Big Data Healthcare

Big Data in Healthcare

Forschung beschleunigen & Innovationen ermöglichen

Big Data in Healthcare ist ein Verfahren, um wichtige Informationen aus medizinischen Daten zu erhalten.

Medizinische Dokumente werden nach Diagnosen, Symptomen, Verordnungen, nach besonderen Befundmerkmalen, aber auch genetischen Informationen analysiert und systematisch durchsucht. Heterogene Patientendaten in strukturierter und unstrukturierter Form werden harmonisiert und mittels Text-Mining inhaltlich analysiert.

Big Data Healthcare averbis GmbH

Der Begriff Big Data (Deutsch ‚große Datenmengen‘) steht für große und komplexe Datenmengen, welche nicht mehr mit den üblichen Analyse-Methoden auswertbar sind. Big Data steht heute mehr und mehr als Synonym für Technologien und Verfahren, welche die Sammlung und die Auswertung enormer Datenmengen möglich machen. Weitere Informationen finden Sie bei Wikipedia.

Mit Healthcare (Deutsch ‚Gesundheitssystem‘) sind alle Einrichtungen, Pharma und Biotech-Unternehmen, Personen und Abläufe zur Gesundheitsförderung und Gesundheitserhaltung gemeint. Infos bei Wikipedia.

Big Data in Healthcare befasst sich explizit mit den Daten, welche im Gesundheitswesen entstehen und relevant sind. Diese Daten werden nicht nur aufgrund ihrer schieren Menge als Big Data bezeichnet, sondern vielmehr wegen ihrer Vielfalt und Komplexität.

Bedeutung Big Data im Healthcare-Bereich

Mehr als 80% der medizinischen und klinisch relevanten Daten sind heute unstrukturiert. Die damit verbundenen Datenmengen wachsen deutlich schneller an, als eine effiziente Verarbeitung mit konventionellen Methoden möglich ist. Die Quellsysteme haben in der Regel unterschiedliche technische Eigenschaften und Datenbankstrukturen.

Die Datenressourcen entstehen oftmals an unterschiedlichen Stellen: Beispielsweise entstehen diese immensen Datenmengen in Laboren, im Bereich der bildgebenden Systeme, in Arztbriefen und in sonstigen medizinischen Korrespondenzen. Nicht zuletzt entstehen relevante Daten in CRM- und in buchhalterischen Abrechnungssystemen.

Big Data in Healthcare trägt demnach entscheidend zur stetigen Verbesserung der Gesundheitsversorgung, zur Förderung einer wirtschaftlich und zeitlich effizienten Forschung und zu neuen Geschäftsmodellen im Healthcare-Bereich bei.

Beispiel Klinik:

An jedem einzelnen Tag fallen in einer Klinik massenhaft Daten in der Diagnostik an. Aber wie werden sie für die Diagnose seltener und komplexer Krankheiten verwendet? Die Big-Data-Analysen können hier entscheidend helfen. Eine Suche nach Symptomen und Krankheitsverläufen hilft dem Arzt, schnell geeignete Medikationen und Behandlungen zu finden. Eine Zeitersparnis, welche für den Patienten überlebenswichtig sein kann und eine Kostenersparnis, welche die behandelnde Klinik wirtschaftlich agieren lässt.

Beispiel klinische Forschung:

Die Auswertung großer Datenmengen hilft, klinische Biomarker zu identifizieren oder diese zu validieren. Neue Medikamente können so monitoriert und mögliche Neben- und Wechselwirkungen schnell identifiziert werden. Vergleichsstudien bei unterschiedlichen Therapieanwendungen können ebenso durchgeführt werden.

Beispiel Pharma-Industrie: 

Die Pharma-Industrie benötigt zur Forschung klinische Daten. Diese werden unter anderem aus klinischen Studien erzeugt. Hierzu müssen geeignete Patienten rekrutiert werden. Verzögerungen aufgrund mangelnder geeigneter Probanden führen  bei den Pharma-Unternehmen zu Verlusten in Millionenhöhe. Durch die Auswertung der Patientendaten kann schnell festgestellt werden, welcher Patient für welche klinische Studie infrage kommt.

Die Entwicklung von Big Data im Healthcare-Bereich

Big Data im Healthcare-Umfeld steckt weltweit noch in den Kinderschuhen und das ganze Potential ist noch lange nicht ausgeschöpft.

Kostendruck durch steigende Gesundheitsausgaben einerseits und der Innovations- und Wettbewerbsdruck durch die fortschreitende Globalisierung andererseits, zwingen die beteiligten Player im Gesundheitsweisen zum Umdenken.

Pharma-, Biotech-Unternehmen und auch Kliniken entdecken in jüngster Zeit verstärkt die Potentiale der systematischen Analyse Ihrer ‚Big-Data-Bestände‘.

In Deutschland wird die Entwicklung im Vergleich zu anderen Ländern aufgrund des restriktiven Datenschutzes stark ausgebremst. In den vergangenen Jahren wurden bei den rechtlichen Bedingungen leider kaum Fortschritte erzielt.  Aber auch auf europäischer Ebene, im aktuellen Entwurf der europäischen Datenschutz-Grundverordnung, wird der Zugriff auf Patientendaten massiv eingeschränkt. Oftmals fehlen objektive und kritische Auseinandersetzungen mit den Chancen und Risiken von Big Data im Healthcare-Bereich.

Die Herausforderungen bei Big Data im Healthcare-Bereich:

Traditionell hinkt die Healthcare-Branche bei der Datenverarbeitung und -nutzung von Big Data anderen Branchen hinterher. Dies liegt jedoch keineswegs an einer fehlenden Innovations- oder Investitionskraft der beteiligten Unternehmen. Vielmehr sind es beispielsweise gesetzliche Restriktionen des Datenschutzes, welche eine Analyse der Daten im Healthcare-Bereich nur bedingt ermöglichen und zudem komplexer als in anderen Branchen machen.

Big Data und Healthcare – ein ständiges Spannungsfeld:

Wissenschaftler und Analysten benötigen einerseits ein umfangreiches und genaues Profil zum Patienten. Welche Krankheiten und Symptome bestehen bereits, welche Genotyp hat der Patient, welchen Lebenswandel verfolgt er und gibt es bereits familiäre Vorbelastungen? Nur mit Hilfe dieser Gesamtbetrachtung ist es möglich, typische Krankheitsverläufe zu erkennen und damit die Verbesserung von Wirkstoffen zu erzielen.

Andererseits müssen die handelnden Personen und Unternehmen natürlich die Privatsphäre der Patienten schützen und respektieren.

Dieses Spannungsfeld erfordert höchste Professionalität in der Entwicklung einer geeigneten Analyse-Software. Die Auswertung der Daten erfolgt unter höchsten Sicherheitsvorkehrungen beispielsweise vor Ort in der Klinik. Beteiligte Software-Entwickler haben zu keiner Zeit einen Zugriff auf die Daten. Dies erfordert eine Softwareentwicklung, welche allerhöchsten Qualitätsansprüchen genügt.

Beispiel Big Data im Healthcare-Bereich

Text Mining in der Healthcare-Branche

Das Analyse-Verfahren und Text Mining-Verfahren von Averbis: Aus großen Datenmengen unstrukturierter Texte, Studien und Dokumentationen können genaue Daten und folglich wertvolles Wissen extrahiert werden. Wissen, welches eine bessere Versorgung und Prognose der Patienten und somit ein gesünderes Leben ermöglicht.

Beispiel Radminer Bericht zu Radminer: ÄrzteZeitung

Going Public im Interview mit Dr. Philipp Daumke, Geschäftsführer von Averbis

Averbis Healtcare Big Data Magazing going public

„Das ‚kleine Problem’ Datenschutz verzögert viele Projekte“

Über das Magazin Going Public: 

Seit bereits über 15 Jahren steht das Magazin ‘GoingPublic’ für die Inhalte aus den Bereichen des Corporate-Finance-Geschäfts und ist die führende Publikation für Börsengänge im deutschsprachigen Teil Europas.

Die Rubrik ‘Life Sciences’  bildet einen wesentlichen Branchen- und Technologieschwerpunkt des GoingPublic Magazins. Neben Titelgeschichten, Themenschwerpunkten und Transaktions-Berichterstattungen erscheinen jährlich bis zu fünf Specials zu ausgewählten Themen. Weitere Informationen erhalten Sie direkt bei Going Public.

In der Ausgabe 02-2015 interviewt Anne Hachmann Averbis-Geschäftsführer Dr. Pilipp Daumke zum Thema ‘Pesonalisierte Medizin’.

Sie interessieren sich für Big Data im Healthcare-Bereich?
Sprechen Sie mit uns!

Jetzt weitere Informationen und Demo anfordern!

kostenlos & unverbindlich

Anwendungsgebiet
HealthcarePatentePharmaAndere

Vorname (Pflichtfeld)

Name (Pflichtfeld)

Jobtitle / Rolle (Pflichtfeld)

Firma (Pflichtfeld)

E-Mail-Adresse (Pflichtfeld)

Telefon

Nachricht

Get more Information or schedule a FREE Demo

Use case
HealthcarePatentsPharmaOthers

First Name (required)

Last Name (required)

Job Title / Role (required)

Company (required)

Email (required)

Phone

Message