Steigende Kosten, eine alternde Bevölkerung und die Verbreitung chronischer Erkrankungen verändern die Gesundheitsbranche. Bis 2030 werden die weltweiten Gesundheitsausgaben voraussichtlich einen beispiellosen Wert von 18,3 Billionen USD erreichen.1 Als Reaktion auf diese Trends wechseln Zahlungsmodelle bereits von volumenbasiert zu ergebnis- oder wertbasiert.
Vorausschauende Analyse hilft Gesundheitsorganisationen, sich an diese neuen Modelle anzupassen und gleichzeitig die Patientenversorgung und die Ergebnisse zu verbessern. Vom Antizipieren kritischer Zustände wie septischem Schock und Herzinsuffizienz bis hin zur Verhinderung weiterer Krankenhausaufenthalte führen die neuesten Fortschritte in der Big-Data-Analyse und KI zu neuen Lösungen rund um die vorausschauende Analyse, mit denen Ärzte Ergebnisse verbessern und Kosten senken können.
Nutzung von Daten für die vorausschauende Gesundheitsanalyse
Mit der Digitalisierung des Gesundheitswesens entstanden riesige neue Datensätze. Dazu gehören Systeme für elektronische Patientenakten (EMR), gesundheitsbezogene Angaben, radiologische Bilder und Laborergebnisse. In naher Zukunft werden auch die Genomdaten erheblich wachsen.
Neue Daten werden auch von einer wachsenden Anzahl von Medizinprodukten am Netzwerkrand generiert, einschließlich Wearables und Monitoren für Patienten. Außerhalb des klinischen Umfelds generieren Patienten mithilfe von persönlichen Wearables, Fitness-Trackern und Gesundheitsanwendungen Quasi-Gesundheitsdaten.
Durch die Einbeziehung von Daten aus diesen Quellen können Gesundheitsdienstleister neue Lösungen für die vorausschauende Analyse im Bereich der medizinischen Diagnostik, die vorausschauende Modellierung für Gesundheitsrisiken und sogar für die vorschreibende Analyse im Bereich der Präzisionsmedizin ermöglichen.
Die Umwandlung von Daten in klinische Ergebnisse erfordert jedoch eine Grundlage für Hardware und Software, die darauf ausgelegt sind, Wert aus unterschiedlichen Datensätzen zu extrahieren. Eine Umfrage ergab, dass mehr als die Hälfte der Gesundheitsorganisationen keinen umfassenden Plan zur Datenverwaltung hat.2 Infolgedessen bleibt ein erheblicher Teil der Gesundheitsdaten ungenutzt.
Mit einem Portfolio von Technologien, mit denen Daten effizient verschoben, gespeichert und verarbeitet, Big-Data-Plattformen ermöglicht und KI-Modelle ausgeführt werden können, arbeiten Intel und unsere Partner mit Gesundheitsorganisationen zusammen, um die vorausschauende Analyse umzusetzen.
Dank der vorausschauenden Analyse, die auf einer auf Big-Data-Plattform mit Intel® Xeon® Prozessoren basierte, konnte eine große Krankenhausgruppe jährliche Kosten in Höhe von 120 Millionen US-Dollar einsparen.
Vorteile der vorausschauenden Modellierung im Gesundheitswesen
Die vorausschauende Analyse ist zu einem Schlüsselelement jeder Strategie für Gesundheitsanalysen geworden. Heute ist es ein wichtiges Instrument zum Messen, Aggregieren und Verstehen von verhaltensbezogenen, psychosozialen und biometrischen Daten, die bis vor kurzem nicht verfügbar oder äußerst schwer zu erfassen waren.
Auf individueller Ebene kann die vorausschauende Analyse Gesundheitsdienstleistern helfen, die richtige Versorgung für den richtigen Patienten zur richtigen Zeit bereitzustellen. In größerem Maßstab können Gesundheitssysteme größere Trends erkennen und verstehen, was zu verbesserten Strategien für die Gesundheit der Bevölkerung führt.
In einem Beispiel entwickelten die Wissenschaftler ein Ebola-Verbreitungsmodell. Sie nutzten Big-Data-Analysen und riesige Datenmengen, einschließlich Informationen aus sozialen Medien und Suchmaschinen. Personen, die möglicherweise mit Ebola in Kontakt gekommen sind, können ihre Symptome in eine mobile App eingeben, in der mithilfe von Geokoordinaten überprüft wird, ob sich die Person in der Nähe einer Person in einer Gruppe befand, in der Ebola aktiv war.3
Vorausschauende Analysen können nicht nur die Pflege verbessern, sondern auch die Kosten drastisch senken. Beispielsweise können genauere Vorhersagemodelle für die Aufenthaltsdauer von Patienten und für erneute Krankenhauseinlieferungen den Krankenhäusern helfen, Strafen zu vermeiden und die Betriebskosten zu senken. Durch den Zugriff auf elektronische Patientenakten (EHRs) und vorausschauende Analysen können Anbieter Patienten kennzeichnen, bei denen es wahrscheinlich ist, dass sie einen Termin verpassen. Nachdem sie identifiziert wurden, könnten diese Patienten durch Erinnerungen oder andere Methoden bei der Einhaltung ihres Termins unterstützt werden.
Das enorme Potenzial der vorausschauenden Analyse umfasst die Identifizierung von Patienten mit einem Risiko für chronische Erkrankungen, die Entwicklung nachweislich bewährter Praktiken und die proaktive Erkennung potenzieller Hindernisse für die Einhaltung des Pflegeplans. Daten können Klinikern helfen, den Ereignissen immer einen Schritt voraus zu sein und Patienten proaktiv zu versorgen, bevor sich ein kritischer Gesundheitszustand einstellt.
Beispiele für vorausschauende Analysen im Gesundheitswesen
Derzeit untersuchen Gesundheitssysteme und Anbieter verschiedene Möglichkeiten, Big-Data-Plattformen und KI für vorausschauende Analysen zu verwenden. Diese Lösungen helfen Gesundheitsorganisationen beim Wechsel weg von der einfachen Verwendung von Daten, um zu ermitteln, was bereits passiert ist, und hin zur Verwendung dieser Daten, um zuverlässiger vorherzusagen, was passieren wird.
Beschleunigung der Behandlung medizinischer Notfälle
In Zusammenarbeit mit Intel hat Penn Medicine eine kollaborative Data-Science-Plattform entwickelt. Mit dieser Plattform können zwei der häufigsten und kostspieligsten Probleme für Krankenhäuser vorhergesagt und verhindert werden: Sepsis und Herzinsuffizienz.
Das Vorhersagemodell war in der Lage, etwa 85 Prozent der Sepsisfälle (gegenüber 50 Prozent) bis zu 30 Stunden vor dem Einsetzen des septischen Schocks zu identifizieren (im Gegensatz zu zwei Stunden mit herkömmlichen Methoden).4 Außerdem konnte das Modell zwischen 20 und 30 Prozent der Patienten mit Herzinsuffizienz identifizieren, die zuvor nicht richtig identifiziert worden waren.4 Dadurch konnten Ärzte die Behandlung früher durchführen, die Zeit bis zur Genesung verkürzen und Ressourcen für das Krankenhaus einsparen.
Vorhersagen der Krankenhausaufenthaltsdauer
Intel und Cloudera halfen einer großen Krankenhausgruppe, mithilfe von vorausschauenden Analysen eine genauere Vorhersage der Krankenhausaufenthaltsdauer zu ermöglichen. Die Big-Data-Plattform mit Intel® Xeon® Prozessorclustern ermöglichte es der Krankenhausgruppe, unzusammenhängende, unstrukturierte und semistrukturierte Daten zu verarbeiten.
Durch die Fähigkeit, Planungen und Personalbestand effizienter zu gestalten, sparte die Krankenhausgruppe jährliche Kosten in Höhe von 120 Mio. USD (ca. 12.000 USD pro Patient). Außerdem konnte die Auslastung der Einrichtungen um 5 Prozent gesteigert werden, sodass Krankenhäuser möglicherweise jährlich weitere 10.000 Patienten versorgen können.5
Reduzieren von erneuten Krankenhauseinlieferungen
Außerdem nutzten Intel und Cloudera sozioökonomische Daten, EHRs und vorausschauende Analysen, um einer Krankenhausgruppe zu helfen, Patienten mit einem hohen Risiko der erneuten Krankenhauseinlieferung zum Zeitpunkt der Diagnose zu identifizieren. Das Krankenhauspersonal konnte zusätzliche medizinische Versorgung bereitstellen, um die Rate der erneuten Krankenhauseinlieferungen zu senken.
Dank der Big-Data-Plattform mit Intel® Xeon®-Prozessoren konnte die Krankenhausgruppe 6.000 Fälle von erneuten Krankenhauseinlieferungen reduzieren, potenzielle Medicare-Strafen in Höhe von 4 Mio. USD vermeiden und jährlich etwa 72 Mio. USD an Kosten für medizinische Dienstleistungen einsparen.6
Erforschen des Potenzials von KI
Intel setzt mit großer Begeisterung KI ein, um Gesundheitssystemen und Anbietern bei der Bekämpfung von Krankheiten und der Individualisierung von Behandlungen zu helfen. Von unserem Sponsoring eines Krebsvorsorgewettbewerbs rund um KI bis hin zu den vielen KI-Lösungen mit Intel® Technik in den Gesundheits- und Biowissenschaften unterstützt Intel Gesundheitsorganisationen dabei, die richtigen Technologien für die Bereitstellung von vorausschauenden Analysen zu finden.
Identifizierung von Patienten mit einem Risiko der Verschlechterung des Gesundheitszustands
Sharp HealthCare verwendete Technologien von Intel und Cloudera zur erfolgreichen Bereitstellung eines vorausschauenden klinischen Analysemodells. Das Modell verwendete maschinelles Lernen und Daten aus dem EMR-System der Krankenhäuser, um Patienten zu identifizieren, bei denen das Risiko besteht, dass sie in der nächsten Stunde eine Intervention des schnellen Eingreifteams benötigen.
Das Modell sagte mit 80%iger Genauigkeit die Wahrscheinlichkeit eines Ereignisses innerhalb einer Stunde vorher. 7 Dadurch konnte das schnelle Eingreifteam proaktiv eingreifen, die Qualität und die Kosten der Versorgung verbessern und die Ressourcennutzung verbessern.
Intel unterstützt Ärzte mit vorausschauenden Analysen
Durch die Bereitstellung einer technologischen Grundlage für KI- und Big-Data-Plattformen helfen Intel und unsere Technologiepartner Gesundheitsdienstleistern dabei, die große Menge an Patienten- und Gesundheitsdaten zu nutzen, die sonst nicht verwendet werden. Die daraus resultierenden Lösungen können Anbietern helfen, die Patientensicherheit zu verbessern, die betriebliche Effizienz zu verbessern und vor allem die Patientenergebnisse zu verbessern.