Big Data für Gesundheitswesen prädestiniert

iHT2-Studie: Big Data kann der Medizin helfen, teils lebenswichtige Informationen auszuwerten. [...]

Das iHT2 („The Institute for Health Technology Transformation“) hat eine Studie zu den Aussichten von Big Data in der Gesundheitsindustrie veröffentlicht. Die im Gesundheitsbereich vorherrschenden Dokumentenarten wären, laut Studie, hervorragend geeignet für Big-Data-Auswertungen, da klassische BI-Analysen vorwiegend auf strukturierten Daten aus Datenbanken wie Oracle, DB2 oder anderen beruhen.

Im Healthcare-Bereich interessant sind  etwa Informationen aus Web- und Social-Media-Quellen sowie Machine-to-Machine-Data, also Informationen von Sensoren, Messgeräten oder anderen Instrumenten. Dazu kommen Daten aus großen Transaktionen wie Gesundheitsabrechnungen oder sonstigen Quittungen, Belegen, Rechnungen oder Buchhaltungsunterlagen, die häufig in halb- oder in unstrukturierter Form vorliegen.

Zu den erst ansatzweise gelösten Herausforderungen zählt die Studie zunächst die unzureichende Fähigkeit der medizinischen Institutionen, ihre Unterlagen rasch zur Verfügung zu stellen. Diese liegen entweder in zersplitterter oder 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 (siehe auch Kasten).

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 Patientendaten überhaupt 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? (idg/wf)


Mehr Artikel

News

Große Sprachmodelle und Data Security: Sicherheitsfragen rund um LLMs

Bei der Entwicklung von Strategien zur Verbesserung der Datensicherheit in KI-Workloads ist es entscheidend, die Perspektive zu ändern und KI als eine Person zu betrachten, die anfällig für Social-Engineering-Angriffe ist. Diese Analogie kann Unternehmen helfen, die Schwachstellen und Bedrohungen, denen KI-Systeme ausgesetzt sind, besser zu verstehen und robustere Sicherheitsmaßnahmen zu entwickeln. […]

Be the first to comment

Leave a Reply

Your email address will not be published.


*