Opinia: Spersonalizowana medycyna i europejska gospodarka oparta na danych

Mario Romao, kierownik ds. cyfrowej polityki zdrowotnej w firmie Intel; Sarnunas Narbutas, prezes Litewskiej Koalicji Pacjentów Onkologicznych, Richard Torbett, główny ekonomista EFPIA; Ernst Hafen, Instytut Biologii Układów Molekularnych (IMSB) ETH, Zurych

Nikt nie lubi chorować. Ale kiedy już zachorujemy, ważne jest, aby nasi lekarze mieli dostęp do najlepszych dostępnych informacji i technik diagnostycznych. Na szczęście nowe technologie, takie jak narzędzia analityczne dla „Big Data”, mogą pomóc pracownikom służby zdrowia w ulepszaniu diagnoz i przekształcaniu sposobu, w jaki praktykuje się medycynę.

Korzystając z tych danych, aby najpierw zrozumieć przyczynę choroby, profesja medyczna może następnie opracować nowe leki i terapie, aby znaleźć lekarstwa lub metody leczenia, a także inne interwencje zdrowotne ukierunkowane na daną osobę. Zindywidualizowane, indywidualne podejście wymaga zaawansowanych technologii i procesów do gromadzenia, zarządzania i analizowania informacji, a co ważniejsze, do ich kontekstualizacji, integracji, interpretacji oraz zapewnienia szybkiego i precyzyjnego wspomagania decyzji w kontekście klinicznym i zdrowia publicznego.

Wdrożenie „Strategii danych dla medycyny spersonalizowanej” w Europie przyniosłoby wiele korzyści. Nie tylko przyspieszyłoby rozwój skuteczniejszych metod leczenia i potencjalnie pomogło w zarządzaniu zasobami opieki zdrowotnej, ale także stanowiłoby podstawę dla inwestycji sektora prywatnego i miejsc pracy w UE w zakresie badań i rozwoju. Globalne zmiany w podejściu do Big Data w opiece zdrowotnej mają ogromne znaczenie dla przyszłości wielu branż.

Możliwość niedrogiego sekwencjonowania całego genomu i wartość, jaką wniosłoby to do opieki nad pacjentem, wkrótce wprowadzi dane genomiczne do rutynowej praktyki. Te informacje, które cały czas stają się coraz tańsze, zostaną również włączone do elektronicznej dokumentacji medycznej. Mając to na uwadze, kilka krajów rozpoczęło już sponsorowane przez rząd programy sekwencjonowania genomu.

Istnieją oczywiście problemy związane z Big Data – nie tylko ich gromadzeniem, przechowywaniem, rozpowszechnianiem i standardami, które należy zastosować. Istnieją również ogromne pytania etyczne dotyczące jego użytkowania i własności.

Oczywiste jest, że konieczne są zabezpieczenia gwarantujące, że dane pozostaną anonimowe, że nie będą udostępniane bez wyraźnej zgody pacjenta, że ​​nie będą sprzedawane na przykład firmom ubezpieczeniowym bez tej zgody, że pacjent musi być właścicielem swoich danych i mieć do nich pełny dostęp, a wszystkie te zasady powinny być zapisane w przepisach opartych na etyce.

Jedną z sugestii, która zyskuje poparcie, jest korzystanie ze spółdzielni danych, w ramach których każdy pacjent i dawca danych kontroluje, kiedy, gdzie i jak można wykorzystać jego dane. Powinno to przezwyciężyć fakt, że pacjenci mogą niechętnie przekazywać wrażliwe dane osobowe, które mogą mieć kluczowe znaczenie dla badań.

Biorąc pod uwagę powyższe oraz ponieważ medycyna spersonalizowana wymaga w większości przypadków spersonalizowanych danych, ważne jest, aby poruszać się po złożonym krajobrazie regulacyjnym ochrony danych i, w wielu przypadkach, wyjaśnić granice tego, co jest, a co nie jest możliwe.

Podstawową zasadą powinno być „uwolnij dane, ale nie wyrządzaj szkody”. Pozwoliłoby to na osiągnięcie jak najlepszych i najszybszych efektów. Naukowcy muszą mieć możliwość pracy i testowania dużych zestawów danych, które obecnie nie są dostępne. Oczywiście pojawiają się pytania o to, jak najlepiej powiązać te wyniki z klinicznie znaczącymi i praktycznymi informacjami oraz jak tworzyć dostosowane do nich odpowiedzi. Czynniki te stanowią dalsze wyzwania.

Wspomniane kwestie należy szybko rozwiązać, ponieważ Big Data najwyraźniej nie da się od-wynaleźć i na pewno nie zniknie. Jednak zapewniając odpowiednie ramy regulacyjne obejmujące te kwestie ochrony danych, naukowcy mogliby potencjalnie uzyskać dostęp do milionów markerów genetycznych. To z kolei przyspieszyłoby naukę w kierunku lepszego zrozumienia chorób u konkretnych pacjentów. Dane te będą powszechnie wykorzystywane bezpośrednio w opiece nad pacjentem, aby kierować wyborem terapii, profilaktyki i programów badań przesiewowych, zwiększając ogólną wydajność opieki zdrowotnej i wyniki pacjentów.

Europejski sojusz na rzecz medycyny spersonalizowanej (EAPM) uważa, że ​​do 2020 r. UE powinna dążyć do osiągnięcia powszechnych korzyści dla obywateli i pacjentów ze spersonalizowanej opieki zdrowotnej poprzez zdefiniowanie w 2015 r., a następnie wdrożenie strategii danych dla medycyny spersonalizowanej

Jedną z sugestii jest uruchomienie unijnej inicjatywy w zakresie danych, która uwzględnia kompleksowy obraz czynników sprzyjających kształtowaniu polityki. Zapewniłoby to kompleksową analizę wszystkich powiązanych ze sobą czynników decydujących o rozwoju i przyjęciu Big Data w odniesieniu do medycyny spersonalizowanej w Europie. Dzięki współpracy państw członkowskich i wielu zainteresowanych stron mogłoby to stymulować działania polityczne, regulacyjne, badawcze i innowacyjne w celu ustanowienia ogólnoeuropejskiego ekosystemu danych w tej dziedzinie.

Jeśli chodzi o Big Data, przyszłość już nadeszła. UE potrzebuje poczucia pilności, aby wykorzystać zalety tych danych na miejscu z korzyścią dla swoich 500 milionów obywateli. Wyzwaniem jest zintegrowanie nowych danych z zaawansowanymi systemami wsparcia klinicznego połączonymi z elektroniczną dokumentacją medyczną wraz z wymaganym szkoleniem klinicznym i wprowadzenie tej nauki do codziennych operacji klinicznych.

Pilnie potrzebne są badania nad nowymi technikami statystycznymi i innymi technikami analitycznymi. I nawet przy istniejących technikach szkolenie jest dużym problemem. W ostatniej dekadzie sekwencjonowanie nowej generacji wraz z technologiami informacyjno-komunikacyjnymi (ICT) zmieniło sposób, w jaki biolodzy i genetycy „uprawiają” naukę. Dane generowane za pomocą tych maszyn wymagają do analizy zaawansowanych umiejętności obliczeniowych. Co ważne, chociaż bioinformatyka jest obecnie dobrze rozwiniętą dyscypliną, potrzebny jest teraz nowy zestaw umiejętności, aby poruszać się po mnóstwie generowanych danych.

Mówimy tutaj o „naukowcach Big Data”, którzy wykorzystują eksplorację danych, statystykę i wiedzę dziedzinową (w tym przypadku wiedzę biomedyczną), aby interpretować dane i wyprowadzać rozwiązania z dużych zbiorów danych. Ogromne ilości danych (objętość), tempo ich tworzenia oraz udostępniania aktualizacji i nowych ustaleń (szybkość) oraz różnorodność takich danych (różnorodność) nie mogą być rozpatrywane bez infrastruktury i rozwiązań ICT. Obejmują one obliczenia o wysokiej wydajności i „chmurze”, a także uczenie maszynowe i analizy.

Ponadto potrzebna jest ściślejsza współpraca między przemysłem ICT i naukami przyrodniczymi, aby tworzyć rozwiązania, z których mogą korzystać biolodzy i naukowcy, zamiast oczekiwać, że dostosują się do rozwiązania. W erze Big Data medycyna spersonalizowana przyniesie korzyści dzięki większemu zaangażowaniu pacjentów w podejmowanie decyzji dotyczących leczenia i zarządzanie zdrowiem. Podobnie nie można oczekiwać, że pracownicy służby zdrowia dostosują się do nowych sposobów podejścia do pacjentów i radzenia sobie z nowymi technologiami, chyba że zostaną odpowiednio przeszkoleni.

Europejski sojusz na rzecz medycyny spersonalizowanej (EAPM) opracowała trwającą kampanię o nazwie STEPs (Specjalistyczne leczenie pacjentów w Europie) i ciężko pracuje, aby promować dialog i znaleźć rozwiązania, jednocześnie wzywając do działania na poziomie UE. Big Data, wśród wielu innych tematów, będzie poruszany na jego temat doroczna konferencja w dniach 9-10 września w Bibliotece Solvay w Brukseli. Zgromadzi to wszystkie zainteresowane strony, w tym nowych posłów do PE, i ma poprzedzać powołanie nowej Komisji Europejskiej. Jest zadanie do wykonania, więc zacznijmy to robić.

Udostępnij ten artykuł: