Health Data Science

Big data in medicina e salute: i vantaggi per il sistema sanitario e gli ostacoli verso un modello di sanità data driven

L’analisi dei dati digitali provenienti dal mondo health è preziosa sia per la salute dei pazienti sia per le organizzazioni sanitarie. CEO, manager e politici ne sono coscienti. Ma cosa frena la loro adozione?

19 Nov 2021

L’espressione big data è in uso da un decennio per indicare l’enorme mole di informazioni che fluisce nel mondo digitale. I big data sono generalmente definiti come giganteschi insiemi di dati che possono essere analizzati solo dai computer (a causa del loro volume) per rivelare modelli, tendenze e associazioni, in particolare per quanto riguarda il comportamento umano.
L’analisi dei big data nel settore medico-sanitario sta determinando cambiamenti significativi poiché apporta informazioni vitali per il miglioramento delle funzioni, lo sviluppo di soluzioni all’avanguardia e il superamento delle inefficienze.

Nella maggior parte dei casi, i dati da soli sono privi di significato. Il vero valore spesso deriva dalla combinazione di questi “feed” con dati “tradizionali” (relazionali) come cartelle cliniche, anamnesi, dati sulla posizione e gestione dei farmaci. L’analisi di queste combinazioni può generare nuove intuizioni, decisioni e indicare quali azioni intraprendere.

Un esempio può essere la raccolta di dati in merito agli effetti collaterali di un farmaco, incrociando i quali medici e specialisti potranno orientare le loro prescrizioni preservando la salute dei pazienti e facendo risparmiare tempo e denaro al sistema sanitario.

Il mercato dei big data nel settore sanitario 

Secondo IDC, i big data crescono più rapidamente nel settore sanitario rispetto ad altri settori, come la produzione, i servizi finanziari o i media, e per i prossimi tre anni vedranno un tasso di crescita annuale composto (CAGR) del 36%. Questo significa che, a livello globale, il segmento dell’analisi dei big data varrà più di 68 miliardi di dollari entro il 2024, trainato in gran parte dagli ingenti investimenti nordamericani in cartelle cliniche elettroniche, strumenti di gestione delle pratiche e soluzioni per la gestione del personale.

WHITEPAPER
Clienti soddisfatti e fidelizzati? Ecco come fare un e-commerce di successo!
Big Data
Marketing

Secondo gli analisti, saranno driver della crescita del mercato dei big data l’analisi dei dati clinici provenienti dalle cartelle cliniche digitali dei pazienti e le soluzioni di analisi dei dati basate su cloud.

In particolare, riguardo all’uso specifico dei big data nell’healthcare, si prevede (Mordor Intelligence, 2020) che il mercato globale raggiungerà i 58,4 miliardi di dollari entro il 2026  (il suo valore era stato stimato in circa 23,7 miliardi di dollari nel 2020).

L’uso dei big data in sanità – concordano gli analisti di settore – possono far risparmiare ingenti somme al sistema sanitario. Politici e istituzioni concordano. Nel nostro Paese – ha affermato al proposito Andrea Urbani, direttore generale della Programmazione sanitaria del ministero della Salute – “è già stato verificato che è possibile risparmiare 800 milioni di euro“.

Da evidenziare che il PNRR (Piano Nazionale di Ripresa e Resilienza), attraverso l’intervento Missione 6 Salute, prevede lo stanziamento di circa 15 miliardi di euro per la Digital Health. Ciò, evidentemente, darà un importante impulso all’utilizzo e alla gestione più opportuna dei big data anche per la sanità italiana.

Da dove provengono i big data in sanità?

Nel settore sanitario, i big data sono generati da svariate fonti. Anzitutto dalle cartelle cliniche elettroniche (CCE), che contengono tutte le informazioni sulla storia medica di una persona, come le precedenti malattie, le terapie e i loro risultati. Questi dati sanitari vengono creati e tenuti aggiornati da medici e altro personale sanitario. Gli operatori possono utilizzare l’analisi di tali big data per scambiare informazioni in modo che tutti possano comprendere le esigenze del paziente, aiutandolo così a curarsi meglio e guarire più velocemente.

Ci sono alcune strutture sanitarie, come le case di cura, che sono tenute a fornire dati sanitari standardizzati. Questi dati vengono usati da varie istituzioni mediche per capire come allocare correttamente le risorse tra le diverse realtà.

Enti e organizzazioni conducono poi, con una certa frequenza, sondaggi tra i loro pazienti per scoprire quali servizi sanitari sono stati più graditi e quali meno. L’analisi di questi big data può fornire a medici e amministratori l’opportunità di migliorare i processi lavorativi.

Quando si forniscono vari servizi medici e clinici, le istituzioni e le organizzazioni sanitarie possono raccogliere informazioni sui servizi più frequentemente utilizzati con cui è possibile allocare in modo più efficace le risorse e comprendere le esigenze specifiche delle persone.

L’analisi dei big data nel settore sanitario fornisce anche una valutazione delle prestazioni di una struttura. Varie organizzazioni sanitarie possono studiare l’analisi dei big data per comprendere i tipi di servizi che i pazienti stanno cercando. Queste informazioni possono essere utilizzate in diverse maniere: per esempio, per identificare le terapie migliori e più convenienti per trattare una particolare condizione di salute.

I big data diventano ancor più preziosi per l’assistenza sanitaria nell’Internet delle cose (IoT). Qualsiasi dispositivo che genera dati sulla salute di una persona – e invia tali dati nel cloud – farà parte dell’IoT. I dispositivi indossabili sono forse l’esempio più conosciuto e diffuso di tali device. Per ottenere valore dall’ambiente di salute digitale connesso, ovvero l’IoT, è importante disporre di una piattaforma su cui creare e gestire applicazioni, eseguire analisi e ricevere, archiviare e proteggere i dati. Ciò, potenzialmente, offre un elenco di opportunità praticamente infinito. A patto, però, di sapere come mettere a frutto tali dati.

Alcuni esempi d’uso dei big data in sanità 

CancerLinQ è un ingegnoso strumento ideato dalla American Society for Clinical Oncology ormai da circa un decennio. Nato inizialmente per raccogliere i dati su pazienti con tumore al seno, è stato successivamente esteso, nel corso degli anni, agli altri tipi di tumore. Attualmente, riunisce i dati sul cancro di oltre 1 milione di pazienti in 100 cliniche. Utilizzando l’analisi dei big data, gli oncologi possono elaborare trattamenti con un alto livello di accuratezza.

Il Centro nazionale per le malattie tumorali (NCT) di Heidelberg, in Germania, ha sfruttato i big data per identificare i marcatori neoplastici nelle note dei medici, creando un registro dei tumori unico nel suo genere.

Il CERN ha messo a disposizione un supercomputer dotato di un’enorme capacità di calcolo: si tratta della piattaforma Zénodo (dal nome del primo bibliotecario dell’antica biblioteca di Alessandria). Questa serve per archiviare e analizzare i dati relativi a Covid-19 in maniera strutturata. La piattaforma è open access, cioè ricercatori di tutto il mondo e di tutti i settori possono contribuire, con la loro “intelligenza collettiva”, a contrastare la pandemia.
Sulla piattaforma Zénodo affluiranno informazioni sull’inquinamento (utili a valutarne l’influenza sull’andamento e sulla gravità della malattia da Covid-19) e dati meteorologici (temperatura, umidità, frequenza e quantità delle precipitazioni) per verificare se queste alterazioni climatiche abbiano un impatto sull’epidemia. Inoltre, saranno raccolti e analizzati dati provenienti dagli ospedali e altri relativi alla mobilità delle persone per comprendere meglio le modalità di circolazione del virus, utilizzando anche smartphone e social media. Non solo: si sta studiando l’interazione fra mobilità (più precisamente, mancanza di mobilità), salute mentale e costi per il sistema sanitario nazionale (consumo di farmaci, assistenza medica e terapeutica) durante l’epidemia di Covid-19.

L’Humber River Hospital di Toronto (HRH), in Canada, è invece la prima struttura ospedaliera completamente digitalizzata del Nord America dove tutte le informazioni sono elettroniche, le persone sono costantemente connesse e i sistemi sono automatizzati. Attraverso il suo “Command Center“, una sala comando da far invidia a Star Trek – lo staff (formato da medici, infermieri, ingegneri clinici e informatici) è in grado di tenere sotto controllo in tempo reale tutti (ma proprio tutti) i dati dell’ospedale: dai parametri vitali di ogni singolo paziente, alla disponibilità dei posti letto, al flusso dei gas medicali, fino ai carichi di lavoro in sala operatoria, nei reparti e nei servizi di supporto.

big data command center
Il “Command Center” dell’Humber River Hospital di Toronto (fonte: HRH)

L’ analisi predittiva è, infine, un altro esempio d’uso importante dell’analisi dei big data. Già da qualche tempo, ad esempio, quattro ospedali dell’Assistance Publique-Hôpitaux de Paris (AP-HP) hanno sperimentato a  tal fine l’uso dei big data e i sistemi di apprendimento automatico. Il sistema concepito da AP-HP, basato sull’utilizzo di dati provenienti da varie fonti interne ed esterne (inclusi i registri dei ricoveri ospedalieri, i dati amministrativi e clinici, gli esami biologici e di imaging di oltre 13 milioni di pazienti negli ultimi 10 anni), è stato utilizzato anche per prevedere il numero giornaliero di pazienti e l’orario di arrivo utilizzando tecniche di analisi delle serie temporali. Tra i benefici attesi da un sistema di questo tipo, l’impiego più efficiente delle risorse e migliori risultati per la cura dei pazienti.

I vantaggi dell’analisi dei big data

Con strumenti di archiviazione e analisi adeguati, tutti gli attori del sistema sanitario, dagli ospedali ai pazienti, dal personale medico alle industrie farmaceutiche, possono trarre numerosi vantaggi. Tra questi:

  • Migliorare l’assistenza sanitaria. La grande quantità di conoscenze e informazioni acquisita dall’interazione tra big data e assistenza sanitaria consente ai vari operatori di avere una conoscenza più approfondita e una comprensione clinica migliore. Grazie all’aiuto dei database sanitari, i medici possono prescrivere trattamenti efficaci, nonché prendere decisioni cliniche più accurate.
  • Individuare i pazienti a rischio più elevato. Con i dati aggregati, è possibile identificare facilmente il segmento di pazienti a più alto rischio di malattie in una particolare regione o città. Dai big data, inoltre, si possono ricavare suggerimenti di intervento proattivo per proteggere i pazienti. Questo tipo di previsione è molto efficace nel caso delle malattie croniche.
  • Semplificare la diagnostica del paziente. È una delle applicazioni più comuni dei big data nel settore sanitario. Quando un paziente ha una propria cartella clinica elettronica (CCE), è possibile ottenere facilmente una diagnosi efficiente. Questi dati includono anamnesi, allergie, un piano di diagnosi, il trattamento di malattie precedenti e molti altri dettagli. I medici possono accedere facilmente ai file dei pazienti e aggiungere informazioni aggiornate sulla malattia o sui dettagli della terapia.
  • Ridurre i costi sanitari. Gli operatori che utilizzano dati aggregati nell’assistenza sanitaria possono identificare modelli che portano a una migliore e più profonda comprensione della salute del paziente. Ciò consente risparmi nei costi e ottimizzazione delle risorse, perché i fondi non verranno spesi per servizi o ricoveri non necessari. I dati possono anche indicare ai medici come trattare meglio e in modo più efficace i pazienti, in alcuni casi con un minor numero di ricoveri o riammissioni. Inoltre, è possibile stimare i costi per il trattamento individuale dei pazienti, contribuendo ad aumentare notevolmente l’efficienza dell’assistenza sanitaria attraverso una pianificazione dettagliata del trattamento.
  • Maggiori informazioni ai pazienti. I big data possono essere utilizzati anche per informare ed educare i pazienti ad assumersi la responsabilità del proprio benessere. Inoltre, combinare i dati clinici in un unico ambiente “big data” aiuta a migliorare l’efficacia delle terapie, offrendo risultati migliori.

AI e big data: medicina e sanità “guidata dai dati”

La pandemia di Covid-19 ha evidenziato il potenziale dell’utilizzo della tecnologia per aumentare l’efficienza con l’assistenza remota ai pazienti e la telemedicina. Considerando la popolarità della salute virtuale, e gli investimenti previsti dal PNRR, il settore sanitario farà sempre più affidamento sull’intelligenza artificiale e sui big data per migliorare le lacune nel nostro sistema sanitario. Il passaggio alle cartelle cliniche elettroniche negli ospedali ha aperto la possibilità di applicare modelli di dati per utilizzare attivamente tali informazioni al fine di fornire un’assistenza sanitaria proattiva. Pertanto, il concetto di “medico guidato dai dati” sta guadagnando terreno, poiché oggi i medici possono accedere a più dati clinici che mai. Potranno, quindi, avere a disposizione in anticipo informazioni sanitarie critiche che consentiranno loro di gestire le condizioni cliniche prima che si verifichi una crisi, mitigando una prognosi infausta.

Più in generale – al verificarsi di opportune condizioni che ne permettano l’adozione – sarà tutto l’universo salute a beneficiare sempre più della (enorme) quantità di dati digitali provenienti dal mondo health, spingendo il sistema sanitario ad abbracciare il modello della cosiddetta “data driven health“.

La sensibilità riguardo all’utilizzo intelligente ed efficiente dei dati digitali in sanità – probabilmente anche a causa della pandemia – è cresciuta molto anche nel nostro Paese, non solo tra gli addetti ai lavori ma, anche, tra politici e istituzioni: “Ciò che ora serve sempre di più – ha dichiarato al proposito il ministro della salute Roberto Speranza – è una centrale di calcolo in grado di elaborare la grande quantità di dati disponibili, per ricavarne informazioni esaustive e puntuali destinate a supportare una governance più efficace del Sistema Sanitario Nazionale e, soprattutto, la costruzione di analisi e scenari: questi mesi ci hanno insegnato l’importanza dei modelli predittivi per prendere decisioni da cui dipende la vita di tutti. Pertanto, occorre disegnare un modello unico e una rete nazionale che permettano di gestire gli archivi dei dati disponibili e di raccogliere e organizzare una mole di informazioni che crescerà in modo esponenziale”.

Big data: quali ostacoli per CEO e organizzazioni sanitarie?

I big data hanno il potenziale per cambiare in modo significativo il panorama sanitario. Possono salvare la vita delle persone prevenendo malattie ed esiti medici e riducendo gli errori. Inoltre, possono migliorare la qualità e il costo delle cure.
Tuttavia, non tutte le organizzazioni sanitarie hanno integrato i big data nelle operazioni quotidiane e, in molti casi, al personale medico mancano le competenze per saper valutare i risultati delle analisi dei dati.

Secondo un recente sondaggio di PwC, il 95% dei CEO del settore sanitario sta esplorando modi migliori per utilizzare e gestire i big data, ma solo il 36% ha fatto progressi in questo senso.

Tutto ciò perché, accanto ai tanti vantaggi analizzati, vi sono anche alcuni ostacoli all’adozione dei big data in sanità. Tra questi:

  • Integrazione, archiviazione e qualità dei dati. L’ecosistema dei big data è stato creato proprio per risolvere i problemi di acquisizione e archiviazione non solo di grandi quantità di informazioni, ma anche di dati estremamente diversificati. Grazie all’impiego di data lake e data warehouse, è possibile memorizzare un’ampia varietà di dati sanitari (come immagini, file di documenti, esportazioni da vecchi sistemi RDBMS) strutturandoli in modo da abilitare l’impiego di algoritmi di intelligenza artificiale e machine learning che necessitano di dati di input affidabili, senza duplicazioni e imprecisioni. Se la qualità delle informazioni è scarsa, i medici possono identificare erroneamente un paziente o prescrivere una terapia sbagliata. Pertanto, le organizzazioni sanitarie dovrebbero lavorare sulla governance dei dati e sulle soluzioni di data management per migliorare la qualità dei dati. Dovrebbero implementare controlli automatizzati per tutte le pipeline incrementali e prestare particolare attenzione alla preparazione e alla pulizia dei dati.
  • Strumenti e competenze per la visualizzazione e l’interpretazione dei dati. I progetti sanitari relativi ai big data richiedono elevate possibilità di visualizzazione dei dati e delle loro analisi. Pertanto, sono essenziali il monitoraggio in tempo reale e i cruscotti operativi e periodici dei report. Nel settore sanitario, tuttavia, esiste un problema: spesso, il personale non ha gli strumenti adatti alla visualizzazione dei dati e nemmeno le competenze specifiche necessarie per poter interpretare grafici e rapporti.
  • Condivisione e sicurezza dei dati. A causa della mancanza di standardizzazione, la condivisione dei dati sanitari tra diverse organizzazioni è uno dei principali punti deboli. Inoltre, nonostante la sanità sia un settore altamente regolamentato, che ha leggi severe in materia di archiviazione e condivisione di dati sensibili, ci sono molti esempi di violazioni e fughe di dati riservati. Pertanto, è fondamentale impostare le configurazioni necessarie, condurre audit regolari, eseguire la valutazione dei rischi e formare i dipendenti sulle migliori pratiche di sicurezza.
  • Integrazione di sistemi legacy con l’ecosistema dei big data. È importante identificare se i sistemi legacy possono essere integrati nella nuova pipeline e continuare a svolgere un certo lavoro oppure devono essere “aggiornati” per adattarsi totalmente all’ecosistema dei big data al fine di ottenere vantaggi in termini di costi e prestazioni.

I big data provenienti dal mondo della sanità, dunque, sono certamente una ricchezza enorme per tutti: per la salute dei pazienti e per le organizzazioni sanitarie. Ma per analizzarli e interpretarli in maniera efficace – affinché essi non restino dati sterili e senza valore ma si trasformino in preziose informazioni –  servono condivisione della conoscenza, competenze specifiche, formazione, integrazione tra tutti gli attori del sistema, infrastrutture uniche, sicurezza. Soltanto con queste (fondamentali) caratteristiche essi potranno assurgere al ruolo di tecnologia abilitante dell’ecosistema healthcare, intraprendendo con decisione la strada – tanto ambita quanto ancora in salita – di una vera “sanità guidata dai dati“.


Il tema della  Data-driven One Health – in cui il superamento dei limiti all’adozione dei Big Data gioca un ruolo cruciale – e, più in generale, quello dei “Big data in Sanità“, saranno al centro di FORUM PA Sanità 2021, evento digitale organizzato da FPA e P4I-Partners4Innovation, società del Gruppo DIGITAL360, in programma il 27 e il 28 ottobre. L’evento si aprirà con l’incontro One Health, digital: da una logica “egocentrica” a quella “ecocentrica” sfruttando la leva dell’innovazione digitale nel corso del quale verranno analizzate le priorità e le possibili azioni per una salute globale e digitale. Gli appuntamenti di FORUM PA Sanità, tutti gratuiti, saranno trasmessi in streaming sulla piattaforma di diretta di FPA, per seguirli è necessario accreditarsi dal sito dell’evento.


WHITEPAPER
Analytics e Big Data per la gestione di una piattaforma sull'HSE Management 4.0
Big Data
Software
@RIPRODUZIONE RISERVATA

Articolo 1 di 5