Ziekenhuizen verzamelen heel veel data: over patiënten, klinische data, data over apparatuur et cetera. De vraag is nu: Kunnen ziekenhuizen betere beslis- singen nemen, betere analyses maken en beter verbanden ontdekken op basis van deze veelheid en verscheidenheid van data? Het antwoord is simpel: Ja!
Neem het volgende bruggetje: Toen het schrift werd uitgevonden, was het schrijven toevertrouwd aan slechts weinigen. De geschriften werden toen verzameld en bewaard in speciaal ingerichte ruimten. Slechts weinigen waren in staat deze geschriften te categoriseren, te vinden en te combineren.
Met het verstrijken van de tijd kwamen er meer en meer geschriften bij. De wijze van verzamelen, opslaan en terugzoeken van deze geschriften veranderde ook. Speciale kasten werden ontworpen die de mens in staat stelde geschriften effectiever op te slaan en beter te bewaren. Daarnaast ontstond ook een aanpak om deze geschriften beter en selectiever op te zoeken, zonder alle kasten te doorzoeken.
Boeken in bibliotheken zijn tegenwoordig op de meest effectieve wijze opgeslagen. Echter, het gebruik en het vinden van informatie uit deze boeken is wederom veranderd. Gebruikmakend van computers vinden wij onze weg steeds eenvoudiger en makkelijker dan voorheen. De vele bronnen van informatie kunnen tegenwoordig in één oogwenk worden ontsloten.
Eigenlijk is dit verhaal ‘de evolutie van het boek naar computer’ gelijk aan het verhaal van big data. Mensen zoeken naar nieuwe en snellere manieren om de vele beschikbare informatie in welke bron en vorm dan ook te vinden, te ontsluiten en te gebruiken. Dit zijn dan ook meteen de kenmerken van big data. Het gebruik en combinatie van data gaat tegenwoordig zo geraffineerd dat wij er niet eens meer bij stilstaan of het beseffen.
Big data bij ziekenhuizen
Hoe kunnen ziekenhuizen gebruik maken van dit soort technieken om hun eigen processen te optimaliseren? Ook hiervoor is het antwoord heel simpel: Door het te doen! Hoe kan jouw data je helpen om je bedrijfsvoering te verbeteren, kosten efficiënter te maken en meer inzichten te geven? Uit wereldwijd onderzoek blijkt dat organisaties die in staat zijn om inzichten te distilleren uit hun data tweemaal zoveel kans maken efficiënter om te gaan met hun kosten en processen dan hun branchegenoten.
Een integrale aanpak definiëren die vanuit de directie wordt gedragen en wordt overgenomen door artsen zou fijn zijn. Echter is vaak niet conform de werkelijkheid. Klein beginnen met een concreet onderwerp en deze uitwerken is de meest voor de hand liggende. Net als het voorbeeld van evolutie van de bibliotheek, zal dit ook een evolutie voor het ziekenhuis zijn. De boekenkasten met gegevens zijn vervangen door data centers, cloud-oplossingen, file systemen, data warehouses, zis’s en epd’s.
Hoe combineer je deze data? Welke mogelijkheden heb je bedacht voor het vinden, ontsluiten en gebruiken van deze data? Is jouw data warehouse gemoderniseerd? Maak je gebruik van predictive analyses? Hoe combineer je gestructureerde en ongestructureerde data? Hoe voorzie je in een verbeterde strategische besluitvorming op basis van je managementinformatie? Met het huidige economisch klimaat in ons achterhoofd zal de evolutie in het ziekenhuis iets sneller moeten gaan dan een bibliotheek evolutie van de afgelopen vijfduizend jaar. Wanneer begint jouw volgende stap in jouw evolutie?. Eeen vraag om over na te denken.
De vragen uit de laatste alinea worden dan natuurlijk opgelost door imtech, toch?
De ziekenhuizen hebben wel wat anders aan hun hoofd, kleinere budgetten, grotere eisen en wensen aan de service naar patienten, een klimaatverandering die gevolgen heeft voor de toename van parasitair overdraagbare ziektes om er een paar te noemen.
Bij de personele situatie van vandaag kan ik me slecht voorstellen dat er mensen vrij gemaakt worden voor predictive analyse.
Maar ja, dat was ook een advertorial, toch?
Beste Laco,
Dank voor je artikel.
Ik zie best wel veel artikelen over big data, waarbij big data gepresenteerd wordt als iets nieuws. Als ik het goed heb waren we jaren geleden toch ook al hiermee bezig, met datamining, data analyse tools, informatiebeheersystemen (ontsluiten, zoeken en terugvinden), datawarehouses (incl. BI en dashboards) etc.
Wat is nu zo anders of vernieuwend hieraan? Is het de volume van de data of dat alle tools en expertise nu onder 1 noemer is terug te vinden, namelijk big data?
“Kunnen ziekenhuizen betere beslissingen nemen, betere analyses maken en beter verbanden ontdekken op basis van deze veelheid en verscheidenheid van data? Het antwoord is simpel: Ja!”
En dan als bruggetje iets over het zoeken op Google (Google search= big data)
Ik vind dit een zwak argument. Het kunnen doorzoeken van data berust veelal op de zoeker, de mens die iets nodig heeft. Natuurlijk kun je digitale data veel sneller doorzoeken dan data op papier, maar om er enige *wijsheid* of kennis uit op te doen is een totaal ander gebied.
Het hele artikel stap over de crux van big data heen. Anders dan doorzoeken vergt wiskunde, algoritmes, machine learning et cetera. Dit zijn geen triviale zaken die je ook niet simpel iteratief oppakt.
Daarmee is de investering en de mogelijke opbrengst maar twijfelachtig.
Als je bijvoorbeeld wilt kijken welke aanpak bij kanker het best werkt en dit af wilt zetten tegen de fysieke eigenschappen van je patient… succes!
Dat je kunt zoeken in een bak van data is totaal anders dan er enige vorm van voorspellingen over kunnen doen! En daarmee degradeer je dit artikel in mijn ogen weer tot eenvoudige marketing.
Wat heeft dit artikel met ziekenhuizen te maken? vul voor ziekenhuis school in en je kan het artikel hergebruiken. Veel te algemeen gesteld. Wat is je doel van deze big data search? patienten genezen, zorg goedkoper maken? Ziekenhuizen zijn hier al lang hier mee bezig wat is de toevoeging van dit artikel?
Ziekenhuizen onderling zijn nu op dit moment resultaten aan het vergelijken om zichzelf te verbeteren. Hiervan staan de resultaten regelmatig in de krant.
Op onderzoeksgebied is er al een aantal jaren een grote wetenschappelijke database die met statistische software benaderd wordt vreemd dat hier niet naar wordt gerefereerd.
Artikelen over Bigdata zijn meestal vaag. Das geen wonder, de definitie is vaag : Data so big dat het niet met traditionele technische datamanagement methoden te verwerken valt.
Daar kun je alle kanten mee uit. Die van Henri maar ook de verkoopkant, die vooral. Business vraagt altijd om een knop waar je op duwt en dan worden alle businessvragen opgelost. Een soort Holy grail. Als je die knop nou als frontend op je bigdata oplossing zet, dan heb je alleen iemand nodig die daar een mooi verhaal bij verzint. En das nou weer niet zo moeilijk als ik de laatste maanden Computable lees.
Lackó,
Dat in bepaalde sectoren van de zorg enorme hoeveelheden data geanalyseerd worden is niet echt nieuw, 2 jaar geleden vertelden onderzoekers me dat ze nogal verbaasd waren door de plotselinge aandacht van de markt hiervoor. Anderen in de zorg fluisterden me in het oor dat het delen van data tussen alle bronnen in een ziekenhuis allemaal nog niet zo eenvoudig is. Sommige ziekenhuizen zijn een facilitair bedrijf en er is dan ook nog zoiets als het eigenaarschap van data.
Stellige uitspraak dat ziekenhuizen betere beslissingen nemen, betere analyses maken en beter verbanden ontdekken op basis van Big Data lijkt me een te mooie voorstelling van zaken. Lees ook eens:
https://www.computable.nl/artikel/opinie/datacenters/4984339/4907128/help-de-dokter-verzuipt.html
@FelixTheCat Heb dat ook als ik aan de term big data (geleerd via Wiki) denk dan denk ik ook aan zoveel dat het niet meer met traditionele computers en methoden te verwerken is. Wat daar denk ik ook bij hoort dat je heel veel rekenwerk tegelijkertijd kan doen, big computation zeg maar. Nu heb ik wel eens het idee dat iedere digitale kaartenbak onder de noemer big data valt. Het is ook een glijdende schaal. @MarianneDorder Vind datamining wel een mooie omschrijving.
Als het enige onderscheidend vermogen van big data is, dat big data met meer rekenkracht (vanwege de volume) geanalyseerd moet worden, dan zie ik het nog steeds als datamining.
In onze huidige computers hebben we bijvoorbeeld nu meer geheugen dan vroeger, maar we noemen het toch ook niet anders.
Ik zie wel de waarde in van datamining. Grote organisaties zijn hier al jaren mee bezig, waaronder bijvoorbeeld Albert Heijn en Justitie.
Het zijn allemaal termen en aangezien het geen officiele termen zijn is de definitie wat je er zelf van maakt.
“Big data” is in mijn ogen een fenomeen waarbij dataminen meer een activiteit is.
Hoe dan ook, ik zie het als een feit dat als je beslissingen of acties onderneemt op basis van onderzoek in data dit in mijn ogen betere beslissingen kunnen zijn dan beslissingen op basis van gevoel.
Als je te maken hebt met een berg data die ook nog eens heel snel wordt aangevuld is het gewoon uitdagend om er iets uit te halen waar je echt wat mee kan.
Waar het echter op lijkt is dat machine learning hier echt iets in kan betekenen. Dit vergt aan de ene kant een diep inzicht in algebra / wiskunde, aan de andere kant menselijke slimmigheid. Machine learning vergt echter substantieel investeringen in tijd geld en het vinden van de juiste mensen.
Dat je zomaar big data op kunt pakken en er waarde uit kunt halen is gewoon nonsense.
Data minen is in mijn ogen het “eenvoudige” broertje van machine learning. Je hebt die bak met data en begint met wat simpele gedachten en aannames en probeert hiervoor bewijs te vinden. Als dit bewijs gevalideerd is kun je het gaan toepassen. Een voorbeeld van data-minen zou bijvoorbeeld kunnen zijn dat je wilt weten welke spullen zwangere vrouwen kopen. Dan kun je met simpele logica een algoritme maken waarin je op basis van boodschappen een mate van zekerheid hebt dat iemand zwanger is en kun je reclame materiaal daarop instellen na de check dat de koper daadwerkelijk een vrouw is of iemand die samenwoont met een vrouw. Door een groeiend besef van privacy zal dit in de toekomst weer steeds minder bruikbaar worden.
Dus leuk als je dalijk weet of een klant zwanger is, maar totaal niet bruikbaar als je uiteindelijk niet meer weet hoe je die klant moet bereiken. Overigens kan ik boodschappen nauwelijks “big data” noemen aangezien artikelen simpele bestanden zijn. Als je moet zoeken in de aantekeningen van artsen en zusters over patiënten blijkt dat lastig om te gebruiken in conclusies. Zelfs als er labels gebruikt worden bij diagnoses blijkt dat in de praktijk niet veel meer op te brengen dan de analyse op vrije tekst, ofwel structureel goed labellen is al zeer lastig te realiseren.
Overigens beseffen nog steeds maar weinig mensen hoeveel data er over hun verzameld word. Als je een nieuwsbrief krijgt kan de verstuurder zien wie op welke link geklikt heeft. In de massa is dit statistiek, maar je kunt heel erg inzoomen op een individu.
Terug komend op big data. Ga er niet vanuit dat je zomaar geld kunt verdienen aan big data, er aan ruiken mag, maar voordat je los gaat op investeringen…
Ik vind het persoonlijk een redelijk eng idee dat ziekenhuizen zo veel data over patiënten hebben. Vooral als ziekenhuizen beslissingen gaan nemen door middel van algoritmes die deze data gebruiken. Een klein foutje in zo’n programma kan al iemand zijn leven kosten. Ik begrijp dat het dingen efficiënter maakt maar het is belangrijk dat er altijd wel menselijk toezicht blijft bestaan.