Długość życia obywateli rośnie z każdym rokiem, wzrasta również liczba osób z chorobami przewlekłymi. Według raportu “Projection of Chronic Illness Prevalence and Cost Inflation” opracowanego przez RAND Corporation, na świecie jest około 150 milionów pacjentów z chorobami przewlekłymi, a w roku 2030 będzie ich 171 milionów. Według hiszpańskiego Stowarzyszenia Farmacji Szpitalnej, nieprzestrzeganie zaleceń terapeutycznych przez ponad 50% pacjentów cierpiących na choroby przewlekłe kosztuje hiszpański system opieki zdrowotnej ponad 11 mld 250 mln euro rocznie.

Obserwatorium Przestrzegania Zaleceń Terapeutycznych przez Pacjentów (OAT) zorganizowało piąte już, doroczne spotkanie dla przedstawicieli instytucji opieki zdrowotnej i firm uczestniczących w inicjatywach mających na celu zwiększenie stopnia przestrzegania zaleceń terapeutycznych przez pacjentów. GMV zaprezentowała swą platformę telemedycyny dla pacjentów z chorobami przewlekłymi oraz platformę sztucznej inteligencji, dzięki którym można zredukować niepotrzebne badania, zabiegi i leczenie, zbędne wizyty u lekarzy i pielęgniarek czy zbędne hospitalizacje, których można by uniknąć gdyby pacjenci przyjmowali leki i postępowali zgodnie z zaleceniami lekarzy. W krajach rozwiniętych 50% pacjentów tego nie robi.

Jak powiedział w swym wystąpieniu Carlos Royo – Dyrektor ds. Rozwoju Działalności w sektorze opieki zdrowotnej GMV, „transformacja danych zgromadzonych w historii klinicznej pacjentów w użyteczną informację przekłada się bezpośrednio na poprawę jakości opieki zdrowotnej i stanu zdrowia obywateli”. Systemy Big Data nie zastąpią lekarzy w podejmowaniu decyzji, ponieważ to oni „przekazują inżynierom wiedzę medyczną, którą ci przetwarzają na algorytmy”, powiedział Carlos Royo, który jako lekarz pracował przy rozwoju platformy antari – produktu dla telemedycyny i kontroli epidemiologicznej, opracowanej przez naszą firmę.

Możliwości systemu

Według analizy Big Data zatytułowanej „The next frontier for innovation, competition, and productivity” przeprowadzonej przez McKinsey, zastosowanie technik Big Data w opiece zdrowotnej może oznaczać oszczędności w wysokości 250 mld euro dla publicznych systemów opieki zdrowotnej. Eksperci twierdzą, że zastosowanie analizy masowych danych w celu stworzenia modeli predykcyjnych przyczyni się do poprawy diagnostyki, leczenia i jakości życia pacjentów.

Uzyskiwanie w sposób masowy danych dotyczących przestrzegania i nieprzestrzegania zaleceń lekarskich w konkretnych schorzeniach umożliwi opracowanie strategii działań mających na celu zmniejszenie liczby przypadków zaniedbywania czy zaniechania leczenia przez pacjentów.

Analizy predykcyjne, możliwe do przeprowadzenia dzięki algorytmom narzędzi Big Data, będą pomocne w lepszym wykorzystaniu środków poprzez generowanie protokołów i procedur wspomagających skuteczność leczenia. Przyczynią się one również do poprawy działań terapeutycznych poprzez generowanie specjalistycznej wiedzy oraz pozwolą na doraźne generowanie zaleceń medycznych dla indywidualnych pacjentów.

Wykorzystanie Big Data w opiece zdrowotnej może przynieść istotne oszczędności dla systemów służby zdrowia zarówno poprzez poprawę jakości świadczeń jak poprzez redukcję niedociągnięć administracyjnych i klinicznych. Oznacza to globalną poprawę obsługi pacjentów, diagnostyki, logistyki i wykorzystania materiałów.

Jak zaznaczył Carlos Royo na zakończenie swego wystąpienia, „wykorzystanie Big Data w opiece zdrowotnej oznacza zmianę paradygmatu praktyki medycznej na model oparty na 4P: personalizacji, predykcji, prewencji i partycypacji.