Smart Analytics

Auteur
Team Zorg Enablers
Gepubliceerd op
24-11-2021
Categorie
Trends | Diagnose

 

“The goal is to turn data into information and information into insight”

Carly Fiorina

Definitie

Smart analytics is een overkoepelende term voor de toepassing van big data en artificial intelligence (AI). Big data is een verzamelnaam voor digitale datasets die zo groot, complex en veranderlijk zijn dat ze moeilijk of onmogelijk te beheren zijn met traditionele software en/of hardware. AI is een aanduiding voor alle technologieën die processen nadoen die worden geassocieerd met autonome intelligentie, zoals redeneren en conclusies trekken, het interpreteren van spraak en het formuleren van nieuwe zinnen. AI-technieken die ten grondslag liggen aan dit leervermogen (‘machine learning’) zijn onder meer deep learning en representation learning [1-3]. Zoals al geïntroduceerd in het hoofdstuk smart assistants, maken veel algoritmen gebruik van natural language processing (NLP), dat zich richt op het begrip van gesproken of geschreven taal door computers [4]. AI leert van bestaande datasets en maakt gebruik van die kennis om efficiënt informatie te verwerken. Doordat big data zo complex is dat het vaak enkel kan worden geanalyseerd met AI, worden beide termen vaak samen genoemd [5].

 

Toepassingen & voordelen

Zorginstellingen zijn data intensief en in de aankomende jaren neemt de hoeveelheid klinische data enkel toe. Om deze reden zijn smart analytics waardevol voor diverse zorginstellingen. Binnen de gezondheidszorg vindt smart analytics toepassing op het gebied van preventie, diagnostiek en behandeling [6]. Toepassingen kunnen ondersteunen in het stellen van diagnoses en klinische besluitvorming, het monitoren en coachen van patiënten en het assisteren in behandelingen en operaties. Daarnaast kunnen smart analytics ondersteunen bij het management van zorgsystemen. Met de opgedane kennis kunnen zorgprofessionals en andere stakeholders in het zorgsysteem de efficiëntie en effectiviteit van diagnoses verbeteren. Binnen bijvoorbeeld de radiologie worden patronen herkend door het bestuderen van enorme datasets van CT-scans en patiëntuitkomsten, om zo met toenemende precisie diagnoses te stellen [6-9]. Er ontstaan daarnaast toepassingen in een combinatie tussen smart analytics en genomics. Smart analytics toepassingen worden echter niet enkel klinisch gebruikt. Veel van de apps die door consumenten thuis worden gebruikt, om bijvoorbeeld zelf diagnoses te stellen of symptomen te tracken, worden ondersteund door geavanceerde algoritmes [6]. Tot slot geldt dat de techniek het ontwikkelen van nieuwe medicatie binnen de farmaceutische industrie ondersteunt en versnelt door het modelleren en trainen van software. Smart analytics dragen uiteindelijk bij aan hogere kwaliteit van zorg, lagere kosten en verbeterde patiëntuitkomsten.

 

Markt

De marktwaarde van smart analytics groeit explosief [10]. De globale marktwaarde van smart analytics in de gezondheidszorg neemt naar schatting toe van $21,1 miljard in 2021 tot $75,1 miljard in 2026 [11]. Onder andere de toenemende vraag naar analytische oplossingen, technologische vernieuwingen en verbeteringen van bestaande procedures stimuleren de markt [12]. Noord-Amerika heeft een groot aandeel in de markt: in 2020 bedroeg dit ruim 60 procent [11]. Het hoge percentage kan onder andere worden toegeschreven aan federale mandaten en de toenemende druk om de zorgkosten te verlagen. Momenteel hebben de klinische toepassingen het grootste aandeel en naar verwachting blijft dit ook het snelst groeiende component van smart analytics [11,12].

 

Drijvers

Toenemende bewijslast effectiviteit
Toenemende druk op het zorg systeem
Groeiende beschikbaarheid (medische) data

Belemmeringen

Steeds meer nadruk op privacy gevoeligheid
Ethische vraagstukken
Gebrek aan expertise

Met het toepassen van big data en AI zijn veel ethische kwesties gemoeid. Er wordt veel data bij elkaar verzameld en beslissingen worden genomen door een systeem in een soort ‘black box’. De achterliggende overwegingen bij deze beslissingen zijn niet altijd terug te halen. Daarnaast is het belangrijk dat misbruik wordt voorkomen en dat de privacy van patiënten wordt gewaarborgd: medische dossiers bevatten immers persoonlijke en vertrouwelijke informatie [11]. Door de druk op het zorgsysteem en de grote potentie van smart analytics groeit de trend. Er komen steeds meer toepassingen op de markt die gebruik maken van AI om zichzelf te verbeteren en hiermee stijgt ook de kennis en expertise over AI.

 

Conclusie

Toepassingen binnen smart analytics kunnen revolutionaire ontwikkelingen teweegbrengen binnen de gezondheidszorg. Dit geldt niet enkel op het gebied van diagnostiek, maar in alle facetten van het zorgproces. Systemen worden autonomer en het zorgproces wordt persoonlijker en predictiever. Goede implementatie van smart analytics draagt bij aan het verlagen van de zorgkosten en het verhogen van de kwaliteit van de zorg.

Referenties

  1. Schmidhuber, J., Deep learning in neural networks: an overview, Neural networks : the official journal of the International Neural Network Society, 2015(61): p. 85-117.
  2. LeCun Y, B.Y., Hinton G, Deep learning, Nature, 2015. 521(7553): p. 436-44.
  3. Helm, J.M., Swiergosz, A.M., Haeberle, H.S., Karnuta, J.M., Schaffer, J.L., Krebs, V.E., Spitzer, A.I. & Ramkumar, P.N., Machine Learning and Artificial Intelligence: Definitions, Applications, and Future Directions, Current Reviews in Musculoskeletal Medicine volume, 2020. 13: pp. 69-76.
  4. Olthof, A.W., Ooijen, P.M.A. van, Cornelissen, L.J., Deep Learning-Based Natural Language Processing in Radiology: The Impact of Report Complexity, Disease Prevalence, Dataset Size, and Algorithm Type on Model Performance, Journal of Medical Systems, 2021. 45.
  5. Fagella, D., What is Machine Learning?, 2018
  6. Topol, E.J., High-performance medicine: the convergence of human and artificial intelligence, Nature medicine, 2019. 25(1): p. 44-56.
  7. Yeung BPM, C.P., Application of robotics in gastrointestinal endoscopy: A review, World Journal of Gastroenterology, 2016. 22(5): p. 1811-25.
  8. Qureshi MO, S.R., The Impact of Robotics on Employment and Motivation of Employees in the Service Sector, with Special Reference to Health Care. Safety and Health at Work. Safety and Health at Work, 2014. 5(4): p. 198-202.
  9. Avgousti S, C.E., Panayides AS, Voskarides S, Novales C, Nouaille L, et al., Medical telerobotic systems: current status and future trends, Biomedical engineering online, 2016. 15(1): p. 96.
  10. Conscious Business Insights, The AI Industry Series: Top Healthcare AI Trends To Watch, 2018
  11. Markets and Markets, Healthcare Analytics Market by Type (Descriptive, Prescriptive, Cognitive), Application (Financial, Operational, RCM, Fraud, Clinical), Component (Services, Hardware), Deployment (On-premise, Cloud), End-user (Providers, Payer) – Global Forecast to 2026, 2021 [Available from https://www.marketsandmarkets.com/Market-Reports/healthcare-data-analytics-market-905.html]
  12. Market Research Future, Healthcare Analytics Market Research Report: By Type (Predictive, Cognitive), Component (Software, Services), Delivery Model (On-Premise), Application (Financial Analytics, Clinical Analytics), End User (Payers, Hospitals)- Forecast till 2027, 2021 [Available from https://www.marketresearchfuture.com/reports/healthcare-analytics-market-7819#description] 13. PRNewswire, Global Big Data in Healthcare Market: Analysis and Forecast, 2017-2025, 2018