Az egészségügyi ellátás egyik rákfenéje, hogy nagyon költséges. Ráadásul a társadalom öregedése miatt irdatlan tempóban nőnek a kiadások. A legkézenfekvőbbnek tűnő megoldás az adatvezérelt egészségügy, aminek egyik fontos eleme az adatgyűjtés, a továbbítás és a feldolgozás.

Elemezhető adat a konzumer okoseszközökből

Az Internet of Things egyik ága, a viselhető eszközök aktívan bekapcsolhatók (lennének) ebbe a folyamatba. És miért ne lenne helye a viselhető okoseszközöknek az egészségügyben, ha azok már az iparba is bevonultak? A lehetőségekkel egy a Nature-ben megjelent cikk nyomán a Bitport is részletesen foglalkozott a közelmúltban.

Az adatvezérelt egészségügy másik fontos eleme a kognitív adatelemzés. Az IBM például úton-útfélen elsüti, hogy a Watsonnal óriási összegeket lehetne megtakarítani az egészségügyi kiadásokból. Ez azonban egyelőre legfeljebb hangzatos koncepció. Számtalan részletkérdés vár még megoldásra: az adatáramlás biztosításától a szabványosított keretrendszereken át a jogi problémákig számtalan területet kell még rendezni.

Az irány azonban egyértelműen ez. Hogy az IBM példájánál maradjunk: a tavaly felállított müncheni kutatóközpont, amely IoT és az ipari internet kapcsán kutatja a Watson lehetőségeit, tevékenységével több olyan területet is lefed, amely szorosan kapcsolódik az egészségügyhöz. Ilyen például a szenzorokból érkező adatok értelmezése vagy képelemző intelligencia fejlesztése (orvosi képalkotás), de a gépi szövegértelmezési módszerek kutatása is segíthet (orvosi feljegyzések és a betegek által megadott szöveges információk kiértékelése). És hogy az IBM mennyire komolyan kezeli az orvosi analitikát, jól mutatja, hogy tavaly egymilliárd dollárt fizetett az orvosi képalkotó platformot fejlesztő Merge Healthcare-ért, melynek termékeit a Watson képfeldolgozó és kognitív analitikai eszközeivel akar párosítani.

De miért is lesz jobb az ellátás az IoT-től

Egy amerikai – természetesen IoT-ban érdekelt – cég vezetője egy a CIO.com-on megjelent írásában összefoglalta, hogyan keletkeznek egy átlagos emberről egészségügyi adatok .

Klasszikus esetben az adatok az orvosi vizsgálatok során keletkeznek. Egy betegtől évente átlagosan négyszer-négyszer vesznek vért, ellenőrzik a vérnyomást, és mérik meg a páciens súlyát, valamint kétszer átesik vizeletvizsgálaton is. Egy vizsgálat kb. 500 bájtnyi adatot jelent, amihez hozzájönnek az orvos feljegyzései és az adminisztrációs adatok (10-10 Kbájt/év). Egy betegről így összesen mintegy 25 kilobájt adat keletkezik évente, ami 100 ezer beteg esetén is mindössze 2,5 Gbájt.

Ha azonban a betegről távdiagnosztikai és konzumer viselhető okoseszközök (azaz IoT) gyűjti az adatokat, hirtelen ugrásszerűen megnő az adatmennyiség. Napi egy méréssel számolva egyből keletkezik 365 súlyinformáció és vérnyomás adat (2×365×500 bájt), a beteg is adhat meg az állapotáról szöveges információt (kb. 50 Kbájt), és 10 másodpercenként jön információ valamilyen viselhető eszközről is (például a FitBit valamilyen okos karkötőjéről a testhőmérséklet, a pulzusszám stb.) alkalmanként 100 bájtnyi mennyiségben. Így egy páciensről máris 310 Mbájt, 100 ezerről kb. 31 Tbájt adat jön össze évente.

Népegészségügyi kérdés is

Ebből jól látható, hogy a viselhető és távdiagnosztikai eszközök bekapcsolása a betegadatok gyűjtésébe felértékeli az adatáramlást, és legalább ennyire fontos lesz az adataggregálás is. Valamint ott van emögött a jogi szabályozás: mit lehet tárolni és hogyan a páciensekről?

Egy azonban biztos: ekkora adattöbblet megfelelő kiértékelésével sokkal pontosabbá válhat a diagnózis, sőt a betegségek megelőzésnek is sokkal nagyobb lesz az esélye. Ennek óriási hatása lenne a népegészségügyi folyamatokra.

Az Egyesült Államokban ezermilliárd dollárt is meghaladják az egészségügyi kiadások. Abban, hogy az ellátáshoz való hozzáférés, a költségek stb. átláthatóak legyenek, nagyon sokat segíthetnek a viselhető eszközökre épülő adatgyűjtések. Egy KPMG egy tavaly év eleji kutatás szerint az egészségügy intenzív digitalizálása, az IoT eszközök szélesebb körű alkalmazása három-négy év alatt megtérül. Az adatgyűjtés segítségével ugyanis felállíthatók olyan egészségmenedzsment rendszerek, amelyek egyfelől biztosítják a személyre szabott és célzott ellátást, másrészt ugyancsak személyre szabottan segítenek a megelőző programok kialakításában.

A Healthcare IT News egy szakértője tavaly szerint ez többlépcsős folyamat, melynek egyik legfontosabb eleme az, hogy az adatokat. Először is az adatokat valamiféleképpen össze kell kapcsolni, aggregálni kell ahhoz, hogy alapjául szolgálhassanak egy népegészségügyi modellnek. Itt a legnagyobb probléma, hogy ezek az adatok általában egymástól elszigetelten működő rendszerekben találhatók.

Ha azonban az adatforrások összekapcsolása megtörtént, jöhet az elemzés, már adott a lehetőség az átfogó elemzésre, amely csoportok és az egyének szintjén is kimutatja a legfőbb kockázatokat. Ez alapján lehet kialakítani az egyedi kezelési vagy megelőzési programokat.

Továbbra is az adatkezelés a legnagyobb probléma

Bár abban az iparági szereplők egyetértenek, hogy a viselhető eszközökön keresztül történő adatgyűjtés alapjaiban átalakíthatná az egészségügyet, egyelőre ott vannak akadályként a személyes adatok kezelésére vonatkozó előírások. Az egészségügyi információk ugyanis kiemelten érzékeny adatnak minősülnek.

Technikailag ugyanis megoldható lenne. Az IoT eszközök gyártói törekszenek is az inteopreabilitás biztosítására, hogy eszközeik adatai egyszerűen feldolgozhatók legyenek például egészségügyi elemző rendszerekben.

Mindenesetre az eszközgyártók már megkezdték a felkészülést. A FitBit például tavaly jelentette be, hogy eszközei már megfelelnek az amerikai egészségbiztosítási törvénynek (HIPAA), és így akár a vállalati egészségügyi programokba, de az magán egészségbiztosítási piacon is használható.

Az egészségügyi IT-megoldások piacnak egyébként meglehetősen jók  akilátásai. A Markets and Markets egy elemzése szerint 2020-ig évi átlagos növekedése 13,4 százalék lesz. A globális piac nagysága 2020-ban megközelíti a 230 milliárd dollárt.