Сейчас услуги «поставщиков» медицины оплачиваются независимо от того, к какому результату они привели. Но в недалеком будущем платить придется за настоящую сокровище, а не за количество одолжений. Медицинская бизнес-модель непременно начнет выстраиваться на базе доказуемого результата, и ее рентабельность будет зависеть от эффективности и производительности медицинских одолжений.
Нужное условие для этого — прозрачная, точная информация об эффективности лекарств, лечебных и диагностических способов, медицинских вмешательств и мероприятий. Эти, каковые лежат в базе, нужно приобретать не на протяжении особых заказных опытов – при таких условиях они смогут быть не хватает объективны, статистически неполны а также иногда предвзяты. Чтобы повысить объективность любых клинических изучений, употребляются различные методы – от двойных слепых
плацебоконтролируемых и рандомизированных опытов (в то время, когда ни экспериментатор, ни испытуемый не осведомлены о подробностях до окончания процесса) до соглашения между группами специалистов. Но лучший и непредвзятый источник, все-таки, это ежедневная огромное число и медицинская практика данных, каковые естественным методом генерируются каждый день.
Чтобы эти полезные эти не пропадали впустую (а правильнее, не становились достоянием локальных медучреждений), требуется качественный их сбор, анализ и интеграция. Но это, говоря упрощенно, эти для того чтобы количества, что их некомфортно либо нереально обработать при помощи стандартных подходов.
В этот самый момент на сцену выходят специальные технологические платформы по анализу и обработке.
К примеру, технологическая платформа известной аналитической компании GNS Healthcare разрешает разбирать громадные данные в медицинской сфере. В частности, это разрешает скоро узнать какие конкретно виды вмешательств дают отличных показателей при определенных синдромах и для кого принятые меры будут максимально действенны.
Анализ громадного количества разрешённых позволяет вводить новые мероприятия в рамках лечения – и они a priori являются не опыт, а достаточно надежный, вовремя корректируемый метод борьбы с заболеванием.
Для изучения действий разных методов и лекарств лечения обширно употребляется рандомизированные испытания (РКИ) – изучения, где участников изначально тем либо иным методом распределяют так, дабы у них были равные шансы появляться в любой из разглядываемых групп. В отличие от РКИ, при анализе громадных данных употребляются не искусственно рандомизированные, а естественные, настоящие эти, собранные в следствии ежедневного наблюдения за огромным числом больных.
В том направлении входят и клинические эти, и эти страховых компаний, и лабораторные тесты, и информация из медицинских ИТ-совокупностей. К тому же, сейчас новые виды данных появляются чуть ли не каждый день – благодарю всевозможным устройствам и мобильным технологиям, разрешающим приобретать данные о собственном здоровье кроме того без визита доктора.
REFS™ автоматизирует обнаружение причинно-следственных связей и применяет моделирование для создания новых медицинских заключений. База REFS™ (Reverse Engineering and Forward Simulation) – масштабируемый фреймворк, талантливый извлечь новые знания из громадных данных.
Запускается он на высокопараллельных облачных вычислительных совокупностях. REFS трудится в два этапа: сначала запускает обратный инжиниринг – изучение, цель которого – осознать принцип работы, — а позже моделирует на его базе новый подход.
Нужно подчернуть, что данный подход достаточно конкретен – к примеру, он моделирует определенную комбинированную терапию для больных с историей болезни и конкретным генотипом и прогнозирует эффект. Итог – персонализированные предсказуемая реакция и лекарственные препараты организма больного.
В частности, GNS Healthcare помогала лечению категории больных, больных ревматоидным артритом, около трети из которых не реагирует на анти-ФНО терапию и требует особенного подхода. Второй пример – сотрудничество с Национальным университетом рака, дабы беспристрастно смоделировать генетические и молекулярные механизмы действия лекарств от рака и создать более действенные препараты.
А в медицинской компании Aetna, создавшей собственную лабораторию инноваций, GNS использует собственные технологии для изучения метаболического синдрома.
Громадные эти от Яндекс
