Big Data kann der Medizin helfen, Informationen auszuwerten. Eine neue Studie des US-Instituts iHT2 klärt über das Warum und das Wie auf. [...]
Analytische Ansätze waren bisher vor allem mit Technologien wie Data Warehousing und Business Intelligence (BI) verknüpft. Ihre Ergebnisse haben vielen Unternehmen geholfen, ihre geschäftlichen Strategien umzusetzen oder herauszufinden, was ihre jeweilige Klientel erwartet und was ihr weniger gefällt. Leisten konnten sich das aber nur sehr zahlungskräftige Unternehmen oder Organisationen. Zudem sind die Programme alles andere als leicht zu implementieren und zu bedienen, und die Auswertungen dauern eine längere Zeit – von Tagen bis zu Wochen.
Big Data – angetrieben von Herstellern wie EMC, HP oder IBM, die dieses Marktsegment besetzen wollen – verspricht dagegen schnellere und weniger aufwändig zu erzielende Resultate. Im Gesundheitssektor ist vor allem IBM bisher mit Initiativen hervorgetreten. In den USA, die dem „alten Kontinent“ auch auf diesem IT-Feld ein Stückchen voraus sind, hat das iHT2 (The Institute for Health Technology Transformation) vor kurzem eine Studie zu den Aussichten von Big Data in der Gesundheitsindustrie veröffentlicht. Die Studie ist auch von zahlreichen Fachleuten aus Krankenhäusern und anderen medizinischen Institutionen unterstützt worden.
5 HERAUSFORDERUNGEN FÜR BIG DATA
Nach einer Einführung, die grundsätzlich erklärt, was „Big Data“ eigentlich ist und bezwecken soll, widmen sich die Autoren den Herausforderungen („challenges“), die mit dieser Technologie verbunden sind. Big Data umfassen laut Studie vor allem diese fünf Kategorien:
1. Informationen aus Web- und Social-Media-Quellen (Facebook, Twitter, LinkedIn, Blogs, Gesundheitspläne, Webseiten oder Apps für Smart Phones);
2. Machine-to-Machine-Data, also Informationen von Sensoren, Messgeräten oder anderen Instrumenten – besonders interessant im medizinischen Umfeld;
3. Daten aus großen Transaktionen wie Gesundheitsabrechnungen oder sonstigen Quittungen, Belegen, Rechnungen oder Buchhaltungsunterlagen, die häufig in halb- oder in unstrukturierter Form vorliegen;
4. Biometrische Daten, zum Beispiel Fingerabdrücke, genetische Informationen, handschriftliche Aufzeichnungen, Röntgenunterlagen, medizinische Bilder, Puls-, Blutdruck- und ähnliche -Informationen;
5. Un- oder halbstrukturierte Dokumente wie KIS-Daten, Arztnotizen, E-Mails oder sonstige auf Papier festgehaltene Informationen.
Die im Gesundheitsbereich vorherrschenden Dokumentenarten wären insofern hervorragend geeignet für Big-Data-Auswertungen, während klassische BI-Analysen vorwiegend auf strukturierten Daten aus Datenbanken wie Oracle, DB2 oder anderen beruhen. Die Studie zählt zahlreiche Beispiele auf, in denen Big-Data-Auswertungen schon erfolgreich durchgeführt wurden.
ERSTE ERFOLGE BEIM BIG-DATA-EINSATZ
Zu den erst ansatzweise gelösten Herausforderungen zählt die Studie zunächst die unzureichende Fähigkeit der medizinischen Institutionen, rasch ihre Unterlagen zur Verfügung zu stellen. Diese liegen entweder in zersplitterter, versteckter Form vor und es bedarf eines dedizierten Teams, sie überhaupt für Analysen aufzubereiten. Damit bestehen ähnliche Eingabeschwierigkeiten wie bei klassischen Data-Warehouse- oder BI-Lösungen, bei denen die Daten oft aufbereitet oder in lesbare Formate umgewandelt werden müssen.
Hinzu kommt, teilweise bedingt durch die staatlichen Gesundheitsreformen in verschiedenen Ländern, dass heute wesentlich mehr Daten als noch vor ein paar Jahren erzeugt werden. Diese „Datenflut“ zu bändigen, sprich in beherrschbare Formen zu bringen, ist für viele IT-Abteilungen kaum noch möglich. Hier sollten externe Dienstleister mit ihrer Expertise eingeschaltet werden.
Krankenhäuser und andere Institutionen verfügen nur in Ausnahmefällen über eine so ausgebaute und moderne IT-Infrastruktur, dass sie jederzeit alle erforderlichen Big-Data-Instrumente bereit hätten. Es wären also Investitionen in die Server- und Storage-Anlagen erforderlich, damit überhaupt analytische Datenzugriffe erfolgen können.
Ungeklärt sind ferner Datenschutz- und Privacy-Regelungen. Inwiefern sind überhaupt Patientendaten geeignet oder freigegeben, um sie per Analytics aufbereiten zu lassen? Was geschieht, wenn sie nach außen, im Extrem in Cloud-Umgebungen, verlagert werden? Wer ist im Schadensfall haftbar?
9 STRATEGIEPUNKTE FÜR BIG DATA IM GESUNDHEITSBEREICH
Die Studie empfiehlt abschließend 9 Strategiepunkte, um erfolgreich in Richtung Big Data im Gesundheitssektor arbeiten zu können:
1. Stattliche Stellen mit einbeziehen (wegen Governance, Compliance, Datenschutz)
2. Externe Provider wegen ihrer Erfahrungen engagieren
3. Anreize bei den Mitarbeitern schaffen, dass sie Daten zur Verfügung stellen und an Auswertungen interessiert sind
4. Analytics in hauseigene Fortbildungsprogramme aufnehmen
5. Die verschiedenen Mitarbeitergruppen (Ärzte, Pfleger, kaufmännische Abteilungen, Management) getrennt ansprechen
6. Eventuell In-house-Lösungen gegenüber vorgefertigten Hersteller-Angeboten vorziehen
7. Dashboards und andere leicht verständliche Konsolen und Tools entwickeln
8. Rechtzeitig die Infrastruktur im Rechenzentrum modernisieren
9. Die gesamte interne Struktur überprüfen (und ändern), um die Qualität der Daten anzuheben
* Hartmut Wiehr ist Redakteur der deutschen CIO.
Be the first to comment