의료 분석

Health care analytics

데이터 의료 4면적에서 채취된 결과로 착수될 수 있는 건강 관리 분석은 건강 관리 분석 활동, 주장과 비용 데이터, 제약, 연구 개발(R&D)데이터, 임상 데이터(전자 의료 기록에서 수집한(HER))및 환자 행동과 감정 데이터(beha 환자.viors 및 기본 설정(예: 실행 중인 스토어에서 캡처된 데이터)[1]의료 분석은 미국에서 성장하고 있는 산업으로 2022년까지 310억 달러 이상으로 성장할 것으로 예상된다.[2]업계에서는 임상분석, 재무분석, 공급망 분석은 물론 마케팅, 사기, 인사분석 분야에 초점을 맞추고 있다.

의료 분석은 임상 진료가 어떻게 개선될 수 있는지 판단하기 위해 다양한 의료 데이터의 패턴을 검사하는 동시에 과도한 지출을 제한할 수 있다.이는 의료 시설에서 제공되는 전반적인 환자 관리를 개선하는 데 도움이 될 수 있다.

보건 IT에 대한 연방 정부의 역할

여러 연방 기관이 보건 IT에 크게 관여하고 있다.집행부 내에서는 행정처 자체, 메디케어 및 메디케이드 서비스 센터(CMS), 국가건강정보기술 코디네이터 사무국(ONC)이 각각 전략적 계획을 수립하고 규제 결정에 관여한다.[3]입법부 내에서는 하원·상원 내 복수의 위원회가 청문회를 개최하고, 의료분야의 비용절감 및 성과향상을 위한 데이터·기술 활용에 대해 의견을 갖고 있다.

ONC는 Federal Health IT Strategy Plan 2015-2020을 발표하였다.[4]이 계획은 연방기관이 보건 IT 인프라 강화를 위한 보건 정보 기술(헬스 IT)과 전자 건강 정보의 광범위한 활용을 달성하고, 사람 중심적이고 자가 관리적인 보건의 선진화, 의료 제공과 지역사회 보건의 변혁, 연구, 과학 지식의 육성을 위해 취할 단계를 개략적으로 설명한다.첨단 기술 [5]및 혁신 기술이 계획은 "연방정부의 정책, 프로그램 및 조치에 명확성을 제공하고 프로그램 요건을 일치시키고, 규제를 조화시키고 단순화하는 전략을 포함하며, 보건 IT 사용자가 학습 건강 시스템을 발전시켜 더 나은 건강을 달성하도록 돕는 것을 목표로 한다"[4]고 한다.

전략 계획에는 목표를 달성하기 위해 여러 전략을 채택하는 몇 가지 주요 이니셔티브가 포함되어 있다.(1) 상호운용성 로드맵의 확정 및 이행, (2) 보건 정보의 프라이버시 및 보안 보호, (3) 기술 표준의 식별, 우선 순위 지정 및 진전, (4) 보건 IT의 안전 및 안전한 사용에 대한 사용자 및 시장의 신뢰도 향상, (5) 국가 통신 인프라의 고도화, (6)모든 [4]이해관계자 간의 협력

해결해야 할 과제

상호 운용성 로드맵 생성

해결해야 할 3가지 기본 과제가 있다. (1) 표준의 시험 및 구현 방법의 변화, (2) 보건 IT 이해당사자가 정책과 법적 요구사항을 해석하고 구현하는 방법의 변화, (3) 보건 IT 이해당사자가 소비자 참여를 촉진할 수 있는 방식으로 공유하고 협업하는 것을 꺼린다.[5]

ONC는 2017년까지 보건 정보 교환, 상호운용성, 정보 교환에 관한 거래 파트너에 대한 기본적인 기대치를 정의하고 개략적으로 설명하는 건강 정보 교환 정책 자문 개발을 위해 노력하고 있다.[5]현행 연방 및 주법은 예를 들어 건강보험 이식성 및 책임에 관한 법률(HIPAA) 또는 반킥백 법령에 따라 제한적이고 좁은 상황에서 특정 종류의 정보 차단을 금지하고 있다.[5]

개인 정보 보호 및 보안

HIPAA 외에도, 많은 주들은 개인의 건강 정보를 보호하는 그들만의 개인 정보 보호법을 가지고 있다.HIPAA에 반하는 주법은 특정한 예외를 적용하지 않는 한 일반적으로 연방 요건에 의해 선점된다.예를 들어, 주법이 식별 가능한 건강 정보와 관련되고 더 큰 개인 정보 보호를 제공하는 경우, HIPAA는 이를 선점하지 않는다.개인 정보 보호 법률은 주마다 다를 수 있기 때문에 보건 IT 이해당사자들 사이에 혼란을 야기할 수 있으며 개인 정보 보호 규정 준수를 보장하기 어려울 수 있다.[5]

공통 기술표준 제정

전자 건강 정보를 원활하고 안전하게 이동하려면 공통 기술 표준을 사용해야 한다.실험실 결과 및 임상 측정과 같은 일부 임상 기록 내용은 쉽게 표준화되지만 제공자 메모와 같은 기타 콘텐츠는 표준화하기가 더 어려울 수 있다.제공자 노트 및 기타 전통적으로 "자유 양식 텍스트" 데이터의 표준화를 허용하는 방법을 식별할 필요가 있다.

ONC HIT 인증 프로그램은[6] 시스템이 HHS가 채택한 기술 능력, 기능 및 보안 요건을 충족함을 인증한다.ONC는 프로그램을 지속적으로 평가하여 "연방 가치 기반 및 대체 지불 모델을 지원하는 보건 IT 애플리케이션과 요구사항을 해결하고 강화할 수 있다"[4]고 보장할 것이다.

보건 IT의 안전 및 안전한 사용에 대한 신뢰도 향상

의료 소비자, 제공자 및 조직은 자신이 사용하고 있는 보건 IT 제품, 시스템 또는 서비스가 안전하고 유용할 뿐만 아니라 귀중한 정보의 손실이나 과도한 재정적 부담 없이 제품, 시스템 또는 서비스 간에 전환할 수 있다는 확신을 가질 필요가 있다.2013년 HHS Health IT 환자 안전 조치 및 감시 계획 및 2012년 식품의약품안전청 안전 및 혁신법과 함께 연방 보건 IT 전략 계획 2015-2020의 이행은 이러한 우려를 해소하기 위해 노력할 것이다.[4]

국민소통구조 개발

제공자, 개인 및 국가 비상 대응자를 포함한 이해관계자 간의 전자 건강 정보를 공유할 수 있도록 국가 통신 기반 구조가 필요하다.원격 건강 서비스 제공이나 모바일 건강 애플리케이션 이용에도 필요하다."확대되고, 안전하고, 저렴한 고속 무선 및 광대역 서비스, 선택 및 주파수 가용성은 전자 건강 정보 공유 및 사용을 지원하고, 의료 전달에 필요한 통신을 지원하며, 재난 및 공중 보건 비상 시 보건 및 공중 보건 서비스의 연속성을 지원할 것이다."[4]

이해관계자 협업

연방정부는 기여자, 수혜자 및 협력자로서 "연구자뿐만 아니라 민간 부문 혁신자와 기업가가 정부 및 정부 지원 데이터를 사용하여 보건 및 의료 개선을 돕는 유용한 애플리케이션, 제품, 서비스 및 기능을 만들도록 권장한다"고 밝혔다.HHS는 환자 중심 결과 연구를 위한 데이터 용량을 구축하기 위해 환자 중심 결과 연구 신탁 기금으로부터 기금을 받는다.HHS는 2011년에서 2019년 사이에 1억 4천만 달러 이상을 받을 것으로 추정된다.이들 기금은 "종합적이고 상호운용 가능하며 지속 가능한 데이터 네트워크 인프라가 다중 소스에서 데이터를 수집, 연계, 분석하여 환자 중심의 결과 연구를 촉진할 수 있도록"[4] 사용될 예정이다.

입법

의미 있는 사용, 환자 보호 및 저렴한 의료법(ACA)과 데이터 저장[7] 비용 감소로 인해 의료 데이터가 여러 제공업체, 보험 회사 및 연구 기관에서 저장, 공유 및 사용되게 된다.개인정보 보호, 기밀성 우려 등 개인정보의 수집, 저장, 공유, 이용에 대한 우려는 물론 수집된 데이터의 품질과 정확성에 대한 우려가 존재한다.기존 규제를 확대하면 환자의 프라이버시를 보장하고 환자의 안전을 보호하여 데이터에 대한 접근과 해당 데이터 노출로 인한 윤리적 영향의 균형을 맞출 수 있다.

관심사 균형 조정 – 혁신, 개인 정보 보호 및 환자 안전

데이터에 대한 완전한 자유는 환자 권리에 대한 최선의 보호를 제공하지 못할 수 있다.데이터 수집에 대한 광범위한 한계는 데이터 수집의 잠재적 유용성을 불필요하게 제한할 수 있다.데이터 수집 외에도 통계 오류,[8] 잘못된 결론 또는 예측,[9] 결과의 오용에 대한 우려가 있다.[10]적절한 정책은 프로세스 개선, 비용 절감, 개인화된 의료 및 인구 건강의 이득을 지원할 수 있다.또한 적절한 사용을 장려하기 위해 인센티브를 제공하는 것은 일부 우려를 해결할 수 있지만 의도치 않게 데이터의 오용을 유도할 수도 있다.[11]마지막으로, IT 인프라에 대한 표준을 만들면 데이터 공유와 사용이 촉진될 수 있지만, 기술 혁신의 빠른 속도로 표준과 모범 사례가 빠르게 시대에 뒤떨어지게 되므로 그러한 표준은 정기적으로 재평가되어야 할 것이다.

법률을 통해 해결할 수 있는 잠재적 영역

데이터 수집 제한

양질의 데이터에 대한 의료 제공자, 정부 기관, 의료 계획 및 연구자의 요구를 충족하여 적절한 의료 서비스를 보장하고 의료 시스템을 개선하면서도 환자의 프라이버시 권리를 보장해야 한다.데이터 수집은 의료의 필요성과 해당 진료 이상의 환자 선호도에 의해 제한되어야 한다.이러한 제한은 데이터를 저장하는 인프라 비용을 최소화하는 동시에 환자의 프라이버시를 보호할 수 있다.가능하면 의료 서비스에 참여하기 전에 어떤 데이터가 수집되는지 환자에게 알려야 한다.[12]

데이터 사용 제한

빅데이터 가용성이 확대되면 통계 오류,[1] 잘못된 결론과 예측,[9] 결과 오용의 위험이 커진다.[13]증거는 공정 개선,[14][15][16] 비용 절감,[17] 개인화된 의약품 [18]및 공중 보건에 대한 데이터 사용을 지원한다.[19]개인의 건강을 위한[18][20] 혁신적인 사용은 부족한 인구에 해를 끼칠 수 있다.[21]부정과 배제를 위한 사용을 제한하면 혜택이나 돌봄의 적격성을 결정하기 위한 사용을 방지하고 공정한 신용보고법 등 미국의 다른 차별금지법과 조화를 이루며, 민권법, 유전정보비차별법 등 차별금지법과 조화를 이룬다.

적절한 사용을 장려하기 위한 인센티브 제공

공공 부문과 민간 부문 사업자의[22] 수직적 통합 증가는 전자 건강 기록의 방대한 데이터베이스를 만들었다.[23]ACA는 의료보험과 의료보험혜택을 EHR을 채택하도록 제공자들에게 제공했다.[12]대규모 의료 기관도 예방적 치료를 제공함으로써 비용을 절감하는 데 주로 기여하며, 의료 분석을 적용하려는 내부적 동기를 가지고 있다.[24]정책은 보험자와 제공자에게 인구 추적을 증가하도록 장려함으로써 데이터 사용을 증가시킬 수 있으며, 이는 결과를 개선할 수 있다.[11]

규제 준수를 강제하기 위해, 정부는 의료보험 및 의료보험 협회에 따른 것과 유사한 인센티브를 전자 건강 기록을 사용하는 데 사용할 수 있다.[12]

IT 인프라에 대한 표준 작성

부적절한 IT 인프라는 의료 분석 결과 및 임상 업무에 미치는 영향을 제한할 가능성이 높다.[10]표준을 제정하면 접근성, 소유권 및 프라이버시 문제를 해결하면서 빅데이터를 균형 있게 수용할 수 있는 IT 인프라가 확보된다.[24]샌드박스에 접근하는 연구자에게 허가된 필터링된 데이터로 구성된 "가상 샌드박스"와 같은 새로운 가능성을 탐색할 수 있었다.[10][25]표준은 서로 다른 의료 기관과 연구 기관[10] 간의 정보 협업을 보다 쉽게 조정하여 제공자 간의 커뮤니케이션을 개선하고 이중성과 비용을 줄임으로써 환자 진료를 크게 개선하도록 촉진한다.

프라이버시와 접근성의 균형을 맞추기 위해서는 최소한의 표준이 필요하다.[10]표준화는 연구 협력을 촉진하고 의료 사업자 간의 의사소통을 용이하게 하여 환자 진료의 개선을 돕는다.[10]그 연구는 환자의 수술 비용을 줄이고 장기적인 의료 비용을 피할 수 있는 예방적 치료 개념을 산출할 수 있다.

참조

  1. ^ a b Fan, Jianqing; Han, Fang; Liu, Han (2014-06-01). "Challenges of Big Data analysis". National Science Review. 1 (2): 293–314. arXiv:1308.1479. doi:10.1093/nsr/nwt032. ISSN 2095-5138. PMC 4236847. PMID 25419469.
  2. ^ "Healthcare Analytics Market to Hit $31 Billion by 2022". Healthcare Finance News. 2018-08-13. Retrieved 2019-02-05.
  3. ^ "Andy Slavitt puts meaningful use on ice; Read his J.P. Morgan speech transcript". Healthcare IT News. 2016-01-13. Retrieved 2017-01-20.
  4. ^ a b c d e f g "Federal Health IT Strategic Plan 2015-2020" (PDF). Retrieved 21 October 2016.
  5. ^ a b c d e "2015 Update to Congress on the Adoption of Health Information Technology". dashboard.healthit.gov. Retrieved 2016-10-22.
  6. ^ "ONC Health IT Certification Program Policy Researchers & Implementers HealthIT.gov". www.healthit.gov. Retrieved 2016-10-22.
  7. ^ "The Cost of Data Storage and Management: Where Is It Headed in 2016?". The Data Center Journal. Retrieved 2016-10-22.
  8. ^ Fan, Jianqing; Han, Fang; Liu, Han (2014-06-01). "Challenges of Big Data analysis". National Science Review. 1 (2): 293–314. arXiv:1308.1479. doi:10.1093/nsr/nwt032. ISSN 2095-5138. PMC 4236847. PMID 25419469.
  9. ^ a b PhD, Austin B. Frakt, PhD, and Steven D. Pizer (2016-02-16). "The Promise and Perils of Big Data in Healthcare". American Journal of Managed Care. 22 (February 2016 2).
  10. ^ a b c d e f Roski, Joachim; Bo-Linn, George W.; Andrews, Timothy A. (2014-07-01). "Creating Value In Health Care Through Big Data: Opportunities And Policy Implications". Health Affairs. 33 (7): 1115–1122. doi:10.1377/hlthaff.2014.0147. ISSN 0278-2715. PMID 25006136.
  11. ^ a b "IBM The value of analytics in healthcare". www-935.ibm.com. 2015-12-10. Retrieved 2016-10-22.
  12. ^ a b c Inc., Advanced Solutions International. "Affordable Care Act Implementation and Information". www.amga.org. Retrieved 2016-10-22.
  13. ^ "FTC Warns Against Use and Misuse of Big Data Analytics Marketing Research Association". www.marketingresearch.org. Retrieved 2016-10-08.
  14. ^ Khalifa, Mohamed (2016-01-01). "Utilizing Health Analytics in Improving Emergency Room Performance". Studies in Health Technology and Informatics. 225: 138–142. ISSN 0926-9630. PMID 27332178.
  15. ^ Liu, Hongfang; Kaggal, Vinod; Elayavilli, Ravikumar Komandur; Mehrabi, Saeed; Pankratz, Joshua; Sohn, Sunghwan; Wang, Yanshan; Li, Dingcheng; Rastegar, Majid Mojarad (2016-06-23). "Toward a Learning Health-care System – Knowledge Delivery at the Point of Care Empowered by Big Data and NLP". Biomedical Informatics Insights. 2016 (Suppl. 1): 13–22. doi:10.4137/bii.s37977. PMC 4920204. PMID 27385912.
  16. ^ Janke, Alexander T.; Overbeek, Daniel L.; Kocher, Keith E.; Levy, Phillip D. (2016). "Exploring the Potential of Predictive Analytics and Big Data in Emergency Care". Annals of Emergency Medicine. 67 (2): 227–236. doi:10.1016/j.annemergmed.2015.06.024. PMID 26215667.
  17. ^ Khalifa Mohamed; Zabani Ibrahim; Khalid Parwaiz (2016). "IOS Press Ebooks - Exploring Lab Tests Over Utilization Patterns Using Health Analytics Methods". Studies in Health Technology and Informatics. 226 (Unifying the Applications and Foundations of Biomedical and Health Informatics). doi:10.3233/978-1-61499-664-4-190.
  18. ^ a b Maglaveras, Nicos; Kilintzis, Vassilis; Koutkias, Vassilis; Chouvarda, Ioanna (2016-01-01). "Integrated Care and Connected Health Approaches Leveraging Personalised Health through Big Data Analytics". Studies in Health Technology and Informatics. 224: 117–122. ISSN 0926-9630. PMID 27225565.
  19. ^ Razavian, Narges; Blecker, Saul; Schmidt, Ann Marie; Smith-McLallen, Aaron; Nigam, Somesh; Sontag, David (2015-12-01). "Population-Level Prediction of Type 2 Diabetes From Claims Data and Analysis of Risk Factors". Big Data. 3 (4): 277–287. doi:10.1089/big.2015.0020. ISSN 2167-6461. PMID 27441408.
  20. ^ "FTC Report Provides Recommendations to Business on Growing Use of Big Data Federal Trade Commission". www.ftc.gov. Retrieved 2016-10-08.
  21. ^ "Big Data: A Tool for Inclusion or Exclusion? Understanding the Issues (FTC Report) Federal Trade Commission". www.ftc.gov. Retrieved 2016-10-08.
  22. ^ "Health Care & Analytics - Analytics Magazine". Analytics Magazine. 2011-09-04. Retrieved 2016-10-22.
  23. ^ "Keeping Up With Meaningful Use: Clinical Analytics Are Key". Health Catalyst. 2013-11-21. Retrieved 2016-10-22.
  24. ^ a b "3 ways big data is improving healthcare analytics". Healthcare IT News. 2015-07-17. Retrieved 2016-10-22.
  25. ^ Marshall, Deborah A.; Burgos-Liz, Lina; Pasupathy, Kalyan S.; Padula, William V.; IJzerman, Maarten J.; Wong, Peter K.; Higashi, Mitchell K.; Engbers, Jordan; Wiebe, Samuel (2016-02-01). "Transforming Healthcare Delivery: Integrating Dynamic Simulation Modelling and Big Data in Health Economics and Outcomes Research". PharmacoEconomics. 34 (2): 115–126. doi:10.1007/s40273-015-0330-7. ISSN 1179-2027. PMID 26497003. S2CID 2759268.

추가 읽기

  • Adam Tanner (2017). Our Bodies, Our Data: How Companies Make Billions Selling Our Medical Records. Beacon Press. ISBN 978-0807033340.

외부 링크