopiero początek — jest jeszcze znacznie ciekawszy temat: sport i fitness. Spójrz na poniższe mapy:
Pokazują one spadek liczby osób, które nie ćwiczą, w skali kraju. Jak widać, zmiana między 2011 a 2014 rokiem jest znacząca, a obecnie nad swoimi nawykami sportowymi pracuje jeszcze więcej osób, niż przedstawiono na ostatniej mapie. To jednak tylko część prawdy, ponieważ mamy jeszcze inne dane:
To raport dotyczący otyłości. Te liczby wydają się bardzo niepokojące. Jak to możliwe, że tak wiele osób jest otyłych? A co z osobami z nadwagą, których tu nie uwzględniono? Czy ten trend nie powinien się odwracać? Liczba ćwiczących rośnie, a przecież powszechnie wiadomo, że wysiłek fizyczny spala tłuszcz, więc aktywne społeczeństwo powinno być sprawne i zdrowe. Tymczasem najnowsze badania pokazują, że nie ma między tymi zjawiskami związku. Dlatego osoby, które chcą schudnąć, powinny prawdopodobnie zacząć jeść mniej, zamiast zapisywać się na siłownię — choć ćwiczenia przynoszą wiele innych korzyści.
Powiązania między danymi w ochronie zdrowia
Analiza danych wydaje się niezbędna dla naszej cywilizacji, dlatego trafiła również do ochrony zdrowia, jednej z największych i najbardziej złożonych dziedzin badań. Na razie trudno przewidzieć zachowanie ludzkiego organizmu, ponieważ każdy z nas nieco różni się od pozostałych. Właśnie dlatego dane zbierane od poszczególnych osób są potrzebne do znajdowania prawidłowości, których nie da się zauważyć przy analizie pojedynczych przypadków.
Dziś specjaliści od analizy danych próbują robić coś podobnego w ochronie zdrowia. Odpowiednie zestawienie różnych sygnałów życiowych i wystarczająca ilość danych pozwolą odkrywać coraz więcej informacji o naszym zdrowiu. Niestety, na razie jest to tylko teoria wsparta niewielkimi zbiorami danych i szacunkami — wciąż brakuje jednoznacznych dowodów. Czy nie słyszeliśmy opowieści o osobach, które mimo złej diety i braku aktywności dożywały ponad stu lat? Analizę danych mogą też utrudniać różnice geograficzne, styl życia, kultura i inne czynniki. Klimat, jedzenie, kolor skóry i przebyte choroby sprawiają, że różnimy się od siebie. Dzięki odpowiedniej analizie oraz bazom, które gromadzą te informacje i łączą je jak elementy układanki, możemy jednak znaleźć sposób, by leczyć ludzi, a nawet ratować ich przed śmiercią.
Aby zrealizować te plany, musimy wybrać dane, które dostarczą najwięcej informacji, i zacząć dodawać do nich kolejne zapisy. Dobrym punktem wyjścia jest sygnał EKG, ponieważ zawiera wiele przydatnych informacji o człowieku i może posłużyć do wyciągania wniosków w przyszłości.
Właśnie dlatego gromadzenie większej ilości danych może być tu bardzo przydatne. Czasem możemy przeoczyć oczywistą przyczynę. Gdybyśmy dowiedzieli się, że poranny jogging pomaga zapobiegać chorobom serca, mogłoby to uratować miliony osób. Byłoby to możliwe, gdybyśmy oszczędzali czas, analizując dane całej populacji, zamiast skupiać się wyłącznie na jednej osobie.
Pojawia się więc pytanie: jak przechowywać dane medyczne? Problem ten rozwiązuje się na kilka bardzo różnych sposobów. Można użyć tradycyjnych przyrządów pomiarowych, ale nie obsługują one gromadzenia dużych zbiorów danych, więc potrzebne byłoby urządzenie z połączeniem z internetem. Pomagają w tym dodatkowe urządzenia łączące się przez Bluetooth z naszymi smartfonami. Jednym z nich jest Aidlab, nad którym pracujemy. Przechowuje on dane użytkownika do dalszej analizy, poszukiwania powiązań między danymi i tworzenia grup osób o podobnym stanie zdrowia na całym świecie.
Big data
Analiza danych jest ściśle związana z pojęciem big data. Czy jednak znamy prawdziwe znaczenie tego nadużywanego terminu? Samo przechowywanie danych nie wystarczy do analizy informacji zbieranych na całym świecie.
Co nazywamy big data? To nieprecyzyjny termin, dla którego nie ma jednej powszechnie przyjętej definicji. W przybliżeniu można tak określić dowolny zbiór danych o wielkości około petabajta lub większej. W badaniach z zakresu informatyki medycznej tak duże zbiory są jednak dość rzadkie. Najczęściej chodzi po prostu o dużą ilość danych z różnych źródeł na całym świecie, które dostarczają ważnych informacji o konkretnym problemie. Przykładem jest baza pacjentów i ich dokumentacji, choćby zapisów EKG. Dane z jednego szpitala to po prostu dane. Kiedy jednak zbierzemy lub w jakiś sposób połączymy dane z kilku szpitali i miast w różnych krajach, powstaje wartościowy zbiór big data.
Dodawanie własnych wyników do globalnej bazy jest więc cennym wkładem w rozwój ludzkości, o ile dane służą dobrym celom. Hasło „ocalić miliony” pojawia się w wielu kampaniach reklamowych, które zachęcają do korzystania z dużych zbiorów danych. Co jednak oznacza? Jak można uratować miliony ludzi — dosłownie?
Jak można ocalić miliony ludzi?
Dzięki danym z zapisów sejsmicznych powstał model przewidywania trzęsień ziemi. Każdy posiadacz smartfona może działać jak bardzo prosta stacja sejsmologiczna:
Teoretycznie każde urządzenie połączone z internetem i wyposażone we wbudowany akcelerometr MEMS, na przykład komputer lub telefon komórkowy, może stać się stacją sejsmiczną rejestrującą silne ruchy gruntu — stwierdził Antonino D’Alessandro, współautor badania opublikowanego w „Bulletin of the Seismological Society of America”.
Takie dane sejsmograficzne można połączyć, aby stworzyć model sejsmograficzny. Służą do tego modele uczenia predykcyjnego. Dzięki nim nawet najmniejsze sygnały mogą być analizowane i powiązane z nadchodzącym zagrożeniem. Odpowiednie algorytmy wykonają część pracy związaną z uczeniem maszynowym, a po krótkim czasie otrzymamy dane będące wynikiem tej analizy. Następnie sztuczna inteligencja przeanalizuje wynik algorytmu i poinformuje nas o trzęsieniu ziemi. Każda poprawa dokładności przewidywań pozwoli ratować życie dzięki sprawniejszej ewakuacji i skuteczniejszemu rozdzielaniu zasobów. Wystarczy jedna osoba ze smartfonem — każdy z nich ma akcelerometr — by uczestniczyć w zbieraniu danych i wspierać rozwój systemu ratującego ludzkie życie. Jeśli urządzenie tej osoby wykryje zagrożenie sejsmiczne, dane mogą trafić do analizy, a aplikacja może po prostu poinformować wszystkich w okolicy o nadchodzącej katastrofie.
Jeśli ten artykuł Ci się spodobał, poleć go i udostępnij.
