Amikor az emberi génkészletet 2000-ben teljes egészében meghatározták , óriási reményekkel néztek az orvosok a jövőbe, mert azt hitték, hogy viszonylag egyszerűen felfejthetik az emberi szervezet vezérlését, és a betegségeket képesek lesznek személyre szabottan megelőzni vagy gyógyítani. Ebbe az irányba tartunk - de ma már tudjuk, hogy az egészség fenntartása és a betegségek legyőzése sokkal több tényező függvénye, mint korábban gondolták volna. A befolyást gyakorló hatásokat hatalmas mennyiségű adat írja le, amelynek feldolgozásából előrejelzések, jóslások készíthetőek az adott személy egészségének várható alakulásáról.
Üzleti módszerek a gyógyításban
A módszer nem az egészségügyben jött létre, hanem az üzleti életben. A prediktív analitikákat , az adatok elemzésén alapuló jóslásokat arra dolgozták ki, hogy javítsák a cégek folyamatait, előre jelezzék a különféle igényeket, veszélyeket, működési zavarokat és az optimális fejlődési utakat stb. A módszert ma már igen széles körben rendkívül gyakorlatiasan használják. Például ha valaki vásárolni akar egy webáruházban, akkor a mesterséges intelligencia rögtön az orra alá tol egy sor másik árut is a potenciális vevő korábbi vásárlásaiból, kereséseiből és más adatokból összeálló profilja alapján. Vagy hasonlóval találkozhatunk a közösségi médiában, ahol bizonyos tartalmakat annak megfelelően látunk nagyobb valószínűséggel, hogy korábban milyen posztokra kattintottunk rá. És a példák sora ma már igen hosszú.
Ezt a módszert - természetesen a saját igényeire adaptálva - átvette és továbbfejlesztette az egészségügy is. Erre igen jó lehetősége volt, hiszen a páciensek egészségéről szóló feljegyzések készítése már igen régóta az ellátási tevékenység része, ami pontos elemzési eljárások kifejlesztését tette lehetővé valós adatok alapján. Ráadásul ezek nemcsak a betegség kialakulásának valószínűségére adnak becslést, de előre jelezhetik a gyógyítási költségeket , a szükséges kapacitásokat és egy sor más tételt is, amely az egészségügyi intézmények hatékonyabb működését segítheti. Azaz a prediktív analitika használatának előnyei ugyanazok, mint a digitális egészségügy számos egyéb fejlesztésének: jobb gondozás és alacsonyabb költségek. A különbség, hogy bizonyos előnyök eléréshez az út - a személyre szabott ellátás révén - csak ezeknek az elemző-előrejelző technológiáknak az alkalmazásával lehetséges.
Lehetővé tenni a legjobb döntéseket
A tudósoknak e módszerek bevezetésekor nem kellett újra feltalálniuk a kereket, hanem lehetőségük nyílt pontosabban megmérni, összesíteni és értelmezni a korábban nehezen megszerzett vagy nem is létező viselkedési, pszichoszociális és biometrikus adatokat. Ezeknek az új adatkészleteknek a kombinációja a járványtan és a klinikai orvostudomány meglévő ismereteivel együtt lehetővé teszi, hogy felgyorsítsuk a külső tényezők és az emberi szervezet biológiája közötti kapcsolatok megértését, ami végső soron elvezet a klinikai utak továbbfejlesztéséhez és újratervezéséhez, az igazán személyre szabott egészségügyi ellátás megteremtéséhez. A gyakorlatban a prediktív analitika lehetővé teszi az egészségügyben a legjobb döntések meghozatalát és az ápolás személyre szabását mindenki számára.
5.-es biológiakvíz: hány veséje van egy embernek? – 10 kérdés az emberi testről
A prediktív analitika célja bármely területen (például az üzletben vagy az egészségügyben), hogy megbízhatóan megjósolja az ismeretlent. A becslés biztonságossága megváltozik a feltett kérdés típusával. Például ha olyan kérdést teszünk fel, hogy "mit fogok enni ma", akkor nagy biztonsággal válaszolhatunk. Amikor azonban a kérdéseink távolabbi még meg nem valósuló eseményekre irányul, a jóslási biztonság csökkenni fog. Olyan kérdésekre kell gondolni, mint a "mennyit fogok hízni" vagy " cukorbeteg leszek-e": ezekre már sokkal nehezebb biztonságos válaszokat kapni.
Mivel a prediktív analitika nehéz kérdések esetében is jelentősen csökkenti a válaszadás bizonytalanságát, akár az orvoslást, akár az egészségügyi ellátás más folyamatait nézzük, az egyik legfontosabb elemné válik egészségünk megőrzésének vagy visszanyerésének terepén. A gyógyításnak a prediktív analitika persze ma is szerves része, hiszen az orvosok olyasmiket mondanak a páciensnek például, hogy "ha nem hagyja abba a dohányzást és a túlevést, akkor nagy valószínűséggel keringési vagy daganatos betegsége lesz". De ezt korábban, sőt még ma is gyakran kevés személyes adat alapján, az általános tapasztalatokra alapozva mondhatják. Az adatmennyiség (például a DNS-hez is kötődő személyes adatmennyiség) növekedése rendkívüli mértékben megnöveli az előrejelzések potenciális biztonságát.
Ezen a területen a befektetők is lehetőséget szimatolnak, hiszen csak az USA-ban 2011 óta 1,9 milliárd dollárt költöttek olyan vállalatok részvényeire, amelyek az egészségügyi adatok feldolgozásával foglalkoznak. És ezek még elsősorban az egészségügyi szolgáltatók adataira koncentráltak, hogy azok működésén javítsanak. Szintén az Egyesült Államokban 2020-ra mintegy 25 ezer petabájtra növekszik az egészségügyi adatok mennyisége, amelybe a 39 kötetes Révai nagylexikon közel 6,4 milliárdszor férne bele. Egyre bővül azonban azoknak az adatelemzőknek a listája, amelyek a szolgáltatók és a betegek adatait is feldolgozzák. Már Magyarországon is megnyílt az út e technológiák használatára - különösen az EESZT bevezetése után.
A betegadatok nyilvánvalóan elsöprő mértékben fognak bővülni, mert megjelentek azok az eszközök és technológiák, amelyek ezt lehetővé teszik. Egyre több az adatrögzítésre és továbbításra alkalmas hordozható, illetve viselhető diagnosztikai eszköz, jeladó tapasz vagy újabban lenyelhető szonda vagy jeladó. Továbbá egyre nagyobb népszerűségnek örvend az étkezési és hangulati digitális naplók vezetése vagy az egészséggel összefüggő közösségi médiaposztok elemzése.
Az analitikai módszerek ráadásul képesek kontextusba helyezni az adatokat. Valójában enélkül nem is sokat érnének a jóslatok, hiszen a megfelelő kontextus hiányában a klinikai mutatók - beleértve a létfontosságú jeleket is - hamis pozitív vagy negatív jelzéshez vezethetnek a riasztási rendszerekben. A tankönyvi irányelvek gyakran nem alkalmazhatóak egyes betegeknél. Például a Cincinnati Gyermekkórházból és a Philadelphiai Gyermekkórházból gyűjtött adatok megmutatták, hogy a pulzusmérések 14-38 százaléka, illetve a légzési ritmusadatok 15-30 százaléka téves figyelmeztető jelzést eredményezett volna a tankönyvi leírások alapján.
Genetikus örökség és népegészségügy
A genetikai szűréseknél - amelyek például komoly szerepet játszhatnak a gyermekvállalásban - ezeknek az elemzéseknek szintén nagy szerepük lehet. Sőt a népegészségügy szempontjából a nagyobb minták elemzése már túlmutat a családtervezésen, és segítségével az értékelt populáció várható egészségi állapotáról is megfogalmazhatóak állítások.
De a módszernek minden ígérete ellenére van egy rendkívül jelentős korlátja is. A vizsgálatoknál hatalmas jelentőségük van az úgynevezett visszacsatolási hurkoknak. A webes ajánlásoknál például gyorsan kiderül, hogy az előrejelzés helyes volt-e vagy téves. Ha rákattintanak az ajánlásra, akkor ez pozitív, ha ignorálják, akkor negatív visszacsatolást jelent. Az emberek egészségéről azonban olykor csak évek múlva lehet visszaszerezni a releváns adatokat, ami jelentősen megnehezíti a személyes előrejelzések finomítását, a bizonytalanság csökkentését.
Ez is érdekelhet
A prediktív elemzés mégis óriási lehetőséget kínál az ellátás javítására, mert az egészségügyi rendszerben keletkező veszteségek drámaian csökkenthetőek vele, a túlkezelések, ismételt vagy párhuzamos vizsgálatok kiszűrése, a megfelelő bánásmód, illetve ellátás nyújtása és az ellátások koordinációja akkor is pozitív változást hoz a betegeknek, ha személyre szabott gyógyításukért még nem történt semmi. De ne legyen kétségünk, hogy ezen a területen is jelentős fejlődés várható - nagy mértékben a fejlett előrejelzési módszerek elterjedése miatt.
