Salte a conteúdo principal

Hitachi

Social Innovation

Da oggi vi visiterà il Dr. Data

Scoprite il grande impatto che stanno avendo i dati sulla previsione della malattia

La velocità con cui progredisce la scienza medica a volte può sembrare molto inferiore rispetto a quella della tecnologia. Ogni anno viene creato un nuovo dispositivo o un’app che modifica il modo in cui comunichiamo, facciamo operazioni bancarie o addirittura troviamo un partner, mentre il miglioramento delle cure mediche è spesso un processo molto più lungo.

La buona notizia è che l'assistenza sanitaria sta iniziando a colmare il gap grazie ai dati, i big data! Come? Disporre di molti dati medici su una persona o su gruppi di persone rende possibile costruire modelli medici accurati e fare previsioni utili sulla loro salute.

Da anni, le aziende utilizzano i dati delle nostre attività online per prevedere i film che potrebbero piacerci o i prodotti che ci piacerebbe acquistare. Le valide preoccupazioni sulla sicurezza dei dati hanno rallentato il progresso dei big data nella scienza medica. Ora questi metodi vengono utilizzati, con cautela, per migliorare la nostra salute grazie a una maggiore disponibilità di dati.

Ma da dove provengono questi dati e come possiamo ottenerne di più? L'inglese medio va in visita dal medico solo 5 volte l'anno, rendendo difficile per i medici raccogliere grandi quantità di dati. Il boom dei dispositivi sanitari indossabili è una buona soluzione. Un dispositivo intelligente tiene costantemente traccia degli indicatori di salute vitali e, man mano che passano dal piano ricreativo a quello della ricerca, i dati diventeranno sempre più preziosi. Alla fine avremo tutti un profilo sanitario completo memorizzato nei nostri dispositivi.

Anche in queste prime fasi si possono notare i benefici dei big data. Hitachi, in collaborazione con la University of Utah Health, ha annunciato la nascita di una nuova tecnologia che analizza le cartelle cliniche elettroniche per prevedere la probabilità di successo di diversi farmaci nel trattamento dei pazienti con diabete mellito di tipo 2. L'elevata accuratezza della tecnologia nella previsione dell'effetto dei suddetti farmaci è stata confermata confrontando i risultati con le cartelle cliniche del passato.

Per una maggiore comprensione della malattia, è molto utile disporre non solo di numerosi dati di una sola persona, ma anche di quelli di molte altre persone. Uno dei primi esempi di questa teoria è stato Google Flu Trends, un progetto creato dal gigante tecnologico per mappare epidemie di raffreddori e influenza. I dati risultanti, raccolti dalle ricerche degli utenti sui sintomi di raffreddore e di influenza e su rimedi e appuntamenti medici all'interno di un'area geografica, sono stati poi utilizzati per mappare le infezioni future. Questa idea è stata portata avanti ulteriormente da un team della Northeastern University he ha sviluppato un nuovo modello per prevedere la diffusione dell'influenza in tempo reale mediante l’utilizzo di Twitter.

Altri esempi comprendono il monitoraggio delle vendite di farmaci antidolorifici e antinfluenzali venduti al banco di farmacie statunitensi, consentendo ai funzionari della sanità pubblica di prevedere picchi di ricoveri ospedalieri per problemi respiratori, che si verificano in media 2 settimane dopo l'acquisto iniziale.

Anche se il settore sanitario deve essere prudente in materia di violazione della privacy dei pazienti, il potenziale per una maggiore comprensione della nostra salute finirà per tradursi in un maggior numero di persone in salute nella società.