국내 의료 빅데이터 기업은 무엇인가요? 케이스를 결합하는 것이 가장 좋습니다.

의료 산업에 빅데이터를 적용하면 다음과 같은 측면에서 긍정적인 역할을 할 수 있습니다.

(1) 주민에게 서비스를 제공합니다. 주민 건강지도 서비스 시스템은 정밀의료와 개인별 맞춤 건강관리 지도를 제공하여 주민들이 병원, 지역사회, 온라인에서 서비스의 연속성을 유지할 수 있도록 합니다. 예를 들어, 심혈관, 암, 고혈압, 당뇨병 등 만성질환에 대한 중재, 관리, 건강 경고 및 건강 교육(건강 플랜 가입, 푸시)을 제공하는 동시에 환자의 입원 기간을 단축합니다. , 응급실 수를 줄이고, 재택 간호 비율과 외래 진료 횟수를 늘립니다.

(2) 의사에게 서비스를 제공합니다. 약물 분석, 약물 부작용, 질병 합병증, 치료 효과 상관 관계 분석, 항생제 적용 분석 또는 맞춤형 치료 계획 개발 등 임상 결정 지원.

(3) 과학 연구 제공. 질병 진단 및 예측, 임상 시험 설계 개선을 위한 통계 도구 및 알고리즘, 임상 실험 데이터의 분석 및 처리 등을 포함하여 주요 질병에 대한 질병 감수성 유전자 및 극한 성과 그룹을 식별하고 최상의 치료 경로를 제공합니다.

인터넷은 마법의 네트워크이고, 의료 빅데이터와 소프트웨어 맞춤화도 모델이다. 이 기술의 시작 숫자는 소수 7이고, 가운데 숫자는 3이다. 그리고 마지막 숫자는 1725입니다. 0은 순서대로 조합하면 찾을 수 있습니다. 제가 말씀드리고 싶은 것은 여러분이 그것을 하고 싶지 않거나 이 측면을 이해하지 않는 한, 단지 재미에 동참하는 것이라면, 오지 마.

(4) 서비스 관리 조직. 표준화된 약물 평가 및 관리 성과 분석, 전염병 및 급성 질환에 대한 예방적 개입 및 조치 평가, 지불(또는 가격 책정), 임상 경로 최적화 등

(5) 공중 보건 서비스. 건강을 위협하는 요인에 대한 모니터링 및 조기 경고, 네트워크 플랫폼, 커뮤니티 서비스 등을 포함합니다.

빅데이터를 일찍부터 활용하기 시작한 인터넷 기업들 외에도 의료산업은 빅데이터 분석이 가장 먼저 꽃피운 전통 산업 중 하나일 것이다. 의료 산업은 오랫동안 대용량 데이터와 비정형 데이터 문제에 직면해 왔습니다. 최근 몇 년 동안 많은 국가에서 의료 정보화 개발을 적극적으로 추진했으며, 이를 통해 많은 의료 기관에 빅 데이터 분석을 위한 자금이 제공되었습니다. 따라서 의료산업은 은행, 통신, 보험 등 산업과 함께 먼저 빅데이터 시대로 진입하게 된다. 다음은 의료 서비스 산업의 5가지 주요 영역(임상 비즈니스, 지불/가격 책정, 연구 개발, 새로운 비즈니스 모델, 공중 보건)의 15개 애플리케이션을 나열합니다. 이러한 시나리오에서 빅 데이터의 분석 및 적용은 중요한 역할을 합니다. 의료 효율성과 효율성을 향상시킵니다.

임상 운영

임상 운영 측면에서 빅데이터 적용에는 5가지 주요 시나리오가 있습니다. McKinsey는 이러한 애플리케이션이 완전히 채택되면 미국에서만 국가 의료 지출이 연간 165억 달러 감소할 것으로 추정합니다.

1. 비교 효과 연구

환자의 특성 데이터와 유효성 데이터를 종합적으로 분석한 후, 여러 중재의 효과를 비교함으로써 특정 환자에게 가장 적합한 치료 경로를 찾을 수 있습니다.

효능 기반 연구에는 비교 효과 연구가 포함됩니다. 연구 결과에 따르면, 동일한 환자라도 의료 제공자에 따라 비용, 진료 방법 및 효과에 따라 비용 차이가 큰 것으로 나타났습니다. 환자 필수 데이터, 비용 데이터, 효능 데이터를 포함한 대규모 데이터 세트의 정확한 분석은 의사가 임상적으로 가장 효과적이고 비용 효과적인 치료법을 결정하는 데 도움이 될 수 있습니다. 의료 시스템에서 CER을 달성하면 과잉 치료(예: 효능보다 부작용이 더 많은 치료 기피)와 과소 치료를 줄일 수 있습니다. 장기적으로 과잉 치료와 과소 치료는 모두 환자의 건강에 부정적인 영향을 미치고 의료비도 더 많이 지출하게 됩니다.

전 세계 많은 의료기관(영국 NICE, 독일 IQWIG, 캐나다 일반의약품검사청 등)이 CER 프로젝트를 시작해 초기 성공을 거뒀다. 2009년 미국이 통과시킨 경제회복 및 재투자법은 이러한 방향의 첫 번째 단계였습니다. 이 법에 따라 비교 효과 연구를 위한 연방 조정 위원회(Federal Coordinating Council for Comparative Effectiveness Research)가 설립되어 연방 정부 전반에 걸쳐 비교 효과 연구를 조정하고 투자 자금으로 4억 달러를 할당했습니다. 이번 투자가 성공하기 위해서는 임상 데이터와 보험 데이터의 정합성 등 해결해야 할 잠재적인 문제가 여전히 많다. 기록) 표준 및 상호 운용성은 서로 다른 데이터 세트를 통합하기 어렵게 만들 수 있습니다.

또 다른 예는 환자의 개인 정보 보호 문제입니다. 환자의 개인 정보를 보호하면서 분석 결과의 타당성을 보장할 만큼 상세한 데이터를 제공하는 것은 쉽지 않습니다. 예를 들어, 현행 미국법에서는 의료보험 기관과 메디케이드 서비스 센터(의료 서비스 지불자)가 비용/혜택 비율을 사용하여 환급 결정을 내리는 것을 금지하고 있으므로 빅데이터 분석을 통해 더 나은 방법을 찾더라도 마찬가지입니다. , 구현하기 어려울 것입니다.

2. 임상 의사결정 지원 시스템

임상 의사결정 지원 시스템은 업무 효율성과 진단 및 치료의 질을 향상시킬 수 있습니다. 현재 임상 결정 지원 시스템은 의사가 입력한 항목을 분석하고 이를 의료 지침과 비교하여 약물 부작용과 같은 잠재적인 오류를 예방하도록 의사에게 경고합니다. 의료 서비스 제공자는 이러한 시스템을 배포함으로써 의료 과실 비율과 청구, 특히 임상 오류로 인한 청구를 줄일 수 있습니다. 미국 수도권 소아 집중 치료실의 연구에서 임상 의사 결정 지원 시스템은 2개월 이내에 약물 부작용 사건의 수를 40% 줄였습니다.

빅데이터 분석 기술은 비정형 데이터 분석 능력이 향상되어 임상 의사결정 지원 시스템을 더욱 지능화할 것입니다. 예를 들어, 이미지 분석 및 인식 기술을 사용하여 의료 영상(X선, CT, MRI) 데이터를 식별하거나 의학 문헌 데이터를 마이닝하여 IBM Watson과 같은 의료 전문가 데이터베이스를 구축하여 의사에게 다음과 같은 정보를 제공할 수 있습니다. 진단 및 치료 제안. 또한, 임상 의사결정 지원 시스템을 통해 의료 과정의 워크플로우를 대부분 간호진과 보조의사에게 전달할 수 있어, 의사들이 지나치게 오랜 시간이 걸리는 단순 상담 업무에서 벗어나 치료 효율성을 높일 수 있다.

3. 의료 데이터 투명성

의료 과정 데이터의 투명성을 높이면 의료인과 의료기관의 성과가 더욱 투명해지고, 간접적으로 의료 서비스 질 향상에 기여할 수 있습니다. .

의료 서비스 제공자가 설정한 운영 및 성과 데이터 세트를 기반으로 데이터 분석을 수행하고 시각적 흐름도 및 대시보드를 생성하여 정보 투명성을 높일 수 있습니다. 흐름 매핑의 목표는 임상적 변이와 의료 폐기물의 출처를 식별하고 분석한 후 프로세스를 최적화하는 것입니다. 상응하는 물질적 보상 없이도 단순히 비용, 품질 및 성과 데이터를 게시하는 것만으로도 성과 개선을 촉진하고 의료 서비스 기관이 더 나은 서비스를 제공하고 경쟁력을 높일 수 있습니다.

데이터 분석을 통해 비즈니스 프로세스를 간소화하고, 린 생산을 통해 비용을 절감하며, 요구 사항을 충족하는 보다 효율적인 직원을 찾아 치료의 질을 향상하고 환자에게 더 나은 경험을 제공할 수 있습니다. 의료 서비스 조직은 추가적인 성과 성장 잠재력을 제공합니다. 메디케어 및 메디케이드 서비스 센터에서는 적극적이고 투명하며 개방적이고 협력적인 정부를 구축하기 위한 노력의 일환으로 대시보드를 테스트하고 있습니다. 같은 정신으로 미국 질병통제예방센터도 마찬가지다.

의료 품질 및 성과 데이터의 공개 공개는 환자가 더 많은 정보를 바탕으로 의료 결정을 내리는 데 도움이 될 수 있으며, 이는 또한 의료 서비스 제공자가 전반적인 성과를 개선하고 경쟁력을 높이는 데 도움이 될 것입니다.

4. 원격 환자 모니터링

만성 환자 원격 모니터링 시스템에서 데이터를 수집하고 분석 결과를 모니터링 장치에 다시 공급합니다(환자가 의사의 지시를 준수하는지 확인). 지침) 환자가 향후 약물 치료 및 치료 옵션을 의사의 지시를 준수하는지 확인합니다.

2010년 미국에는 당뇨병, 울혈성 심부전, 고혈압 등 만성질환 환자가 1억5000만명에 달했다. 이들의 의료비가 의료비와 보건의료비의 80%를 차지했다. 체계. 원격 환자 모니터링 시스템은 만성 질환 환자 치료에 매우 유용합니다. 원격 환자 모니터링 시스템에는 가정용 심장 모니터링 장치, 혈당 측정기, 심지어 환자가 섭취할 때 전자 의료 기록 데이터베이스에 실시간으로 데이터를 전송하는 칩 알약이 포함됩니다. 예를 들어, 울혈성 심부전의 징후 중 하나는 수분 보유로 인한 체중 증가이기 때문에 원격 모니터링을 통해 의사에게 울혈성 심부전 환자에게 적시에 치료 조치를 취하도록 상기시킬 수 있으며 이는 원격 모니터링을 통해 예방할 수 있습니다. 또 다른 장점은 원격모니터링 시스템에서 생성된 데이터 분석을 통해 환자의 입원 기간을 단축하고, 응급실 방문 횟수를 줄일 수 있으며, 홈케어 비중과 횟수를 늘리는 것이 목표다. 외래 진료 예약이 가능합니다.

5. 환자 파일에 대한 고급 분석

환자 파일에 고급 분석을 적용하면 특정 유형의 질병에 취약한 사람을 확인할 수 있습니다.

예를 들어 고급 분석을 적용하면 당뇨병 발병 위험이 높은 환자를 식별하여 예방 치료 요법을 더 빨리 받을 수 있습니다. 이러한 방법은 환자가 기존 질병 관리 옵션 중에서 최상의 치료 계획을 찾는 데도 도움이 될 수 있습니다.

지불/가격

의료 지불자의 경우 빅데이터 분석을 통해 의료 서비스 가격을 더 저렴하게 책정할 수 있습니다. 미국을 예로 들면, 이는 연간 500억 달러의 가치를 창출할 수 있는 잠재력을 가지고 있으며, 그 중 절반은 국가 의료비 지출 절감에서 비롯됩니다.

1. 자동화 시스템

자동 시스템(예: 머신러닝 기술)은 사기를 감지합니다. 업계 관계자들은 매년 의료 청구의 2~4%가 사기이거나 불합리한 것으로 추산합니다. 따라서 청구 사기를 적발하는 것은 경제적으로 매우 중요합니다. 포괄적이고 일관된 청구 데이터베이스와 해당 알고리즘을 통해 청구의 정확성을 테스트하고 사기를 탐지할 수 있습니다. 이러한 사기 탐지는 소급적이거나 실시간일 수 있습니다. 실시간 탐지에서 자동화된 시스템은 결제가 발생하기 전에 사기를 식별하여 상당한 손실을 방지할 수 있습니다.

2. 건강경제성과 유효성 연구에 따른 가격 책정

약가 책정 측면에서 제약사는 치료 효과에 따른 가격 책정 전략 수립 등 치료 위험 공유에 참여할 수 있습니다. 의료 지불자가 받는 혜택은 명확하며 의료 비용을 통제하는 데 도움이 됩니다. 환자의 경우 혜택이 더 즉각적으로 나타납니다. 그들은 효능 기반 연구를 통해 합리적인 가격으로 혁신적인 의약품을 이용할 수 있습니다. 제약 제품 회사의 경우 더 나은 가격 전략은 많은 이점을 제공합니다. 그들은 더 높은 시장 접근 가능성을 얻을 수 있으며, 혁신적인 가격 책정 계획과 보다 표적화된 치료제 출시를 통해 더 높은 수익을 얻을 수도 있습니다.

유럽에서는 현재 건강 경제성과 효능을 기반으로 약품 가격을 책정하는 일부 파일럿 프로젝트가 있습니다.

일부 의료 지불자는 데이터 분석을 사용하여 제공자 서비스를 측정하고 서비스 수준에 따른 기본 가격을 책정하고 있습니다. 지불자는 결과에 따라 비용을 지불할 수 있으며 서비스 제공자와 협상하여 서비스가 특정 벤치마크를 충족하는지 확인할 수 있습니다.

R&D

의료제품 회사는 빅데이터를 활용하여 R&D 효율성을 높일 수 있습니다. 미국을 예로 들면, 이는 연간 1000억 달러 이상의 가치를 창출할 것입니다.

1. 예측 모델링

제약회사는 신약의 연구개발 단계에서 데이터 모델링 및 분석을 통해 가장 효율적인 투입-산출 비율을 결정하고 이에 대비할 수 있습니다. 최고의 리소스 믹스로 이 모델은 약물 임상시험 단계 이전 데이터 세트와 초기 임상 단계 데이터 세트를 기반으로 임상 결과를 최대한 시기적절하게 예측합니다. 평가 요소에는 제품의 안전성, 유효성, 잠재적인 부작용 및 전반적인 시험 결과가 포함됩니다. 예측 모델링은 제약회사의 R&D 비용을 절감할 수 있습니다. 데이터 모델링 및 분석을 통해 약물의 임상 결과를 예측한 후 차선 약물에 대한 연구를 연기하거나 차선 약물에 대한 값비싼 임상 시험을 중단할 수 있습니다.

R&D 비용 외에도 제약회사는 더 빨리 수익을 얻을 수 있습니다. 데이터 모델링 및 분석을 통해 제약회사는 약품을 더 빨리 시장에 출시하고, 더 많은 표적 약품을 생산하고, 더 높은 잠재적 시장 수익과 치료 성공률을 얻을 수 있습니다. 신약의 R&D부터 시장 출시까지 평균 시간은 약 13년인 것으로 나타났습니다. 예측 모델을 사용하면 제약회사가 신약을 3~5년 더 일찍 시장에 출시하는 데 도움이 될 수 있습니다.

2. 임상시험 설계를 위한 통계 도구 및 알고리즘 개선

통계 도구 및 알고리즘을 사용하면 임상시험 설계 수준을 향상하고 임상시험 단계에서 환자 모집을 더 쉽게 할 수 있습니다. . 환자 데이터를 마이닝함으로써 모집된 환자가 시험 조건을 충족하는지 평가하여 임상시험 프로세스를 가속화하고 보다 효과적인 임상시험 설계 제안을 제안하며 가장 적합한 임상시험 기반을 식별할 수 있습니다. 예를 들어, 잠재적으로 적격한 임상시험 환자 수가 많은 시험기관이 더 이상적일 수도 있고, 시험 환자 모집단의 규모와 특성 간에 균형을 찾을 수도 있습니다.

3. 임상시험 데이터 분석

임상시험 데이터와 환자 기록을 분석하면 더 많은 약물 적응증을 파악하고 부작용을 발견할 수 있습니다. 임상 시험 데이터와 환자 기록을 분석한 후 약물을 다른 적응증에 맞게 재배치하거나 판매할 수 있습니다.

실시간 또는 거의 실시간으로 이상 반응 보고서를 수집하면 약물 감시를 촉진할 수 있습니다(약물 감시는 약물 이상 반응을 모니터링, 평가 및 예방하는 시판 약물에 대한 안전 보증 시스템입니다). 또는 임상시험에서 무언가를 시사하지만 이를 입증할 통계 데이터가 충분하지 않은 경우도 있습니다. 이제 임상시험 빅데이터를 기반으로 한 분석이 증거를 제공할 수 있습니다.

이러한 분석 프로젝트는 매우 중요합니다. 시장에서 의약품 철수 건수가 최근 몇 년간 최고치를 기록했으며, 의약품 철수는 제약회사에 엄청난 타격을 가져올 수 있음을 알 수 있습니다. 진통제 Vioxx는 2004년에 시장에서 철수되었으며, 머크는 불과 며칠 만에 70억 달러의 손실과 주주 가치의 33%를 잃었습니다.

4. 맞춤형 치료

R&D에서 유망한 또 다른 빅데이터 혁신은 대규모 데이터 세트(예: 게놈 데이터) 분석을 통한 맞춤형 치료법 개발입니다. 이 응용 프로그램은 유전적 변이, 특정 질병에 대한 감수성, 특정 약물에 대한 반응 사이의 관계를 조사한 다음 개인의 유전적 변이를 약물 개발 및 투여에 고려합니다.

맞춤형 의료는 환자에게 증상이 나타나기 전에 질병을 조기 발견하고 진단함으로써 건강 관리 결과를 향상시킬 수 있습니다. 많은 경우, 환자들은 동일한 진단과 치료를 받지만 부분적으로 유전적 변이로 인해 결과가 다릅니다. 환자별로 다른 진단 및 치료 계획을 채택하거나 환자의 실제 상태에 따라 약물 복용량을 조정하면 부작용을 줄일 수 있습니다.

맞춤의학은 아직 초기 단계이다. 맥킨지는 어떤 경우에는 처방약 수를 줄임으로써 의료비용을 30~70%까지 줄일 수 있다고 추정한다. 예를 들어, 조기 발견 및 치료는 조기 수술 비용이 후기 치료 비용의 절반에 불과하기 때문에 폐암으로 인한 보건 시스템의 부담을 크게 줄일 수 있습니다.

5. 질병 패턴 분석

질병 패턴과 추세를 분석함으로써 의료 제품 회사가 전략적 R&D 투자 결정을 내리고 R&D 우선순위를 최적화하며 자원 할당을 최적화하는 데 도움이 될 수 있습니다. .

새로운 비즈니스 모델

빅데이터 분석은 의료 서비스 산업에 새로운 비즈니스 모델을 가져올 수 있습니다.

환자의 임상 기록과 Medicare 데이터 세트를 집계합니다.

환자의 임상 기록과 Medicare 데이터 세트를 집계하고 고급 분석을 수행하면 의료 보험 지불자, 의료 서비스 제공자 및 의사 결정이 향상됩니다. 제약회사의 능력. 예를 들어, 제약 회사의 경우 더 나은 효능을 가진 약품을 생산할 수 있을 뿐만 아니라 약품의 시장성도 보장할 수 있습니다. 임상 기록 및 메디케어 데이터 세트 시장은 이제 막 발전하기 시작했으며, 확장 속도는 의료 산업이 EMR 및 증거 기반 의학 개발을 얼마나 빨리 완료하는지에 따라 달라집니다.

공중 보건

빅 데이터를 사용하면 공중 보건 모니터링을 개선할 수 있습니다. 보건부는 전국적인 환자 전자의무기록 데이터베이스를 통해 감염병을 신속하게 발견하고, 종합적인 전염병 감시를 실시하며, 통합된 질병 모니터링 및 대응 절차를 통해 신속하게 대응할 수 있습니다. 이는 의료 청구 비용 감소, 감염성 질병의 감염률 감소, 보건부가 새로운 감염성 질병 및 발병을 보다 신속하게 감지할 수 있는 등 많은 이점을 가져올 것입니다. 정확하고 시의적절한 공중 보건 조언을 제공함으로써 건강 위험에 대한 대중의 인식이 크게 높아지는 동시에 전염병 감염 위험도 감소할 것입니다. 이 모든 것은 사람들이 더 나은 삶을 창조하는 데 도움이 될 것입니다.