Patrick_kirsten_headshotcrop4.Kirsten Patrick.副编辑 at CMAJ; she’目前正在参加第31届药剂缺氧体系国际会议&治疗风险管理(ICPE.)在波士顿

 

大约一年前我建议“Big Medical Data”作为一个潜在的话题 CMAJ. 编辑对我们的编辑写作小组。我记得收到一些空白看起来很像“怪人!”。事实上,这可能是我从最后一次ICPE回来的回报,或者当我回来的时候,也许是一年 参加工作组 这产生了使用观察经常收集的健康数据进行的研究报告(记录) 陈述。无论如何,有一些事情与正在使用的人交谈,并开发新的嘎吱作响的大数据,让我全部解雇它。我可以看到一个充满可能性的令人兴奋的未来,我想福音。

在第一次全体会议 ICPE. 昨天,题为“计算机权力和人类的理由:从计算到判断”,发言者似乎是捍卫药物病态学家的作用,现在用计算机程序进行嘎吱嘎吱的数据可以告诉我们我们需要知道的任何事情。人类运营商与计算机系统的美德是什么? “这是飞行员还是飞机对于成功的航班至关重要?” 罗伯特博士 FDA监视和流行病学办公室(OSE)。球讨论了挖掘EMR数据的增加效用作为进行常规药物监测的方法,但指出,虽然EMR数据对于补充自发的不良事件报告,但数据嘎嘎作响不应取代此类报告; 〜50%的FDA’S后营销后药物标签变化来自自发的不利报告。

Marc Berger.辉瑞公司的现实世界数据和分析副总裁副总裁致谢,数据是“爆炸”。我们现在可以访问多个,越来越多的变量的信息,也可以访问越来越高的分析(包括机器学习)和模式识别算法,可以为我们提供非凡的见解。然而,他说,最大的问题仍然没有提出一个具体的问题,仔细设计研究,并正确回答问题。这是我的医疗编辑耳朵的音乐。基本上,我们拥有越来越复杂的数据挖掘方式,但原则仍然存在:询问具体问题,陈述它“先验”并以可靠的方法回答它。这并不是说计算机程序并不本质上有用。人类是图案识别机器,说伯杰,而计算机使用算法到达答案。你可以’T将人类的原因与电脑替换;我们仍然需要人类在前端(询问正确的问题)和后端以默契知识和模式识别的那些技能。但是,根据Berger,有一个用于快速和肮脏的数据分析的地方。他说,作为一个特殊投诉的患者,他希望他的医生能够使用(电子医疗记录)EMR数据提供以下问题的答案:“看着最后1000或10,000名男子六十年代六十年代被治疗的情况,正在出现哪些模式来指导我自己的决策?“

确实, 路易斯博士 在退伍军人事务(VA)波士顿医疗保健,谈到在后续会议上挖掘EMR的现实世界数据的潜力。大多数EMRS是“旨在促进一对一的交互不支持根据许多二级用途的汇总数据的分析“。因此,最潜在的有用信息存在于EMR中作为“非结构化自由文本”。正如D'Avolio和Fiore所说 在最近的一篇文章中“尽管有数十亿数据点的可用性,但很少完成回答发现和改善的三个关键问题是预测的:1)我们在做什么; 2)我们正在做谁和; 3)它是工作吗?“

为了从EMR获取可计算的数据是棘手的,但您可以使用它,从“本地自私知识”或“本地学习”(用于VA网络质量改进)直达进行良好的随机研究例如,在常规实践中相对便宜地进行,例如回答有关毒品比较有效性的问题,我们应该知道答案但没有。当地学习允许在一个医疗保健系统或地区的数据中的数据来回答问题,“在这种方式或这种情况下治疗的最后十名患者发生了什么事?”或者,“Ward A如何与TURD B对特定结果进行比较?”在临床护理的背景下,它分解了医生在孤立的筒仓中,让患者更好地制作决定的工具。它不是高质量的信息,但这是可以指导决策的一些信息。

Pharmacoepidemiologists抱怨说,“数据很少......”和“数据很脏......”他对此的回复 全部 数据稀疏,所有数据都脏污,但如果我们正确分析它们,它们就会有用。每个人都在使用这些脏数据 - 谷歌,Facebook,医疗保险公司......我们也需要使用它们。

苏珊·格鲁伯的 里根 - Udall基金会,由美国国会创建的独立组织通过推进监管科学和研究促进FDA的使命,讨论了能够将数据集成到多个来源或平台的重要性,并分析这些问题以回答重要问题(Louis Fiore呼叫此'信息学强辩')。她说这不是寻找一个 但是对于相关碎片/收藏 干草 在大海捞针,我们需要复杂的计算机程序,以帮助识别重要的联系。 Gruber绘了一张理想数据的图片:它是全面的,患者水平,实时收集的,地理标记,并牢固地提升。她说,需要自动分析,但我们还应该有能力定制解决方案(并且我们不应该在那里创造虚假的二分法)。

ph!我很高兴比我的更好的大脑正在努力。与大数据进行更改的游戏保健研究显然有巨大的潜力;认识到早期伤害模式;根据“学习系统”信息优化和定制患者的治疗;并节省医疗保健美元。来吧。