Az egészségügyi szervezetek sikerének alapvető feltétele az adatelemzés nyújtotta információk racionális felhasználása, és ennek alapfeltételeként az adatfeldolgozásba- és elemzésbe való befektetés.
A világ összes tárolt adatának a 30% -a az egészségügyi szektorban keletkezik. Egyetlen beteg évente közel 80 megabite-nyi adatot generál a képalkotó eljárások során és az elektronikus orvosi nyilvántartási adatokban. Ez az adathalmaz egyértelmű klinikai és pénzügyi értékkel rendelkezik az egészségügyi ágazat számára. A McKinsey becslése szerint az adatok optimális felhasználásával évente több mint 300 milliárd USD-os költségmegtakarítás érhető el.
Sokan azonban úgy vélik, hogy az egészségügyi ágazat jelenleg nem él kellőképpen az adatok nyújtotta lehetőségek kiaknázásával, miközben azok a döntéshozatali folyamathoz és az innovációs törekvések irányának meghatározásához is elengedhetetlenek. McKinsey szerint a Health Catalyst legjobb adatmenedzsment gyakorlatot leíró „Analytics Adoption” modellje alapján sok amerikai kórház a 8-as skálán csak 2-es vagy 3-as szinten van. Mindössze a kórházak 10 %-a rendelkezik robusztus adattárolási és adatelemzési képességgel. Egyre inkább nyilvánvaló, hogy ha az adattudományba történő beruházásokat nem végzik el „házon belül”, akkor a kórházak és az egészségügyi rendszerek hamarosan külső segítségre fognak szorulni az adatok elemzése területén.
A nyers adatokban rejlő érték
Az egészségügyi szektorban rendelkezésre álló hatalmas mennyiségű nyers adat értéke csak akkor realizálható, ha azt a mindennapi gyakorlatot formáló tudásanyaggá alakítják át,- például az adherencia fokozása, a költséghatékonyabb terápiás eljárások meghatározása vagy az evidencia alapú ellátás megvalósítása terén.
Az Amazon és alapítója, Jeff Bezos azt állítják, hogy ők soha nem dobják el az adatokat, azaz azokat házon belül használják pl. a legmagasabb vásárlási hajlandósággal rendelkező vevők azonosítására, a termékválasztás személyre szabására – a várható jövőbeni érdekeik alapján. Az egészségügyi ellátásban is hasonló módon használjuk fel az adatokat?
10-20-szor több „adattudós” kellene az egészségügybe
Az Amerikai Egyesült Államokban tevékenykedő mintegy 6000 „adattudós” közül csak mindössze 180 dolgozik a kórházi és az egészségügyi területen. Tekintettel arra, hogy az USA-ban közel 6000 kórház és körülbelül 400 akadémiai orvosi központ (academic medical center, AMC) van, az adatfeldolgozó és -elemző szakemberek száma meglehetősen alacsony.
Egyéb adat-gazdag ágazatokkal összehasonlításban is alulmarad az egészségügy által foglalkoztatott adatfeldolgozó és -értékelő szakemberek száma. A bank- és biztosítási szektorban mintegy 6-szor több, az információtechnológiában mintegy 18-szor több, míg az új, tisztán tudásalapú iparágban, a vezetői tanácsadásban 60-szor több adatelemzésre szakosodott szakembert alkalmaznak.
A kalkulációk alapján tehát 10-20-szor több adatfeldolgozó és -elemző szakemberre van szükség az egészségügyi szektorban. Mindez 5-10 szakembert jelentene akadémiai orvosi központonként, illetve 1-2 főt a 200 ágyasnál nagyobb kórházaknál. Ez az összes USA-beli akadémiai központont véve 1000-2000 szakembert jelent, évi 150-300 millió USD költséggel. Az adatok pedig „ingyen” rendelkezésre állnak.
Miért van kevés „adattudós” az egészségügyben?
- Jelentős költségvonzata lenne az információs rendszer kiépítésének és fenntartásának,
a szakemberek foglalkoztatásának. - A szakképzett, teljes munkaidőben foglalkoztatott „adattudósokat” sok esetben informálisan olyan alkalmazottakkal „helyettesítik”, akik – egyébként – az adatok felviteléért, tárolásáért lennének felelősek. Néhány érdeklődő klinikai szakember, köztük gyakran főorvosok vagy egészségügyi informatikusok munkája vezet ahhoz, hogy a kórház informálisan hozzáad néhány kezdetleges képességet az adat-tudományhoz.
- Az informatikai és a klinikai területek szakértői ad hoc kombinációban, önálló kezdeményezések alapján, kisebb feladatokat hajthatnak végre; pl. a kardiológiai osztály készíthet egy önálló prediktív modellt, amely alapján a magas kórházi visszafogadási kockázattal rendelkező betegek azonosíthatók.
- Az adatokra való támaszkodás helyett gyakran ösztönös döntések születnek. Az illetékes vezetők/döntéshozók viszonylag kevés ismerettel rendelkeznek az adatelemző termékekkel kapcsolatosan, és nincs tapasztalatuk arról, hogy az ilyen termékek nyújtotta információ miként építhető be a döntéshozatalba.
Ki kicsoda? – CDS, CAO és CIO
A fenti kínálati és keresleti hiányosságokat tükrözve, csak egy kevés egészségügyi szakember mondhatja magáénak a vezető adatkutató (chief data scientist; CDS) vagy a vezető adatelemző (chief analytics officer; CAO) címet. Különbség van a között, aki az adatokat birtokolja, biztosítja az adatok származását és minőségét, illetve a között, aki a számítógépes tanulás, a fejlett statisztikai módszerek és a kifinomult adattechnikai készségek felhasználásával az adatokból az értékes információ kinyeréséért felel. Az előbbi a vezető információs szakember (chief information officer; CIO) feladata, míg az utóbbi a CDS-é vagy CAO-é, bár tény, hogy a szakemberek munkája egymással szoros egységet alkot, egymást kiegészíti.
Piaci válaszok az adat-tudomány lehetőségeire
A harmadik felek gyorsan felismerték az egészségügyi szektor adattudomány terén mutatott gyengeségeit; és ezekre reagálva ma már külső kereskedelmi vállalkozások (pl. PeraHealth, naviHealth, Cardinal Health, Health Catalyst) kínálják analitikus szolgáltatásaikat az egészségügyi intézmények számára.
Vajon házon belül építsük ki vagy vegyük meg kintről, készen?
Bár a kisebb kórházaknál pl. költséghatékonyság szempontjából racionális lépés lehet az adatelemzés kiszervezése; a házon belül kiépített, helyi igényekhez illesztett adattudomány mellett szól az Amerikai Kórház Szövetség (American Hospital Association; AHA), ami a „must-do stratégiák” és az „alapkompetenciák” között említi ennek a fontosságát. Az adattudományi eredmények és módszerek ingyenes megosztása az AMC-k és a kisebb kórházak között a jövőben lehetővé tehetné, hogy a pénzügyi szempontból nehezebb helyzetben lévő kórházak és egészségügyi ellátók is növelhessék elemzési lehetőségeiket, csökkentsék a kiszervezési költségeket, és lehetővé tegyék saját, belső elemzések elkészítését.
(Forrás: Marco D. Huesch, MBBS, PhD & Timothy J. Mosher, MD (Penn State Milton S. Hershey Medical Center)