Big data binnen de gezondheidszorg: hoe zit dat precies?

Big data en gezondheidszorg

De term ‘big data’ kunnen we gerust een buzzword noemen: een veelgebruikte term waarvan de betekenis onduidelijk is. Ondanks de populariteit van big data, weten velen niet precies wat big data is en wat je ermee kunt. Het idee heerst dat big data vooral aanwezig is binnen kantoorjungles, overheidsinstanties en sociale media. Dit klopt, maar big data komt ook voor in een industrie waarmee iedereen – vroeg of laat – te maken krijgt: de gezondheidsindustrie.

Elektronische patiëntendossiers

Op 1 november 2008 werd het landelijke Elektronisch Patiëntendossier (EPD) gelanceerd: een veelgebruikte tool waarin big data en gezondheidszorg samengaan. Het EPD is een beveiligde softwaretoepassing waarin medische patiëntengegevens zijn opgeslagen. Niet alleen de arts, maar ook de burger heeft, door middel van de DigiD, toegang tot de EPD. Een EPD is erg overzichtelijk: de arts ziet in één oogopslag de medische geschiedenis, allergieën, bloeduitslagen, et cetera van de patiënt. Daarnaast kan de patiënt zijn of haar medische gegevens inzien op elk gewenst moment, zonder te hoeven bellen naar het ziekenhuis of de huisarts. Dit praktijkvoorbeeld laat zien dat big data voordelig kan zijn binnen de gezondheidszorg. Maar big data in combinatie met artificial intelligence, biedt nóg meer kansen.

Data analytics binnen de gezondheidszorg

Tegenwoordig worden niet alleen grote hoeveelheden data verzameld, maar worden ook inzichten uit deze data gehaald. Dit wordt big data analytics genoemd: relevante inzichten gebruiken om een probleem te voorspellen, te voorkomen of op te lossen. Ziekenhuizen barsten tegenwoordig van data, zoals bloedwaarden en röntgenfoto’s van patiënten. Steeds meer beslissingen worden op deze data gebaseerd; opinies van artsen en geneeskundige feiten zijn niet genoeg. Je moet de opinies en de feiten aanvullen met data analytics, waardoor het eenvoudiger wordt om ziektes te voorspellen voordat het te laat is. Door data analytics in te zetten, kunnen behandelingen bovendien sneller worden uitgevoerd en kunnen de kosten van behandelingen worden verminderd. Met andere woorden: de kwaliteit van leven wordt steeds beter, en we leven steeds langer. Dit brengt wel weer nieuwe medische uitdagingen met zich mee, zoals dementie en Parkinson.

Een duidelijk overzicht

Data analytics kan de zorg ook een stuk overzichtelijker maken. Voorheen was patiëntinformatie verspreid over alle ziekenhuizen, praktijken en afdelingen waar de patiënt ooit geweest was. Tegenwoordig is er één digitaal, beveiligd overzicht met alle patiëntinformatie: het EPD. Dit is niet alleen fijn voor de arts en de patiënt, maar bijvoorbeeld ook voor de verzekeraar. De verzekeraar is geen tijd meer kwijt aan het bij elkaar rapen van data, dus de verzekeraar kan sneller verzekeringspakketten samenstellen en behandelingen vergoeden. Bovendien verbetert één duidelijk patiëntoverzicht de communicatie tussen de patiënt, de verzekeraar en alle betrokken artsen en specialisten.

Andere voorbeelden van big data binnen de gezondheidszorg

Big data binnen de gezondheidszorg gaat verder dan het EPD. De onderstaande voorbeelden laten zien hoe big data en gezondheidszorg het maximale uit elkaar kunnen halen.

  • Big data en levensbedreigende ziektes. Neem tumoren. Medisch onderzoekers maken in toenemende mate gebruik van data om de meest succesvolle behandelingen of herstelmethoden te achterhalen. Vervolgens proberen de onderzoekers deze data te relateren aan data over allerlei soorten tumoren. Op deze manier kunnen de onderzoekers patronen ontdekken die bijvoorbeeld laten zien hoe tumoren gemiddeld reageren op bepaalde behandelingen of wanneer de kans op mutaties het grootst is.
  • Real-time alerting. Steeds meer patiënten lopen rond met zogenaamde ‘wearables’: draagbare items die regelmatig updates geven over de gemoedstoestand van de patiënt. Zo kan een diabetespatiënt een apparaatje dragen dat continu communiceert met zijn of haar telefoon. Zo kan de patiënt altijd – en heel gedetailleerd – zijn of haar suikergehalte checken en hierop inspelen door bijvoorbeeld insuline bij te spuiten. In sommige gevallen wordt de patiëntdata zelfs gecommuniceerd naar een cloud waar een arts ook toegang tot heeft. Zo kan een arts in bepaalde situaties direct een online melding krijgen wanneer de bloeddruk van een patiënt alarmerend snel stijgt.
  • Medical Imaging. Het analyseren van röntgenfoto’s neemt ontzettend veel tijd in beslag, aangezien radiologen elke foto apart moeten beoordelen. Maar ook dit kan veranderen. Zo zijn er algoritmes die honderden – soms zelfs duizenden – röntgenfoto’s als leermateriaal gebruiken. Deze algoritmes kunnen hierdoor specifieke patronen herkennen in röntgenfoto’s. Deze patronen kunnen de algoritmes vervolgens omzetten naar een diagnose, en hier kunnen artsen handig gebruik van maken. Sommige algoritmes gaan zelfs een stap verder; radiologen hoeven in dit geval de röntgenfoto überhaupt niet meer te bekijken. Dit algoritme kan veel meer foto’s bestuderen en onthouden dan een radioloog ooit zou kunnen.

Veel vraagstukken

Meerdere studies hebben aangetoond dat de kans op een datalek 200 procent groter is in de gezondheidssector dan in andere sectoren. De achterliggende reden is simpel: medische gegevens zijn heel waardevol en winstgevend op zwarte markten. Mensen denken dat dit de gezondheidsindustrie nog kwetsbaarder maakt als het gaat om big data, maar niets is minder waar. Ziekenhuizen, klinieken en (huisarts)praktijken zijn juist bovengemiddeld veilig, omdat er allerlei technische maatregelen zijn genomen om de data te versleutelen. Toch zijn er nog verschillende uitdagingen voor de toekomst. Hoe zit het met de kwaliteit van de medische data? Wie controleert het algoritme? En wie is er eindverantwoordelijke als een algoritme het niet bij het juiste eind heeft? Kortom, big data staat allang niet meer in de kinderschoenen binnen de gezondheidszorg, maar er is nog behoorlijk wat werk aan de winkel.

Want to know more?

Ben je benieuwd naar wat wij nog meer in petto hebben als het gaat om data science? Neem dan contact op met Jesse Luk via jesse@tottadatalab.nl. Je kunt natuurlijk ook even bellen naar 020 514 1328.

Posted on 26 juni 2019

Share the Story

Back to Top