職場の医療データ サイエンティストやアナリストが潜在意識で思い描いているのは、きちんと整理されたスプレッドシート、アルゴリズム、データを処理するプログラミング言語、カラフルなグラフやチャートを大量に作成する視覚化ツールなどです。しかし、これは現実とはかけ離れています。
現実には、データサイエンティストは日々、非構造化データという要素に取り組んでいます。ビッグデータブームは医療業界に多大な影響を与えています。報告書によると、臨床機器、ウェアラブルデバイス、 電子健康記録（EHR）などにより、膨大な量のデータが生成されています。
実際、統計によると、医療業界はほぼ データ全体の30% 生成されます。また、平均すると、50 つの病院で毎年 80 ペタバイトを超えるデータが生成されます。ただし、生成されるデータの XNUMX% 以上が非構造化データであるという問題があります。
それは何であり、データに基づく意思決定、画期的な革命、ヘルスケアの研究開発とイノベーションにどのような影響を与えるのでしょうか? この記事ではその答えを探ります。
構造化データと非構造化データ: 同じカプセルの2つの半分
生成されるすべてのデータは、2 つのカテゴリのいずれかに分類されます。では、この 2 つの意味を理解しましょう。
ヘルスケアにおける構造化データ
わかりやすく、きちんと整理され、簡単にアクセスでき、標準化された形式のデータは、すべて構造化データです。構造化データの主な特徴は次のとおりです。
- ユニバーサルまたは統一されたフォーマット 名前、日付、医療コードなどを適切に付与
- 相互運用性（インターオペラビリティ）標準化により、医療関係者が各自の要件に合わせてこのデータを利用できるようになります。
- 検索可能性と処理可能性 臨床上の意思決定、参照、報告などを促進する
構造化データの例
| 臨床および医療コード | ICDおよびCPTコード、検査結果レポート |
| 人口統計情報 | 患者名、年齢、生年月日、性別、地域など |
| 身体測定とバイタルサイン | 身長、体重、心拍数、体温など |
| 薬 | 処方薬、投薬量、投与スケジュール、アレルギーなど |
医療における非構造化データ
標準化された形式で入手できない、アクセス可能な場所にない、または処理できないタイプのデータは、非構造化データのカテゴリに分類されます。残念ながら、医療分野では、生成される非構造化データの量が、その量を上回ることになります。
構造化データが症状を明らかにするのに対し、非構造化データは根本的な理由やその他のニュアンスを明らかにします。非構造化データを最もよく理解するには、実際の例を見る必要があります。
非構造化データの例
| 医療ノート | 医療専門家が記録した処方箋などのオフライン医療メモ。 |
| 医療画像データ | MRI、CT、超音波スキャナなどの臨床機器によって生成された画像 |
| 視聴覚データ | 患者の診察、面接、または外科手術の一部である音声、ビデオ、またはトランスクリプトデータ |
| 患者生成データ | ウェアラブルデータセット、口頭で伝えられた情報、および類似のものから入手可能 |
| ソーシャルメディアとコミュニケーションデータ | など 患者フィードバック分析 患者が相談のためにアップロードしたり、医療専門家がアップロードしたり、電子メールのやり取りや送受信したメッセージなど |
| 遺伝データ | 遺伝性疾患を検出できる個人のDNAレポートと分析に関する洞察 |
アクションから洞察へ: 非構造化データを変換して活用し、臨床意思決定を支援する方法
多種多様な非構造化データのソースとして機能するテクノロジー自体が、それを解読するためのソリューションと手法も提供します。人工知能 (AI)、機械学習 (ML)、分析などの新しいテクノロジーを活用することで、このデータ タイプを整理できるだけでなく、その意味を理解して実用的な洞察を得ることもできます。
これがどのように可能になるかを見てみましょう。
ヘルスケアにおける自然言語処理 (NLP) の活用
簡単に言えば、NLP は医師の手書き文字を読んで理解できるだけでなく、それを処理して、気づかれていない側面も発見できます。さらに、何時間ものビデオやオーディオ コンテンツを解析し、必要に応じてデータを整理して、一般の人が作業できるようにすることもできます。
医療における予測分析
- 指標となる結果のデータを理解する
- 指標となる結果からデータを理解し、解決策を提案する
- 将来起こりうる出来事や結果を理解して解決策を提案し、予測する
これら3つは 記述的、規範的、予測的 それぞれ分析します。
医療分野では、予測分析は将来の可能性の高い結果を予測できるため、人生を変える可能性があります。 ヘルスケアにおける機械学習 こうした概念を現実のものにすることが可能になりました。予測分析により、医療画像から得られるデータは、ライフスタイル、年齢、人口統計などを考慮した上で、良性腫瘍が悪性腫瘍に変化する可能性があるかどうかを正確に予測できます。
同様に、ゲノムデータを正確に分析することで、予測分析は、個人が糖尿病、心臓病、またはアルツハイマー病を発症する可能性があるかどうかを示すのに役立ちます。これは生死を分ける分析であり、医療専門家は薬を勧めたり、意識を高めたり、リスクを防ぐためにライフスタイルの変更を提案したりできます。
収集・整理することで、病気の診断と治療に無数の道が開かれる。 非構造化データ コンテキストを設定します。理想的なテクノロジーを適切に使用すれば、処理もシームレスになります。
ただし、これらの手順を省略し、ヘルスケア アルゴリズムとソリューションをトレーニングするための処理可能なデータが必要な場合は、当社にお問い合わせください。当社は、ヘルスケア特有のあらゆるニーズに合わせて、倫理的に調達されたカスタマイズされたヘルスケア データを提供します。今すぐお問い合わせください。
