¿Cuáles son las empresas nacionales de big data médico? Lo mejor es combinar casos

La aplicación de big data en la industria médica puede desempeñar un papel positivo en los siguientes aspectos:

(1) Atención a los residentes. El sistema de servicios de orientación sanitaria para residentes proporciona medicina de precisión y orientación personalizada en materia de atención sanitaria, lo que permite a los residentes mantener la continuidad de los servicios en hospitales, comunidades y en línea. Por ejemplo, proporciona intervención, gestión, alertas sanitarias y educación sanitaria (suscripción a planes de salud, push) para enfermedades crónicas como cardiovasculares, cáncer, hipertensión, diabetes, etc., al mismo tiempo que reduce el tiempo de hospitalización de los pacientes; , reduce el número de salas de urgencia y aumenta la proporción de atención domiciliaria y el número de citas médicas ambulatorias.

(2) Al servicio de los médicos. Apoyo a la toma de decisiones clínicas, como análisis de medicación, reacciones adversas a medicamentos, complicaciones de enfermedades, análisis de correlación de efectos de tratamiento, análisis de aplicación de antibióticos o desarrollo de planes de tratamiento personalizados.

(3) Al servicio de la investigación científica. Incluyendo diagnóstico y predicción de enfermedades, herramientas y algoritmos estadísticos para mejorar el diseño de ensayos clínicos, el análisis y el procesamiento de datos experimentales clínicos, etc., como la identificación de genes de susceptibilidad a enfermedades y grupos de rendimiento extremo para enfermedades importantes;

Internet es una red mágica, y los big data médicos y la personalización de software también son un modelo. Aquí hay una cita. El número inicial de esta habilidad es un puñado de siete, el del medio es tres ceros. y el último es uno siete veinticinco. Cero, puedes encontrarlo combinándolo en orden. Lo que quiero decir es que, a menos que quieras hacerlo o entender este aspecto, si simplemente te unes a la diversión, no vengas.

(4) Organización de gestión de servicios. Evaluación estandarizada de medicamentos y análisis del desempeño de la gestión; evaluación de intervenciones y medidas preventivas para epidemias y enfermedades agudas; monitoreo, pago (o fijación de precios) de salud pública, optimización de vías clínicas, etc.

(5) Servicios de salud pública. Incluyendo monitoreo y alerta temprana de factores que amenazan la salud, plataformas de red, servicios comunitarios, etc.

Además de las empresas de Internet que han comenzado a utilizar big data antes, la industria médica puede ser una de las industrias tradicionales donde el análisis de big data es el primero en florecer. La industria médica se ha enfrentado durante mucho tiempo al desafío de los datos masivos y los datos no estructurados. En los últimos años, muchos países han estado promoviendo activamente el desarrollo de la informatización médica, lo que ha proporcionado a muchas instituciones médicas los fondos para realizar análisis de big data. Por lo tanto, la industria médica entrará primero en la era del big data junto con la banca, las telecomunicaciones, los seguros y otras industrias. A continuación se enumeran 15 aplicaciones en las cinco áreas principales de la industria de servicios médicos (negocios clínicos, pagos/precios, investigación y desarrollo, nuevos modelos de negocios y salud pública). En estos escenarios, el análisis y la aplicación de big data desempeñarán un papel importante. papel enorme.Mejorar la eficiencia y eficacia médica.

Operaciones clínicas

En términos de operaciones clínicas, existen 5 escenarios principales de aplicaciones de big data. McKinsey estima que si estas aplicaciones se adoptan plenamente, el gasto nacional en atención sanitaria sólo en Estados Unidos disminuirá en 16.500 millones de dólares al año.

1. Investigación de efectividad comparativa

Al analizar exhaustivamente los datos de las características del paciente y los datos de eficacia, y luego comparar la efectividad de múltiples intervenciones, se puede encontrar la mejor ruta de tratamiento para un paciente específico.

La investigación basada en la eficacia incluye estudios de efectividad comparativa. Las investigaciones muestran que para el mismo paciente, existe una gran diferencia en los costos entre los diferentes proveedores de servicios médicos y los diferentes métodos y efectos de atención médica. El análisis preciso de grandes conjuntos de datos, incluidos datos vitales del paciente, datos de costos y datos de eficacia, puede ayudar a los médicos a determinar los tratamientos más rentables y clínicamente eficaces. La implementación de CER en el sistema sanitario permitirá reducir el sobretratamiento (como evitar tratamientos cuyos efectos secundarios sean más significativos que su eficacia) y el subtratamiento. A largo plazo, tanto el tratamiento excesivo como el insuficiente tendrán consecuencias negativas para el paciente y generarán mayores costos médicos.

Muchas instituciones médicas de todo el mundo (como NICE en el Reino Unido, IQWIG en Alemania, la Agencia Canadiense de Inspección General de Medicamentos, etc.) han iniciado proyectos CER y han logrado un éxito inicial. La Ley de Recuperación y Reinversión aprobada por Estados Unidos en 2009 fue el primer paso en esta dirección. En virtud de esta ley, se estableció el Consejo Federal de Coordinación para la Investigación de Efectividad Comparada para coordinar la investigación de efectividad comparativa en todo el gobierno federal y asignar $400 millones en fondos de inversión.

Para que esta inversión tenga éxito, todavía hay muchos problemas potenciales que deben resolverse, como la coherencia de los datos clínicos y de los seguros. Actualmente, hay un despliegue apresurado a gran escala en ausencia de EHR (salud electrónica). registros) y la interoperabilidad de los EHR pueden dificultar la integración de conjuntos de datos dispares. Otro ejemplo es la cuestión de la privacidad del paciente. No es fácil proporcionar suficientes datos detallados para garantizar la validez de los resultados del análisis y al mismo tiempo proteger la privacidad del paciente. También hay algunas cuestiones institucionales, por ejemplo, la ley estadounidense actual prohíbe a las agencias de seguros médicos y a los Centros de Servicios de Medicaid (pagadores de servicios médicos) utilizar relaciones costo/beneficio para tomar decisiones de reembolso, incluso si encuentran mejores métodos a través del análisis de big data. , será difícil implementarlo.

2. Sistema de apoyo a las decisiones clínicas

El sistema de apoyo a las decisiones clínicas puede mejorar la eficiencia del trabajo y la calidad del diagnóstico y el tratamiento. Los sistemas actuales de apoyo a las decisiones clínicas analizan las entradas ingresadas por los médicos y las comparan con las pautas médicas para alertar a los médicos y evitar posibles errores, como reacciones adversas a los medicamentos. Al implementar estos sistemas, los proveedores de atención médica pueden reducir las tasas de negligencia y reclamaciones, especialmente aquellas que resultan de errores clínicos. En un estudio realizado en la Unidad Metropolitana de Cuidados Intensivos Pediátricos de Estados Unidos, el sistema de apoyo a las decisiones clínicas redujo el número de reacciones adversas a los medicamentos en un 40% en dos meses.

La tecnología de análisis de big data hará que los sistemas de apoyo a las decisiones clínicas sean más inteligentes, gracias a la creciente capacidad de analizar datos no estructurados. Por ejemplo, puede utilizar tecnología de reconocimiento y análisis de imágenes para identificar datos de imágenes médicas (rayos X, tomografía computarizada, resonancia magnética), o extraer datos de literatura médica para crear una base de datos de expertos médicos (como lo hace IBM Watson), a fin de brindar a los médicos información sugerencias de diagnóstico y tratamiento. Además, el sistema de apoyo a las decisiones clínicas también puede hacer que la mayor parte del flujo de trabajo del proceso médico fluya hacia el personal de enfermería y los médicos asistentes, liberando a los médicos del simple trabajo de consulta que lleva demasiado tiempo, mejorando así la eficiencia del tratamiento.

3. Transparencia de los datos médicos

Mejorar la transparencia de los datos de los procesos médicos puede hacer que el desempeño de los médicos y las instituciones médicas sea más transparente y promover indirectamente la mejora de la calidad de los servicios médicos. .

Con base en los conjuntos de datos operativos y de rendimiento establecidos por el proveedor de atención médica, se pueden realizar análisis de datos y se pueden crear diagramas de flujo y paneles visuales para promover la transparencia de la información. El objetivo del mapeo de flujo es identificar y analizar la variación clínica y las fuentes de desechos médicos y luego optimizar el proceso. La mera publicación de datos sobre costos, calidad y desempeño, incluso sin las correspondientes recompensas materiales, a menudo puede promover mejoras en el desempeño y permitir que las instituciones de servicios médicos brinden mejores servicios y se vuelvan más competitivas.

El análisis de datos puede conducir a la racionalización de los procesos comerciales, reducir los costos a través de una producción eficiente y encontrar empleados más eficientes que satisfagan las necesidades, mejorando así la calidad de la atención y brindando una mejor experiencia a los pacientes, y también a atención médica Las organizaciones de servicios aportan un potencial adicional de crecimiento del rendimiento. Los Centros de Servicios de Medicare y Medicaid están probando paneles de control como parte de un esfuerzo por construir un gobierno proactivo, transparente, abierto y colaborativo. Con el mismo espíritu, los Centros para el Control y la Prevención de Enfermedades de EE. UU.

La publicación de datos sobre la calidad y el desempeño de la atención médica también puede ayudar a los pacientes a tomar decisiones de atención médica más informadas, lo que también ayudará a los proveedores de atención médica a mejorar el desempeño general y ser más competitivos.

4. Monitoreo remoto de pacientes

Recopile datos del sistema de monitoreo remoto para pacientes crónicos y envíe los resultados del análisis al dispositivo de monitoreo (para ver si el paciente cumple con el médico). instrucciones) para determinar si el paciente está cumpliendo con las instrucciones del médico en el futuro.

En 2010, había 150 millones de pacientes con enfermedades crónicas en Estados Unidos, como diabetes, insuficiencia cardíaca congestiva e hipertensión, y sus gastos médicos representaban el 80% de los costos médicos de la atención médica. sistema. Los sistemas de monitorización remota de pacientes son muy útiles en el tratamiento de pacientes con enfermedades crónicas. Los sistemas de monitorización remota de pacientes incluyen dispositivos domésticos de monitorización cardíaca, medidores de glucosa en sangre e incluso pastillas con chip que, cuando el paciente las ingiere, transmiten datos a una base de datos de registros médicos electrónicos en tiempo real.

Por ejemplo, la monitorización remota puede recordar a los médicos que deben tomar medidas de tratamiento oportunas para los pacientes con insuficiencia cardíaca congestiva para prevenir emergencias, porque uno de los signos de insuficiencia cardíaca congestiva es el aumento de peso debido a la retención de líquidos, que se puede prevenir mediante la monitorización remota. Otro beneficio es que mediante el análisis de los datos generados por el sistema de monitoreo remoto, se puede reducir la duración de la estadía de los pacientes, el número de visitas al departamento de emergencias y el objetivo de aumentar la proporción de atención domiciliaria y el número de citas médicas ambulatorias se puede lograr.

5. Análisis avanzado de expedientes de pacientes

La aplicación de análisis avanzado en expedientes de pacientes puede determinar quiénes son susceptibles a determinado tipo de enfermedades. Por ejemplo, la aplicación de análisis avanzados puede ayudar a identificar qué pacientes tienen un alto riesgo de desarrollar diabetes para que puedan recibir regímenes de atención preventiva antes. Estos métodos también pueden ayudar a los pacientes a encontrar el mejor plan de tratamiento entre las opciones de manejo de enfermedades existentes.

Pago/Precios

Para los pagadores médicos, el análisis de big data puede mejorar el precio de los servicios médicos. Tomando a Estados Unidos como ejemplo, esto tiene el potencial de crear un valor de 50 mil millones de dólares por año, la mitad del cual proviene de la reducción de los gastos médicos nacionales.

1. Sistemas automatizados

Los sistemas automatizados (como la tecnología de aprendizaje automático) detectan el fraude. Los expertos de la industria estiman que cada año entre 2 y 4 reclamaciones médicas son fraudulentas o irrazonables, por lo que detectar el fraude en las reclamaciones tiene una enorme importancia económica. A través de una base de datos de reclamos integral y consistente y los algoritmos correspondientes, se puede probar la precisión de los reclamos y detectar el fraude. Esta detección de fraude puede ser retrospectiva o en tiempo real. En la detección en tiempo real, los sistemas automatizados pueden identificar el fraude antes de que se produzca un pago, evitando pérdidas importantes.

2. Plan de fijación de precios basado en la economía de la salud y la investigación de eficacia

En términos de fijación de precios de los medicamentos, las compañías farmacéuticas pueden participar compartiendo los riesgos del tratamiento, como formulando estrategias de fijación de precios basadas en los efectos del tratamiento. Los beneficios para los pagadores de atención médica son claros y ayudan a controlar los costos de la atención médica. Para los pacientes, los beneficios son más inmediatos. Tienen acceso a medicamentos innovadores a precios razonables que están sujetos a investigaciones basadas en la eficacia. Para las empresas de productos farmacéuticos, mejores estrategias de fijación de precios también tienen muchos beneficios. Pueden obtener mayores posibilidades de acceso al mercado y también pueden obtener mayores ingresos a través de planes de precios innovadores y el lanzamiento de medicamentos terapéuticos más específicos.

En Europa, existen actualmente algunos proyectos piloto para la fijación de precios de medicamentos basados ​​en la eficacia y la economía de la salud.

Algunos pagadores de atención médica están utilizando análisis de datos para medir los servicios de los proveedores y basar los precios en los niveles de servicio. Los pagadores pueden realizar pagos en función de los resultados y pueden negociar con los proveedores para ver si sus servicios cumplen ciertos puntos de referencia.

I+D

Las empresas de productos médicos pueden utilizar big data para mejorar la eficiencia de la I+D. Tomando a Estados Unidos como ejemplo, esto creará más de 100 mil millones de dólares en valor por año.

1. Modelado predictivo

Durante la etapa de investigación y desarrollo de nuevos medicamentos, las empresas farmacéuticas pueden determinar la relación entrada-salida más eficiente a través del modelado y análisis de datos, para equiparlas. con la mejor combinación de recursos. El modelo se basa en conjuntos de datos anteriores a la fase de ensayo clínico del fármaco y conjuntos de datos de la fase clínica temprana para predecir los resultados clínicos lo más oportunamente posible. Los factores de evaluación incluyen la seguridad del producto, la eficacia, los posibles efectos secundarios y los resultados generales de los ensayos. Los modelos predictivos pueden reducir los costos de I+D para las empresas de productos farmacéuticos. Después de predecir los resultados clínicos de los medicamentos mediante el modelado y el análisis de datos, se puede posponer la investigación sobre medicamentos subóptimos o se pueden detener los costosos ensayos clínicos con medicamentos subóptimos.

Además de los costes de I+D, las empresas farmacéuticas también pueden obtener beneficios más rápido. A través del modelado y análisis de datos, las compañías farmacéuticas pueden llevar medicamentos al mercado más rápido, producir medicamentos más específicos y tener mayores retornos potenciales en el mercado y tasas de éxito del tratamiento. Resulta que el tiempo promedio desde la I+D hasta el lanzamiento al mercado de un nuevo medicamento es de aproximadamente 13 años. El uso de modelos predictivos puede ayudar a las compañías farmacéuticas a lanzar nuevos medicamentos al mercado entre 3 y 5 años antes.

2. Mejorar las herramientas y algoritmos estadísticos para el diseño de ensayos clínicos

El uso de herramientas y algoritmos estadísticos puede mejorar el nivel de diseño de ensayos clínicos y facilitar el reclutamiento de pacientes durante la fase del ensayo clínico. . Al extraer datos de los pacientes, podemos evaluar si los pacientes reclutados cumplen con las condiciones del ensayo, acelerando así el proceso del ensayo clínico, proponiendo sugerencias de diseño de ensayos clínicos más eficaces e identificando la base de ensayos clínicos más adecuada. Por ejemplo, los sitios con una gran cantidad de pacientes potencialmente elegibles para ensayos clínicos pueden ser más ideales, o se puede encontrar un equilibrio entre el tamaño y las características de la población de pacientes del ensayo.

3. Análisis de datos de ensayos clínicos

El análisis de datos de ensayos clínicos y registros de pacientes puede determinar más indicaciones de fármacos y descubrir efectos secundarios. Después del análisis de los datos de los ensayos clínicos y los registros de los pacientes, los medicamentos pueden reposicionarse o comercializarse para otras indicaciones. La recopilación de informes de reacciones adversas en tiempo real o casi en tiempo real puede promover la farmacovigilancia (la farmacovigilancia es el sistema de garantía de seguridad de los medicamentos comercializados que monitorea, evalúa y previene reacciones adversas a los medicamentos). O, en algunos casos, los ensayos clínicos sugieren algo pero no hay suficientes datos estadísticos para demostrarlo. Ahora el análisis basado en big data de ensayos clínicos puede proporcionar evidencia.

Estos proyectos de análisis son muy importantes. Se puede ver que el número de retiradas de medicamentos del mercado ha alcanzado nuevos máximos en los últimos años, y las retiradas de medicamentos pueden acarrear golpes devastadores a las empresas farmacéuticas. El analgésico Vioxx, que fue retirado del mercado en 2004, le costó a Merck 7 mil millones de dólares y 33 dólares de valor para los accionistas en sólo unos días.

4. Tratamiento personalizado

Otra innovación prometedora del big data en I+D es el desarrollo de tratamientos personalizados mediante el análisis de grandes conjuntos de datos (como los datos genómicos). Esta aplicación examina la relación entre la variación genética, la susceptibilidad a enfermedades específicas y la respuesta a medicamentos específicos, y luego influye la variación genética de un individuo en el desarrollo y la administración de medicamentos.

La medicina personalizada puede mejorar los resultados de la atención médica al proporcionar una detección y un diagnóstico tempranos de la enfermedad antes de que los pacientes desarrollen síntomas. En muchos casos, los pacientes reciben el mismo diagnóstico y tratamiento pero tienen resultados diferentes, en parte debido a la variación genética. Adoptar diferentes planes de diagnóstico y tratamiento para diferentes pacientes, o ajustar la dosis del medicamento según la condición real del paciente, puede reducir los efectos secundarios.

La medicina personalizada aún se encuentra en sus primeras etapas. McKinsey estima que, en algunos casos, los costos médicos podrían reducirse entre un 30% y un 70% reduciendo la cantidad de medicamentos recetados. Por ejemplo, la detección y el tratamiento tempranos pueden reducir significativamente la carga del cáncer de pulmón en el sistema de salud, porque la cirugía temprana cuesta la mitad que el tratamiento tardío.

5. Análisis de patrones de enfermedades

Al analizar los patrones y tendencias de las enfermedades, puede ayudar a las empresas de productos médicos a tomar decisiones estratégicas de inversión en I+D, ayudarlas a optimizar las prioridades de I+D y optimizar la asignación de recursos. .

Nuevos modelos de negocio

El análisis de big data puede aportar nuevos modelos de negocio a la industria de servicios médicos.

Agregar los registros clínicos de los pacientes y los conjuntos de datos de Medicare

Agregar los registros clínicos de los pacientes y los conjuntos de datos de Medicare y realizar análisis avanzados mejorará a los pagadores de atención médica, a los proveedores de atención médica y a la toma de decisiones. capacidades de las empresas farmacéuticas. Por ejemplo, las empresas farmacéuticas no sólo pueden producir medicamentos con mayor eficacia, sino también garantizar que sean comercializables. El mercado de registros clínicos y conjuntos de datos de Medicare recién está comenzando a desarrollarse, y el ritmo de expansión dependerá de qué tan rápido la industria de la salud complete el desarrollo de EMR y la medicina basada en evidencia.

Salud Pública

El uso de big data puede mejorar el seguimiento de la salud pública. Los departamentos de salud pública pueden detectar rápidamente enfermedades infecciosas a través de una base de datos de registros médicos electrónicos de pacientes a nivel nacional, realizar una vigilancia epidémica integral y responder rápidamente a través de procedimientos integrados de respuesta y monitoreo de enfermedades. Esto traerá muchos beneficios, incluida la reducción de los gastos en reclamaciones médicas, menores tasas de infección de enfermedades infecciosas y los departamentos de salud podrán detectar nuevas enfermedades infecciosas y brotes más rápidamente. Al brindar asesoramiento de salud pública preciso y oportuno, se aumentará considerablemente la conciencia pública sobre los riesgos para la salud, al tiempo que se reducirá el riesgo de enfermedades infecciosas.

Todo esto ayudará a las personas a crear una vida mejor.