CC BY
125
В РОССИЙСКОМ ЗДРАВООХРАНЕНИИ. ВРЕМЯ ПРИШЛО!
ЩЦ^^^Ш МЕНЕДЖМЕНТ
Н.И. СУВОРОВ, А.В. БЕДЕНКОВ, ООО «АстраЗенека Фармасьютикалз», Москва
Большие данные
Значительное увеличение объема генерируемых данных делает необходимым более широкое практическое использование технологий Big Data, в т. ч. в области медицины и здравоохранения. Для этого необходимо вовлечение фармацевтических компаний и научно-медицинского сообщества в разработку новых методов и алгоритмов анализа больших и сверхбольших массивов данных.
В современных условиях функционирования системы здравоохранения на фоне сохраняющегося дефицита финансовых и материальных средств одним из путей решения множества вопросов могут стать технологии анализа больших массивов данных. Благодаря достижениям в области анализа данных почти все, что определяет наше здоровье, — от нашего индивидуального генетического кода до конкретных привычек — может быть использовано для определения признаков болезни, паттернов ее протекания и терапии, оценки эффективности лечения и выявления связей между причинами заболевания и его симптомами [1]. Исходя из понимания необходимости качественных изменений в подходах к хранению, и, главное, к использованию и обработке растущих объемов информации, в последние годы стала широко обсуждаться концепция Big Data (Большие Данные), в т. ч. применительно к медицине и системе здравоохранения.
Термин Big Data подразумевает получение, обработку и анализ быстро накапливающихся сложных данных в беспрецедентно огромных количествах. Считается, что этот термин ввел в обращение Клиффорд Линч, редактор журнала Nature, выпустивший 3 сентября 2008 г. специальный номер журнала, который был посвящен феномену огромного роста объема и разнообразия обрабатываемых данных. Эта концепция привлекла внимание к росту объемов и многообразия данных, в т. ч. неструктурированных, и к огромным возможностям их использования в различ-
Ключевые слова:
большие данные, алгоритм, анализ, здравоохранение
ных областях знаний. Особенность технологий Big Data заключается в том, что они позволяют обрабатывать данные из большого числа самых разнообразных источников, сопоставляя ранее несопоставимые наблюдения, и извлекать из них новые знания и закономерности. [2]
Несмотря на то что российский рынок Big Data только начинает формироваться, отдельные проекты в этой области уже реализуются достаточно успешно, в частности в сфере банковского бизнеса, финансовой аналитики, ре-
ИиВВ
Keywords: big data, algorithm, analysis, healthcare
A significant increase in the volume of generated data requires a wider use of big data technology, including in the field of medicine and healthcare. For this purpose, pharmaceutical companies and medical research community should be involved in the development of new methods and algorithms for the analysis of large and extremely large data volumes. N.I. SUVOROV, A.V. BEDENKOV, AstraZeneca Pharmaceuticals, Moscow. BIG DATA IN THE RUSSIAN HEALTHCARE. THE TIME HAS COME!
тейла и пр. Область здравоохранения, достаточно консервативная в плане адаптации новых информационных технологий, в настоящий момент остается практически неохваченной. В настоящее время системы здравоохранения во всем мире активно переходят в информатизированный формат, развивая сервисы интегрированных электронных медицинских карт и M2M-устройств, в которых концентрируется основная информация о пациенте, поступающая из различных модулей: системы лабораторной диагностики, архива медицинских изображений и прочих специализированных медицинских сервисов. Заполнение таких систем и использование различных электронных приборов повышают скорость получения информации, способствуют стандартизации работы врачей, автоматизации контроля соблюдения медицинских стандартов и т. д. Однако пока вне зоны внимания остается ряд важных вопросов, в т. ч. один из самых главных: каким образом анализировать весь объем собранной информации для последующего практического применения выявленных закономерностей.
Несмотря на значительное увеличение объема генерируемых данных в области медицины и здравоохранения, практическое применение Больших Данных в этой сфере — явление довольно редкое. Сейчас предпринимаются попытки анализа данных в отдельных наукоемких областях, таких как протеомика, ге-номика, и других «омик»-технологиях. Однако основной массив информации по-прежнему представляет собой неструктурированный набор файлов, таблиц, рисунков, графиков, их описания и зачастую содержит противоречивые выводы. Одновременно с этим при поиске релевантной информации в открытых базах данных, публикациях в рецензируемых журналах и прочих воз-
БОЛЬШИЕ ДАННЫЕ В РОССИЙСКОМ ЗДРАВООХРАНЕНИИ. ВРЕМЯ ПРИШЛО!
РЕМШШМ
61
никает ряд существенных проблем, типичных для Big Data в целом: + полнота данных — вопрос включения в результаты поиска всей доступной информации,
+ постоянное обновление/поступление новых данных, и особенно включение их в анализ,
+ структурирование данных — тексты, таблицы, графики, данные измерительных приборов и пр., + отсутствие автоматической обработки данных,
+ проблема автоматического анализа информации [3].
При этом одним из краеугольных камней концепции алгоритма обработки Больших Данных должны быть минимизация времени выдачи информации по запросу и способность сверхоперативно реагировать на задачи и проблемы. Очевидно, что в концепции Big Data заложен большой потенциал, которым, однако, еще надо уметь грамотно пользоваться, и одной из главных задач при работе с большими массивами становится осознание скрытых возможностей новых технологий, а также привлечение инвестиций в эту область.
Пример компании Google и проекта Flu Trends, которому в 2012—2013 гг. не удалось осуществить правильный прогноз эпидемии гриппа, в очередной раз говорит нам о том, что все предсказания и прогнозы — всего лишь вероятности, которые не всегда соответствуют реальности. Особенно когда основанием для прогноза служат постоянно меняющиеся поисковые запросы в Интернете, подверженные внешнему влиянию, такому как сообщения в СМИ. Тем не менее именно анализ в формате «N = всё» может предсказывать общее направление развития ситуации; полученные корреляции не смогут сказать нам точно, почему происходит то или иное событие, зато предупреждают о том, какого оно рода. И в большинстве случаев этого вполне достаточно [4]. Открывающийся, таким образом, новый взгляд на, казалось бы, привычные вещи может дать фармацевтической индустрии всю полноту средств и методов доказательной медицины с учетом как можно более полной инфор-
мации, собранной из множества независимых источников. В целом при анализе подхода к использованию технологий Big Data в медицине и биологии очевидно, что увеличение информации само по себе не может привести к построению современной системы здравоохранения, использующей в полной мере возможности больших массивов данных. Разработка вычислительных систем и алгоритмов поиска корреляций должна оказаться той выигрышной стратегией, которая в конечном итоге преобразует огромные неструктурированные массивы информации в источник гипотез и моделей, пригодных для облегчения поиска тенденций, содержащихся внутри этих массивов.
Для этого необходимы постоянная оценка и анализ научно-медицинских данных со стороны экспертного сообщества, в которое должны быть включены представители IT-индуст-рии, научно-медицинского сообщества, вузов и крупных фармацевтических компаний. Только в комбинации такой оценки с непрерывным совершенствованием алгоритмов анализа постоянный рост больших данных может способствовать ускорению процесса трансляции результатов медико-биологических исследований для удовлетворения потребностей общества и принести огромную пользу для человечества, как бы громко и амбициозно ни звучало это на сегодняшний день. ^
ИСТОЧНИКИ
1. http://iotconf.ru/ru/news/vozmognosti-ispolzovaniya-bolshih-dannih-v-meditsine-i-zdravoohranenii#sthash.VnHRL0KLdpbs.
2. Большие Данные и общество. Тезисы докладов конференции «Большие Данные в национальной экономике» (Москва, 22 октября 2013 г.). Под ред. Дубовой Н.А. М.: «Открытые системы»», 2013: 53.
3. Открытые связанные данные в здравоохранении. Российский офис Консорциума W3C при поддержке Центра семантических технологий НИУ «ВШЭ»» и РНИ-МУ имени Н. И. Пирогова, 2013.
4. Майер-Шенбергер В., Кукьер К. Большие данные. Революция, которая изменит то, как мы живем, работаем и мыслим. М.: Манн, Иванов и Фербер, 2014: 221.
кроме того...
Разработан новый порядок приема неиспользованных наркотических ЛС
Министерство здравоохранения опубликовало на едином портале раскрытия информации regulation.gov.ru проект ведомственного приказа «Об утверждении порядка приема неиспользованных наркотических средств от родственников умерших больных». Необходимость разработки документа объясняется тем, что приказ Минздрава от 12.11.1997 №330, регулирующий процесс сдачи неиспользованных наркотических препаратов, был принят до вступления в силу закона от 08.01.1998 №3-Ф3 «О наркотических средствах и психотропных веществах» при отсутствии необходимых полномочий. Согласно новому документу, прием неиспользованных препаратов осуществляется работником медицинской организации в течение 15 дней после получения свидетельства о смерти пациента. При этом должна быть проведена сверка расхода обезболивающих с момента последней записи в медицинской карте больного об их назначении. В приказе оговаривается, что возврату не будут подлежать первичная и вторичная (потребительская) упаковка использованных лекарств.
Скорые получат аптечки для оказания паллиативной помощи
Все машины скорой помощи в России в ближайшее время будут оснащены специальными аптечками для оказания паллиативной помощи, соответствующий проект приказа уже подготовлен Министерством здравоохранения. Об этом, как передает МИА «Россия Сегодня», заявила в ходе выступления на круглом столе в ОНФ заместитель министра Татьяна Яковлева. Замминистра подчеркнула, что паллиативная аптечка будет находиться в машине наряду с обычной аптечкой скорой помощи. По словам Яковлевой, министерство также направило на станции скорой помощи письмо, в котором разъясняется, что сотрудники службы не имеют права отказывать пациентам в обезболивании. По инициативе Минздрава в каждом регионе РФ будет разработан план развития стационарной паллиативной помощи.
