Öngörücü Analizler ve Sağlık Hizmetlerinin Geleceği

Intel, sağlık analizlerinde ilerleme kaydetmek üzere büyük veri platformları ve yapay zeka için bir temel sunuyor.

Sağlık Hizmetlerinde Öngörücü Analizlerin Avantajları:

  • Öngörücü modeller, acil bakım ihtiyacını ya da daha ortaya çıkmadan önce ciddi bir durumun gerçekleşme olasılığını öngörerek hastaların daha sağlıklı tutulmasına yardımcı olabilir.

  • Öngörücü analizler, hangi hastaların tekrar hastaneye yatırılma olasılığı olduğunu belirleyerek sağlayıcıların ek bakımı gerektiği yerde ve gerektiği zamanda yönlendirmesine yardım edebilir.

  • Hastaneler, hasta kalış sürelerini tahmin ederek kaynaklarını daha etkili bir şekilde planlayabilirler.

BUILT IN - ARTICLE INTRO SECOND COMPONENT

Öngörücü veri analizleri, sağlık kuruluşlarının bakımın ne zaman, nerede ve nasıl sağlanması gerektiğini öngörerek hasta bakımını geliştirmelerine, sonuçları iyileştirmelerine ve maliyetleri düşürmelerine yardımcı oluyor. Intel® teknolojileri, klinisyenlerin teşhis koymalarına ve bakımı iyileştirmelerine yardımcı olan en yeni büyük veri platformları ve yapay zeka (AI) modelleri için yüksek performanslı bir temel sunuyor.

Artan maliyetler, yaşlanan popülasyon ve kronik hastalıkların yaygınlığı, sağlık hizmetleri sektöründe değişimlere neden oluyor. 2030 yılına kadar küresel sağlık hizmeti harcamalarının daha önce hiç görülmemiş bir rakam olan 18,3 trilyon USD’ye ulaşması bekleniyor.1 Bu eğilimler karşısında ödeme modelleri hacim bazlı olmaktan sonuç veya değer bazlı olmaya geçiş yapmaya başladı.

Öngörücü analizler, hasta bakımı ve sonuçlarının iyileştirilmesine yardımcı olurken sağlık kuruluşlarının bu yeni modellere uyum sağlamasına yardım ediyor. Septik şok ve kalp yetmezliği gibi kronik rahatsızlıkların öngörülmesinden hastaneye yeniden yatışların önlenmesine kadar büyük veri analizlerindeki ve yapay zekadaki en son gelişmeler, klinisyenlerin sonuçları iyileştirmelerine ve maliyetleri düşürmelerine yardımcı olan yeni öngörücü analiz çözümlerine güç veriyor.

Öngörücü Sağlık Analizleri İçin Verilerden Faydalanmak

Sağlık hizmetleri dijitalleşti ve devasa ölçekte yeni veri setleri oluşturuyor. Bunların arasında elektronik tıbbi kayıt (EMR) sistemleri, sağlık beyanı verileri, radyoloji görüntüleri ve laboratuvar sonuçları bulunuyor. Yakın gelecekte genom verileri de önemli ölçüde büyüyecek.

Ayrıca hastaların giyilebilir teknolojileri ve hasta takipçileri gibi uçta kullanılan ve sayısı her geçen gün artan tıbbi cihazlar da yeni veriler üretiyor. Klinik ortamın dışında hastalar kişisel giyilebilir teknolojiler, fitness takipçileri ve sağlık uygulamalarını kullanarak benzer sağlık verileri üretiyorlar.

Sağlık hizmeti sağlayıcıları, bu kaynaklardan gelen verileri kullanarak tıbbi teşhis için öngörücü analizler, sağlık riskleri için öngörücü modelleme ve hatta hassas tıp için öngörücü analizlerde yeni çözümlerden faydalanabilirler.

Ancak verilerin klinik sonuçlara dönüştürülmesi, bambaşka veri setlerinden değeri ayrıştırmak için tasarlanmış bir donanım ve yazılım temeli gerektiriyor. Bir araştırmaya göre, sağlık kuruluşlarının yarısından fazlasının yürürlükte kapsamlı bir veri yönetim planı yok.2 Sonuç olarak sağlık hizmeti verilerinin önemli bir bölümü hiç kullanılmamış halde kalıyor.

Verileri etkili bir şekilde taşımak, depolamak ve işlemek, büyük veri platformlarına güç vermek ve yapay zeka modellerini çalıştırmak için tasarlanmış teknolojilerden oluşan eşsiz bir portföye sahip Intel ve iş ortakları, öngörücü analizlerden fayda sağlamak için sağlık kuruluşlarıyla birlikte çalışıyor.

Gücünü Intel® Xeon® işlemci temelli bir büyük veri platformundan alan öngörücü analizler, büyük bir hastane grubunun yıllık maliyetlerinde 120 milyon USD tasarruf yapmasına imkan verdi.

Sağlık Hizmetlerinde Öngörücü Modellemenin Avantajları

Öngörücü analizler, tüm sağlık analiz stratejilerinin önemli bir parçası haline geldi. Günümüzde, yakın bir zamana kadar elde edilemeyen ya da kaydedilmesi çok güç olan davranışsal, psikososyal ve biyometrik verilerin ölçülmesi, kümelenmesi ve anlamlandırılması için kritik bir araç.

Bireysel seviyede öngörücü analizler sağlık hizmeti sağlayıcılarının doğru bakımı doğru hastaya doğru zamanda sunmasına yardımcı olabiliyor. Daha büyük ölçekte ise sağlık sistemlerinin daha büyük eğilimleri tespit etmesine ve anlamasına olanak vererek popülasyon sağlık stratejilerinin iyileştirilmesini sağlıyor.

Bir örnekte araştırmacılar sosyal medya ve arama motorlarından gelen bilgiler dahil olmak üzere devasa miktarda veriyi ve büyük veri analizlerini kullanarak Ebola’nın nasıl yayıldığına dair bir model geliştirdi. Ebola’ya maruz kalmış olma ihtimali olan kişiler belirtilerini bir mobil uygulamaya girebiliyor, uygulama ise o kişinin Ebola’nın aktif olduğu bir topluluktan gelen herhangi bir kişinin yakınında bulunup bulunmadığını kontrol etmek için coğrafi koordinatlardan faydalanıyor.3

Öngörücü analizler yalnızca bakımı iyileştirmekle kalmıyor, maliyetleri de önemli ölçüde düşürebiliyor. Örneğin, hastanın kalış süresi ve yeniden hastaneye yatış oranlarıyla ilgili daha doğru tahmin modelleri hastanelerin cezalardan kaçınmalarına ve operasyonel masrafları azaltmalarına olanak veriyor. Elektronik sağlık kayıtları (EHR’ler) ve öngörücü analizlerden faydalanan sağlayıcılar, bir randevusunu kaçırma ihtimali olan hastaları tespit edebiliyor. Hastalar belirlendikten sonra söz konusu hastalara randevuları hatırlatılabiliyor ya da randevularına gelmeleri için yardım edilebiliyor.

Öngörücü analizlerin muazzam potansiyeline dair örnekler arasında kronik rahatsızlıklar nedeniyle risk altında olan hastaların belirlenmesi, kanıta dayalı en iyi uygulamaların geliştirilmesi ve bakım planına uygunluk sağlamanın önündeki potansiyel engellerin proaktif bir şekilde tespit edilmesi bulunuyor. Veriler, klinisyenlerin hep bir adım önde olmasına yardımcı olarak sağlık durumları kritik hale gelmeden önce hastalara proaktif bakım sunmalarına imkan veriyor.

Sağlık Hizmetlerinde Öngörücü Analiz Örnekleri

Günümüzde sağlık sistemleri ve sağlayıcıları öngörücü analizler için büyük veri platformlarını ve yapay zekayı kullanmanın farklı yollarını araştırıyor. Bu çözümler sağlık kuruluşlarının verileri halihazırda ne olduğunu öğrenmek için kullanmaktan ne olacağını daha güvenilir bir şekilde tahmin etmek için kullanmaya geçiş yapmasına yardımcı oluyor.

Kritik Durumların Tedavisini Hızlandırmak

Intel ile birlikte çalışan Penn Medicine, sepsis ve kalp yetmezliği gibi en yaygın ve hastaneler açısından en yüksek maliyetli durumlardan ikisini öngörebilmek ve önleyebilmek için iş birliğine dayalı bir veri bilimi platformu geliştirdi.

Öngörücü model, septik şokun başlangıcından 30 saat öncesine kadar (geleneksel yöntemlerde iki saat öncesine kadardır) sepsis vakalarının yaklaşık yüzde 85’ini (eskiden yüzde 50’ydi) belirleyebildi.4 Ayrıca düzgün bir şekilde tespit edilmemiş kalp yetmezliği hastalarının yüzde 20 ila 30’unu belirleyebildi.4 Bu çalışmalar klinisyenlere tedaviyi daha hızlı sunma, iyileşme süresini hızlandırma ve hastane kaynaklarından tasarruf etme olanağı verdi.

Kalış Süresini Tahmin Etmek

Intel ve Cloudera, büyük bir hastane grubunun kalış süresi tahminlerinde doğruluğu artırmak için öngörücü analizlerden faydalanmasına yardımcı oldu. Intel® Xeon® işlemci kümelerini temel alan büyük veri platformu, hastane grubunun alakasız, yapılandırılmamış ve yarı yapılandırılmış verileri içe almasına olanak verdi.

Daha verimli plan yapma ve personel görevlendirme imkanı sayesinde hastane grubu yıllık maliyetlerde 120 milyon USD (hasta başına yaklaşık 12.000 USD) tasarruf yaptı ve tesis kullanımını yüzde 5 oranında artırarak hastanelere yılda ekstra 10.000 hastaya hizmet verme olanağı sundu.5

Hastaneye Yeniden Yatışları Azaltma

Intel ve Cloudera, bir başka çalışmada bir hastane grubunun yeniden hastaneye yatma riski yüksek olan hastaları teşhis anında belirlemesine yardımcı olmak üzere sosyoekonomik veriler, EHR’ler ve öngörücü analizlerden faydalandı. Böylece hastane personeli hastaneye yeniden yatış oranlarını azaltmak için ek tıbbi bakım sağlayabildi.

Gücünü Intel® Xeon® işlemcilerden alan büyük veri platformu, hastane grubunun hastaneye yeniden yatış vakalarında 6.000 hasta oranında bir azalma sağlamasına, 4 milyon USD’lik potansiyel Medicare cezasından kaçınmasına ve tıbbi hizmet maliyetlerinde yıllık yaklaşık 72 milyon USD tasarruf yapmasına olanak verdi.6

Yapay Zekanın Potansiyelini Keşfetmek

Intel, sağlık sistemlerinin ve sağlayıcılarının hastalıklarla mücadele etmesine ve tedavileri kişiselleştirmesine yardımcı olmak için yapay zeka kullanımı konusunda tutkulu. Intel, yapay zeka odaklı kanser taraması yarışması için sponsorluktan sağlık ve yaşam bilimlerinde gücünü Intel® teknolojisinden alan pek çok yapay zeka çözümüne dek sağlık kuruluşlarının öngörücü analizleri hayata geçirmek için doğru teknolojileri bulmalarına yardımcı oluyor.

Sağlığı Bozulma Riski Altındaki Hastaları Belirlemek

Sharp HealthCare, öngörücü klinik analiz modelini başarılı bir şekilde hayata geçirmek için Intel ve Cloudera’nın teknolojilerinden faydalandı. Model, bir saat içinde acil müdahale ekibinin müdahalesine ihtiyaç duyma riski altındaki hastaları belirlemek için yapay öğrenmeyi ve hastanelerin EMR sisteminden gelen verileri kullandı.

Model, bir saat içinde bir olay gerçekleşme ihtimalini tahmin etme açısından yüzde 80 isabetliydi.7 Bu durum, acil müdahale ekiplerine proaktif bir şekilde müdahale etme, bakım kalitesini ve maliyetini iyileştirme ve kaynak kullanımını geliştirme olanağı verdi.

Intel, Öngörücü Analizlerle Klinisyenleri Destekliyor

Intel ve iş ortaklarından oluşan ekosistemi, yapay zeka ve büyük veri platformları için bir teknoloji platformu sunarak sağlık hizmeti sağlayıcılarının hiç kullanılmayan büyük miktarda hasta ve sağlık verisinden faydalanmalarına yardımcı oluyor. Ortaya çıkan çözümler, sağlayıcıların hasta güvenliğine ilerleme kaydetmelerine, operasyonel verimliliği artırmalarına ve her şeyden önemlisi hasta sonuçlarını iyileştirmelerine yardım edebiliyor.

Bildirimler ve Uyarılar

Performans testlerinde kullanılan yazılımlar ve iş yükleri yalnızca Intel® mikroişlemcilerdeki performans için optimize edilmiş olabilir.

SYSmark ve MobileMark gibi performans testleri; belirli bilgisayar sistemleri, bileşenler, yazılımlar, işlemler ve işlevler kullanılarak değerlendirilir. Bu etkenlerden herhangi birinde yapılacak bir değişiklik, sonuçların da değişmesine neden olabilir. Satın alma kararını verirken, ürünün diğer ürünlerle birlikte göstereceği performans da dahil olmak üzere, diğer bilgileri ve performans testlerini göz önünde bulundurmanız gerekir. Kapsamlı bilgi için www.intel.com.tr/benchmarks adresini ziyaret edin.

Performans sonuçları, yapılandırmalardaki tarih itibarıyla yapılan testlere dayalıdır ve genel kullanıma açık tüm güvenlik güncellemelerini yansıtmayabilir. Ayrıntılar için yapılandırma bilgilerine göz atın. Hiçbir ürün veya bileşen mutlak güvenlik sağlayamaz.

Ürün ve Performans Bilgileri

1Healthcare Disrupted: Next Generation Business Models and Strategies, Jeff Felton ve Anne O’Riordan.
3 “Modeling Ebola Spread Using Big Data Analytics,” 2016, iucrc.org/node/modeling-ebola-spread-using-big-data-analytics.
5“Intel ve Cloudera, Büyük Bir Hastane Grubunun Hastaların Kalış Süresini Tahmin Ederek Kaynaklarını Buna Göre Ayırmasına Yardımcı Oldu,” https://www.intel.com.tr/content/www/tr/tr/healthcare-it/solutions/documents/large-hospital-group-allocate-resources-by-predicting-length-of-stay-study.html.
6“Intel ve Cloudera, Büyük Bir Hastane Grubunun Hastaneye Yeniden Yatış Oranlarını Azaltması İçin Öngörücü Analizlerden Faydalandı,” https://www.intel.com.tr/content/www/tr/tr/healthcare-it/solutions/documents/predictive-analytics-reduce-hospital-readmission-rates-white-paper.html.
7“Durumu Kötüleşecek Hastaları Tahmin Etmek İçin Yapay Öğrenmeyi ve EMR Verilerini Kullanmak,” https://www.intel.ai/ai/wp-content/uploads/sites/69/using-machine-learning-and-emr-data-to-predict-patient-decline-study.pdf