Daten richtig nutzen Neue Chancen: Big Data im Gesundheitswesen

Anbieter zum Thema

Governikus GmbH & Co. KG

Insider Research

Bis vor kurzem lagerten viele Daten im Gesundheitswesen in abgekapselten Einrichtungen und kostspieligen Speichersystemen. Die Informationen waren aber nicht nutzbar. Heute ist das Rechenzentrum vielfach nicht mehr die Drehscheibe für geschäftskritische Informationen.

Die Cloud und Edge-Computing bieten flexible und praktikable Alternativen, Daten zu speichern und ihr Potenzial freizusetzen. Dank Vernetzung und sicherer Übertragung können Daten überall und jederzeit für autorisierte Personen, Maschinen oder Anwendungen in der gewünschten Qualität bereitgestellt werden.

Daten haben sich quasi emanzipiert. Was das konkret bedeutet, was wir mit ihnen machen können, erkennen wir aber erst nach und nach. Wir leben nun schon einige Jahre im Big-Data-Zeitalter und der Bereich der Datenanalyse hat einige der erfolgreichsten Technologieunternehmen der letzten Dekade hervorgebracht. Mit ihren Innovationen helfen sie Unternehmen dabei, wichtige neue Erkenntnisse aus ihren Daten zu gewinnen.

Doch trotz dieser Fortschritte haben wir oftmals nur oberflächlich angefangen, die Möglichkeiten der Datenanalyse zu erfassen. Das liegt daran, dass der größte Teil der Unternehmensdaten nur teilweise analysiert wird.

Unerkanntes Potenzial

Daten gibt es in zwei Hauptformen: strukturiert und unstrukturiert. Führende Analyseinstrumente wurden für strukturierte Daten entwickelt, die in einem standardisierten Format in einem lokalen oder cloudbasierten Datenspeicher, wie einer SQL-Datenbank, aufbewahrt werden. Unstrukturierte Daten, wie PDFs und Videos, lassen sich allerdings nicht so einfach in Tabellen packen.

Jedoch machen Dateien und andere unstrukturierte Daten 80 Prozent des Fußabdrucks von Unternehmen aus und sind vielfach an Hardware gebunden. Bis vor kurzem mussten Big-Data-Analyselösungen unstrukturierte Daten für Analysezwecke vereinheitlichen, anstatt ihre Vielfalt und Flexibilität zu nutzen.

Vier Schritte zu neuen Erkenntnissen

Diese riesigen, aber unzugänglichen Datenspeicher können nun für weitreichende neue Analyseanwendungen zugänglich gemacht werden. Spannend an diesem Durchbruch ist das Ausmaß der Möglichkeiten, die sich ergeben. Große Gesundheitsdienstleister haben in der Regel viele verschiedene Dateitypen, aus unterschiedlichen Quellen und Ursprüngen. Die entscheidende Frage für Unternehmen und Datenwissenschaftler war schon immer, wie man aus all diesen Daten in ihrer jetzigen Form Erkenntnisse und neue Möglichkeiten gewinnt. In strategischer Hinsicht umfasst dieser Prozess vier Schritte.

• 1. Identifizieren: Untersuchen Sie Ihren Bestand dahingehend, welche Art von Daten Sie haben. Wie wir gesehen haben, kommen unstrukturierte Daten in vielen verschiedenen Formen vor und können aus Text und hochauflösenden Bildern wie MRT-Scans und Röntgenaufnahmen bestehen, um nur einige zu nennen.

• 2. Reorganisieren: Finden Sie ein automatisiertes Tool oder einen Dienst, der diese verschiedenen Daten markiert, so dass sie je nach Art, Inhalt oder Format indiziert und neu geordnet werden können. In dieser Phase besteht Ihr Ziel darin, diese Daten – auch ältere Datenbanken, die sich bisher einer Analyse entzogen haben - referenzierbar zu machen, damit sie von Menschen oder Anwendungen sie leichter analysiert werden können bzw. einen Mehrwert bieten.

• 3. Migrieren & Zugriff: Wenn ein Teil dieser neu organisierten und markierten Daten in einer herkömmlichen Speicherarchitektur oder einem anderen System liegt, das die Analyse einschränkt, müssen Sie diesen Datensatz in die Cloud migrieren. Damit all diese Datensätze den Wert und die Erkenntnisse liefern, nach denen Ihr Unternehmen sucht, müssen sie universell und trotzdem sicher zugänglich sein und dürfen nicht an ein Rechenzentrum oder ein veraltetes Speichersystem gebunden sein.

• 4. Innovation: Nutzen Sie die neu markierten, zugänglichen und auffindbaren Informationen, um Erkenntnisse zu gewinnen und einen Mehrwert zu generieren. Führende Cloud-Unternehmen bieten bereits Dienste für maschinelles Lernen (ML), künstliche Intelligenz (KI) und Deep Learning (DL) an, die sich auf Bilderkennung, Musterabgleich, Inhaltssuche, Compliance-Ermittlung und viele andere Funktionen konzentrieren können.

Eine KI/ML-Roadmap

Die Instrumente, die heute für das Gesundheitswesen zur Verfügung stehen, sind beeindruckend und entwickeln sich schnell weiter. So ist die Gesundheitsbranche beispielsweise seit langem mit vielen unstrukturierten Daten in Form von E-Mails, PDFs, gescannten Dokumenten und medizinischen Bildern überlastet. AWS hat kürzlich für Organisationen im Gesundheitswesen eine Roadmap entworfen, mit dem Ziel, einige KI- und ML-Dienste für unstrukturierte Datensätze in der Cloud einzusetzen. Diese Instrumente sind so neu, dass die Unternehmen des Gesundheitswesens noch dabei sind, Funktionen und Anwendungsmöglichkeiten sowie die optimale Verwendung zu bewerten.

Ein globales Gut

Wir stehen am Anfang einer neuen Ära der Analytik für das Gesundheitswesen, mit vielen Chancen und grenzenlosen Möglichkeiten, jetzt, da Daten eine eigene Einheit bilden. Letztlich ist die Erkenntnis so einfach wie bahnbrechend: Daten haben sich zu einem global nutzbaren Gut entwickelt, das auf neue und kreative Weise verwendet werden kann.

In der Zeit von Big Data wurde schon viel erreicht, aber die neue Ära der Einblicke und Erkenntnisse könnte sich als noch umwälzender erweisen. Wenn nämlich Daten in Mehrwerte umgewandelt werden und die Herausforderungen im Gesundheitswesen in verbesserten Patientenbehandlungen resultieren.

(ID:49774502)